CN106127833B - 用于勾画靶区体积轮廓的外扩内缩方法 - Google Patents
用于勾画靶区体积轮廓的外扩内缩方法 Download PDFInfo
- Publication number
- CN106127833B CN106127833B CN201610498873.9A CN201610498873A CN106127833B CN 106127833 B CN106127833 B CN 106127833B CN 201610498873 A CN201610498873 A CN 201610498873A CN 106127833 B CN106127833 B CN 106127833B
- Authority
- CN
- China
- Prior art keywords
- profile
- layer
- extend out
- parameter value
- contracting
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013519 translation Methods 0.000 claims abstract description 17
- 239000000284 extract Substances 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000001959 radiotherapy Methods 0.000 description 6
- 238000003672 processing method Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Generation (AREA)
Abstract
本发明提供了一种用于勾画靶区体积轮廓的外扩内缩方法，该方法通过用户输入，获取需要进行外扩内缩的所有层轮廓数据和前后左右上下六个方向外扩内缩参数值，对所述的所有层轮廓数据中的一层轮廓按照前后左右四个方向的参数值进行外扩内缩，获得外扩内缩后的新轮廓数据；对所述的所有层轮廓数据中的一层轮廓在上下方向影响到的层上进行外扩，最终获得影响层上的新轮廓数据，实现靶区轮廓的精确勾画。本发明由于所述一层外扩内缩中区分了椭圆实现和坐标平移实现，从而满足了用户对参数值的所有设置需求，并能获得相应合理的轮廓。
Description
技术领域
本发明涉及本发明涉及一种外扩内缩方法，尤其是涉及一种用于准确勾画靶区体积轮廓的外扩内缩方法。
背景技术
随着立体定向放射治疗的发展，在治疗计划系统(TPS)中能否精确地勾画出靶区边界，直接影响了放射治疗的结果和质量。国际辐射单位和计量委员会(ICRU)(第83号文件)规定了外照射靶区剂量分布：大体肿瘤体积(GTV)、临床靶体积(CTV)、计划靶体积(PTV)。治疗计划系统中的勾画模块轮廓扩张侵蚀功能能够根据GTV自动生成一定范围的CTV、PTV，相比于传统手动勾画大大缩短了时间并提高了精度。
在2D平面上，勾画靶区轮廓实质是由一系列点组成的多边形。简单的外扩内缩方法是直接对点的位置进行前后左右平移，但这种方法获得的轮廓点的位置会远超过设定的范围。数学上对多边形的外扩内缩是对边平移相同距离构造菱形然后采用向量计算每个顶点外扩内缩到的位置，但这种方法不能对各个方向设定不同的值进行外扩；常用的2D外扩内缩方法是以轮廓上每个点为圆心，分别绘制相同半径的圆形，所有外公切线和圆弧构成的轮廓作为外扩内缩后的轮廓，但这种方法仍然只能解决各个方向设定相同值的情况；J.L.Bedford等人推算出实际应用中GTV到CTV、PTV的独立运动方向概率遵循椭圆路径，提出了以轮廓上的点为圆心绘制四个区域异向的1/4椭圆，从而合理地计算出外扩内缩轮廓。
在3D空间上，最简单的方法是对每个平面的外扩内缩直接构成3D空间上的外扩内缩，但这种方式未考虑在上下方向的外扩内缩；J.C.Rosenwald等人提出了将2D平面的外扩参数投影到会外扩到的层，按照该参数将当前层的轮廓按一定方法外扩后映射到外扩到的层，这种方法仍然没有考虑到前后左右四个方向参数值各异的情况；J.L.Bedford等人继续提出了前后左右参数各异情况下，上下方向外扩内缩需要的参数，制定了新的投影计算方法，但该方法不能处理某个方向参数为0的情况；虽然还有一种方法是直接对轮廓上的点构建椭球体获取外扩内缩后的体表面，但这种方法实现复杂。
由于在立体定向放射治疗中，最终确定的靶区体积直接决定病人接受照射的剂量，从而影响整个治疗计划设计的成败，经过上述不同的方法外扩内缩后的靶区体积有很大的差异，一种与实际外扩内缩情况相符的方案在目前国内的放疗产品中尚无完整的描述。
发明内容
本发明的目的在于解决上述的技术问题，结合异向椭圆外扩和坐标平移方法提出了一种能解决异向外扩内缩的各种参数情况并能得到合理轮廓的外扩内缩方法。
本发明的目的通过以下技术方案来实现：
用于勾画靶区体积轮廓的外扩内缩方法，包括如下步骤，
S1、通过对不同影像层上绘制的轮廓以及输入期望的参数信息数据的提取，获取需要进行外扩内缩的所有层轮廓数据和前、后、左、右、上、下六个方向外扩内缩参数值；所述参数值为任意实数，且定义六个参数值中正数为外扩，负数为内缩，零值既不外扩也不内缩。
S2、一层外扩内缩，对所述的所有层轮廓数据中的一层轮廓按照前、后、左、右四个方向的参数值进行外扩内缩，获得外扩内缩后的新轮廓数据；
S3、被影响层外扩，对所述的所有层轮廓数据中的一层轮廓在上、下方向影响到的层上进行外扩，最终获得被影响层上的新轮廓数据，实现靶区轮廓的精确勾画。
优选地，所述S2中一层外扩内缩步骤包括以椭圆实现的外扩内缩法和以坐标平移实现的外扩内缩法。
优选地，所述椭圆实现的外扩内缩法为当所述的前、后、左、右四个方向的参数值大于零的情况下，对一层轮廓构建其椭圆区域，将该区域边界作为其外扩内缩后的新轮廓。
优选地，所述坐标平移实现的外扩内缩法为当所述的前、后、左、右四个方向参数值部分为零的情况下，对一层轮廓上的一段区域通过坐标平移获得新的轮廓。
优选地，当所述的前、后、左、右四个方向的参数值大于零的情况下，所述椭圆实现的外扩内缩法具体包括以下步骤：
S21、提取轮廓所有点，在轮廓所有点提取单元内根据opencv的轮廓提取算法，将绘制在图像上的轮廓提取出所有点；
S22、绘制椭圆，在椭圆绘制单元内以提取的轮廓所有点为圆心、以所述前、后、左、右四个方向参数为每个象限内椭圆的长短轴分别绘制四个90°扇形；
S23、再次提取轮廓所有点，在轮廓提取单元内根据所述椭圆绘制单元绘制出的图像，再次通过opencv的轮廓提取算法，提取出轮廓上的所有点；
S24、找出外扩或内缩轮廓，对再次提取出的所有轮廓判断个数，若个数为1，为外扩轮廓；若为2，面积大的为外扩轮廓，面积小的为内缩轮廓；若大于2，面积最大的为外扩轮廓，其余轮廓不符合需求。
优选地，当所述的前、后、左、右四个方向参数值部分为零的情况下，所述坐标平移实现的外扩内缩法具体包括以下步骤：
S21、轮廓绘制到图像，使用GDI绘图绘制轮廓并填充白色；
S22、点集排序，将点集调整为从Y值最小的点开始的逆时针顺序排序的点集；
S23、移动区域绘制到图像，依据以上排序后获得的点集，区分前、后、左、右四个方向影响区段，对轮廓分段平移外扩或内缩的值，外扩填充白色，内缩填充黑色；
S24、提取轮廓所有点，根据opencv提供的轮廓提取算法，提取出白色区域边界的轮廓作为外扩或内缩的轮廓。
优选地，所述S3中被影响层外扩具体包括如下步骤：
S31、获取参数值，获取经所述S2和已被循环执行S3中外扩内缩的所有层轮廓数据、影响层和被影响层的层位置、前、后、左、右、上、下六个方向外扩内缩处理后的当前参数值，参数值为任意实数；
S32、重新确定参数值，根据所述上、下方向的参数和影响层与被影响层之间的距离重新确定所述前、后、左、右四个方向的参数值；
S33、获取新轮廓，根据以上S32重新计算获得的参数代入所述S2中的一层外扩内缩模块，获得影响层轮廓在被影响层上的新轮廓；
S34、通过最外层轮廓提取单元，获得被影响层上两个相交轮廓的最外层轮廓或以两个不相交轮廓中面积大的轮廓，作为被影响层上的新轮廓用以提取数据。
优选地，所述的S3中被影响层外扩内缩中的外扩内缩参数重新计算具体包括以下步骤：
S331、计算间距，根据影响层和被影响层所在的层位置L1、L2，计算两层之间的距离为z＝|L1-L2|；
S332、计算参数值，根据向上外扩内缩时的计算公式向下外扩内缩时的计算公式其中Mx为前后左右方向的初始参数值，Ms、Mi分别为上下方向的初始参数值，获得前后左右方向新参数值。
优选地，所述S34中被影响层外扩内缩模块中的两个轮廓结合计算方法具体包括如下步骤：
S341、轮廓提取，根据opencv提供的轮廓提取算法从绘制了两个轮廓的图像上提取出所有轮廓，按照树形结构保存；
S342、轮廓比较，通过所述树形结构判断每一个轮廓是否有父轮廓，若有，则找出所有没有父轮廓的轮廓，以面积最大的轮廓作为结合后的轮廓。
本发明的有益效果主要体现在：1、克服了现有技术治疗计划设计过程中勾画轮廓外扩内缩时手动勾画耗时长且存在体积不精确等问题，由于所述的一层外扩内缩步骤中区分了椭圆实现和坐标平移实现，从而满足了用户对参数值的所有设置需求，并能获得相应合理的轮廓。
2、由于所述的被影响层外扩内缩步骤考虑了一层轮廓外扩时对附近轮廓的影响，符合客观事实，使得外扩内缩更精确。
3、本发明的算法实现均基于图像处理方法，避免了复杂的运算，简洁、稳定、高效。
4、提高了放射治疗计划系统中GTV、CTV、PTV之间相互变换的整体速度和质量，有效缩短了制定治疗计划所需时间，进一步降低了医生工作强度，提高了工作效率。
附图说明
下面结合附图对本发明技术方案作进一步说明：
图1：本发明的轮廓外扩内缩方法主要流程图。
图2：本发明中一层外扩内缩模块中具体流程图。
图3：本发明中影响层外扩内缩法的步骤流程图。
具体实施方式
本发明揭示了一种用于勾画靶区体积轮廓的外扩内缩方法，结合图1-图3所示，该方法通过用户输入，获取需要进行外扩内缩的所有层轮廓数据和前后左右上下六个方向外扩内缩参数值，对六个参数值约定正数为外扩，负数为内缩，零值既不外扩也不内缩；
一层外扩内缩步骤：对所述的所有层轮廓数据中的一层轮廓按照前、后、左、右四个方向的参数值进行外扩内缩，获得外扩内缩后的新轮廓数据；
影响层外扩内缩步骤：对所述的所有层轮廓数据中的一层轮廓在上下方向影响到的层上进行外扩内缩，最终获得影响层上的新轮廓数据，实现靶区轮廓的精确勾画。
整个轮廓外扩内缩方法实施过程具体包括以下步骤：
(1)轮廓输入：获取需要进行外扩内缩的所有层轮廓数据和前、后、左、右、上、下六个方向外扩内缩参数值，所述参数值为任意实数。
(2)自身层全部外扩内缩：循环遍历所有层，调用所述一层外扩内缩模块，对所有层在自身层上全部外扩内缩。
(3)向上外扩内缩：从当前层向上层遍历，对在向上参数值范围内的所有层调用所述的被影响层外扩模块，获得所有被影响层的新轮廓。
(4)向下外扩内缩：从当前层向下层遍历，对在向下参数值范围内的所有层调用所述的被影响层外扩模块，获得所有被影响层的新轮廓。
以上步骤(3)(4)具体是指判断向上(或下)方向参数大小，若为0，则结束当前步骤；若小于0，删除从上(或下)方最外层开始在向上(或下)参数绝对值范围内的所有层；若大于0，计算当前被外扩层与外扩到层的距离是否小于向上参数，若小于则调用被影响层外扩内缩模块，循环遍历外扩到层直至判断结果大于向上参数，循环遍历当前被外扩层直至所有层轮廓循环结束。最后输出所有层外扩后的轮廓。
在一种优选的实施方式中，所述的一层外扩内缩法包括椭圆实现的外扩内缩法和坐标平移实现的外扩内缩法。
其具体包括如下步骤：
步骤一、信息数据的提取，通过输入的轮廓图形，获取需要进行外扩内缩的某一层轮廓数据和前、后、左、右四个方向外扩内缩参数值，参数值为任意实数。
步骤二、判断参数值，判断所述前、后、左、右四个方向的参数值是否大于零，根据判断结果选用不同的外扩内缩法。
步骤三、当所述前、后、左、右四个方向的参数值大于零的情况下，采用椭圆实现的外扩内缩法，即对一层轮廓构建其椭圆区域，将该区域边界作为其外扩内缩后的新轮廓；
步骤四、当所述的前、后、左、右四个方向参数值部分为零的情况下，采用坐标平移实现的外扩内缩法，即对一层轮廓上的一段区域通过坐标平移获得新的轮廓。
所述步骤三中椭圆实现的外扩内缩法具体包括以下步骤：
首先，提取轮廓所有点，根据opencv的轮廓提取算法，将绘制在图像上的轮廓提取出所有点；
接着，绘制椭圆，以所述轮廓所有点为圆心、以所述前、后、左、右四个方向参数为每个象限内椭圆的长短轴分别绘制四个90°扇形；具体的，对每一个点绘制4个象限不对称的扇形并填充，扇形为椭圆的1/4，扇形的大小由椭圆的长宽决定，即最终由四个方向外扩内缩值决定；
然后，再次提取轮廓所有点，根据所述绘制出的图像，再次通过opencv的轮廓提取算法，提取出轮廓上的点。
最后，找出外扩或内缩轮廓，对再次提取出的所有轮廓判断数量，若个数为1，为外扩轮廓；若为2，面积大的为外扩轮廓，面积小的为内缩轮廓；若数量大于2，则选取面积最大的为外扩轮廓，其余轮廓中若存在有两个或两个以上的内缩轮廓，则为不合理情况，显示内缩为空，提示报错，不符合需求。
所述步骤四中坐标平移实现的外扩内缩法具体包括以下步骤：
首先，轮廓绘制到图像，使用GDI绘图绘制轮廓并填充白色；
其次，点集排序，将点集调整为从Y值最小的点开始的逆时针顺序排序的点集；
接着，移动区域绘制到图像，依据以上排序后获得的点集，区分前、后、左、右四个方向影响区段，对轮廓分段平移外扩或内缩的值，外扩填充白色，内缩填充黑色；
然后，提取轮廓所有点，根据opencv提供的轮廓提取算法，提取出白色区域边界的轮廓作为外扩或内缩的轮廓。
所述的被影响层外扩法具体包括以下步骤：
首先，信息提取，通过对不同影像层上绘制的轮廓以及输入期望的参数信息数据的提取，经过当前已执行过的外扩内缩步骤后，获取的所有层轮廓数据、影响层和被影响层的层位置、前、后、左、右、上、下六个方向的外扩内缩参数值，参数值为任意实数。
接着，重新确定参数值，根据所述的上、下方向参数和影响层与被影响层之间的距离重新确定所述的前、后、左、右四个方向参数值；
其中，所述间距为根据影响层和被影响层所在的层位置L1、L2，计算两层之间的距离为z＝|L1-L2|；所述获得前后左右方向新参数值可根据向上外扩内缩时的计算公式向下外扩内缩时的计算公式其中Mx为前后左右方向的初始参数值，Ms、Mi分别为上下方向的初始参数值；
然后，取得被影响层上的新轮廓，根据获得的所述外扩内缩参数代入所述一层外扩内缩模块中，获得影响层轮廓在被影响层上的新轮廓；
最后，获得被影响层上的新轮廓，通过最外层轮廓提取方法获得被影响层上两个相交轮廓的最外层轮廓或两个不相交轮廓中面积大的轮廓，将其作为被影响层上的新轮廓。
其中，被影响层两个轮廓获得具体包括以下步骤：
第一步，根据opencv提供的轮廓提取算法从绘制了两个轮廓的图像上提取出所有轮廓，按照树形结构保存。
第二步，通过所述的树形结构比较、判断每一个轮廓是否有父轮廓，找出所有没有父轮廓的轮廓，以面积最大的轮廓作为结合后的轮廓。
利用了本发明的三维空间中由x、y、z轴区分的8个象限，其八区域不对称椭球体六维度控制轮廓外扩内缩方法，由于所述的一层外扩内缩法中区分了椭圆实现和坐标平移实现，从而能够满足用户对参数值的所有设置需求，并能获得相应合理的轮廓。另外，由于所述的被影响层外扩内缩法考虑了一层轮廓外扩时对附近轮廓的影响，符合客观事实，使得外扩内缩更精确。同时，本发明的算法实现都是基于图像处理方法，避免了复杂的运算，代码简洁、稳定、高效。本发明提高了放射治疗计划系统中GTV、CTV、PTV之间相互变换的整体速度和质量，有效缩短了制定治疗计划所需时间，进一步降低了医生工作强度，提高了工作效率。
本发明尚有多种具体的实施方式，凡采用等同替换或者等效变换而形成的所有技术方案，均落在本发明要求保护的范围之内。
Claims (6)
1.用于勾画靶区体积轮廓的外扩内缩方法，其特征在于：包括如下步骤，
S1、信息提取，通过对不同影像层上绘制的轮廓以及输入期望的参数信息数据的提取，获取需要进行外扩内缩的所有层轮廓数据和前后左右上下六个方向外扩内缩参数值；所述参数值为任意实数，且定义六个参数值中正数为外扩，负数为内缩，零值既不外扩也不内缩；
S2、一层外扩内缩，对所述的所有层轮廓数据中的一层轮廓按照前、后、左、右四个方向的参数值进行外扩内缩，获得外扩内缩后的新轮廓数据；
S3、被影响层外扩内缩，对所述的所有层轮廓数据中的一层轮廓在上、下方向影响到的层上进行外扩内缩，最终获得影响层上的新轮廓数据，实现靶区轮廓的精确勾画；
其中，所述S2中一层外扩内缩步骤包括以椭圆实现的外扩内缩法和以坐标平移实现的外扩内缩法；
所述椭圆实现的外扩内缩法为当所述的前、后、左、右四个方向的参数值大于零的情况下，对一层轮廓构建其椭圆区域，将该区域边界作为其外扩内缩后的新轮廓；
所述坐标平移实现的外扩内缩法为当所述的前、后、左、右四个方向参数值部分为零的情况下，对一层轮廓上的一段区域通过坐标平移获得新的轮廓。
2.根据权利要求1所述的用于勾画靶区体积轮廓的外扩内缩方法，其特征在于，当所述的前、后、左、右四个方向的参数值大于零的情况下，所述椭圆实现的外扩内缩法包括具体包括以下步骤：
S21、提取轮廓所有点，在轮廓所有点提取单元内根据opencv的轮廓提取算法，将绘制在图像上的轮廓提取出所有点；
S22、绘制椭圆，在椭圆绘制单元内以提取的轮廓所有点为圆心、以所述前、后、左、右四个方向参数为每个象限内椭圆的长短轴分别绘制四个90°扇形；
S23、再次提取轮廓所有点，在轮廓提取单元内根据所述椭圆绘制单元绘制出的图像，再次通过opencv的轮廓提取算法，提取出轮廓上的所有点；
S24、找出外扩或内缩轮廓，对再次提取出的所有轮廓判断个数，若个数为1，为外扩轮廓；若为2，面积大的为外扩轮廓，面积小的为内缩轮廓；若大于2，面积最大的为外扩轮廓，其余轮廓不符合需求。
3.根据权利要求2所述的用于勾画靶区体积轮廓的外扩内缩方法，其特征在于，当所述的前、后、左、右四个方向参数值部分为零的情况下，所述坐标平移实现的外扩内缩法具体包括以下步骤：
S21、轮廓绘制到图像，使用GDI绘图绘制轮廓并填充白色；
S22、点集排序，将点集调整为从Y值最小的点开始的逆时针顺序排序的点集；
S23、移动区域绘制到图像，依据以上排序后获得的点集，区分前、后、左、右四个方向影响区段，对轮廓分段平移外扩或内缩的值，外扩填充白色，内缩填充黑色；
S24、提取轮廓所有点，根据opencv提供的轮廓提取算法，提取出白色区域边界的轮廓作为外扩或内缩的轮廓。
4.根据权利要求1所述的用于勾画靶区体积轮廓的外扩内缩方法，其特征在于，所述S3中被影响层外扩内缩具体包括如下步骤：
S31、获取参数值，获取经所述S2中外扩内缩的所有层轮廓数据、影响层和被影响层的层位置、前、后、左、右、上、下六个方向外扩内缩处理后的当前参数值，参数值为任意实数；
S32、重新确定参数值，根据所述上、下方向的参数和影响层与被影响层之间的距离重新确定所述前、后、左、右四个方向的参数值；
S33、获取新轮廓，根据以上S32重新计算获得的参数代入所述S2中的一层外扩内缩模块，获得影响层轮廓在被影响层上的新轮廓；
S34、通过最外层轮廓提取单元，获得被影响层上两个相交轮廓的最外层轮廓或以两个不相交轮廓中面积大的轮廓，作为被影响层上的新轮廓用以提取数据。
5.根据权利要求4所述的用于勾画靶区体积轮廓的外扩内缩方法，其特征在于，所述的S3中被影响层外扩内缩中的外扩内缩参数重新计算具体包括以下步骤：
S331、计算间距，根据影响层和被影响层所在的层位置L1、L2，计算两层之间的距离为z＝|L1-L2|；
S332、计算参数值，根据向上外扩内缩时的计算公式向下外扩内缩时的计算公式其中Mx为前后左右方向的初始参数值，Ms、Mi分别为上下方向的初始参数值，获得前后左右方向新参数值。
6.根据权利要求5所述的用于勾画靶区体积轮廓的外扩内缩方法，其特征在于，所述S34中被影响层外扩内缩模块中的两个轮廓结合计算方法具体包括如下步骤：
S341、轮廓提取，根据opencv提供的轮廓提取算法从绘制了两个轮廓的图像上提取出所有轮廓，按照树形结构保存；
S342、轮廓比较，通过所述树形结构判断每一个轮廓是否有父轮廓，若有，不做任何处理，若无，保存该没有父轮廓的轮廓，并找出所有没有父轮廓的轮廓，以面积最大的轮廓作为结合后的轮廓，实现靶区轮廓的精确勾画。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610498873.9A CN106127833B (zh) | 2016-06-30 | 2016-06-30 | 用于勾画靶区体积轮廓的外扩内缩方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610498873.9A CN106127833B (zh) | 2016-06-30 | 2016-06-30 | 用于勾画靶区体积轮廓的外扩内缩方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106127833A CN106127833A (zh) | 2016-11-16 |
| CN106127833B true CN106127833B (zh) | 2018-12-28 |
Family
ID=57285796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610498873.9A Active CN106127833B (zh) | 2016-06-30 | 2016-06-30 | 用于勾画靶区体积轮廓的外扩内缩方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106127833B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1209893A (zh) * | 1996-10-02 | 1999-03-03 | 日本电信电话株式会社 | 分层结构的图形显示方法及装置 |
| US7496480B2 (en) * | 2003-08-15 | 2009-02-24 | National Instruments Corporation | Sweep manager for signal analysis |
| CN101677798A (zh) * | 2007-06-11 | 2010-03-24 | 株式会社日立医药 | 医用图像显示装置、医用图像显示方法以及医用图像显示程序 |
| CN102270351A (zh) * | 2011-03-17 | 2011-12-07 | 长沙景嘉微电子有限公司 | 基于分块渲染的gpu中线段分块技术的实现 |
-
2016
- 2016-06-30 CN CN201610498873.9A patent/CN106127833B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1209893A (zh) * | 1996-10-02 | 1999-03-03 | 日本电信电话株式会社 | 分层结构的图形显示方法及装置 |
| US7496480B2 (en) * | 2003-08-15 | 2009-02-24 | National Instruments Corporation | Sweep manager for signal analysis |
| CN101677798A (zh) * | 2007-06-11 | 2010-03-24 | 株式会社日立医药 | 医用图像显示装置、医用图像显示方法以及医用图像显示程序 |
| CN102270351A (zh) * | 2011-03-17 | 2011-12-07 | 长沙景嘉微电子有限公司 | 基于分块渲染的gpu中线段分块技术的实现 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106127833A (zh) | 2016-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104063894B (zh) | 点云三维模型重建方法及系统 | |
| CN108013904B (zh) | 心脏超声成像方法 | |
| CN109754459B (zh) | 一种用于构建人体三维模型的方法及系统 | |
| CN106902475A (zh) | 放射治疗方法、计算机程序和计算机系统 | |
| CN108629838B (zh) | 三维牙冠网格模型的孔洞修补方法及装置 | |
| CN112767531B (zh) | 面向移动端的虚拟试衣的人体模型脸部分区域建模方法 | |
| CN103353987A (zh) | 一种基于模糊理论的超像素分割方法 | |
| CN110246100A (zh) | 一种基于角度感知块匹配的图像修复方法和系统 | |
| CN101799939A (zh) | 基于左右视点图像的中间视点快速、自适应生成算法 | |
| CN109472870B (zh) | 一种基于网格重构和多影响域修正的模型匹配方法 | |
| CN108492247A (zh) | 一种基于网格变形的眼妆贴图方法 | |
| CN107730587B (zh) | 一种基于图片快速三维化交互式建模方法 | |
| CN114611359B (zh) | 一种网格-参数混合模型建模方法和系统 | |
| CN105787932B (zh) | 基于分割交叉树的立体匹配方法 | |
| CN110322572A (zh) | 一种基于双目视觉的水下涵隧内壁三维信息恢复方法 | |
| CN103927727A (zh) | 一种标量图像转化为矢量图的方法 | |
| Xu et al. | Accurate and efficient stereo matching by log-angle and pyramid-tree | |
| CN110176064A (zh) | 一种摄影测量生成三维模型的主体对象自动识别方法 | |
| CN103810750A (zh) | 一种基于人体截面环的参数化变形方法 | |
| CN107274448B (zh) | 一种基于水平树结构的可变权重代价聚合立体匹配算法 | |
| Yan et al. | Active implicit object reconstruction using uncertainty-guided next-best-view optimization | |
| CN105184782B (zh) | 一种ct中盆腔器官自动分割的方法 | |
| CN106127833B (zh) | 用于勾画靶区体积轮廓的外扩内缩方法 | |
| CN109766817A (zh) | 一种基于活动轮廓模型的sst影像中尺度涡自动识别方法 | |
| CN115880421A (zh) | 一种基于工业ct序列图像直接生成六面体网格方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240428 Address after: Room 101, building 13, No.158, Jinfeng Road, science and Technology City, Suzhou, Jiangsu 215000 Patentee after: Jiangsu University of technology collaborative medical robot Co.,Ltd. Country or region after: China Address before: Room 405, Building 09, Nanocity, No. 99 Jinjihu Avenue, Suzhou City, Jiangsu Province, China, 215123 Patentee before: Suzhou Aiyin Intelligent Equipment Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |