CN105447870A - 医学图像中身体组织的提取方法及装置 - Google Patents
医学图像中身体组织的提取方法及装置 Download PDFInfo
- Publication number
- CN105447870A CN105447870A CN201510870188.XA CN201510870188A CN105447870A CN 105447870 A CN105447870 A CN 105447870A CN 201510870188 A CN201510870188 A CN 201510870188A CN 105447870 A CN105447870 A CN 105447870A
- Authority
- CN
- China
- Prior art keywords
- gray
- region
- default
- faultage image
- scale value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Abstract
本申请提供一种医学图像中身体组织的提取方法及装置，该方法包括：获取三维医学图像中每一幅断层图像的有效区域，断层图像的有效区域为除去外围空气区域后该断层图像剩余的区域；将每一幅断层图像的有效区域划分为至少一个连通区域；从每一幅断层图像的连通区域中获得至少一个身体区域；将三维医学图像中邻近层的断层图像对应位置的身体区域均进行区域生长，提取区域生长结果。考虑到非身体组织的特征与身体组织的特征是不同的，本申请可以基于身体组织的特征，来逐步确定断层图像中的身体组织，而无需依赖于模板，因此针对各种类型的床板、头托、脚托，及身体组织与非身体组织连接的情况，均可以较为准确、客观地提取出身体组织。
Description
技术领域
本申请涉及医学影像技术领域，特别涉及一种医学图像中身体组织的提取方法及装置。
背景技术
医疗图像采集设备比如CT(ComputedTomography，电子计算机断层扫描)机采集到的断层图像中除了包含身体组织外，通常还包含空气、床板、头托、脚托等非身体组织。有些断层图像中的身体组织与非身体组织连接较为紧密，医生在对这些断层图像进行观察时，无法准确地识别出身体组织而影响到进一步的诊断。
现有技术中，会预先存储一些床板、头托、脚托等非身体组织的模板，然后借助预存的模板来去除断层图像中的非身体组织，达到提取身体组织的目的。然而由于各厂家生产的床板、头托、脚托没有统一的标准，因此现有技术可能会去除手指、耳朵等身体组织，或仅去除部分非身体组织，容易出现漏提取或误提取等问题。
发明内容
为了解决上述问题，本申请提供一种医学图像中身体组织的提取方法及装置。
具体地，本申请是通过如下技术方案实现的：
本申请提出一种医学图像中身体组织的提取方法，所述方法包括：
获取三维医学图像中每一幅断层图像的有效区域，其中，所述三维医学图像中包含多幅断层图像，断层图像的有效区域为除去外围空气区域后该断层图像剩余的区域；
将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域；
从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域；
将三维医学图像中邻近层的断层图像对应位置的身体区域均进行区域生长，提取区域生长结果，其中，所述区域生长结果为对应所述三维医学图像的身体组织。
根据本申请提出的一种具体实施方式，所述将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域，包括：
按照预设的身体组织模板，将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域。
根据本申请提出的一种具体实施方式，所述从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值；
根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域。
根据本申请提出的一种具体实施方式，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
统计每一幅断层图像中的第一备选区域内第一备选子区域的个数及面积，其中，所述第一备选子区域为灰度值低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
将每一幅断层图像中满足预设的第一条件的第一备选区域确定为身体区域，其中，所述预设的第一条件为：第一备选子区域的个数大于预设第一数量值、且至少一个第一备选子区域的面积值大于预设面积值。
根据本申请提出的一种具体实施方式，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
根据获取到的灰度信息，统计每一幅断层图像中的第一备选区域的轮廓信息，其中，第一备选区域的轮廓信息包括：第一备选区域的外轮廓、周长及面积；
将每一幅断层图像中满足预设的第二条件的第一备选区域确定为身体区域，将每一幅断层图像中满足预设的第三条件的第一备选区域确定为非身体区域；
其中，所述预设的第二条件为：区域的圆形率处于预设圆形率区间内，圆形率计算公式为A/(C*C)，A为区域面积，C为区域周长；
所述预设的第三条件包括：
区域的外轮廓上多个点的弧形率处于区间(0,π)内；
或区域的外轮廓上多个点的直线率都处于预设直线率区间内。
根据本申请提出的一种具体实施方式，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
计算每一幅断层图像中的第一备选区域中灰度值大于预设第二灰度值的像素点的个数与该区域包围盒面积的比值，所述预设第二灰度值小于预设第一灰度值；
将每一幅断层图像中满足预设的第四条件的第一备选区域确定为身体区域，其中，所述预设的第四条件为：灰度值大于预设第二灰度值的像素点个数与包围盒面积的比值低于预设第一比值。
根据本申请提出的一种具体实施方式，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
根据获取到的灰度信息，计算每一幅断层图像中的第一备选区域中灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值；
将每一幅断层图像中满足预设的第五条件的第一备选区域确定为身体区域，其中，所述预设的第五条件为：灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值低于预设第二比值。
根据本申请提出的一种具体实施方式，所述方法还包括：
计算每一幅断层图像中的第一备选区域的包围盒的长宽比；
将每一幅断层图像中满足预设的第六条件的第一备选区域确定为非身体区域，其中，所述预设的第六条件为包围盒的长宽比大于预设第三比值。
根据本申请提出的一种具体实施方式，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第二备选区域，其中，所述第二备选区域为灰度均值不大于预设第一灰度值的连通区域；
统计每一幅断层图像中的第二备选区域内第二备选子区域的个数，其中，所述第二备选子区域为灰度值不低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
将每一幅断层图像中满足预设的第七条件的第二备选区域作为身体区域，其中，所述预设的第七条件为第二备选子区域的个数大于预设第二数量值。
本申请提出一种医学图像中身体组织的提取装置，所述装置包括：
有效区域获取单元，用于获取三维医学图像中每一幅断层图像的有效区域，其中，所述三维医学图像中包含多幅断层图像，断层图像的有效区域为除去外围空气区域后该断层图像剩余的区域；
连通区域划分单元，用于将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域；
身体区域确定单元，用于从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域；
身体组织提取单元，用于将三维医学图像中邻近层的断层图像对应位置的身体区域均进行区域生长，提取区域生长结果，其中，所述区域生长结果为对应所述三维医学图像的身体组织。
根据本申请提出的一种具体实施方式，所述连通区域划分单元，包括：
连通区域划分子单元，用于按照预设的身体组织模板，将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域。
根据本申请提出的一种具体实施方式，所述身体区域确定单元，包括：
灰度信息获取子单元，用于获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值；
身体区域确定子单元，用于根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域。
根据本申请提出的一种具体实施方式，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第一统计模块，用于统计每一幅断层图像中的第一备选区域内第一备选子区域的个数及面积，其中，所述第一备选子区域为灰度值低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
第一身体区域确定模块，用于将每一幅断层图像中满足预设的第一条件的第一备选区域确定为身体区域，其中，所述预设的第一条件为：第一备选子区域的个数大于预设第一数量值、且至少一个第一备选子区域的面积值大于预设面积值。
根据本申请提出的一种具体实施方式，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第二统计模块，用于根据获取到的灰度信息，统计每一幅断层图像中的第一备选区域的轮廓信息，其中，第一备选区域的轮廓信息包括：第一备选区域的外轮廓、周长及面积；
第二身体区域确定模块，用于将每一幅断层图像中满足预设的第二条件的第一备选区域确定为身体区域，将每一幅断层图像中满足预设的第三条件的第一备选区域确定为非身体区域；
其中，所述预设的第二条件为：区域的圆形率处于预设圆形率区间内，圆形率计算公式为A/(C*C)，A为区域面积，C为区域周长；
所述预设的第三条件包括：
区域的外轮廓上多个点的弧形率处于区间(0,π)内；
或区域的外轮廓上多个点的直线率都处于预设直线率区间内。
根据本申请提出的一种具体实施方式，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第一计算模块，用于计算每一幅断层图像中的第一备选区域中灰度值大于预设第二灰度值的像素点的个数与该区域包围盒面积的比值，所述预设第二灰度值小于预设第一灰度值；
第三身体区域确定模块，用于将每一幅断层图像中满足预设的第四条件的第一备选区域确定为身体区域，其中，所述预设的第四条件为：灰度值大于预设第二灰度值的像素点个数与包围盒面积的比值低于预设第一比值。
根据本申请提出的一种具体实施方式，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第二计算模块，用于根据获取到的灰度信息，计算每一幅断层图像中的第一备选区域中灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值；
第四身体区域确定模块，用于将每一幅断层图像中满足预设的第五条件的第一备选区域确定为身体区域，其中，所述预设的第五条件为：灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值低于预设第二比值。
根据本申请提出的一种具体实施方式，所述装置还包括：
计算单元，用于计算每一幅断层图像中的第一备选区域的包围盒的长宽比；
非身体区域确定单元，用于将每一幅断层图像中满足预设的第六条件的第一备选区域确定为非身体区域，其中，所述预设的第六条件为包围盒的长宽比大于预设第三比值。
根据本申请提出的一种具体实施方式，所述身体区域确定子单元，包括：
第二备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第二备选区域，其中，所述第二备选区域为灰度均值不大于预设第一灰度值的连通区域；
第三统计模块，用于统计每一幅断层图像中的第二备选区域内第二备选子区域的个数，其中，所述第二备选子区域为灰度值不低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
第五身体区域确定模块，用于将每一幅断层图像中满足预设的第七条件的第二备选区域作为身体区域，其中，所述预设的第七条件为第二备选子区域的个数大于预设第二数量值。
相比于现有的基于模板的身体组织提取方法，考虑到非身体组织的特征与身体组织的特征是不同的，本申请实施例可以基于身体组织的特征，来逐步确定断层图像中的身体组织，而无需依赖于模板，因此针对各种类型的床板、头托、脚托，及身体组织与非身体组织连接的情况，均可以较为准确、客观地提取出身体组织。
附图说明
图1是本申请一示例性实施例示出的一种医学图像中身体组织的提取方法的流程图；
图2(a)是本申请一示例性实施例示出的医疗CT设备对人体进行扫描时采集到的三维医学图像的示例图；
图2(b)是本申请一示例性实施例示出的断层图像的建像视野FOV的一种示例图；
图2(c)是本申请一示例性实施例示出的断层图像的建像视野FOV的另一种示例图；
图2(d)是本申请一示例性实施例示出的断层图像的建像视野FOV的另一种示例图；
图3是本申请一示例性实施例示出的图1中步骤103的一种实施方式的流程图；
图4是本申请一示例性实施例示出的图1中步骤103的另一种实施方式的流程图；
图5是本申请一示例性实施例示出的图1中步骤103的另一种实施方式的流程图；
图6是本申请一示例性实施例示出的图1中步骤103的另一种实施方式的流程图；
图7是本申请一示例性实施例示出的图1中步骤103的另一种实施方式的流程图；
图8是本申请一示例性实施例示出的一种医学图像中身体组织的提取装置所在设备的一种硬件结构图；
图9是本申请一示例性实施例示出的一种医学图像中身体组织的提取装置框图；
图10是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图；
图11是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图；
图12是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图；
图13是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图；
图14是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图；
图15是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图；
图16是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图；
图17是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
医疗图像采集设备比如CT机在对人体进行扫描时，会采集到一组断层图像，采集到的断层图像中除了包含身体组织(人体)之外，通常还包含空气、床板、头托、脚托等非身体组织。医生利用VR(VirtualReality，虚拟现实)技术或可视化技术观察断层图像中的身体组织时，非身体组织会遮挡、或连接到身体组织，常常影响到观察和诊断。因此如果能够提取出断层图像中的身体组织，无疑会帮助医生更为直观地观看VR技术绘制的图像，此外也有助于身体内部组织的分割。
现有的身体组织提取方法是基于非身体组织模板从断层图像中进行身体组织提取的，但是以床板为例，床板分为细长型床板和圆弧形床板，由于各厂家生产的床板并没有统一的标准，导致床板形状多样、厚度不一，没有标准的模板，因此现有技术借助非身体组织模板提取身体组织时，容易出现漏提取或误提取的问题。为了解决上述问题，本申请提出了一种医学图像中身体组织的提取方法及装置。
下面首先对本申请提出的一种医学图像中身体组织的提取方法进行介绍。
如图1所示，图1是本申请一示例性实施例示出的一种医学图像中身体组织的提取方法的流程图，所述方法可以包括：
在步骤101中，获取三维医学图像中每一幅断层图像的有效区域，其中，所述三维医学图像中包含多幅断层图像，断层图像的有效区域为除去外围空气区域后该断层图像剩余的区域。
需要说明的是，医疗图像采集设备如CT/PET机对人体进行扫描的过程，即为对人体进行图像采集的过程，由医疗图像采集设备的工作原理可知，医疗图像采集设备采集到的完整的人体图像实际上是一组断层图像，如图2(a)所示，图2(a)是医疗图像采集设备对人体进行扫描时采集到的三维医学图像，其中，图2(a)仅示出了三维医学图像中的部分断层图像。本实施例中的三维医学图像可以为CT图像组，也可以为PET图像组，本实施例对此不作限定。
由于医疗图像采集设备的建像视野FOV(即图像采集视野)通常大于人体范围，因此采集到的每一幅断层图像中除了包含身体组织、头脚托及床板之外，还包含围绕在身体组织、头脚托及床板外围的空气，如图2(b)所示，图2(b)是形状为方形的建像视野FOV采集到的断层图像，该断层图像的圆形区域外围的灰度区域为空气。
又由于外围空气的灰度与身体组织中肺部组织的灰度比较接近，两者容易混淆，因此为了避免空气与肺连接而影响到身体组织的提取，本实施例可以首先提取断层图像中外围空气以外的图像区域，即有效区域，仍以图2(b)为例，图2(b)所示断层图像的有效区域为中间的圆形区域。
考虑到医疗CT设备的建像视野FOV可分为方形和圆形等多种形状，在一种可能的实施方式中，上述步骤101可以包括：
使用圆检测方法检测三维医学图像中每一幅断层图像的FOV的形状；
针对方形FOV的断层图像，由该图像的边缘开始，逐步向该图像的中心检测，以图2(c)为例，依次从上至下，从下至上，从左到右，从右到左对图像进行检测，在检测过程中，一旦遇到第一个非空气点，则停止该非空气点方向的检测动作，直至检测出所有的方向的第一个非空气点，之后标记从起始位置(即图像的边缘)到各个第一个非空气点之间的区域为空气组织，断层图像的剩余区域为有效区域。
针对圆形FOV的断层图像，如图2(d)所示，矩形A区域为扫描后获得的图像，圆形B区域为有效图像，其它为空气。如果图像A四角没有空气密度点，则判断图像中没有空气，不需要进一步处理；否则，去除空气组织，方法：逐行沿水平方向从左向右，从右向左依次找到第一个非空气点停止，逐列沿垂直方向从上向下，从下向上依次找到第一个非空气点停止，获得一系列点集，根据点集拟合出圆，获得参数圆心和半径，根据圆心和半径标记圆外区域为空气组织。
在步骤102中，将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域。
在获取到每一幅断层图像的有效区域后，可以首先对各有效区域进行“粗分”，即大致划分出几个区域，以方便后续从划分出的区域中筛选出身体区域。
由于不同人体的身体组织的形态差异性不大，因此在一种可能的实施方式中，可以预先存储一些身体组织的模板比如心、肺、骨骼、血管等身体组织的模板，相应的，上述步骤102可以包括：
按照预设的身体组织模板，将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域。
考虑到不同的组织的灰度通常有一定的差异，在另一种可能的实施方式中，可以基于像素的灰度值来对有效区域进行划分，相应的，上述步骤102可以包括：
对三维医学图像中的每一幅断层图像的有效区域进行阈值化处理，每一幅断层图像得到至少一个连通区域。
在步骤103中，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域。
步骤102中对三维医学图像中每一幅断层图像的有效区域进行了“粗分”，大致地将有效区域划分成多个连通区域，本步骤中将针对划分得到的连通区域进行身体区域的判断，即针对划分得到的连通区域、逐个判断每个连通区域是否是身体区域。
在一种可能的实施方式中，可以基于断层图像中像素的灰度信息来实现，相应的，上述步骤103可以包括：
获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值；
根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域。
需要说明的是，在本实施例中可以依据连通区域的灰度均值，将连通区域区分为：高密度区域和低密度区域，其中，区域灰度均值大于预设第一灰度值的连通区域为高密度区域，区域灰度均值不大于预设第一灰度值的连通区域为低密度区域，基于实际应用中断层图像的像素灰度值与物理实体的对应关系，低密度区域通常包括：肺部、空气、结肠等区域，高密度区域通常包括：身体、血管、床板、头脚托等区域。为了保证结果的准确性，本实施例可以进一步判断高密度区域和低密度区域是否为身体区域。
如图3所示，在一种可能的实施方式中，上述步骤103，可以包括：
在步骤201中，获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值。
在步骤202中，确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域。
在本步骤中，可以将每一幅断层图像的连通区域的灰度均值与预设第一灰度值进行比较，灰度均值大于预设第一灰度值的连通区域，即为第一备选区域；为了便于描述，可以用“高密度区域”代替本实施例中的第一备选区域进行描述。
在步骤203中，统计每一幅断层图像中的第一备选区域内第一备选子区域的个数及面积，其中，所述第一备选子区域为灰度值低于预设第二灰度值的区域，预设第二灰度值小于预设第一灰度值。
在步骤204中，将每一幅断层图像中满足预设的第一条件的第一备选区域确定为身体区域，其中，所述预设的第一条件为：第一备选子区域的个数大于预设第一数量值、且至少一个第一备选子区域的面积值大于预设面积值。
需要说明的是，如果高密度区域中包含多个灰度值低于预设第二灰度值的子区域，且存在面积大于预设面积值的子区域，则说明高密度区域中包含身体组织，如肺部，因此判断该高密度区域为身体。
本实施例中的预设面积值可以设置为1000像素点，当然也可以根据实际需求，对预设面积值进行设置，本实施例对此不作限定。
如图4所示，在另一种可能的实施方式中，上述步骤103，可以包括：
在步骤301中，获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值。
在步骤302中，确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域。
本实施例中的步骤301、302与图3所示实施例中的步骤201、202类似，本实施例对此不再赘述。
在步骤303中，根据获取到的灰度信息，统计每一幅断层图像中的第一备选区域的轮廓信息，其中，第一备选区域的轮廓信息包括：第一备选区域的外轮廓、周长及面积。
在本实施例中，仍以“高密度区域”代替第一备选区域进行描述。本实施例中的区域的外轮廓、周长及面积，可以用像素点的个数进行表示，也可以用长度单位进行表示，本实施例对此不作限定。
在步骤304中，将每一幅断层图像中满足预设的第二条件的第一备选区域确定为身体区域，将每一幅断层图像中满足预设的第三条件的第一备选区域确定为非身体区域；其中，所述预设的第二条件为：区域的圆形率处于预设圆形率区间内，圆形率计算公式为A/(C*C)，A为区域面积，C为区域周长；所述预设的第三条件包括：区域的外轮廓上多个点的弧形率处于区间(0,π)内，或区域的外轮廓上多个点的直线率都处于预设直线率区间内。
本实施例中的弧形率可通过计算弧上中间点与两个端点的夹角来表示，夹角在(0,π)时为弧形，本实施例中的直线率可通过计算直线的斜率来判断，如果多个点的斜率接近，越接近直线。
本实施例可以根据区域的形状特征对高密度区域进行归类：当圆形率值等于1/(4*π)时，该区域可能属于身体；当外轮廓上多个点的弧形率在(0,PI)时，该区域可能属于头托或脚托；当外轮廓上多个点的直线率接近，该区域可能属于床板。
如图5所示，在另一种可能的实施方式中，上述步骤103，可以包括：
在步骤401中，获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值。
在步骤402中，确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域。
本实施例中的步骤401、402与图3所示实施例中的步骤201、202类似，本实施例对此不再赘述。
在步骤403中，计算每一幅断层图像中的第一备选区域中灰度值大于预设第二灰度值的像素点的个数与该区域包围盒面积的比值，预设第二灰度值小于预设第一灰度值。
包围盒算法是一种求解离散点集最优包围空间的方法，基本思想是用体积稍大且特性简单的几何体(称为包围盒)来近似地代替复杂的几何对象。
在本实施例中可以使用方向包围盒算法，计算每一幅CT图像中“高密度区域”的包围盒的尺寸，进而计算得到包围盒的面积。
在步骤404中，将每一幅断层图像中满足预设的第四条件的第一备选区域确定为身体区域，其中，所述预设的第四条件为：灰度值大于预设第二灰度值的像素点个数与包围盒面积的比值低于预设第一比值。
需要说明的是，本实施例中高密度区域中的灰度值大于预设第二灰度值的像素点的个数与该高密度区域的包围盒的面积，两者越接近，认为该高密度区域是实心的，由于床板通常为实心的，因此该高密度区域为床板的可能越大；而两者的比值越低，则认为该高密度区域为空心的，由于身体组织通常为空心的，因此该高密度区域为身体区域的可能性越大，有鉴于此，本实施例可以通过计算灰度值大于预设第二灰度值的像素点个数与包围盒面积的比值，来判断高密度区域是否为身体区域。
本实施例中的预设第一比值可以设置为0.5，当然，也可以根据实际需求对预设第一比值的取值进行设置，本实施例对此不作限定。
如图6所示，在另一种可能的实施方式中，上述步骤103，可以包括：
在步骤501中，获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值。
在步骤502中，确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域。
本实施例中的步骤501、502与图3所示实施例中的步骤201、202类似，本实施例对此不再赘述。
在步骤503中，根据获取到的灰度信息，计算每一幅断层图像中的第一备选区域中灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值。
在步骤504中，将每一幅断层图像中满足预设的第五条件的第一备选区域确定为身体区域，其中，所述预设的第五条件为：灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值低于预设第二比值。
需要说明的是，由于断层图像中脂肪、肌肉、床板的灰度值是有差异的，通常情况下，床板的灰度值是大于脂肪和肌肉的灰度值的，因此可以通过统计灰度值处于各范围内的像素点的个数，来统计高密度区域中脂肪、肌肉、床板等组织成分。如果床板所占比例比其他组织高，认为该区域是床板。如果肌肉、脂肪所占比例比其他组织高，认为该区域是部分身体组织，从而避免将胳膊等组织误认为床板。
在本实施方式中，可以通过设置一个灰度值(即预设第三灰度值，预设第三灰度值通常是低于床板的灰度值，而高于肌肉、脂肪的灰度值)来区分断层图像中脂肪、肌肉、床板，如果灰度值大于预设第三灰度值的区域在高密度区域中所占的比例较高(即高于预设第二比值)，则认为该高密度区域为床板，反之，则为身体组织。
如图7所示，在另一种可能的实施方式中，上述步骤103，可以包括：
在步骤601中，获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值。
在步骤602中，确定三维医学图像中每一幅断层图像中的第二备选区域，其中，所述第二备选区域为灰度均值不大于预设第一灰度值的连通区域。
在本步骤中，可以将每一幅断层图像的连通区域的灰度均值与预设第一灰度值进行比较，灰度均值不大于预设第一灰度值的连通区域，即为第二备选区域；为了便于描述，可以用“低密度区域”代替本实施例中的第二备选区域进行描述。
在步骤603中，统计每一幅断层图像中的第二备选区域内第二备选子区域的个数，其中，所述第二备选子区域为灰度值不低于预设第二灰度值的区域，预设第二灰度值小于预设第一灰度值。
在步骤604中，将每一幅断层图像中满足预设的第七条件的第二备选区域作为身体区域，其中，所述预设的第七条件为第二备选子区域的个数大于预设第二数量值。
需要说明的是，本实施例中的预设第二数量值通常为大于1的整数值，在实际应用中，用户可以根据实际需求对预设第二数量值的取值进行设置，比如设置为2，或者3，或者4等等，本实施例对此不做限定。
以预设第二数量值的取值是3为例，如果低密度区域中包含3个灰度值不低于预设第二灰度值的子区域，且子区域在低密度区域内部，则说明该低密度区域中包含身体组织，如血管，因此判断该低密度区域为肺部。
从上述可能的实施方式中可以看出，图2～图6所示的实施方式均是针对高密度区域进行处理的，图7所示的实施方式是针对低密度区域进行判断的。
在另一种可能的实施方式中，还可以在图2～图6所示的任一实施方式的基础上增加如下步骤，以排除断层图像中不属于身体区域的高密度区域，具体的：
计算每一幅断层图像中的第一备选区域的包围盒的长宽比；
将每一幅断层图像中满足预设的第六条件的第一备选区域确定为非身体区域，其中，所述预设的第六条件为包围盒的长宽比大于预设第三比值。
可以理解的是，床板通常为直线细长型的，对应到断层图像中，床板对应的图像区域的长宽比的比值较大。因此，本实施例可以通过计算高密度区域的包围盒的尺寸，来判断该区域是否为床板，如果比值较大，则认为该高密度区域为床板，而不是身体区域。
在步骤104中，将三维医学图像中邻近层的断层图像对应位置的身体区域均进行区域生长，提取区域生长结果，其中，所述区域生长结果为对应所述三维医学图像的身体组织。
步骤103中已获得了三维医学图像中每一幅断层图像的身体区域，本步骤中对三维医学图像中各相邻断层图像对应位置的各身体区域进行区域连接，从而获得完整的身体连通区域。在获得完整的身体连通区域后，可以逐层对身体连通区域外的部分作标记，提取出完整的身体组织
此外，对于身体与床板相连的情况，可以对身体区域进行形态学操作如开运算等，去除与身体连接的床板点，对这部分点集区域增长标记床板组织，从身体区域中剔除掉该部分床板组织。
由上述实施例可见，考虑到非身体组织的特征与身体组织的特征是不同的，本申请实施例可以基于身体组织的特征，来逐步确定断层图像中的身体组织，而无需依赖于模板，因此针对各种类型的床板、头托、脚托，及身体组织与非身体组织连接的情况，均可以较为准确、客观地提取出身体组织。
与前述医学图像中身体组织的提取方法的实施例相对应，本申请还提供了医学图像中身体组织的提取装置的实施例。
本申请提供的医学图像中身体组织的提取装置的实施例可以应用在中间设备或控制器上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图8所示，为本申请提供的医学图像中身体组织的提取装置所在设备的一种硬件结构图，除了图8所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，对此不再赘述。
如图9所示，图9是本申请一示例性实施例示出的一种医学图像中身体组织的提取装置框图，所述装置可以包括：
有效区域获取单元910，用于获取三维医学图像中每一幅断层图像的有效区域，其中，所述三维医学图像中包含多幅断层图像，断层图像的有效区域为除去外围空气区域后该断层图像剩余的区域；
连通区域划分单元920，用于将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域；
身体区域确定单元930，用于从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域；
身体组织提取单元940，用于将三维医学图像中邻近层的断层图像对应位置的身体区域均进行区域生长，提取区域生长结果，其中，所述区域生长结果为对应所述三维医学图像的身体组织。
由上述实施例可见，该实施例考虑到非身体组织的特征与身体组织的特征是不同的，可以基于身体组织的特征，来逐步确定断层图像中的身体组织，而无需依赖于模板，因此针对各种类型的床板、头托、脚托，及身体组织与非身体组织连接的情况，均可以较为准确、客观地提取出身体组织。
如图10所示，图10是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图9所示实施例的基础上，所述连通区域划分单元920，可以包括：
连通区域划分子单元921，用于按照预设的身体组织模板，将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域。
如图11所示，图11是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图9或10所示任一实施例的基础上，所述身体区域确定单元930，可以包括：
灰度信息获取子单元931，用于获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值；
身体区域确定子单元932，用于根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域。
如图12所示，图12是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图11所示实施例的基础上，所述身体区域确定子单元932，可以包括：
第一备选区域确定模块93201，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第一统计模块93202，用于统计每一幅断层图像中的第一备选区域内第一备选子区域的个数及面积，其中，所述第一备选子区域为灰度值低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
第一身体区域确定模块93203，用于将每一幅断层图像中满足预设的第一条件的第一备选区域确定为身体区域，其中，所述预设的第一条件为：第一备选子区域的个数大于预设第一数量值、且至少一个第一备选子区域的面积值大于预设面积值。
如图13所示，图13是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图11所示实施例的基础上，所述身体区域确定子单元932，可以包括：
第一备选区域确定模块93204，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第二统计模块93205，用于根据获取到的灰度信息，统计每一幅断层图像中的第一备选区域的轮廓信息，其中，第一备选区域的轮廓信息包括：第一备选区域的外轮廓、周长及面积；
第二身体区域确定模块93206，用于将每一幅断层图像中满足预设的第二条件的第一备选区域确定为身体区域，将每一幅断层图像中满足预设的第三条件的第一备选区域确定为非身体区域；
其中，所述预设的第二条件为：区域的圆形率处于预设圆形率区间内，圆形率计算公式为A/(C*C)，A为区域面积，C为区域周长；
所述预设的第三条件包括：
区域的外轮廓上多个点的弧形率处于区间(0,π)内；
或区域的外轮廓上多个点的直线率都处于预设直线率区间内。
如图14所示，图14是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图11所示实施例的基础上，所述身体区域确定子单元932，可以包括：
第一备选区域确定模块93207，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第一计算模块93208，用于计算每一幅断层图像中的第一备选区域中灰度值大于预设第二灰度值的像素点的个数与该区域包围盒面积的比值，所述预设第二灰度值小于预设第一灰度值；
第三身体区域确定模块93209，用于将每一幅断层图像中满足预设的第四条件的第一备选区域确定为身体区域，其中，所述预设的第四条件为：灰度值大于预设第二灰度值的像素点个数与包围盒面积的比值低于预设第一比值。
如图15所示，图15是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图11所示实施例的基础上，所述身体区域确定子单元932，可以包括：
第一备选区域确定模块93210，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第二计算模块93211，用于根据获取到的灰度信息，计算每一幅断层图像中的第一备选区域中灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值；
第四身体区域确定模块93212，用于将每一幅断层图像中满足预设的第五条件的第一备选区域确定为身体区域，其中，所述预设的第五条件为：灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值低于预设第二比值。
如图16所示，图16是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图12-15所示任一实施例的基础上，所述装置还可以包括：
计算单元950，用于计算每一幅断层图像中的第一备选区域的包围盒的长宽比；
非身体区域确定单元960，用于将每一幅断层图像中满足预设的第六条件的第一备选区域确定为非身体区域，其中，所述预设的第六条件为包围盒的长宽比大于预设第三比值。
如图17所示，图17是本申请一示例性实施例示出的另一种医学图像中身体组织的提取装置框图，该实施例在前述图11所示实施例的基础上，所述身体区域确定子单元932，可以包括：
第二备选区域确定模块93213，用于确定三维医学图像中每一幅断层图像中的第二备选区域，其中，所述第二备选区域为灰度均值不大于预设第一灰度值的连通区域；
第三统计模块93214，用于统计每一幅断层图像中的第二备选区域内第二备选子区域的个数，其中，所述第二备选子区域为灰度值不低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
第五身体区域确定模块93215，用于将每一幅断层图像中满足预设的第七条件的第二备选区域作为身体区域，其中，所述预设的第七条件为第二备选子区域的个数大于预设第二数量值。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (18)
1.一种医学图像中身体组织的提取方法，其特征在于，所述方法包括：
获取三维医学图像中每一幅断层图像的有效区域，其中，所述三维医学图像中包含多幅断层图像，断层图像的有效区域为除去外围空气区域后该医学图像剩余的区域；
将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域；
从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域；
将三维医学图像中邻近层的断层图像对应位置的身体区域均进行区域生长，提取区域生长结果，其中，所述区域生长结果为对应所述三维医学图像的身体组织。
2.根据权利要求1所述的方法，其特征在于，所述将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域，包括：
按照预设的身体组织模板，将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域。
3.根据权利要求1所述的方法，其特征在于，所述从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值；
根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域。
4.根据权利要求3所述的方法，其特征在于，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
统计每一幅断层图像中的第一备选区域内第一备选子区域的个数及面积，其中，所述第一备选子区域为灰度值低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
将每一幅断层图像中满足预设的第一条件的第一备选区域确定为身体区域，其中，所述预设的第一条件为：第一备选子区域的个数大于预设第一数量值、且至少一个第一备选子区域的面积值大于预设面积值。
5.根据权利要求3所述的方法，其特征在于，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
根据获取到的灰度信息，统计每一幅断层图像中的第一备选区域的轮廓信息，其中，第一备选区域的轮廓信息包括：第一备选区域的外轮廓、周长及面积；
将每一幅断层图像中满足预设的第二条件的第一备选区域确定为身体区域，将每一幅断层图像中满足预设的第三条件的第一备选区域确定为非身体区域；
其中，所述预设的第二条件为：区域的圆形率处于预设圆形率区间内，圆形率计算公式为A/(C*C)，A为区域面积，C为区域周长；
所述预设的第三条件包括：
区域的外轮廓上多个点的弧形率处于区间(0,π)内；
或区域的外轮廓上多个点的直线率都处于预设直线率区间内。
6.根据权利要求3所述的方法，其特征在于，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
计算每一幅断层图像中的第一备选区域中灰度值大于预设第二灰度值的像素点的个数与该区域包围盒面积的比值，所述预设第二灰度值小于预设第一灰度值；
将每一幅断层图像中满足预设的第四条件的第一备选区域确定为身体区域，其中，所述预设的第四条件为：灰度值大于预设第二灰度值的像素点个数与包围盒面积的比值低于预设第一比值。
7.根据权利要求3所述的方法，其特征在于，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
根据获取到的灰度信息，计算每一幅断层图像中的第一备选区域中灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值；
将每一幅断层图像中满足预设的第五条件的第一备选区域确定为身体区域，其中，所述预设的第五条件为：灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值低于预设第二比值。
8.根据权利要求4-7任一项所述的方法，其特征在于，所述方法还包括：
计算每一幅断层图像中的第一备选区域的包围盒的长宽比；
将每一幅断层图像中满足预设的第六条件的第一备选区域确定为非身体区域，其中，所述预设的第六条件为包围盒的长宽比大于预设第三比值。
9.根据权利要求3所述的方法，其特征在于，所述根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域，包括：
确定三维医学图像中每一幅断层图像中的第二备选区域，其中，所述第二备选区域为灰度均值不大于预设第一灰度值的连通区域，所述预设第二灰度值小于预设第一灰度值；
统计每一幅断层图像中的第二备选区域内第二备选子区域的个数，其中，所述第二备选子区域为灰度值不低于预设第二灰度值的区域；
将每一幅断层图像中满足预设的第七条件的第二备选区域作为身体区域，其中，所述预设的第七条件为第二备选子区域的个数大于预设第二数量值。
10.一种医学图像中身体组织的提取装置，其特征在于，所述装置包括：
有效区域获取单元，用于获取三维医学图像中每一幅断层图像的有效区域，其中，所述三维医学图像中包含多幅断层图像，断层图像的有效区域为除去外围空气区域后该断层图像剩余的区域；
连通区域划分单元，用于将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域；
身体区域确定单元，用于从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域；
身体组织提取单元，用于将三维医学图像中邻近层的断层图像对应位置的身体区域均进行区域生长，提取区域生长结果，其中，所述区域生长结果为对应所述三维医学图像的身体组织。
11.根据权利要求10所述的装置，其特征在于，所述连通区域划分单元，包括：
连通区域划分子单元，用于按照预设的身体组织模板，将三维医学图像中每一幅断层图像的有效区域均划分为至少一个连通区域。
12.根据权利要求10所述的装置，其特征在于，所述身体区域确定单元，包括：
灰度信息获取子单元，用于获取三维医学图像中每一幅断层图像的连通区域的灰度信息，其中，连通区域的灰度信息包括：连通区域中各像素的灰度值及连通区域的灰度均值；
身体区域确定子单元，用于根据获取到的灰度信息，从三维医学图像中每一幅断层图像的连通区域中均获得至少一个身体区域。
13.根据权利要求12所述的装置，其特征在于，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第一统计模块，用于统计每一幅断层图像中的第一备选区域内第一备选子区域的个数及面积，其中，所述第一备选子区域为灰度值低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
第一身体区域确定模块，用于将每一幅断层图像中满足预设的第一条件的第一备选区域确定为身体区域，其中，所述预设的第一条件为：第一备选子区域的个数大于预设第一数量值、且至少一个第一备选子区域的面积值大于预设面积值。
14.根据权利要求12所述的装置，其特征在于，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第二统计模块，用于根据获取到的灰度信息，统计每一幅断层图像中的第一备选区域的轮廓信息，其中，第一备选区域的轮廓信息包括：第一备选区域的外轮廓、周长及面积；
第二身体区域确定模块，用于将每一幅断层图像中满足预设的第二条件的第一备选区域确定为身体区域，将每一幅断层图像中满足预设的第三条件的第一备选区域确定为非身体区域；
其中，所述预设的第二条件为：区域的圆形率处于预设圆形率区间内，圆形率计算公式为A/(C*C)，A为区域面积，C为区域周长；
所述预设的第三条件包括：
区域的外轮廓上多个点的弧形率处于区间(0,π)内；
或区域的外轮廓上多个点的直线率都处于预设直线率区间内。
15.根据权利要求12所述的装置，其特征在于，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第一计算模块，用于计算每一幅断层图像中的第一备选区域中灰度值大于预设第二灰度值的像素点的个数与该区域包围盒面积的比值，所述预设第二灰度值小于预设第一灰度值；
第三身体区域确定模块，用于将每一幅断层图像中满足预设的第四条件的第一备选区域确定为身体区域，其中，所述预设的第四条件为：灰度值大于预设第二灰度值的像素点个数与包围盒面积的比值低于预设第一比值。
16.根据权利要求12所述的装置，其特征在于，所述身体区域确定子单元，包括：
第一备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第一备选区域，其中，所述第一备选区域为灰度均值大于预设第一灰度值的连通区域；
第二计算模块，用于根据获取到的灰度信息，计算每一幅断层图像中的第一备选区域中灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值；
第四身体区域确定模块，用于将每一幅断层图像中满足预设的第五条件的第一备选区域确定为身体区域，其中，所述预设的第五条件为：灰度值大于预设第三灰度值的像素点的个数与像素点总数的比值低于预设第二比值。
17.根据权利要求13-16任一项所述的装置，其特征在于，所述装置还包括：
计算单元，用于计算每一幅断层图像中的第一备选区域的包围盒的长宽比；
非身体区域确定单元，用于将每一幅断层图像中满足预设的第六条件的第一备选区域确定为非身体区域，其中，所述预设的第六条件为包围盒的长宽比大于预设第三比值。
18.根据权利要求12所述的装置，其特征在于，所述身体区域确定子单元，包括：
第二备选区域确定模块，用于确定三维医学图像中每一幅断层图像中的第二备选区域，其中，所述第二备选区域为灰度均值不大于预设第一灰度值的连通区域；
第三统计模块，用于统计每一幅断层图像中的第二备选区域内第二备选子区域的个数，其中，所述第二备选子区域为灰度值不低于预设第二灰度值的区域，所述预设第二灰度值小于预设第一灰度值；
第五身体区域确定模块，用于将每一幅断层图像中满足预设的第七条件的第二备选区域作为身体区域，其中，所述预设的第七条件为第二备选子区域的个数大于预设第二数量值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510870188.XA CN105447870B (zh) | 2015-12-01 | 2015-12-01 | 医学图像中身体组织的提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510870188.XA CN105447870B (zh) | 2015-12-01 | 2015-12-01 | 医学图像中身体组织的提取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105447870A true CN105447870A (zh) | 2016-03-30 |
| CN105447870B CN105447870B (zh) | 2018-12-25 |
Family
ID=55558003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510870188.XA Active CN105447870B (zh) | 2015-12-01 | 2015-12-01 | 医学图像中身体组织的提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105447870B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106650734A (zh) * | 2016-12-29 | 2017-05-10 | 上海联影医疗科技有限公司 | 定位图像子区域识别方法、医学图像显示方法及装置 |
| CN109478327A (zh) * | 2016-08-10 | 2019-03-15 | 爱克发医疗保健公司 | 用于在任意视场计算断层摄影血管造影（cta）中自动检测全身动脉的方法 |
| CN109801276A (zh) * | 2019-01-14 | 2019-05-24 | 沈阳联氪云影科技有限公司 | 一种计算心胸比的方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521833A (zh) * | 2011-12-08 | 2012-06-27 | 东软集团股份有限公司 | 一种从胸部ct图像中获得气管树的方法及装置 |
| CN103473768A (zh) * | 2013-09-05 | 2013-12-25 | 中国科学院深圳先进技术研究院 | 一种腹部软组织核磁图像分割的方法和装置 |
| CN103886621A (zh) * | 2012-11-14 | 2014-06-25 | 上海联影医疗科技有限公司 | 一种自动提取床板的方法 |
| CN104424629A (zh) * | 2013-08-19 | 2015-03-18 | 深圳先进技术研究院 | 一种x光胸片肺部分割方法和装置 |
| CN104751178A (zh) * | 2015-03-31 | 2015-07-01 | 上海理工大学 | 基于形状模板匹配结合分类器的肺结节检测装置及方法 |
| US20150235363A1 (en) * | 2009-12-30 | 2015-08-20 | General Electric Company | Systems and methods for identifying bone marrow in medical images |
| WO2015127464A1 (en) * | 2014-02-24 | 2015-08-27 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Methods and systems for performing segmentation and registration of images using neutrosophic similarity scores |
-
2015
- 2015-12-01 CN CN201510870188.XA patent/CN105447870B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150235363A1 (en) * | 2009-12-30 | 2015-08-20 | General Electric Company | Systems and methods for identifying bone marrow in medical images |
| CN102521833A (zh) * | 2011-12-08 | 2012-06-27 | 东软集团股份有限公司 | 一种从胸部ct图像中获得气管树的方法及装置 |
| CN103886621A (zh) * | 2012-11-14 | 2014-06-25 | 上海联影医疗科技有限公司 | 一种自动提取床板的方法 |
| CN104424629A (zh) * | 2013-08-19 | 2015-03-18 | 深圳先进技术研究院 | 一种x光胸片肺部分割方法和装置 |
| CN103473768A (zh) * | 2013-09-05 | 2013-12-25 | 中国科学院深圳先进技术研究院 | 一种腹部软组织核磁图像分割的方法和装置 |
| WO2015127464A1 (en) * | 2014-02-24 | 2015-08-27 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Methods and systems for performing segmentation and registration of images using neutrosophic similarity scores |
| CN104751178A (zh) * | 2015-03-31 | 2015-07-01 | 上海理工大学 | 基于形状模板匹配结合分类器的肺结节检测装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 吴遂愿: "基于CT图像的肺部肿瘤识别", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 李金 等: "基于改进凸包算法的肺实质分割研究", 《中国生物医学工程学报》 * |
| 赖均 等: "基于PCNN与主动轮廓的肺CT候选结节的分割方法", 《计算机应用研究》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109478327A (zh) * | 2016-08-10 | 2019-03-15 | 爱克发医疗保健公司 | 用于在任意视场计算断层摄影血管造影（cta）中自动检测全身动脉的方法 |
| CN109478327B (zh) * | 2016-08-10 | 2022-03-11 | 爱克发医疗保健公司 | 用于在任意视场计算断层摄影血管造影（cta）中自动检测全身动脉的方法 |
| CN106650734A (zh) * | 2016-12-29 | 2017-05-10 | 上海联影医疗科技有限公司 | 定位图像子区域识别方法、医学图像显示方法及装置 |
| CN109801276A (zh) * | 2019-01-14 | 2019-05-24 | 沈阳联氪云影科技有限公司 | 一种计算心胸比的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105447870B (zh) | 2018-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2472473B1 (en) | Image analysis device | |
| CN101384211B (zh) | 图像分析装置 | |
| JP4717585B2 (ja) | 医用画像判定装置、医用画像判定方法およびそのプログラム | |
| CN105678746B (zh) | 一种医学图像中肝脏范围的定位方法及装置 | |
| CN106725593B (zh) | 超声三维胎儿面部轮廓图像处理方法系统 | |
| CN111091562B (zh) | 一种消化道病灶大小测量方法及系统 | |
| JP2009536848A (ja) | 創傷部を取り扱うためのシステム及び方法 | |
| JP2004057804A (ja) | 骨関節評価方法、装置およびそのためのプログラム | |
| JP4434705B2 (ja) | 画像解析方法 | |
| CN111374712B (zh) | 一种超声成像方法及超声成像设备 | |
| CN110555860B (zh) | 医学图像中肋骨区域标注的方法、电子设备和存储介质 | |
| CN104507392B (zh) | 图像处理装置及图像处理方法 | |
| CN102324090B (zh) | 一种从cta图像中去除扫描床的方法及装置 | |
| JP2016143194A (ja) | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム | |
| CN105447870A (zh) | 医学图像中身体组织的提取方法及装置 | |
| JP4730758B2 (ja) | 医用画像診断支援装置及びその作動方法 | |
| CN102419864A (zh) | 一种提取脑部ct图像骨骼方法及装置 | |
| CN110619621B (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
| CN108399354A (zh) | 计算机视觉识别肿瘤的方法和装置 | |
| WO2013132407A1 (en) | Stereo x-ray tube based suppression of outside body high contrast objects | |
| US9386908B2 (en) | Navigation using a pre-acquired image | |
| CN110604594B (zh) | 一种髋关节的成像方法以及髋关节成像系统 | |
| JP2006068373A (ja) | 乳頭検出装置およびそのプログラム | |
| CN110555850B (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
| JP2009082463A (ja) | 画像分析装置、画像処理装置、画像分析プログラム、画像処理プログラム、画像分析方法、および画像処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee after: DongSoft Medical System Co., Ltd. Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16 Patentee before: Dongruan Medical Systems Co., Ltd., Shenyang |
|
| CP03 | Change of name, title or address |