CN105931251A - 一种ct图像扫描床去除方法及装置 - Google Patents
一种ct图像扫描床去除方法及装置 Download PDFInfo
- Publication number
- CN105931251A CN105931251A CN201610319007.9A CN201610319007A CN105931251A CN 105931251 A CN105931251 A CN 105931251A CN 201610319007 A CN201610319007 A CN 201610319007A CN 105931251 A CN105931251 A CN 105931251A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional scan
- dimensional
- information
- scanning bed
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000003709 image segmentation Methods 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims description 34
- 230000011218 segmentation Effects 0.000 claims description 27
- 239000000284 extract Substances 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 description 10
- 230000007797 corrosion Effects 0.000 description 8
- 238000005260 corrosion Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20212—Image combination
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种CT图像扫描床去除方法及装置。该CT图像扫描床去除方法,包括:步骤a:通过图像处理设备主线程读取三维CT图像,统计CT设备内核数量,并初始化子算法;步骤b:图像处理设备主线程从输入的三维CT图像中提取二维扫描图像,通过共享内存,图像处理设备自动将二维扫描图像分配给内核,实现多线程并行处理对二维扫描图像进行去床操作;步骤c:图像处理设备结束并行操作,输出去床后的三维CT图像。本发明实施例的CT图像扫描床去除方法及装置采用的图像分割算法非常有效和精确,去除扫描床的同时不丢失身体部位的数据信息。
Description
技术领域
本申请涉及图像分割技术领域,特别涉及一种CT图像扫描床去除方法及装置。
背景技术
随着医学影像技术的发展,CT摄影技术逐渐成熟,被扫描的图像更加清晰,产生的数据量也不断增大。现今较常用的CT图像的空间分辨率是512*512,仅一张扫描图像(slice)就有26万多个像素点,若灰度值以8字节进行存储,其数据量达到2兆字节,而对于一个CT体数据,其扫描的slice数一般大于100张,也就是说一个常用的三维CT扫描图像的数据量要超过200兆字节,待处理图像庞大的数据量和现有医学图像分割算法的局限性等严重影响临床治疗的效率,图像分割的加速是临床诊断实时性的基础。
图像分割中常见的加速方法主要有硬件加速和软件加速。硬件加速是利用高配置设备的大内存、大容量、多CPU等特点提升图像分割的速度,但是其缺陷在于,(1)需根据实际的应用,设计硬件,增加设备成本,而且维修费用较高、难度较大;(2)现有的图像分割算法局限性的影响,加速效果不明显。软件加速是通过深入研究图像分割算法原理,进行算法本身的简化或创新,如减少内循环或降采样预处理图像等,但是其缺陷在于,(1)需要研究算法的本质,从算法的基本原理出发重新编写代码,受算法复杂性、多样性的影响,极难实现且耗时;(2)提速有限,如图像分割过程中不可避免的图像预处理、灰度统计或多层循环等。这种方法适用于研究者进行图像分割算法创新,且局限性较大。
CT扫描床是用来配合扫描装置完成全方位的扫描,扫描床具有上下前后等移动功能,在使用中根据不同的扫描位置来调整扫描床以达到合理的位置。但是在实践中,拍摄的CT图像通常含有扫描床的影像,扫描床的影像会对CT图像产生干扰,影响临床诊断的准确性,因此去除CT扫描床是CT图像处理的基础。目前,CT扫描床去除方法为通过具有内置去床算法的CT设备实现。具有内置去床算法的CT设备是厂家根据设备中扫描床的型号特点,添加去床程序,拍摄的结果图像直接为去床后的CT图像。但是采用具有内置去床算法的CT设备由于内置去床算法不具有通用性,不同厂家之间的设备算法不同,不能通用,另外,去床算法不可见,研究者和医生不能根据实际需要修改算法;另外,具有内置去床算法的CT设备通常采用硬件加速或者软件加速,其加速效果不明显,去除扫描床影像耗时长,且去床效果不好。
发明内容
本申请提供了一种CT图像扫描床去除方法及装置,以解决现有技术中内置去床算法不具有通用性、去除扫描床影像耗时长且去床效果不好的技术问题。
为了解决上述问题,本发明提供了如下技术方案:一种CT图像扫描床去除方法,包括:
步骤a:通过图像处理设备主线程读取三维CT图像,统计CT设备内核数量,并初始化子算法;
步骤b:图像处理设备主线程从输入的三维CT图像中提取二维扫描图像,通过共享内存,图像处理设备自动将二维扫描图像分配给内核,实现多线程并行处理对二维扫描图像进行去床操作;
步骤c:图像处理设备结束并行操作,输出去床后的三维CT图像。
本发明实施例采取的技术方案还包括:所述步骤b具体包括:
步骤b1:从输入的三维CT图像中提取二维扫描图像,读取二维扫描图像,对读取的二维扫描图像进行分割;
步骤b2:提取二维扫描图像中的目标区域图像信息;
步骤b3:对提取的目标区域图像信息进行形态学开运算;
步骤b4:获取二维扫描图像中的目标区域图像灰度信息;
步骤b5:将各线程获取的二维扫描图像中的目标区域图像灰度信息进行结合,去床扫描床信息。
本发明实施例采取的技术方案还包括:在所述步骤b1中,对读取的二维扫描图像进行分割采用大津阈值分割。
本发明实施例采取的技术方案还包括:在所述步骤b2中,提取二维扫描图像中的目标区域图像信息包括提取二维扫描图像中的身体部分信息。
本发明实施例采取的技术方案还包括:在所述步骤b3中,获取二维扫描图像中的目标区域图像灰度信息为:获取二维扫描图像中身体部分的灰度信息,去除CT图像扫描床信息。
本发明实施例采取的另一技术方案为:一种CT图像扫描床去除装置,包括图像读取模块、图像处理模块和图像输出模块,所述图像读取模块读取三维CT图像,统计CT设备内核数量,并初始化子算法,所述图像处理模块从输入的三维CT图像中提取二维扫描图像,通过共享内存,自动将二维扫描图像分配给内核,实现多线程并行处理对二维扫描图像进行去床操作,所述图像输出模块用于结束并行操作,输出去床后的三维CT图像。
本发明实施例采取的技术方案还包括:所述图像处理模块包括图像分割模块、图像提取模块、图像运算模块、信息获取模块和图像结合模块,所述图像分割模块读取二维扫描图像,对读取的二维扫描图像进行阈值分割,所述图像提取模块提取二维扫描图像中的目标区域图像信息,所述图像运算模块对提取的目标区域图像信息进行形态学开运算,所述信息获取模块获取二维扫描图像中的目标区域图像灰度信息,所述图像结合模块将各线程获取的二维扫描图像中的目标区域图像灰度信息进行结合,去床扫描床信息。
本发明实施例采取的技术方案还包括:所述图像分割模块对读取的二维扫描图像进行阈值分割采用大津阈值分割。
本发明实施例采取的技术方案还包括:所述图像提取模块提取二维扫描图像中的目标区域图像信息具体为:提取二维扫描图像中的目标区域图像信息包括提取二维扫描图像中的身体部分信息。
本发明实施例采取的技术方案还包括:所述信息获取模块获取二维扫描图像中的目标区域图像灰度信息具体为:获取二维扫描图像中身体部分的灰度信息,去除CT图像扫描床信息。
本发明实施例的CT图像扫描床去除方法及装置采用的图像分割算法非常有效和精确,去除扫描床的同时不丢失身体部位信息;另外,本发明实施例的CT图描床去除方法及装置大幅度提高扫描床去除速度,满足实时性要求。
附图说明
图1是本发明实施例的CT图像扫描床去除方法的流程图;
图2是本发明实施例的CT图像扫描床去除方法对二维扫描图像进行去床操作的流程图;
图3是本发明另一实施例的CT图像扫描床去除方法的流程图;
图4是本发明实施例的CT图像扫描床去除装置的结构示意图;
图5是本发明实施例的CT图像扫描床去除方法的实验结果图;
图6是本发明实施例的CT图像扫描床去除方法三维数据分割的准确性度量。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1是本发明实施例的CT图像扫描床去除方法的流程图。本发明实施例的CT图像扫描床去除方法包括:
步骤10:通过图像处理设备(主线程)读取三维CT图像,统计CT设备内核数量,并初始化子算法;
在步骤10中,读取三维CT图像的图像处理设备可以设置在CT设备中,也可以设置在CT设备外或者独立于CT设备。
步骤20:图像处理设备主线程从输入的三维CT图像中提取二维扫描图像,通过共享内存,图像处理设备自动将二维扫描图像分配给内核,实现多线程并行处理对二维扫描图像进行去床操作;
步骤30:图像处理设备(主线程)结束并行操作,输出去床后的三维CT图像。
请参阅图2,图2是本发明实施例的CT图像扫描床去除方法对二维扫描图像进行去床操作的流程图。本发明实施例的CT图像扫描床去除方法对二维扫描图像进行去床操作具体包括:
步骤210:从输入的三维CT图像中提取二维扫描图像,读取二维扫描图像,对读取的二维扫描图像进行大津(OTSU)阈值分割;
在步骤210中,根据去床算法原理,对读取的二维扫描图像进行大津(OTSU)阈值分割。大津(OTSU)阈值分割是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
步骤220:提取二维扫描图像中的目标区域图像信息;
在步骤220中,提取二维扫描图像中的目标区域图像信息包括提取二维扫描图像中的身体部分信息。
步骤230:对提取的目标区域图像信息进行形态学开运算;
在步骤230中,形态学主要是获取物体拓扑和结构信息,通过物体和结构元素相互作用的某些运算,得到物体更本质的形态。在图像处理中的应用主要是:利用形态学的基本运算,对图像进行观察和处理,从而达到改善图像质量的目的。图像形态学中的腐蚀和膨胀能很好的对二值图像进行减噪处理。腐蚀的具体操作是:用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为1,则该像素为1,否则为0。膨胀的具体操作是:用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为0,则该像素为0,否则为1。腐蚀的作用是消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点;膨胀的作用是将与物体接触的所有背景点合并到物体中,使目标增大,可添补目标中的空洞。开运算是先腐蚀后膨胀的过程,可以消除图像上细小的噪声,并平滑物体边界。
步骤240:获取二维扫描图像中的目标区域图像灰度信息;
在步骤240中,获取二维扫描图像中的目标区域图像灰度信息为:获取二维扫描图像中身体部分的灰度信息,去除CT图像扫描床信息;
步骤250:将各线程获取的二维扫描图像中的目标区域图像灰度信息进行结合,输出三维去床CT扫描图像。
请参阅图3,图3是本发明另一实施例的CT图像扫描床去除方法的流程图。本发明实施例的CT图像扫描床去除方法可以针对并行CT扫描床进行去除,也可以针对非并行CT扫描床进行去除。本发明实施例的CT图像扫描床去除方法如果针对非并行CT扫描床进行去除,则具体方法包括以下步骤:
步骤40:通过CT设备读入含有扫描床信息的三维CT图像;
步骤50:根据去床算法原理,读取扫描图三维CT图像,对三维CT图像依次进行大津(OTSU)阈值分割、提取前景图像区域(包括CT图像中的身体部位和扫描床)、形态学开运算等图像分割过程;
其中,大津(OTSU)阈值分割是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。形态学主要是获取物体拓扑和结构信息,通过物体和结构元素相互作用的某些运算,得到物体更本质的形态。在图像处理中的应用主要是:利用形态学的基本运算,对图像进行观察和处理,从而达到改善图像质量的目的。图像形态学中的腐蚀和膨胀能很好的对二值图像进行减噪处理。腐蚀的具体操作是:用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为1,则该像素为1,否则为0。膨胀的具体操作是:用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为0,则该像素为0,否则为1。腐蚀的作用是消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点;膨胀的作用是将与物体接触的所有背景点合并到物体中,使目标增大,可添补目标中的空洞。开运算是先腐蚀后膨胀的过程,可以消除图像上细小的噪声,并平滑物体边界。
步骤60:获取分割结果图,输出三维去床CT扫描图像。
请参阅图4,图4是本发明实施例的CT图像扫描床去除装置的结构示意图。本发明实施例的CT图像扫描床去除装置包括图像读取模块、图像处理模块和图像输出模块。图像读取模块读取三维CT图像,统计CT设备内核数量,并初始化子算法。图像处理模块从输入的三维CT图像中提取二维扫描图像,通过共享内存,自动将二维扫描图像分配给内核,实现多线程并行处理对二维扫描图像进行去床操作。图像输出模块用于结束并行操作,输出去床后的三维CT图像。图像处理模块包括图像分割模块、图像提取模块、图像运算模块、信息获取模块和图像结合模块。图像分割模块读取二维扫描图像,对读取的二维扫描图像进行大津(OTSU)阈值分割。图像分割模块根据去床算法原理,对读取的二维扫描图像进行大津(OTSU)阈值分割。大津(OTSU)阈值分割是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
图像提取模块提取二维扫描图像中的目标区域图像信息,提取二维扫描图像中的目标区域图像信息包括提取二维扫描图像中的身体部分信息。
图像运算模块对提取的目标区域图像信息进行形态学开运算。形态学主要是获取物体拓扑和结构信息,通过物体和结构元素相互作用的某些运算,得到物体更本质的形态。在图像处理中的应用主要是:利用形态学的基本运算,对图像进行观察和处理,从而达到改善图像质量的目的。图像形态学中的腐蚀和膨胀能很好的对二值图像进行减噪处理。腐蚀的具体操作是:用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为1,则该像素为1,否则为0。膨胀的具体操作是:用一个结构元素(一般是3×3的大小)扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为0,则该像素为0,否则为1。腐蚀的作用是消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点;膨胀的作用是将与物体接触的所有背景点合并到物体中,使目标增大,可添补目标中的空洞。开运算是先腐蚀后膨胀的过程,可以消除图像上细小的噪声,并平滑物体边界。
信息获取模块获取二维扫描图像中的目标区域图像灰度信息。信息获取模块获取二维扫描图像中身体部分的灰度信息,去除CT图像扫描床信息。
图像结合模块将各线程获取的二维扫描图像中的目标区域图像灰度信息进行结合,去床扫描床信息。
对本发明实施例的CT图像扫描床去除方法进行临床实验验证,可以理解,临床实验验证用于进一步说明本发明的有益效果,对发明的实施方式和保护范围并不构成限制。
请参阅图5,图5是本发明实施例的CT图像扫描床去除方法的实验结果图。图5第一行给出原始的带有扫描床的CT图像,其中(A)为三维图像,可以清晰的看到身体左侧的薄板,(B)为轴面切向图像,扫描床近似为两条弯曲的曲线,(C)为矢状面图像,扫描床近似为一条垂线与身体近乎平行;图5第二行给出经本发明算法去床后的结果图,从视觉上,本发明提出的扫描床去除程序能够很好地去除扫描床,且几乎没有误侵蚀现象。
每个断层图像的平均消耗时间公式如下:
其中tci为第i个断层图像分割所需要的时间。
图像分割准确率参数计算公式如下:
图像分割误差率参数计算公式如下:
假阳性(false positive,FP):表示本发明提出的算法未能成功去除扫描床的误差率。
假阴性(false negative,FN):表示本发明提出的算法对身体部位(mask)的误侵蚀率。
其中|·|用来统计三维数据内的点个数,G为手动分割的金标准,而S为分割结果。
请参阅图6,图6是本发明实施例的CT图像扫描床去除方法三维数据分割的准确性度量。整体上来看,分割的平均精度达到99%,本发明实施例的CT图像扫描床去除方法分割算法非常有效和精确;假阳性和假阴性的平均值分别为0.4%和1.63%,说明本发明的去床算法能精确的去除扫描床,而且几乎不损伤身体部位。
本发明实施例的CT图像扫描床去除方法软件实现为Visual Studio 2010、ITK,采用OpenMP进行加速实现。实验机器为8核Cores(TM),主频3.7GHz,内存16G。
上述表格比较了手动分割时间,没有引入本加速策略的分割运行时间,以及引入本加速策略的时间。通过分析发现,本发明实施例的CT图像扫描床去除方法能在0.29秒内对单张分辨率为[512,512]的图像进行去床操作,其去床的速度是未加速的2.72倍,是手动分割的400倍以上,本发明实施例的CT图像扫描床去除方法大幅度提高扫描床去除速度,满足实时性要求。
本发明实施例的CT图像扫描床去除方法及装置采用的图像分割算法非常有效和精确,去除扫描床的同时不丢失身体部位信息;另外,本发明实施例的CT图描床去除方法及装置大幅度提高扫描床去除速度,满足实时性要求。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种CT图像扫描床去除方法,包括:
步骤a:通过图像处理设备主线程读取三维CT图像,统计CT设备内核数量,并初始化子算法;
步骤b:图像处理设备主线程从输入的三维CT图像中提取二维扫描图像,通过共享内存,图像处理设备自动将二维扫描图像分配给内核,实现多线程并行处理对二维扫描图像进行去床操作;
步骤c:图像处理设备结束并行操作,输出去床后的三维CT图像。
2.根据权利要求1所述的CT图像扫描床去除方法,其特征在于,所述步骤b具体包括:
步骤b1:从输入的三维CT图像中提取二维扫描图像,读取二维扫描图像,对读取的二维扫描图像进行分割;
步骤b2:提取二维扫描图像中的目标区域图像信息;
步骤b3:对提取的目标区域图像信息进行形态学开运算;
步骤b4:获取二维扫描图像中的目标区域图像灰度信息;
步骤b5:将各线程获取的二维扫描图像中的目标区域图像灰度信息进行结合,去床扫描床信息。
3.根据权利要求2所述的CT图像扫描床去除方法,其特征在于,在所述步骤b1中,对读取的二维扫描图像进行分割采用大津阈值分割。
4.根据权利要求2所述的CT图像扫描床去除方法,其特征在于,在所述步骤b2中,提取二维扫描图像中的目标区域图像信息包括提取二维扫描图像中的身体部分信息。
5.根据权利要求1所述的CT图像扫描床去除方法,其特征在于,在所述步骤b3中,获取二维扫描图像中的目标区域图像灰度信息为:获取二维扫描图像中身体部分的灰度信息,去除CT图像扫描床信息。
6.一种CT图像扫描床去除装置,其特征在于:包括图像读取模块、图像处理模块和图像输出模块,所述图像读取模块读取三维CT图像,统计CT设备内核数量,并初始化子算法,所述图像处理模块从输入的三维CT图像中提取二维扫描图像,通过共享内存,自动将二维扫描图像分配给内核,实现多线程并行处理对二维扫描图像进行去床操作,所述图像输出模块用于结束并行操作,输出去床后的三维CT图像。
7.根据权利要求6所述的CT图像扫描床去除装置,其特征在于,所述图像处理模块包括图像分割模块、图像提取模块、图像运算模块、信息获取模块和图像结合模块,所述图像分割模块读取二维扫描图像,对读取的二维扫描图像进行阈值分割,所述图像提取模块提取二维扫描图像中的目标区域图像信息,所述图像运算模块对提取的目标区域图像信息进行形态学开运算,所述信息获取模块获取二维扫描图像中的目标区域图像灰度信息,所述图像结合模块将各线程获取的二维扫描图像中的目标区域图像灰度信息进行结合,去床扫描床信息。
8.根据权利要求7所述的CT图像扫描床去除装置,其特征在于,所述图像分割模块对读取的二维扫描图像进行阈值分割采用大津阈值分割。
9.根据权利要求7或8所述的CT图像扫描床去除装置,其特征在于,所述图像提取模块提取二维扫描图像中的目标区域图像信息具体为:提取二维扫描图像中的目标区域图像信息包括提取二维扫描图像中的身体部分信息。
10.根据权利要求7或8所述的CT图像扫描床去除装置,其特征在于,所述信息获取模块获取二维扫描图像中的目标区域图像灰度信息具体为:获取二维扫描图像中身体部分的灰度信息,去除CT图像扫描床信息。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319007.9A CN105931251A (zh) | 2016-05-12 | 2016-05-12 | 一种ct图像扫描床去除方法及装置 |
PCT/CN2016/087435 WO2017193461A1 (zh) | 2016-05-12 | 2016-06-28 | 一种ct图像扫描床去除方法及装置 |
US16/183,758 US20190073752A1 (en) | 2016-05-12 | 2018-11-08 | Method and device for removing scanning bed from ct image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319007.9A CN105931251A (zh) | 2016-05-12 | 2016-05-12 | 一种ct图像扫描床去除方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105931251A true CN105931251A (zh) | 2016-09-07 |
Family
ID=56835892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610319007.9A Pending CN105931251A (zh) | 2016-05-12 | 2016-05-12 | 一种ct图像扫描床去除方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190073752A1 (zh) |
CN (1) | CN105931251A (zh) |
WO (1) | WO2017193461A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952264A (zh) * | 2017-03-07 | 2017-07-14 | 青岛海信医疗设备股份有限公司 | 三维医学目标的切割方法及装置 |
CN111127475A (zh) * | 2019-12-04 | 2020-05-08 | 上海联影智能医疗科技有限公司 | Ct扫描图像处理方法、系统、可读存储介质和设备 |
CN113077474B (zh) * | 2021-03-02 | 2024-05-17 | 心医国际数字医疗系统(大连)有限公司 | 基于ct影像的床板去除方法、系统、电子设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492299B (zh) * | 2018-03-06 | 2022-09-16 | 天津天堰科技股份有限公司 | 一种三维图像的切割方法 |
CN110335284A (zh) * | 2019-07-11 | 2019-10-15 | 上海昌岛医疗科技有限公司 | 一种病理图像的去除背景的方法 |
CN110992331A (zh) * | 2019-11-27 | 2020-04-10 | 中国地质大学(武汉) | 一种二维多孔介质孔隙结构特征的定量评价装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324090A (zh) * | 2011-09-05 | 2012-01-18 | 东软集团股份有限公司 | 一种从cta图像中去除扫描床的方法及装置 |
US20130336587A1 (en) * | 2012-06-15 | 2013-12-19 | Seoul National University R&Db Foundation | Region growing apparatus and method using multi-core |
CN103784158A (zh) * | 2012-10-29 | 2014-05-14 | 株式会社日立医疗器械 | Ct 装置及ct 图像生成方法 |
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 |
CN104240198A (zh) * | 2014-08-29 | 2014-12-24 | 西安华海盈泰医疗信息技术有限公司 | 一种ct图像中床板的去除方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1555028A (zh) * | 2003-12-23 | 2004-12-15 | 沈阳东软数字医疗系统股份有限公司 | 医学图像分割中关于皮肤的自动提取方法 |
CN100361632C (zh) * | 2005-03-22 | 2008-01-16 | 东软飞利浦医疗设备系统有限责任公司 | 一种自动去除黑心伪影的x-射线计算机层析成像机 |
CN101721222B (zh) * | 2009-09-16 | 2012-11-07 | 戴建荣 | 一种修正床板和摆位辅助装置对图像质量影响的方法 |
CN101710420B (zh) * | 2009-12-18 | 2013-02-27 | 华南师范大学 | 一种医学图像反分割方法 |
CO7020178A1 (es) * | 2014-05-14 | 2014-08-11 | Leon Ricardo Antonio Mendoza | Método para la segmentación y cuantificación automática de tejidos corporales |
CN104463840A (zh) * | 2014-09-29 | 2015-03-25 | 北京理工大学 | 基于pet/ct影像的发热待查计算机辅助诊断方法 |
TW201737206A (zh) * | 2016-04-13 | 2017-10-16 | Nihon Medi-Physics Co Ltd | Ct影像中的骨區域之自動推定 |
TW201736865A (zh) * | 2016-04-13 | 2017-10-16 | Nihon Medi-Physics Co Ltd | 來自核子醫學影像的生理累積之自動去除及ct影像之自動分段 |
-
2016
- 2016-05-12 CN CN201610319007.9A patent/CN105931251A/zh active Pending
- 2016-06-28 WO PCT/CN2016/087435 patent/WO2017193461A1/zh active Application Filing
-
2018
- 2018-11-08 US US16/183,758 patent/US20190073752A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324090A (zh) * | 2011-09-05 | 2012-01-18 | 东软集团股份有限公司 | 一种从cta图像中去除扫描床的方法及装置 |
US20130336587A1 (en) * | 2012-06-15 | 2013-12-19 | Seoul National University R&Db Foundation | Region growing apparatus and method using multi-core |
CN103784158A (zh) * | 2012-10-29 | 2014-05-14 | 株式会社日立医疗器械 | Ct 装置及ct 图像生成方法 |
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 |
CN104240198A (zh) * | 2014-08-29 | 2014-12-24 | 西安华海盈泰医疗信息技术有限公司 | 一种ct图像中床板的去除方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952264A (zh) * | 2017-03-07 | 2017-07-14 | 青岛海信医疗设备股份有限公司 | 三维医学目标的切割方法及装置 |
CN111127475A (zh) * | 2019-12-04 | 2020-05-08 | 上海联影智能医疗科技有限公司 | Ct扫描图像处理方法、系统、可读存储介质和设备 |
CN113077474B (zh) * | 2021-03-02 | 2024-05-17 | 心医国际数字医疗系统(大连)有限公司 | 基于ct影像的床板去除方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017193461A1 (zh) | 2017-11-16 |
US20190073752A1 (en) | 2019-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931251A (zh) | 一种ct图像扫描床去除方法及装置 | |
CN108986067B (zh) | 基于跨模态的肺结节检测方法 | |
CN108053417B (zh) | 一种基于混合粗分割特征的3D U-Net网络的肺分割装置 | |
CN102496023B (zh) | 像素层面的感兴趣区域提取方法 | |
CN109034210A (zh) | 基于超特征融合与多尺度金字塔网络的目标检测方法 | |
CN105825516B (zh) | 一种dicom影像血流分析系统 | |
CN106611413A (zh) | 图像分割方法及其系统 | |
CN110490892A (zh) | 一种基于USFaster R-CNN的甲状腺超声图像结节自动定位识别方法 | |
CN107437068B (zh) | 基于Gabor方向直方图和猪体毛发模式的猪个体识别方法 | |
CN111415352B (zh) | 一种基于深度级联网络的癌转移全景病理切片分析方法 | |
CN110852704B (zh) | 基于密集微小人脸识别的考勤方法、系统、设备及介质 | |
CN104616289A (zh) | 一种3d ct图像中骨组织的移除方法及系统 | |
CN108564008A (zh) | 一种基于zynq的实时行人与人脸检测方法 | |
CN111105427B (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN112270667A (zh) | 一种基于ti-rads的集成深度学习多标签识别方法 | |
EP4009275A1 (en) | Golf ball top-view detection method and system, and storage medium | |
CN111881803B (zh) | 一种基于改进YOLOv3的畜脸识别方法 | |
Gao et al. | Design and implementation of local threshold segmentation based on fpga | |
CN111739047A (zh) | 基于双谱重建的舌体图像分割方法及系统 | |
CN104239874B (zh) | 一种器官血管识别方法及装置 | |
CN105956587A (zh) | 一种基于形状约束的膝关节磁共振图像序列半月板自动提取方法 | |
CN115661170A (zh) | 一种腹部三维ct图像自动分割方法、设备及介质 | |
CN112308827A (zh) | 基于深度卷积神经网络的毛囊检测方法 | |
CN111145353B (zh) | 通过图像分割和网格特征点提取算法生成3d点云的方法 | |
Dzyubachyk et al. | Model-based approach for tracking embryogenesis in Caenorhabditis elegans fluorescence microscopy data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160907 |