CN105701438B - 医学图像处理装置和方法以及医学成像设备 - Google Patents

医学图像处理装置和方法以及医学成像设备 Download PDF

Info

Publication number
CN105701438B
CN105701438B CN201410708751.9A CN201410708751A CN105701438B CN 105701438 B CN105701438 B CN 105701438B CN 201410708751 A CN201410708751 A CN 201410708751A CN 105701438 B CN105701438 B CN 105701438B
Authority
CN
China
Prior art keywords
roi
sagittal plane
unit
bipolar
similarity
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.)
Active
Application number
CN201410708751.9A
Other languages
English (en)
Other versions
CN105701438A (zh
Inventor
徐进
董秋影
刘鹏飞
赵建春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to CN201410708751.9A priority Critical patent/CN105701438B/zh
Priority to JP2015229034A priority patent/JP6580956B2/ja
Priority to US14/952,122 priority patent/US9940537B2/en
Publication of CN105701438A publication Critical patent/CN105701438A/zh
Application granted granted Critical
Publication of CN105701438B publication Critical patent/CN105701438B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)

Abstract

本发明公开了一种医学图像处理装置和方法以及一种医学成像设备。所述医学图像处理装置包括：设置单元，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图ROI；计算单元，计算基于ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；以及识别单元，用于根据计算单元的计算结果选择ROI，并将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图。

Description

医学图像处理装置和方法以及医学成像设备
技术领域
本发明涉及医学图像处理领域，更具体而言，涉及一种医学图像处理装置和方法以及医学成像设备。
背景技术
在医学图像处理领域，从医学图像中检测出目标对象是一种常见的应用。例如，从人体的一系列矢状面图中确定脊柱所在的矢状面图(也称中矢面图)以及从所确定的矢状面图中检测椎间盘具有重要的临床意义。所检测出的椎间盘的信息如位置和方向等可以用于指导随后在更高质量图像中进行的脊柱扫描。
发明内容
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
本发明的一个目的是提供一种医学图像处理装置和方法以及医学成像设备，以便能够更准确地获得穿过脊柱的中矢面上的矢状面图，从而有助于提高后续处理如椎间盘检测的准确度。
根据本发明的一个方面，提供了一种医学图像处理装置，包括：设置单元，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；计算单元，计算基于ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；以及识别单元，用于根据计算单元的计算结果选择ROI，并将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图。
根据本发明的另一方面，提供了一种医学图像处理方法，包括：设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；计算基于ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；根据所计算的计算结果选择ROI；以及将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图。
根据本发明的又一方面，提供了一种医学成像设备，包括根据本发明的上述方面的医学图像处理装置。
另外，本发明的另一方面还提供了用于实现上述医学图像处理方法的计算机程序。
此外，本发明的另一方面还提供了至少非瞬态计算机可读介质形式的计算机程序产品，其上记录有用于实现上述医学图像处理方法的计算机程序代码。
在本发明的方法、装置和设备中，计算基于被检测体感兴趣区域的双极性特征和相似性特征的评价指标，并基于该评价指标选择被检测体感兴趣区域所在的一个矢状面图作为目标矢状面图。由于考虑了脊柱的椎间盘特有的图像特征，因此能够更准确地获得中矢面上的矢状面图，从而有助于后续处理如椎间盘检测。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：
图1示出根据本发明的一个实施例的医学图像处理装置的示意性框图；
图2示出图1所示的医学图像处理装置的示意性工作流程图；
图3a-3b示出根据本发明的实施例的双极性特征的应用原理的示意图；
图4示出根据本发明的一个实施例的计算单元的示意性框图；
图5示出图4所示的计算单元的示意性工作流程图；
图6示出根据本发明的另一实施例的计算单元的示意性框图；
图7a-7c示出根据本发明的实施例的脊柱的水平投影的分布示意图；
图8示出根据本发明的另一实施例的医学图像处理装置的示意性框图；
图9示出根据本发明的一个实施例的假目标识别单元的示意性框图；
图10示出图9所示的假目标识别单元的示意性工作流程图；
图11示出根据本发明的一个实施例的设置单元的示意性框图；
图12示出图11所示的设置单元的示意性工作流程图；
图13示出根据本发明的又一实施例的医学图像处理装置的示意性框图；
图14示出根据本发明的一个实施例的后处理单元的示意性框图；
图15示出图14所示的后处理单元的示意性工作流程图；
图16示出根据本发明的另一实施例的医学图像处理装置的示意性框图；
图17示出根据本发明的实施例的损伤识别单元的示意性框图；
图18示出图17所示的损伤识别单元的示意性工作流程图；
图19示出根据本发明的另一实施例的医学图像处理装置的示意性框图；
图20示出根据本发明的一个实施例的假椎间盘识别单元的示意性框图；
图21示出图20所示的假椎间盘识别单元的示意性工作流程图；
图22示出根据本发明的一个实施例的医学成像设备的示意性框图；以及
图23示出可以实现本发明的实施例/示例的计算机的结构的示例性框图。
具体实施方式
下面将参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
如前文所述，从人体的一系列矢状面图中确定脊柱所在的矢状面图以及从所确定的矢状面图中检测椎间盘具有重要的临床意义。在解剖学意义上，矢状面(sagittalplane)是沿前后方向将人体分为左右两部分的断面。其中，沿前后方向将人体分为对等的左右两部分的断面被称为正中矢状面，或简称中矢面。中矢面一般通过脊柱等重要组织，而一般的矢状面不通过脊柱，只是与中矢面平行地穿过人体的断面。相应地，沿前后方向对人体进行扫描所获得的图像称为矢状面图，其中与中矢面对应的图像在本文中也称为中矢面图。上述扫描可以是利用现有的医学成像设备对人体进行的扫描，如磁共振扫描等。
为了检测椎间盘，首先要在对人体进行扫描而获得的多个矢状面图中找到穿过脊柱的中矢面的矢状面图，即中矢面图。中矢面图找得越准确，在其上进行的椎间盘检测就越准确。
图1示出根据本发明的一个实施例的医学图像处理装置的示意性框图。如图1所示，医学图像处理装置100包括设置单元110、计算单元120和识别单元130。以下结合图2来描述医学图像处理装置100的示意性工作流程。
图2示出图1所示的医学图像处理装置的示意性工作流程图，即，根据本发明的一个实施例的医学图像处理方法的示意性流程图。如图2所示，在方法P200中，在步骤S210中，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的感兴趣区域(ROI)。被检测体的感兴趣区域表示矢状面图中可能包含被检测体的区域，也就是说，感兴趣区域(ROI)是矢状面图中的被检测体区域。可以使用现有的任何适当的技术来从矢状面图中确定感兴趣区域。
在步骤S220中，计算基于ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标。
在图像处理领域，双极性特征表示图像区域中各块的像素值转变的剧烈程度。通常如果一个图像区域内的黑白像素相间的剧烈程度大，则该图像区域就可能具有高的双极性。例如，人行横道的图像是一种常见的具有高双极性的图像。如图3a所示，在由黑色方框示出的区域中交替存在黑色带和白色带，因此该区域内的各图像块的像素值转变剧烈，即该区域具有大的双极性。与人行横道类似地，如图3b所述，由于脊柱的椎间盘与椎间盘之间的部分的对比度强，表明二者之间的像素值转变的剧烈程度大，并且二者交替分布，因此脊柱的图像与人行横道类似地具有显著的双极性特征。作为示例而不是限制，例如可以使用现有技术的以下公式来计算一个图像块的双极性特征值：
Figure BDA0000621074620000051
(公式1)
在公式1中，γ表示图像块的双极性特征值；
Figure BDA0000621074620000052
表示图像块本身的方差；μ1和μ2分别表示图像块中的像素根据预定阈值分成的黑色区域和白色区域的均值；α表示经验预估的块内黑色区域和白色区域的面积比例，且0≤α≤1。α例如可以设置为0.5。在上述公式1中，0≤γ≤1。当γ＝1时，表示图像块具有完美的双极性。当γ＝0时，表示图像块不具有双极性。
相似性特征表示图像块之间的双极性特征的相似性。相似性特征强的相邻多个图像块能够确定更大范围的双极性特征强的区域，排除孤立的双极性特征强的图像块。作为示例而不是限制，例如可以使用现有技术的以下公式来计算图像块相对于另一图像块的相似性：
Figure BDA0000621074620000053
(公式2)
在公式2中，s表示图像块1相对于图像块2的相似性；μ1和μ2分别表示图像块1中的像素根据预定阈值分成的黑色区域和白色区域的均值；
Figure BDA0000621074620000054
和
Figure BDA0000621074620000055
分别表示图像块2中的像素根据预定阈值分成的黑色区域和白色区域的均值；min()和max()分别是取最小值函数和取最大值函数。
图像块的大小可以根据实际需要设定，这里不做限制。
接着参考图2，在步骤S230中，根据所计算的计算结果选择ROI。然后在步骤S240中，将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图。
这里，步骤S210可以由设置单元110执行，步骤S220可以由计算120执行，步骤S230和S240可以由识别单元130执行。
在本发明的上述实施例中，计算基于感兴趣区域中各图像块的双极性特征和块间的相似性特征的评价指标，并且根据该评价指标来选择其所在的矢状面图为穿过脊柱的中矢面的目标矢状面图的ROI。图像块的双极性特征强，表明该图像块属于脊柱的可能性高。为了排除脊柱之外的孤立的具有强双极性特征的图像块，在此还利用了图像块之间的相似性特征，尤其是相邻图像块之间的相似性特征。相邻图像块之间的相似性特征强，则表明相邻的各图像块并非孤立的具有强双极性特征的图像块，属于脊柱的可能性更高。因此，可以基于该原理来选择ROI。
作为一个示例，可以根据双极性特征和相似性特征来计算感兴趣区域的能量，选择具有较高能量的感兴趣区域，并将所选择的感兴趣区域所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，能够较准确地确定中矢面图。当然，也可以使用其他定义的基于这两种特征的评价指标。
在上述实施例中，计算单元120可以使用各种适当的方法来计算感兴趣区域的能量。作为示例而不是限制，在本发明的一个实施例中，使用基于双极性特征和相似性特征的加权和来估计感兴趣区域的能量。图4示出根据本发明的一个实施例的计算单元的示意性框图。如图4所示，计算120包括像素能量计算单元121和区域能量计算单元122。图5示出了图4所示的计算单元的示意性工作流程图。如图5所示，步骤S220可以包括可由像素能量计算单元121执行的步骤S221：计算感兴趣区域的每个像素所在的块的双极性特征值和该块与相邻块的相似性特征值的加权和，作为该像素的能量。例如，像素i的能量Ei＝a*γi+b*si，其中γi是像素i所在的图像块的双极性特征值，si是像素i所在的图像块与相邻的图像块(例如，相邻8个图像块)的相似性特征值，a和b分别是像素i的双极性特征和相似性特征的权重。其中权重a和b可以根据实际需要设置。在图5中，步骤S220还包括可由区域能量计算单元122执行的步骤S222：计算感兴趣区域中的各像素的能量的均值或中值，作为该感兴趣区域的能量。
图6示出根据本发明的另一实施例的计算单元的示意性框图。如图6所示，在计算单元120A包括像素能量计算单元121、纵向带选择单元123和区域能量计算单元122A。其中，纵向带选择单元123用于在每个感兴趣区域中确定具有最高能量的纵向带(longitudinalband)，其中，纵向带的能量为纵向带中的各像素的能量的均值或中值。纵向带的大小可以根据需要预先确定。例如，可以以高度与感兴趣区域相同、宽度比感兴趣区域窄的纵向带窗口对感兴趣区域进行扫描，依次获得不同位置的纵向带。区域能量计算单元122A将纵向带选择单元123所选择的纵向带的能量作为相应感兴趣区域的能量。从而，识别单元130可以选择具有较高能量的ROI所在的矢状面图作为穿过脊柱的中矢面的目标矢状面图。由于纵向带的大小比感兴趣区域小，通过选择较高能量的纵向带，能够更为准确地选择到脊柱所在的区域。
经研究发现，矢状面图中的脊柱的椎间盘的水平投影具有一定的分布规律。图7a-7c示出根据本发明的实施例的脊柱的水平投影的分布示意性。图7a是脊柱的一组椎间盘的示意图。该组椎间盘包括4个椎间盘，图7a示意性地示出每个椎间盘的上下两个边缘。图7b是包含图7a的椎间盘的矢状面图的水平投影的示意图。图7b中的水平投影中的凸起的波分别对应于图7a中的椎间盘。图7c是为了方便观看而将图7b逆时针旋转90度之后得到的水平投影示意图。如图7c所示，水平投影中的各个波峰之间的间隔A相近(基本上相等)，各个波峰的峰值B也相近(基本上相等)。这是由于在脊柱中，各个椎间盘基本上相互平行，且各个椎间盘的直径基本上相同。
利用椎间盘的水平投影的上述特征，可以从所识别的目标矢状面图中检测出未包含椎间盘的假目标矢状面图，并进而去除假目标矢状面图。
图8示出根据本发明的另一实施例的医学图像处理装置的示意性框图。如图8所示，除了包括与图1所示的相同的设置单元110、计算单元120和识别单元130之外，医学图像处理装置100A还包括假目标识别单元140，用于从识别单元130所识别出的目标矢状面图中识别假目标矢状面图。
图9示出根据本发明的一个实施例的假目标识别单元的示意性框图。如图9所示，假目标识别单元140包括投影单元141和假目标确定单元142。图10示出图9所示的假目标识别单元的示意性工作流程图。其中，假目标识别过程S240包括：在步骤S241中，针对每个目标矢状面图的感兴趣区域，获得该感兴趣区域中的每个预定大小的区域的水平投影；以及，在步骤S242中，如果目标矢状面图的感兴趣区域中有预定数目个区域的水平投影不符合预定分布条件，则确定该目标矢状面图为假目标矢状面图。该预定分布条件为：水平投影中的多个波峰的峰值相近；并且水平投影中的多个波峰之间的间隔相近。其中，步骤S241可以由投影单元141来执行，而步骤S242可以由假目标确定单元142来执行。
投影单元141可以使用现有的各种适当技术来进行水平投影。例如，可以通过设置预定的像素阈值来获得每个区域的水平投影。或者，也可以通过将目标矢状面图进行二值化之后进行水平投影。
除了识别假目标矢状面图之外，椎间盘的水平投影的分布特征还可以用来从矢状面图中识别感兴趣区域。图11示出根据本发明的一个实施例的感兴趣区域识别单元的示意性框图。其中，感兴趣区域识别单元110包括投影单元111和感兴趣区域确定单元112。图12示出图11所示的感兴趣区域识别单元的示意性工作流程图。其中，在感兴趣区域识别过程S210中，在步骤S211中，针对每个矢状面图的候选感兴趣区域，获得该矢状面图中的多个候选感兴趣区域的水平投影。在步骤S212中，从每个矢状面图的多个候选感兴趣区域中选择水平投影符合预定分布条件程度最高的候选感兴趣区域，作为该矢状面图的感兴趣区域。该预定分布条件为：水平投影中的多个波峰的峰值相近；并且水平投影中的多个波峰之间的间隔相近。
在识别出穿过脊柱的中矢面的目标矢状面图之后，可以从目标矢状面图中检测椎间盘。
图13示出根据本发明的又一实施例的医学图像处理装置的示意性框图。如图13所示，除了包括与图1所示的相同的设置单元110、计算单元120和识别单元130之外，医学图像处理装置100B还包括后处理单元150，用于对目标矢状面图进行后处理。图14示出根据本发明的一个实施例的后处理单元的示意性框图。其中，后处理单元150包括脊柱感兴趣区域识别单元151和椎间盘检测单元152。图15示出图14所示的后处理单元的示意性工作流程图。如图15所示，在后处理过程S250中，在步骤S251中，在目标矢状面图中确定脊柱感兴趣区域。然后在步骤S252中，在每个脊柱感兴趣区域中检测椎间盘。其中，步骤S251可以由脊柱感兴趣区域识别单元151执行，步骤S252可以由椎间盘检测单元152执行。可以使用现有的各种适当技术来识别脊柱感兴趣区域和检测椎间盘。
在检测出椎间盘之后，椎间盘的信息如位置和方向等就可以例如用于指导随后在更高质量的图像中进行的脊柱扫描。
此外，针对检测出的椎间盘，椎间盘的水平投影的分布特征还可以用来识别椎间盘的损伤。图16示出根据本发明的另一实施例的医学图像处理装置的示意性框图。其中，除了包括与图13所示的相同的设置单元110、计算单元120、识别单元130和后处理单元150之外，医学图像处理装置100C还包括损伤识别单元160。如图17所示，损伤识别单元160可以包括投影单元161和损伤确定单元162。图18示出图17所示的损伤识别单元的示意性工作流程图。其中，在损伤识别过程S260中，在步骤S261中，获得每个脊柱感兴趣区域的水平投影。然后在步骤S262中，如果在脊柱感兴趣区域中所检测的各椎间盘中，一个椎间盘所对应的水平投影的波峰的峰值低于相邻椎间盘所对应的水平投影的波峰的峰值达预定程度，则确定该一个椎间盘受损。当一个椎间盘所对应的水平投影的波峰的峰值低于相邻椎间盘所对应的水平投影的波峰的峰值达预定程度，表明该一个椎间盘的直径比相邻椎间盘小很多，因此可以确定该一个椎间盘受损。其中，步骤S261可以由投影单元161执行，并且步骤S262可以由损伤确定单元162执行。
针对检测出的椎间盘，椎间盘的水平投影的分布特征还可以用来识别假椎间盘。图19示出根据本发明的另一实施例的医学图像处理装置的示意性框图。其中，除了包括与图13所示的相同的设置单元110、计算单元120、识别单元130和后处理单元150之外，医学图像处理装置100D还包括假椎间盘识别单元170。如图20所示，假椎间盘识别单元170可以包括投影单元171和假椎间盘确定单元172。图21示出图20所示的假椎间盘识别单元的示意性工作流程图。如图21所示，在假椎间盘识别过程S270中，在步骤S271中，获得每个脊柱感兴趣区域的水平投影。然后在步骤S272中，如果在脊柱感兴趣区域中所检测的各椎间盘中，一个椎间盘所对应的水平投影的波峰与相邻椎间盘所对应的水平投影的波峰的间距低于或高于各个椎间盘所对应的水平投影的波峰的间距的均值达预定程度，则确定该一个椎间盘为假椎间盘。通常脊柱的椎间盘基本上等距排列，因此如果一个椎间盘与相邻椎间盘的间距与各椎间盘的平均间距差异很大，则表明该椎间盘很可能是假椎间盘。上述步骤S271可以由投影单元171执行，步骤S272可以由假椎间盘确定单元172执行。
以上结合附图描述了根据本发明的实施例的医学图像处理装置和方法。应当理解，在上述医学图像处理装置中，投影单元111、141、161和171可以是独立的多个单元，或者也可以使用一个共用的投影单元来实现投影单元111、141、161和171。
如上所述，在根据本发明的实施例的医学图像处理装置和方法中，计算基于被检测体感兴趣区域的双极性特征和相似性特征的评价指标，并根据该评价指标选择某个感兴趣区域所在的矢状面图作为目标矢状面图，该评价指标例如可以是感兴趣区域的能量。由于考虑了脊柱的椎间盘特有的图像特征，因此能够更准确地获得中矢面上的矢状面图，从而有助于后续处理如椎间盘检测。
图22示出根据本发明的一个实施例的医学成像设备的示意性框图。为了不模糊本发明的精神和范围，在图22中省略了医学成像设备的其它可能部件。医学成像设备300包括医学图像处理装置310，以对医学成像设备300所产生的医学图像进行处理。医学图像处理装置310可以是根据上述任一实施例的医学图像处理装置100、100A-100D。医学成像设备300例如是磁共振成像(MRI)诊断成像装置等。
将上述医学图像处理装置设置在医学成像设备中时可使用的具体手段或方式为本领域技术人员所熟知，在此不再赘述。
作为一个示例，上述医学图像处理方法的各个步骤以及上述医学图像处理装置的各个组成模块和/或单元可以实施为软件、固件、硬件或其组合。在通过软件或固件实现的情况下，可以从存储介质或网络向具有专用硬件结构的计算机(例如图23所示的通用计算机2300)安装构成用于实施上述方法的软件的程序，该计算机在安装有各种程序时，能够执行各种功能等。
在图23中，运算处理单元(即CPU)2301根据只读存储器(ROM)2302中存储的程序或从存储部分2308加载到随机存取存储器(RAM)2303的程序执行各种处理。在RAM 2303中，也根据需要存储当CPU 2301执行各种处理等等时所需的数据。CPU 2301、ROM 2302和RAM2303经由总线2304彼此链路。输入/输出接口2305也链路到总线2304。
下述部件链路到输入/输出接口2305：输入部分2306(包括键盘、鼠标等等)、输出部分2307(包括显示器，比如阴极射线管(CRT)、液晶显示器(LCD)等，和扬声器等)、存储部分2308(包括硬盘等)、通信部分2309(包括网络接口卡比如LAN卡、调制解调器等)。通信部分2309经由网络比如因特网执行通信处理。根据需要，驱动器2310也可链路到输入/输出接口2305。可拆卸介质2311比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器2310上，使得从中读出的计算机程序根据需要被安装到存储部分2308中。
在通过软件实现上述系列处理的情况下，从网络比如因特网或存储介质比如可拆卸介质2311安装构成软件的程序。
本领域的技术人员应当理解，这种存储介质不局限于图23所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质2311。可拆卸介质2311的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者，存储介质可以是ROM 2302、存储部分2308中包含的硬盘等等，其中存有程序，并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时，可执行上述根据本发明实施例的医学图像处理方法。
相应地，用于承载上述存储有机器可读取的指令代码的程序产品的非瞬态存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本发明具体实施例的描述中，针对一种实施方式描述和/或示出的特征可以用相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在上述实施例和示例中，采用了数字组成的附图标记来表示各个步骤和/或单元。本领域的普通技术人员应理解，这些附图标记只是为了便于叙述和绘图，而并非表示其顺序或任何其他限定。
此外，本发明的方法不限于按照说明书中描述的时间顺序来执行，也可以按照其他的时间顺序地、并行地或独立地执行。因此，本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露，但是，应该理解，上述的所有实施例和示例均是示例性的，而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。

Claims (13)

1.一种医学图像处理装置，包括：
设置单元，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算单元，计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标，
其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；以及
识别单元，用于根据所述计算单元的计算结果选择所述ROI，并将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，
其中，所述计算单元包括：
像素能量计算单元，用于计算所述ROI的每个像素所在的块的双极性特征值和该块与相邻块的相似性特征值的加权和，作为该像素的能量；以及
区域能量计算单元，用于计算所述ROI中的各像素的能量的均值或中值，作为所述ROI的能量，
其中，所述识别单元选择具有较高能量的ROI，并将该ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图。
2.根据权利要求1所述的医学图像处理装置，其中，所述计算单元还包括：
纵向带选择单元，用于在每个所述ROI中确定具有最高能量的纵向带，所述纵向带的能量为所述纵向带中的各像素的能量的均值或中值，
其中，所述区域能量计算单元将所述纵向带选择单元确定的所述纵向带的能量作为相应ROI的能量。
3.一种医学图像处理装置，包括：
设置单元，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算单元，计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标，
其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；
识别单元，用于根据所述计算单元的计算结果选择所述ROI，并将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图；以及
假目标识别单元，所述假目标识别单元包括：
投影单元，用于针对每个目标矢状面图的ROI，获得该ROI中的每个预定大小的区域的水平投影；以及
假目标确定单元，用于如果目标矢状面图的ROI中有预定数目个区域的水平投影不符合以下分布条件，则确定所述目标矢状面图为假目标矢状面图：
所述水平投影中的多个波峰的峰值相近；并且
所述水平投影中的多个波峰之间的间隔相近。
4.一种医学图像处理装置，包括：
设置单元，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算单元，计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标，
其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；以及
识别单元，用于根据所述计算单元的计算结果选择所述ROI，并将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，
其中，所述设置单元包括：
投影单元，用于获得每个矢状面图中的多个候选ROI的水平投影；以及
ROI确定单元，用于从每个矢状面图的多个候选ROI中选择其水平投影符合以下分布条件程度最高的候选ROI作为所述矢状面图的ROI：
所述水平投影中的多个波峰的峰值相近；并且
所述水平投影中的多个波峰之间的间隔相近。
5.一种医学图像处理装置，包括：
设置单元，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算单元，计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标，
其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；
识别单元，用于根据所述计算单元的计算结果选择所述ROI，并将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图；
后处理单元，所述后处理单元包括：
脊柱ROI识别单元，用于在所述目标矢状面图中确定脊柱ROI；以及
椎间盘检测单元，用于在每个脊柱ROI中检测椎间盘，以及
损伤识别单元，所述损伤识别单元包括：
投影单元，用于获得每个脊柱ROI的水平投影；以及
损伤确定单元，用于如果在所述脊柱ROI中所检测的各椎间盘中，一个椎间盘所对应的水平投影的波峰的峰值低于相邻椎间盘所对应的水平投影的波峰的峰值达预定程度，则确定所述一个椎间盘受损。
6.一种医学图像处理装置，包括：
设置单元，设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算单元，计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标，
其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；
识别单元，用于根据所述计算单元的计算结果选择所述ROI，并将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图；
后处理单元，所述后处理单元包括：
脊柱ROI识别单元，用于在所述目标矢状面图中确定脊柱ROI；以及
椎间盘检测单元，用于在每个脊柱ROI中检测椎间盘；以及
假椎间盘识别单元，所述假椎间盘识别单元包括：
投影单元，用于获得每个脊柱ROI的水平投影；以及
假椎间盘确定单元，用于如果在所述脊柱ROI中所检测的各椎间盘中，一个椎间盘所对应的水平投影的波峰与相邻椎间盘所对应的水平投影的波峰的间距低于或高于所述各个椎间盘所对应的水平投影的波峰的间距的均值达预定程度，则确定所述一个椎间盘为假椎间盘。
7.一种医学成像设备，包括如权利要求1-6中任意一项所述的医学图像处理装置。
8.一种医学图像处理方法，包括：
设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；
根据所计算的计算结果选择所述ROI；以及
将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性，
其中，计算所述评价指标包括：
计算所述ROI的每个像素所在的块的双极性特征值和该块与相邻块的相似性特征值的加权和，作为该像素的能量；以及
计算所述ROI中的各像素的能量的均值或中值，作为所述ROI的能量，
其中，选择具有较高能量的ROI，并将该ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图。
9.根据权利要求8所述的医学图像处理方法，还包括：
在每个所述ROI中确定具有最高能量的纵向带，所述纵向带的能量为所述纵向带中的各像素的能量的均值或中值，
其中，将所述纵向带的能量作为相应ROI的能量。
10.一种医学图像处理方法，包括：
设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；
根据所计算的计算结果选择所述ROI；
将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；以及
针对每个目标矢状面图的ROI，获得该ROI中的每个预定大小的区域的水平投影；以及
如果目标矢状面图的ROI中有预定数目个区域的水平投影不符合以下分布条件，则确定所述目标矢状面图为假目标矢状面图：
所述水平投影中的多个波峰的峰值相近；并且
所述水平投影中的多个波峰之间的间隔相近。
11.一种医学图像处理方法，包括：
设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；
根据所计算的计算结果选择所述ROI；以及
将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；
其中，确定每个矢状面图的ROI包括：
获得每个矢状面图中的多个候选ROI的水平投影；以及
从每个矢状面图的多个候选ROI中选择其水平投影符合以下分布条件程度最高的候选ROI作为所述矢状面图的ROI：
所述水平投影中的多个波峰的峰值相近；并且
所述水平投影中的多个波峰之间的间隔相近。
12.一种医学图像处理方法，包括：
设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；
根据所计算的计算结果选择所述ROI；
将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；
在所述目标矢状面图中确定脊柱ROI；
在每个脊柱ROI中检测椎间盘；
获得每个脊柱ROI的水平投影；以及
如果在所述脊柱ROI中所检测的各椎间盘中，一个椎间盘所对应的水平投影的波峰的峰值低于相邻椎间盘所对应的水平投影的波峰的峰值达预定程度，则确定所述一个椎间盘受损。
13.一种医学图像处理方法，包括：
设置针对被检测体进行扫描而获得的医学图像的多个矢状面图中的每个矢状面图的ROI；
计算基于所述ROI中各块的涉及像素值转变的双极性特征以及各块间的相似性特征的评价指标；
根据所计算的计算结果选择所述ROI；
将所选择的ROI所在的矢状面图识别为穿过脊柱的中矢面的目标矢状面图，其中，所述双极性特征表示所述ROI中各块的像素值转变的剧烈程度，以及所述相似性特征表示各块之间的所述双极性特征的相似性；
在所述目标矢状面图中确定脊柱ROI；
在每个脊柱ROI中检测椎间盘；
获得每个脊柱ROI的水平投影；以及
如果在所述脊柱ROI中所检测的各椎间盘中，一个椎间盘所对应的水平投影的波峰与相邻椎间盘所对应的水平投影的波峰的间距低于或高于所述各个椎间盘所对应的水平投影的波峰的间距的均值达预定程度，则确定所述一个椎间盘为假椎间盘。
CN201410708751.9A 2014-11-26 2014-11-26 医学图像处理装置和方法以及医学成像设备 Active CN105701438B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201410708751.9A CN105701438B (zh) 2014-11-26 2014-11-26 医学图像处理装置和方法以及医学成像设备
JP2015229034A JP6580956B2 (ja) 2014-11-26 2015-11-24 医用画像処理装置、医用イメージング装置及び医用画像処理方法
US14/952,122 US9940537B2 (en) 2014-11-26 2015-11-25 Medical image processing apparatus, medical imaging apparatus and medical image processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410708751.9A CN105701438B (zh) 2014-11-26 2014-11-26 医学图像处理装置和方法以及医学成像设备

Publications (2)

Publication Number Publication Date
CN105701438A CN105701438A (zh) 2016-06-22
CN105701438B true CN105701438B (zh) 2020-06-23

Family

ID=56010717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410708751.9A Active CN105701438B (zh) 2014-11-26 2014-11-26 医学图像处理装置和方法以及医学成像设备

Country Status (3)

Country Link
US (1) US9940537B2 (zh)
JP (1) JP6580956B2 (zh)
CN (1) CN105701438B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3662444B1 (en) * 2017-07-31 2022-06-29 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for automatic vertebrae segmentation and identification in medical images
CN109961436B (zh) * 2019-04-04 2021-05-18 北京大学口腔医学院 一种基于人工神经网络模型的正中矢状平面构建方法
US11869226B2 (en) * 2020-10-25 2024-01-09 Pixart Imaging Inc. Computer readable recording medium which can perform image pattern determining method
CN113034389B (zh) * 2021-03-17 2023-07-25 武汉联影智融医疗科技有限公司 图像处理方法、装置、计算机设备和存储介质
CN113240730B (zh) * 2021-05-20 2022-02-08 推想医疗科技股份有限公司 提取椎体中线的方法及装置
JP2023154994A (ja) * 2022-04-08 2023-10-20 キヤノン株式会社 画像処理装置、画像処理装置の作動方法、およびプログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101990065A (zh) * 2009-07-29 2011-03-23 索尼公司 图像处理装置、图像拍摄装置、图像处理方法和程序

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1188148A2 (en) 2000-01-27 2002-03-20 Koninklijke Philips Electronics N.V. Method and system for extracting spine geometrical data
US6608916B1 (en) 2000-08-14 2003-08-19 Siemens Corporate Research, Inc. Automatic detection of spine axis and spine boundary in digital radiography
US7570791B2 (en) * 2003-04-25 2009-08-04 Medtronic Navigation, Inc. Method and apparatus for performing 2D to 3D registration
WO2005088520A1 (en) * 2004-03-11 2005-09-22 University Of Cincinnati Automated spine survey iterative scan technique (assist)
US7672493B2 (en) 2005-01-31 2010-03-02 Siemens Medical Solutions Usa, Inc. Method for analyzing medical image data using level set
US7561728B2 (en) * 2005-03-23 2009-07-14 Siemens Medical Solutions Usa, Inc. Detection of intervertebral disk orientation in spine images using curve evolution
US7903851B2 (en) 2005-10-17 2011-03-08 Siemens Medical Solutions Usa, Inc. Method and system for vertebrae and intervertebral disc localization in magnetic resonance images
US20100177946A1 (en) 2007-05-18 2010-07-15 Marleen De Bruijne Semi-automatic contour detection
CA2692543A1 (en) * 2007-10-01 2009-04-09 Orthosoft Inc. Construction of a non-imaged view of an object using acquired images
EP2164042B1 (de) * 2008-09-10 2017-11-08 Brainlab AG Verfahren zur Überprüfung der relativen Lage von Knochenstrukturen
JP5626202B2 (ja) * 2009-02-23 2014-11-19 コニカミノルタ株式会社 正中線決定装置およびプログラム
JP5599572B2 (ja) * 2009-03-12 2014-10-01 富士フイルム株式会社 症例画像検索装置、方法およびプログラム
JP5230809B2 (ja) * 2009-06-25 2013-07-10 株式会社日立メディコ 医用画像撮影装置
US8825131B2 (en) * 2009-10-14 2014-09-02 Nocimed, Llc MR spectroscopy system and method for diagnosing painful and non-painful intervertebral discs
JP5620668B2 (ja) * 2009-10-26 2014-11-05 学校法人北里研究所 椎間板変性の評価装置及びプログラム
JP4940340B2 (ja) * 2009-11-27 2012-05-30 富士フイルム株式会社 椎骨セグメンテーション装置、方法及びプログラム
US8625869B2 (en) * 2010-05-21 2014-01-07 Siemens Medical Solutions Usa, Inc. Visualization of medical image data with localized enhancement
US9280718B2 (en) * 2010-11-24 2016-03-08 Nocimed, Llc Systems and methods for automated voxelation of regions of interest for magnetic resonance spectroscopy
JP6218569B2 (ja) * 2012-11-22 2017-10-25 東芝メディカルシステムズ株式会社 磁気共鳴イメージング装置
US9538920B2 (en) * 2014-05-09 2017-01-10 London Health Sciences Centre Research Inc. Standalone annotations of axial-view spine images

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101990065A (zh) * 2009-07-29 2011-03-23 索尼公司 图像处理装置、图像拍摄装置、图像处理方法和程序

Also Published As

Publication number Publication date
JP2016097311A (ja) 2016-05-30
JP6580956B2 (ja) 2019-09-25
US9940537B2 (en) 2018-04-10
CN105701438A (zh) 2016-06-22
US20160148377A1 (en) 2016-05-26

Similar Documents

Publication Publication Date Title
CN105701438B (zh) 医学图像处理装置和方法以及医学成像设备
JP4999163B2 (ja) 画像処理方法および装置ならびにプログラム
US10354390B2 (en) Liver boundary identification method and system
US8837789B2 (en) Systems, methods, apparatuses, and computer program products for computer aided lung nodule detection in chest tomosynthesis images
US9349176B2 (en) Computer-aided detection (CAD) of intracranial aneurysms
US10290095B2 (en) Image processing apparatus for measuring a length of a subject and method therefor
US8682048B2 (en) Image processing device, image processing method, computer-readable recording device
KR20130049091A (ko) 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치
JP2012073953A (ja) 画像処理装置、画像処理方法、および画像処理プログラム
KR101926015B1 (ko) 영상 처리 장치 및 방법
US10140543B2 (en) Medical image processing apparatus, medical image processing method, and medical imaging device
CN110458859B (zh) 一种基于多序列mri的多发性骨髓瘤病灶的分割系统
US20120134556A1 (en) Image processing device, image processing method, and computer-readable recording device
Maitra et al. Accurate breast contour detection algorithms in digital mammogram
US11348229B2 (en) Determining regions of hyperdense lung tissue in an image of a lung
US20140336504A1 (en) Scanning apparatus, medical image device and scanning method
US9672600B2 (en) Clavicle suppression in radiographic images
Sha et al. The improved faster-RCNN for spinal fracture lesions detection
JP2016195755A (ja) 医用画像処理装置、医用画像処理方法及び医用イメージング装置
CN112529900A (zh) 匹配乳腺图像中roi的方法、装置、终端与存储介质
RU2656761C1 (ru) Способ и система сегментации изображений очагов легких
CN110023991B (zh) 用于从对象类中识别对象的装置
JP2005160916A (ja) 石灰化陰影判定方法、石灰化陰影判定装置及びプログラム
Ilyas et al. GuideNet: Learning Inter-Vertebral Guides in DXA Lateral Spine Images
Shabrina Choirunnisa et al. INTERACTIVE IMAGE SEGMENTATION USING NEIGHBOURHOOD SPATIAL INFORMATION AND STATISTICAL GREY LEVEL

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160711

Address after: Japan Tochigi Tian Yuan City

Applicant after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Applicant before: Toshiba Corp

Applicant before: Toshiba Medical System Co., Ltd.

GR01 Patent grant
GR01 Patent grant