CN106056610A - 基于图割的肺4d‑ct多相位肿瘤联合分割方法 - Google Patents
基于图割的肺4d‑ct多相位肿瘤联合分割方法 Download PDFInfo
- Publication number
- CN106056610A CN106056610A CN201610388369.3A CN201610388369A CN106056610A CN 106056610 A CN106056610 A CN 106056610A CN 201610388369 A CN201610388369 A CN 201610388369A CN 106056610 A CN106056610 A CN 106056610A
- Authority
- CN
- China
- Prior art keywords
- lung
- image
- weights
- designated
- seed points
- 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
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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
-
- 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
- G06T2207/30061—Lung
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了基于图割的肺4D‑CT多相位肿瘤联合分割方法,该分割方法包括步骤:(1)读取肺4D‑CT图像,该图像由多幅不同相位的肺3D‑CT图像组成;(2)标记初始相位3D‑CT图像上目标种子点和背景种子点,初始相位3D‑CT图像是指多幅不同相位的肺3D‑CT图像中第一幅3D‑CT图像;(3)利用步骤(2)得到的目标种子点和背景种子点,获得肿瘤分割结果。该方法不仅分割准确性高,而且自动化程度高。
Description
技术领域
本发明涉及医学图像处理技术领域,具体是指一基于图割的肺4D-CT多相位肿瘤联合分割方法,其中利用了肺4D-CT相位之间的信息。
背景技术
4D-CT在传统3D-CT的基础上加入了时间轴,动态采集患者呼吸时的CT图像,而后通过图像重建和重新排序得到患者在不同呼吸相位的3D-CT图像。4D-CT不仅能够明显消除呼吸运动伪影,而且能够真实准确地反映肺随呼吸运动的变化规律,为实现个体化精确放疗奠定了有力基础。
精确放疗的关键在于靶区的准确定位,靶区的精度会直接影响最终的放疗结果,确定靶区可以采用图像分割技术。然而,目前肺4D-CT肿瘤分割存在着两大主要问题:其一,4D-CT生成的图像数量巨大,通常有1000到2000张,甚至更多,如果仅靠放疗科医生手工分割每幅图像中的肿瘤来获得靶区,显然费时费力,也不现实;其二,肺肿瘤经常与周围肺壁、膈肌、血管等正常器官组织发生黏连,若采用区域生长、边缘提取等自动分割技术,误分割的概率很大,直接影响靶区精度。因此,研究出一种自动化程度高,分割准确,鲁棒性强的肺肿瘤分割算法十分必要。
发明内容
本发明的目的在于提供一种基于图割的肺4D-CT多相位肿瘤联合分割方法,该方法不仅分割准确性高,而且自动化程度高。
本发明的目的可通过下述技术措施来实现:基于图割的肺4D-CT多相位肿瘤联合分割方法,其特征在于,该分割方法包括以下步骤:
(1)读取肺4D-CT图像,该图像由多幅不同相位的肺3D-CT图像组成;
(2)标记初始相位3D-CT图像上目标种子点和背景种子点,初始相位3D-CT图像是指多幅不同相位的肺3D-CT图像中第一幅3D-CT图像;
(3)利用步骤(2)得到的目标种子点和背景种子点,获得肿瘤分割结果。
本发明中,所述步骤(3)采用结合肺4D-CT相位间信息的图割算法分割肿瘤,具体包括:
(3.1)将步骤(2)得到的目标种子点记作O,背景种子点记作B;
(3.2)将肺4D-CT图像映射成网络图,图像中的像素点对应图中的节点,并添加两个额外的顶点,一个为源点S,一个为汇点T,图像中相邻像素点p和q之间的关系对应图中节点之间的边;
(3.3)给图中每一条边赋予权值,设定权值的原则为:像素间的差异越小则权值越大,像素间差异越大则权值越小,具体如下:
若且则p和q之间的边权值记为B{p,q};若p∈P,则p和s之间的边权值记为λ·Rp("bkg");若p∈O,则p和s之间的边权值记为K;若p∈B,则p和s之间的边权值记为0;若p∈P,则p和t之间的边权值记为λ·Rp("obj");若p∈O,则p和t之间的边权值记为0;若p∈B,则p和t之间的边权值记为K;
其中:
Rp("obj")=-lnPr(Ip|O) 式(2)
Rp("bkg")=-lnPr(Ip|B) 式(3)
p和p'分别表示不同相位同一位置的像素点;
(3.4)定义能量函数:
其中:
(3.5)求解得到ε的最小值,对应于肺4D-CT图像的最终肿瘤分割结果。
和现有技术相比,本发明具有如下有益效果:
(1)本发明的分割通过式(5)利用了肺4D-CT图像相位之间的信息,提高了分割精度;
(2)本发明提出的方法只需医生在初始相位上选取目标种子点和背景种子点,即可获得同一呼吸周期内所有相位的肿瘤分割结果,达到了多相位肿瘤联合分割的目的,提高了算法的自动化程度。
附图说明
下面结合附图和具体实施方式对本发明做进一步的详细说明。
图1是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例一的框架图;
图2是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例一中医生选取的目标种子点和背景种子点;
图3是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例一中传统图割算法和本发明分割结果的对比图;从上至下分别为:冠状面;矢状面;横断面;从左至右分别为:原始肺4D-CT图像;本发明的分割结果;传统图割算法的分割结果;其中原始肺4D-CT图像中的轮廓线为医生手工勾画的结果,即金标准;
图4是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例一中各相位传统图割算法和本发明分割结果的ASSD对比图;
图5是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例一中各相位传统图割算法和本发明分割结果的DSC对比图;
图6是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例二中医生选取的目标种子点和背景种子点;
图7是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例二中传统图割算法和本发明分割结果的对比图;从上至下分别为:冠状面;矢状面;横断面;从左至右分别为:原始肺4D-CT图像;本发明的分割结果;传统图割算法的分割结果;其中原始肺4D-CT图像中的轮廓线为医生手工勾画的结果,即金标准;
图8是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例二中各相位传统图割算法和本发明分割结果的ASSD对比图;
图9是本发明基于图割的肺4D-CT多相位肿瘤联合分割方法实施例二中各相位传统图割算法和本发明分割结果的DSC对比图。
具体实施方式
实施例一
本发明基于图割的肺4D-CT多相位肿瘤联合分割方法的实施例一,结合一套公共可用的肺4D-CT数据集,该数据集包含10个相位图像,如图1所示,该分割方法的具体步骤如下:
(1)读取肺4D-CT图像,该图像由10个不同相位的肺3D-CT图像组成,各相位3D图像大小为320×224×86像素;
(2)标记初始相位3D-CT图像上目标种子点和背景种子点,如图2所示;
(3)利用步骤(2)得到的目标种子点和背景种子点,获得肿瘤分割结果。
本发明中,所述步骤(2)中目标种子点和背景种子点由放疗科医生手动选取,如图所示。
本发明中,所述步骤(3)具体采用结合肺4D-CT相位间信息的图割算法分割肿瘤。
上述步骤(3)具体包括:
(3.1)将步骤(2)得到的目标种子点记作O,背景种子点记作B;
(3.2)将肺4D-CT图像映射成网络图,图像中的像素点对应图中的节点,并添加两个额外的顶点,一个为源点S,一个为汇点T,图像中相邻像素点p和q之间的关系对应图中节点之间的边。
(3.3)给图中每一条边赋予权值,设定权值的原则为:像素间的差异越小则权值越大,像素间差异越大则权值越小,具体如下:
若且则p和q之间的边权值记为B{p,q}。若p∈P,则p和s之间的边权值记为λ·Rp("bkg");若p∈O,则p和s之间的边权值记为K;若p∈B,则p和s之间的边权值记为0。若p∈P,则p和t之间的边权值记为λ·Rp("obj");若p∈O,则p和t之间的边权值记为0;若p∈B,则p和t之间的边权值记为K。
其中:
Rp("obj")=-lnPr(Ip|O) 式(2)
Rp("bkg")=-lnPr(Ip|B) 式(3)
(3.4)定义能量函数:
其中:
(3.5)求解得到ε的最小值,对应于肺4D-CT图像的最终肿瘤分割结果。
分割结果如图3所示,对比利用原始图割算法分割出的结果图和利用本发明方法分割出的结果图。本发明的方法能够准确地分割出肿瘤。
除了视觉效果以外,本实例也通过量化指标客观评价本发明的有效性。以医生手工分割的结果作为评价本发明实验结果的金标准。分别采用对称位置的平均表面距离(Average Symmetric Surface Distance,ASSD)和Dice相似系数(Dice SimilarityCoefficient,DSC)去量化评价分割结果。
ASSD定义如下:
式中a和b分别代表分割结果与金标准的边缘像素,dist(a,b)代表a和b的距离,NA和NB是分割结果A与金标准B中边缘像素的个数。ASSD表征了两个集合之间的不相似程度,因此ASSD越小则代表分割越精确。
利用式(9)计算原始图割算法分割结果和利用本发明方法分割结果与金标准之间的ASSD,如图4所示,可见,本发明的方法较原始图割算法,ASSD减小。
Dice相似系数用来度量两个集合之间的相似性,定义如下:
由上式可知,Dice相似系数介于0和1之间,值越大,说明分割结果与标准越接近。
利用式(10)计算原始图割算法分割结果和利用本发明方法分割结果的Dice相似系数,如图5所示,可见,本发明的方法较原始图割算法,Dice相似系数提高。
实施例二
本发明基于图割的肺4D-CT多相位肿瘤联合分割方法的实施例二结合另一组具有6个相位的肺4D-CT数据,其具体步骤如下:
(1)读取肺4D-CT图像,该图像由6个不同相位的肺3D-CT图像组成,各相位3D图像大小为350×210×100像素;
(2)标记初始相位3D-CT图像上目标种子点和背景种子点,如图6所示;
(3)利用步骤(2)得到的目标种子点和背景种子点,获得肿瘤分割结果。
本发明中,所述步骤(2)中目标种子点和背景种子点由放疗科医生手动选取,如图所示。
本发明中,所述步骤(3)具体采用结合肺4D-CT相位间信息的图割算法分割肿瘤,其具体过程均与实例一相同,不再赘述。
分割结果如图7所示,对比利用原始图割算法分割出的结果图和利用本发明方法分割出的结果图。本发明的方法能够准确地分割出肿瘤。
除了视觉效果以外,本实例也通过量化指标客观评价本发明的有效性。以医生手工分割的结果作为评价本发明实验结果的金标准。利用式(9)和(10)计算利用本发明方法分割结果的ASSD和Dice相似系数。如图8、图9所示,可见与现有技术相比,本发明不仅能够提高自动化程度,还能够准确地分割出肿瘤。
本发明的上述实施例并不是对本发明保护范围的限定,本发明的实施方式不限于此,凡此种种根据本发明的上述内容,按照本领域的普通技术知识和惯用手段,在不脱离本发明上述基本技术思想前提下,对本发明上述结构做出的其它多种形式的修改、替换或变更,均应落在本发明的保护范围之内。
Claims (2)
1.基于图割的肺4D-CT多相位肿瘤联合分割方法,其特征在于,该分割方法包括以下步骤:
(1)读取肺4D-CT图像,该图像由多幅不同相位的肺3D-CT图像组成;
(2)标记初始相位3D-CT图像上目标种子点和背景种子点,初始相位3D-CT图像是指多幅不同相位的肺3D-CT图像中第一幅3D-CT图像;
(3)利用步骤(2)得到的目标种子点和背景种子点,获得肿瘤分割结果。
2.根据权利要求1所述的基于图割的肺4D-CT多相位肿瘤联合分割方法,其特征在于:所述步骤(3)采用结合肺4D-CT相位间信息的图割算法分割肿瘤,具体包括:
(3.1)将步骤(2)得到的目标种子点记作O,背景种子点记作B;
(3.2)将肺4D-CT图像映射成网络图,图像中的像素点对应图中的节点,并添加两个额外的顶点,一个为源点S,一个为汇点T,图像中相邻像素点p和q之间的关系对应图中节点之间的边;
(3.3)给图中每一条边赋予权值,设定权值的原则为:像素间的差异越小则权值越大,像素间差异越大则权值越小,具体如下:
若且则p和q之间的边权值记为B{p,q};若p∈P,则p和s之间的边权值记为λ·Rp("bkg");若p∈O,则p和s之间的边权值记为K;若p∈B,则p和s之间的边权值记为0;若p∈P,则p和t之间的边权值记为λ·Rp("obj");若p∈O,则p和t之间的边权值记为0;若p∈B,则p和t之间的边权值记为K;
其中:
Rp("obj")=-lnPr(Ip|O) 式(2)
Rp("bkg")=-lnPr(Ip|B) 式(3)
p和p'分别表示不同相位同一位置的像素点;
(3.4)定义能量函数:
其中:
(3.5)求解得到ε的最小值,对应于肺4D-CT图像的最终肿瘤分割结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388369.3A CN106056610A (zh) | 2016-06-02 | 2016-06-02 | 基于图割的肺4d‑ct多相位肿瘤联合分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388369.3A CN106056610A (zh) | 2016-06-02 | 2016-06-02 | 基于图割的肺4d‑ct多相位肿瘤联合分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106056610A true CN106056610A (zh) | 2016-10-26 |
Family
ID=57169422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610388369.3A Pending CN106056610A (zh) | 2016-06-02 | 2016-06-02 | 基于图割的肺4d‑ct多相位肿瘤联合分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056610A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490851A (zh) * | 2019-02-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 基于人工智能的乳腺图像分割方法、装置及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096331A (zh) * | 2015-08-21 | 2015-11-25 | 南方医科大学 | 基于图割的肺4d-ct肿瘤自动分割方法 |
-
2016
- 2016-06-02 CN CN201610388369.3A patent/CN106056610A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096331A (zh) * | 2015-08-21 | 2015-11-25 | 南方医科大学 | 基于图割的肺4d-ct肿瘤自动分割方法 |
Non-Patent Citations (3)
Title |
---|
Y BOYKOV 等: "Graph Cuts and Efficient N-D Image Segmentation", 《INTERNATIONAL JOURNAL OF COMPUTER VISION》 * |
YURI Y. BOYKOV 等: "Interactive Graph Cuts for Optimal Boundary & Region Segmentation of Objects in N-D Images", 《INTERNATION CONFERENCE ON COMPUTER VISION》 * |
申正文 等: "基于星形先验和图割的肺部四维计算机断层扫描肿瘤自动分割", 《生物医学工程学杂志》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490851A (zh) * | 2019-02-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 基于人工智能的乳腺图像分割方法、装置及系统 |
CN110490851B (zh) * | 2019-02-15 | 2021-05-11 | 腾讯科技(深圳)有限公司 | 基于人工智能的乳腺图像分割方法、装置及系统 |
US11954864B2 (en) | 2019-02-15 | 2024-04-09 | Tencent Technology (Shenzhen) Company Limited | Medical image segmentation method, image segmentation method, and related apparatus and system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107808377B (zh) | 一种肺叶中病灶的定位装置 | |
WO2021238438A1 (zh) | 肿瘤图像的处理方法和装置、电子设备、存储介质 | |
Subburaj et al. | Automated identification of anatomical landmarks on 3D bone models reconstructed from CT scan images | |
CN108765417A (zh) | 一种基于深度学习和数字重建放射影像的股骨x线片生成系统及方法 | |
KR102394321B1 (ko) | 뼈를 따르는 인공 랜드마크를 이용한 3차원 영상들의 자동화된 왜곡 정정 및/또는 상호-정합을 위한 시스템 및 방법 | |
CN110033465A (zh) | 一种应用于双目内窥镜医学图像的实时三维重建方法 | |
RU2013127784A (ru) | Создание подходящей модели для оценки дозы облучения пациента в результате сканирований для медицинской визуализации | |
US20160005224A1 (en) | Unified coordinate system for multiple ct scans of patient lungs | |
JP6426608B2 (ja) | 解析モルフォミクス:高速医用画像自動解析法 | |
CN106327479B (zh) | 血管造影中介下先心病术中血管辨识的装置及方法 | |
CN109685810A (zh) | 一种基于深度学习的肝包虫病灶识别方法及系统 | |
CN112509022A (zh) | 一种术前三维影像与术中透视图像的无标定物配准方法 | |
El-Hariri et al. | Comparative evaluation of hand-engineered and deep-learned features for neonatal hip bone segmentation in ultrasound | |
CN114261095B (zh) | 一种基于ai的骨科3d打印方法和装置 | |
CN109360213A (zh) | 一种基于脊柱超声冠状面图像的自动化椎体识别方法 | |
WO2018215919A2 (en) | Navigating an imaging instrument in a branched structure | |
CN112927213B (zh) | 一种医学图像分割方法、介质及电子设备 | |
CN106056610A (zh) | 基于图割的肺4d‑ct多相位肿瘤联合分割方法 | |
Gao et al. | Deep endpoints focusing network under geometric constraints for end-to-end biometric measurement in fetal ultrasound images | |
CN105096331B (zh) | 基于图割的肺4d-ct肿瘤自动分割方法 | |
Grupp et al. | Fast and automatic periacetabular osteotomy fragment pose estimation using intraoperatively implanted fiducials and single-view fluoroscopy | |
CN108175500A (zh) | 基于手持式三维扫描仪的手术导航空间配准方法 | |
CN106447650B (zh) | 基于spect平面显像的人体甲状腺测重方法 | |
Cai et al. | An automatic algorithm for distinguishing optical navigation markers used during surgery | |
KR101502708B1 (ko) | 팔-다리뼈의 부피와 표면적을 이용한 성별판별법 |
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: 20161026 |