CN105809696B - 序列ct图中肾上腺自动定位分割方法 - Google Patents

序列ct图中肾上腺自动定位分割方法 Download PDF

Info

Publication number
CN105809696B
CN105809696B CN201610141040.7A CN201610141040A CN105809696B CN 105809696 B CN105809696 B CN 105809696B CN 201610141040 A CN201610141040 A CN 201610141040A CN 105809696 B CN105809696 B CN 105809696B
Authority
CN
China
Prior art keywords
width
profile
adrenal gland
adrenal
abdominal aorta
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.)
Expired - Fee Related
Application number
CN201610141040.7A
Other languages
English (en)
Other versions
CN105809696A (zh
Inventor
张国英
李志伟
刘旭红
孟航
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.)
China University of Mining and Technology Beijing CUMTB
Original Assignee
China University of Mining and Technology Beijing CUMTB
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 China University of Mining and Technology Beijing CUMTB filed Critical China University of Mining and Technology Beijing CUMTB
Priority to CN201610141040.7A priority Critical patent/CN105809696B/zh
Publication of CN105809696A publication Critical patent/CN105809696A/zh
Application granted granted Critical
Publication of CN105809696B publication Critical patent/CN105809696B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20116—Active contour; Active surface; Snakes
    • 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
    • G06T2207/30084—Kidney; Renal

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种序列CT图中肾上腺自动定位分割方法，包括：基于腹主动脉的形状特性，从CT图中定位出腹主动脉；基于腹主动脉与肾脏的位置关系，从CT图中定位出肾脏；基于腹主动脉、肾脏及肾上腺的位置关系，从CT图中定位出肾上腺；采用区域生长分割法对肾上腺进行分割，获得肾上腺的轮廓。本发明实施例公开的方法，可以在人工不干预的前提下，自动定位分割出序列CT图中的肾上腺。

Description

序列CT图中肾上腺自动定位分割方法
技术领域
本发明涉及CT图像处理技术领域，尤其涉及一种序列CT图中肾上腺自动定位分割方法。
背景技术
目前，在临床医学中，CT的密度分辨率高成像效果好，但人体软组织密度差别较小，导致各软组织的CT值相近，肾上腺的体积相对也较小，在CT图中对肾上腺的自动定位是一个难题；由于在序列中个别图内肾上腺与相邻软组织会发生粘连，在肾上腺和这些软组织的CT值相近的情况下，对肾上腺的自动分割也是一个难题。
目前，对于人体软组织的分割主要采用如下几种方法：
(1)基于区域的分割方法，通过内部灰度特征的相似性来划分目标区域。由于肾上腺和其周边软组织会粘连，且CT值基本一致，采用该方法会产生过分割的现象。
(2)基于边缘的分割方法，通过一阶或二阶的边缘检测算子与图像相卷积来寻找灰度不连续的像素点提取目标的边界轮廓。该方法容易受到图像噪声的影响，图像本身非常复杂且其可能存在成像的模糊性因素，单单使用边缘检测的方法容易在图像变化较为缓慢的区域产生目标边界不连续的情况，从而无法达到良好的分割效果。
(3)基于能量的分割算法，采用建立对应于分割准则的能量函数并加以优化的方式来实现目标边界的提取。但该方法在计算时间上花费巨大，需要对其优化改进以提高效率。
发明内容
本发明的目的是提供一种序列CT图中肾上腺自动定位分割方法，可以在人工不干预的前提下，自动定位分割出序列CT图中的肾上腺。
本发明的目的是通过以下技术方案实现的：
一种序列CT图中肾上腺自动定位分割方法，包括：
基于腹主动脉的形状特性，从CT图中定位出腹主动脉；
基于腹主动脉与肾脏的位置关系，从CT图中定位出肾脏；
基于腹主动脉、肾脏及肾上腺的位置关系，从CT图中定位出肾上腺；
采用区域生长分割法对肾上腺进行分割，获得肾上腺的轮廓。
进一步的，所述基于腹主动脉的形状特性，从读取的CT图中定位出腹主动脉包括：
将序列CT图视为一个二元函数f(x,y,n)，其中(x,y)表示空间坐标，n表示当前CT图在序列中的序号，f(x,y,n)表示第n幅CT图中坐标为(x,y)处的CT值；
采用预设的腹主动脉CT值范围对第n幅CT图进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘；
利用随机Hough变换圆检测方法在提取边缘后的图像中进行圆形检测；
随机Hough变换圆检测方法所采用的圆的一般方程为：
式中：为第n幅CT图腹主动脉的质心点，Rn为半径；
若检测到圆形轮廓，则确定该圆形为腹主动脉，并计算其面积
若未检测到圆形，则读取第n+1幅CT图并重复上述步骤。
进一步的，所述基于腹主动脉与肾脏的位置关系，从CT图中定位出肾脏包括：
当第n幅CT图中定位出腹主动脉时，则以腹主动脉轮廓的质心点为左上顶点，构造长宽为WRn和SRn含有肾脏的矩形区域；所述W与S为自然数；
采用预设的肾脏CT值范围对第n幅CT图中含有肾脏的矩形区域进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘；
从提取边缘后的图像中的含有肾脏的矩形区域中查找与四周没有交叉的且面积大于的闭合轮廓，若查找到符合条件的闭合轮廓，则该轮廓为肾脏，并计算该轮廓的质心点与轮廓面积，分别记为与若未查找到符合条件的闭合轮廓，则读取第n+1幅CT图并重复上述步骤。
进一步的，所述基于腹主动脉、肾脏及肾上腺的位置关系，从CT图中定位出肾上腺包括：
以肾脏轮廓的质心点为右下顶点构造长宽为SRn和含有肾上腺的矩形区域，腹主动脉轮廓的质心点为该含有肾上腺的矩形区域左边上一点；
采用预设的肾上腺CT值范围对第n幅CT图中含有肾上腺的矩形区域进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘；
从提取边缘后的图像中的含有肾上腺的矩形区域中查找与四周没有交叉的且面积大于的闭合轮廓，若查找到多个符合条件的闭合轮廓，则分别计算每一闭合轮廓的质心点，并选取质心点离腹主动脉轮廓质心点距离最大的轮廓为肾上腺，肾上腺轮廓的质心点记为并计算肾上腺轮廓的面积，记为若未查找到符合条件的闭合轮廓，则读取第n+1幅CT图并重复上述步骤。
进一步的，所述采用区域生长分割法对肾上腺进行分割，获得肾上腺的轮廓包括：
当定位到第n幅CT图中的肾上腺轮廓后，将肾上腺轮廓的质心点作为种子点，用区域生长法得到第n幅CT图中肾上腺新的轮廓，并计算新的轮廓的质心点与面积，记为与
以新的轮廓的质心点作为种子点，在第n+1幅CT图中用区域生长法分割肾上腺轮廓，并计算质心点与轮廓面积，分别记为与并判断轮廓面积是否满足：若是，则表示肾上腺分割成功；再以第n+1幅CT图中肾上腺轮廓的质心点作为种子点，在第n+2幅CT图中用区域生长法分割肾上腺轮廓，如此一直迭代计算，直至最后一幅CT图。
进一步的，该方法还包括：
若则表示肾上腺和周边组织发生粘连，对于第n+1幅CT图，利用水平集的形状引导测量主动轮廓分割方法再次对第n+1幅CT图进行分割，得到分割结果。
由上述本发明提供的技术方案可以看出，依据腹主动脉和肾脏的形态位置变化特征定位出它们的轮廓位置，再通过肾上腺和它们的位置关系，可以快速准确的定位出各CT图中是否存在肾上腺，并计算提取肾上腺的形态特征。此外，对于肾上腺和周边组织存在粘连的情况，采用基于水平集的形状引导测量主动轮廓分割准确分割出肾上腺。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种序列CT图中肾上腺自动定位分割方法的流程图；
图2为本发明实施例提供的定位腹主动脉时的阈值化结果示意图；
图3为本发明实施例提供的定位腹主动脉时的提取边缘结果示意图；
图4为本发明实施例提供的定位出腹主动脉轮廓的示意图；
图5为本发明实施例提供的建立的含有肾脏的矩形区域的示意图；
图6为本发明实施例提供的定位肾脏时的阈值化结果示意图；
图7为本发明实施例提供的定位肾脏时的提取边缘结果示意图；
图8为本发明实施例提供的定位出肾脏轮廓的示意图；
图9为本发明实施例提供的建立的含有肾上腺的矩形区域示意图；
图10为本发明实施例提供的定位肾上腺时的阈值化结果示意图；
图11为本发明实施例提供的定位肾上腺时的提取边缘结果示意图；
图12为本发明实施例提供的定位出肾上腺轮廓的示意图；
图13为本发明实施例提供的肾上腺分割的流程图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明实施例提供的一种序列CT图中肾上腺自动定位分割方法。如图1所示，其主要包括如下步骤：
步骤11、基于腹主动脉的形状特性，从CT图中定位出腹主动脉；
步骤12、基于腹主动脉与肾脏的位置关系，从CT图中定位出肾脏；
步骤13、基于腹主动脉、肾脏及肾上腺的位置关系，从CT图中定位出肾上腺；
步骤14、采用区域生长分割法对肾上腺进行分割，获得肾上腺的轮廓。
为了便于理解，下面针对上述各个步骤做详细说明。
本发明实施例中，将序列CT图视为一个二元函数f(x,y,n)，其中(x,y)表示空间坐标，n表示当前CT图在序列中的序号，f(x,y,n)表示第n幅CT图中坐标为(x,y)处的CT值。
示例性的，序列CT图可以为临床获得的动脉增强扫描序列CT图，其数量为30幅，层间距为0.625mm。
1、定位腹主动脉。
1)本发明实施例中，采用预设的腹主动脉CT值范围对第n幅CT图进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘。
示例性的，腹主动脉的CT值范围可以为[440,590]，对CT图f(x,y,n)阈值化得到：
图像经过阈值化后就变为二值图像，结果如图2所示，再运用Canny边缘检测方法提取边缘，结果如图3所示。
2)如图3所示的边缘检测结果中，当肾上腺轮廓清晰时，腹主动脉形态近似为圆，本发明实施例利用随机Hough变换圆检测方法在提取边缘后的图像中进行圆形检测。
随机Hough变换圆检测所采用的圆的一般方程为：
式中：为第n幅CT图腹主动脉的质心点(圆心)，Rn为半径。
若检测到圆形轮廓，则确定该圆形为腹主动脉，并计算其面积如图4所示，为随机Hough变换圆检测结果，图4中央区域的圆形即为定位到的腹主动脉。
若未检测到圆形，则读取第n+1幅CT图并重复上述步骤。
2、定位肾脏。
1)当第n幅CT图中定位出腹主动脉时，则以腹主动脉轮廓的质心点为左上顶点，构造长宽为WRn和SRn含有肾脏的矩形区域；所述W与S为自然数。
示例性的，可以设置W＝8，S＝7，则建立的含有肾脏的矩形区域如图5所示。
2)采用预设的肾脏CT值范围对第n幅CT图中含有肾脏的矩形区域进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘。
需要说明的是，进行阈值化时是针对原始的第n幅CT图并非定位腹主动脉时处理后的CT图。
示例性的，肾脏的CT值范围为[110,210]，在图5矩形区域内对图像f(x,y,n)阈值化得到：
图像经过阈值化后就变为二值图像，结果如图6所示，再运用Canny边缘检测方法提取边缘，结果如图7所示。
3)从提取边缘后的图像中的含有肾脏的矩形区域中查找与四周没有交叉的且面积大于的闭合轮廓，若查找到符合条件的闭合轮廓，则该轮廓为肾脏，并计算该轮廓的质心点与轮廓面积，分别记为与
如图8所示，为从图7所示的边缘检测结果中提取出肾脏轮廓。
若未查找到符合条件的闭合轮廓，则读取第n+1幅CT图并重复上述步骤。
3、定位肾上腺包括：
1)以肾脏轮廓的质心点为右下顶点构造长宽为SRn和含有肾上腺的矩形区域，腹主动脉轮廓的质心点为该含有肾上腺的矩形区域左边上一点；如图9所示，为建立的含有肾上腺的矩形区域示意图，其体现了腹主动脉、肾脏及肾上腺的位置关系。
2)采用预设的肾上腺CT值范围对第n幅CT图中含有肾上腺的矩形区域进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘。
类似的，此处所进行的阈值化处理也是针对原始的第n幅CT图并非定位肾脏时处理后的CT图。
示例性的，肾上腺的CT值范围为[20,90]，在图像f(x,y,n)阈值化得到：
图像经过阈值化后就变为二值图像，结果如图10所示，再运用Canny边缘检测方法提取边缘，结果如图11所示。
3)从提取边缘后的图像中的含有肾上腺的矩形区域中查找与四周没有交叉的且面积大于的闭合轮廓，若查找到多个符合条件的闭合轮廓，则分别计算每一闭合轮廓的质心点，并选取质心点离腹主动脉轮廓质心点距离最大的轮廓为肾上腺，肾上腺轮廓的质心点记为并计算肾上腺轮廓的面积，记为
如图12所示，图像中央的轮廓即为提取出的肾脏轮廓。
若未查找到符合条件的闭合轮廓，则读取第n+1幅CT图并重复上述步骤。
4、肾上腺分割。
肾上腺分割流程如图13所示。从本发明实施例上述方案来看，所提取出的轮廓均为闭合轮廓且与四周轮廓没有交叉，也就是说，所提取出的肾上腺与周边组织不存在粘连。
因此，当定位到第n幅CT图中的肾上腺轮廓后，可以将肾上腺轮廓的质心点作为种子点，用区域生长法得到第n幅CT图中肾上腺新的轮廓，并计算新的轮廓的质心点与面积，记为与此为第n幅CT图中分割出的肾上腺轮廓。
然后，以新的轮廓的质心点作为种子点，在第n+1幅CT图中用区域生长法分割肾上腺轮廓，并计算质心点与轮廓面积，分别记为与
由于第n+1幅CT图中提取出的肾上腺轮廓是在第n幅CT图的基础上进行的，因此，需要判断其是否与四周组织存在粘连的情况。
判断轮廓面积是否满足：若是，则认为提取出的肾上腺轮廓与四周不存在粘连，表示肾上腺分割成功；再以第n+1幅CT图中肾上腺轮廓的质心点作为种子点，在第n+2幅CT图中用区域生长法分割肾上腺轮廓，如此一直迭代计算，直至最后一幅CT图。
若则表示肾上腺和周边组织发生粘连，对于第n+1幅CT图，利用水平集的形状引导测量主动轮廓分割方法再次对第n+1幅CT图进行分割，得到分割结果。
本发明实施例的上述方案中，依据腹主动脉和肾脏的形态位置变化特征定位出它们的轮廓位置，再通过肾上腺和它们的位置关系，可以快速准确的定位出各CT图中是否存在肾上腺，并计算提取肾上腺的形态特征。此外，对于肾上腺和周边组织存在粘连的情况，采用基于水平集的形状引导测量主动轮廓分割准确分割出肾上腺。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种序列CT图中肾上腺自动定位分割方法，其特征在于，包括：
基于腹主动脉的形状特性，从CT图中定位出腹主动脉；
基于腹主动脉与肾脏的位置关系，从CT图中定位出肾脏；
基于腹主动脉、肾脏及肾上腺的位置关系，从CT图中定位出肾上腺；其包括：以肾脏轮廓的质心点为右下顶点构造长宽为SRn和含有肾上腺的矩形区域，腹主动脉轮廓的质心点为该含有肾上腺的矩形区域左边上一点；采用预设的肾上腺CT值范围对第n幅CT图中含有肾上腺的矩形区域进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘；从提取边缘后的图像中的含有肾上腺的矩形区域中查找与四周没有交叉的且面积大于的闭合轮廓，为腹主动脉轮廓面积；若查找到多个符合条件的闭合轮廓，则分别计算每一闭合轮廓的质心点，并选取质心点离腹主动脉轮廓质心点距离最大的轮廓为肾上腺，肾上腺轮廓的质心点记为并计算肾上腺轮廓的面积，记为若未查找到符合条件的闭合轮廓，则读取第n+1幅CT图并重复上述步骤；
采用区域生长分割法对肾上腺进行分割，获得肾上腺的轮廓。
2.根据权利要求1所述的方法，其特征在于，所述基于腹主动脉的形状特性，从读取的CT图中定位出腹主动脉包括：
将序列CT图视为一个二元函数f(x,y,n)，其中(x,y)表示空间坐标，n表示当前CT图在序列中的序号，f(x,y,n)表示第n幅CT图中坐标为(x,y)处的CT值；
采用预设的腹主动脉CT值范围对第n幅CT图进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘；
利用随机Hough变换圆检测方法在提取边缘后的图像中进行圆形检测；
随机Hough变换圆检测方法所采用的圆的一般方程为：
式中：为第n幅CT图腹主动脉的质心点，Rn为半径；
若检测到圆形轮廓，则确定该圆形为腹主动脉，并计算其面积
若未检测到圆形，则读取第n+1幅CT图并重复上述步骤。
3.根据权利要求2所述的方法，其特征在于，所述基于腹主动脉与肾脏的位置关系，从CT图中定位出肾脏包括：
当第n幅CT图中定位出腹主动脉时，则以腹主动脉轮廓的质心点为左上顶点，构造长宽为WRn和SRn含有肾脏的矩形区域；所述W与S为自然数；
采用预设的肾脏CT值范围对第n幅CT图中含有肾脏的矩形区域进行阈值化，转变为二值图像，再利用Canny边缘检测方法提取边缘；
从提取边缘后的图像中的含有肾脏的矩形区域中查找与四周没有交叉的且面积大于的闭合轮廓，若查找到符合条件的闭合轮廓，则该轮廓为肾脏，并计算该轮廓的质心点与轮廓面积，分别记为与若未查找到符合条件的闭合轮廓，则读取第n+1幅CT图并重复上述步骤。
4.根据权利要求1所述的方法，其特征在于，所述采用区域生长分割法对肾上腺进行分割，获得肾上腺的轮廓包括：
当定位到第n幅CT图中的肾上腺轮廓后，将肾上腺轮廓的质心点作为种子点，用区域生长法得到第n幅CT图中肾上腺新的轮廓，并计算新的轮廓的质心点与面积，记为与
以新的轮廓的质心点作为种子点，在第n+1幅CT图中用区域生长法分割肾上腺轮廓，并计算质心点与轮廓面积，分别记为与并判断轮廓面积是否满足：若是，则表示肾上腺分割成功；再以第n+1幅CT图中肾上腺轮廓的质心点作为种子点，在第n+2幅CT图中用区域生长法分割肾上腺轮廓，如此一直迭代计算，直至最后一幅CT图。
5.根据权利要求4所述的方法，其特征在于，该方法还包括：
若则表示肾上腺和周边组织发生粘连，对于第n+1幅CT图，利用水平集的形状引导测量主动轮廓分割方法再次对第n+1幅CT图进行分割，得到分割结果。
CN201610141040.7A 2016-03-11 2016-03-11 序列ct图中肾上腺自动定位分割方法 Expired - Fee Related CN105809696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610141040.7A CN105809696B (zh) 2016-03-11 2016-03-11 序列ct图中肾上腺自动定位分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610141040.7A CN105809696B (zh) 2016-03-11 2016-03-11 序列ct图中肾上腺自动定位分割方法

Publications (2)

Publication Number Publication Date
CN105809696A CN105809696A (zh) 2016-07-27
CN105809696B true CN105809696B (zh) 2018-12-14

Family

ID=56468256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610141040.7A Expired - Fee Related CN105809696B (zh) 2016-03-11 2016-03-11 序列ct图中肾上腺自动定位分割方法

Country Status (1)

Country Link
CN (1) CN105809696B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107221009B (zh) * 2017-05-31 2020-06-16 上海联影医疗科技有限公司 一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质
CN110197488A (zh) * 2019-05-31 2019-09-03 中国人民解放军96962部队 一种基于ct图像的定位分割系统和方法
CN111583326A (zh) * 2020-04-07 2020-08-25 青岛大学附属医院 人体肾实质面积测量方法及系统
CN111815587A (zh) * 2020-06-29 2020-10-23 苏州润心医疗器械有限公司 基于ct序列图像拾取主动脉中心线上的点的方法和系统
CN111815586B (zh) * 2020-06-29 2022-08-05 苏州润迈德医疗科技有限公司 基于ct图像获取左心房、左心室的连通域的方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968783A (zh) * 2012-10-15 2013-03-13 深圳市旭东数字医学影像技术有限公司 从腹部图像数据中自动分割骨骼的方法及系统
CN104637056A (zh) * 2015-02-02 2015-05-20 复旦大学 基于稀疏表示的医学ct图像肾上腺肿瘤分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4196845B2 (ja) * 2003-03-31 2008-12-17 セイコーエプソン株式会社 画像処理装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968783A (zh) * 2012-10-15 2013-03-13 深圳市旭东数字医学影像技术有限公司 从腹部图像数据中自动分割骨骼的方法及系统
CN104637056A (zh) * 2015-02-02 2015-05-20 复旦大学 基于稀疏表示的医学ct图像肾上腺肿瘤分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
医学图像分割方法研究及其应用;郑倩;《中国博士学位论文全文数据库 信息科技辑》;20141115;摘要 *
肾上腺CT图像分割算法的研究;郭加成;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20150115;第6章 *

Also Published As

Publication number Publication date
CN105809696A (zh) 2016-07-27

Similar Documents

Publication Publication Date Title
CN105809696B (zh) 序列ct图中肾上腺自动定位分割方法
US11710242B2 (en) Methods and systems for image segmentation
CN106780518B (zh) 一种基于随机游走和图割的活动轮廓模型的mr图像三维交互分割方法
US20190355117A1 (en) Techniques for Segmentation of Lymph Nodes, Lung Lesions and Other Solid or Part-Solid Objects
CN104809723B (zh) 基于超体素和图割算法的三维肝脏ct图像自动分割方法
CN105913432B (zh) 基于ct序列图像的主动脉提取方法及装置
CN103020969B (zh) 一种ct图像肝脏分割的处理方法及系统
CN103400365A (zh) 肺区ct序列自动分割方法
US8724881B2 (en) Method and system for precise segmentation of the left atrium in C-arm computed tomography volumes
CN104978730A (zh) 一种左心室心肌的分割方法和装置
CN102663416B (zh) 手术规划系统中内脏及其内部血管的分割方法
CN107545579B (zh) 一种心脏分割方法、设备和存储介质
Pipaud et al. Object-based delineation and classification of alluvial fans by application of mean-shift segmentation and support vector machines
CN110706241B (zh) 一种三维病灶区域提取方法和装置
CN106127753B (zh) 一种外科手术中ct影像体表人工标记自动提取方法
CN104408398A (zh) 一种肝脏边界的识别方法及系统
Mansilla et al. Image segmentation by oriented image foresting transform: Handling ties and colored images
CN103150723A (zh) 基于形状和椭圆拟合的胃部ct图像淋巴结检测系统及方法
CN104616289A (zh) 一种3d ct图像中骨组织的移除方法及系统
CN105139377A (zh) 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法
CN107705358A (zh) 脑部ct图像的三维重建方法
CN108537750A (zh) 一种快速的脊柱ct图像三维重建方法
CN107993242B (zh) 基于机载LiDAR点云数据缺失区域边界提取方法
Fang et al. Automatic segmentation and 3D reconstruction of spine based on FCN and marching cubes in CT volumes
CN106952273B (zh) 医学图像中胰腺的分割方法及装置

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181214

Termination date: 20200311

CF01 Termination of patent right due to non-payment of annual fee