CN106530386A - 医学图像的体绘制方法及其系统 - Google Patents
医学图像的体绘制方法及其系统 Download PDFInfo
- Publication number
- CN106530386A CN106530386A CN201611061730.8A CN201611061730A CN106530386A CN 106530386 A CN106530386 A CN 106530386A CN 201611061730 A CN201611061730 A CN 201611061730A CN 106530386 A CN106530386 A CN 106530386A
- Authority
- CN
- China
- Prior art keywords
- point
- label
- tissue
- neighborhood
- neighborhood point
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Abstract
本发明公开了一种医学图像的体绘制方法及其系统,所述方法获取包含若干个组织的体数据图像,所述组织的标签构成组织集合,选取体数据空间中任一个采样点;获取所述采样点的一个或多个邻域点,所述邻域点的标签构成邻域点集合;判断所述邻域点的标签是否属于组织集合;如是,则根据所述组织标签对所述邻域点的图像值进行标准化处理;针对标准化处理的所述邻域点的图像值作插值处理;基于所述插值结果确定所述采样点的颜色;否则,根据所述邻域点的标签读取颜色列表,确定所述采样点的颜色。本发明提供的体绘制方法及其系统可以有效解决图像锯齿失真的问题,提高图像显示效果。
Description
【技术领域】
本发明涉及医学图像处理领域,特别是涉及一种医学图像的体绘制方法及其系统。
【背景技术】
在医学图像可视化领域,经常使用组织标签区分显示不同的组织。由于在医学图像的边缘是不连续、离散的体素或纹理构成,即图像中地边缘处本身存在锯齿和阶梯,如图像放大的会使得这些小阶梯变为大阶梯,从而形成较为明显的锯齿,影像图像的显示质量。
图像放大主要是通过图像插值来实现。图像插值就是根据已知的图像像素信息来推导和计算新的像素信息。但是,现有的图像放大方法面临的主要问题包括图像模糊和锯齿失真两个方面,其中图像模糊是指放大后图像的细节变得模糊不清,而锯齿失真是指放大的图像出现锯齿状的边缘。
此外,当有多个标签的情况,即体数据图像中存在多个组织时,通过直接插值方法可能产生不存在的组织的标签,从而导致显示错误。
因此,有必要改进医学图像的体绘制方法,提高图像显示质量。
【发明内容】
本发明所要解决的技术问题提出一种医学图像的体绘制方法及其系统,其能利用采样点信息和组织信息,获取抗锯齿的体绘制结果。
为解决上述技术问题,本发明提供一种医学图像的体绘制方法,包括:
获取包含若干个组织的体数据图像,所述组织的标签构成组织集合;
选取体数据空间中采样点;
获取所述采样点的一个或多个邻域点,所述一个或多个邻域点的标签构成邻域点集合;
判断所述邻域点的标签是否属于组织集合;
基于判断结果确定所述采样点的颜色;
根据各采样点的颜色,获取所述若干个组织的体绘制结果。
进一步的,所述基于判断结果确定所述采样点的颜色,包括:
如邻域点的标签属于组织集合,则根据所述组织标签对所述邻域点的图像值进行标准化处理;
针对标准化处理的所述邻域点的图像值作插值处理,获取所述采样点的插值结果;
基于所述插值结果确定所述采样点的颜色;
否则,根据所述邻域点的标签读取颜色列表,确定所述采样点的颜色。
进一步的,所述邻域点为所述采样点的最近邻域点,判断所述最近邻域点对应的标签是否属于组织集合;
如是,则根据组织标签对各个邻域点的图像值进行标准化处理;
针对标准化处理的各个邻域点的图像值作插值处理,获取所述采样点的插值结果;
基于所述插值结果确定所述采样点的颜色;
否则,根据所述最近邻域点的标签读取颜色列表,确定所述采样点的颜色。
进一步的,所述根据组织标签对所述邻域点的图像值进行标准化处理,包括:
任选一个组织集合中组织的标签,基于所述组织的标签,遍历所述邻域点集合中的所述邻域点的标签:
如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点属于前景区域;
否则,设置所述邻域点属于背景区域。
进一步的,所述邻域点的图像值进行标准化处理包括对邻域点的图像值作二值化:
如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点的图像值为1;
否则,设置所述邻域点的图像值为0。
进一步的所述基于插值结果确定所述采样点的颜色,包括:
根据所述采样点的插值结果与阈值进行比较,如大于所述阈值,则根据所述组织的标签读取颜色列表,确定所述采样点的颜色;
否则,继续在所述组织集合剩余的标签中选取一个组织的标签,基于所述组织的标签标准化各邻域点的图像值;针对标准化处理的各个邻域点的图像值作插值,获取所述采样点的插值结果;根据所述采样点的插值结果与阈值进行比较,如大于所述阈值,则根据所述组织的标签,读取颜色列表,确定所述采样点的颜色;
重复上述步骤,直至遍历所述组织集合中所有组织的标签。
进一步的,所述基于所述组织的标签标准化各邻域点的图像值,包括:
在所述组织集合剩余的标签中选取一个组织的标签,基于所述组织的标签,遍历所述邻域点集合中的所述邻域点的标签:
如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点属于前景区域;
否则,设置所述邻域点属于背景区域。
进一步的,所述插值处理为线性插值、非线性插值、正则化函数的插值法或基于偏微分方程的定向扩散插值法中至少一种。
为解决上述技术问题,本发明还提供一种医学图像的体绘制系统,包括:
输入单元,用于获取包括若干个组织的体数据图像,所述组织的标签构成组织集合;
输出单元,用于显示若干个组织的体绘制结果;以及
绘制单元,包括采样子单元,确定子单元;
所述采样单元,用于选取体数据空间中任一个采样点;获取所述采样点的一个或多个邻域点,所述邻域点的标签构成邻域点集合;
所述确定单元,用于确定所述采样点的颜色。
进一步的,所述确定子单元包括:
标准化模块,用于根据组织标签对所述邻域点的图像值进行标准化处理;
插值模块,用于针对标准化处理的所述邻域点的图像值作插值,获取所述采样点的插值结果;
判断模块,用于根据所述插值结果与阈值进行比较,确定所述采样点的颜色。
与现有技术相比,本发明的优点在于:本实施例提供一种医学图像的体绘制方法及其系统,充分利用采样点邻域点信息,以及组织信息以提高图像显示质量。通过标准化处理各个邻域点的标签,归一化与预设组织的标签相对应的邻域点,作为后续插值处理对象,从而提高体绘制的速度和精度;基于所述插值结果与阈值的比较,确定所述采样点是否属于预设组织的概率,以避免产生不存在的组织的标签,提高绘制结果的准确性,有效解决图像锯齿失真的问题。
【附图说明】
图1为本发明一实施例中医学图像的体绘制方法流程图;
图2为本发明又一实施例中医学图像的体绘制方法流程图
图3为本发明一实施例中采样点与邻域点的空间位置示意图;
图4为本发明一实施例中对邻域点的图像值进行标准化处理方法流程图;
图5为本发明一实施例中确定采样点颜色的方法流程示意图;
图6为本发明一实施例中肠壁展开显示息肉组织分割结果的体绘制方法流程图;
图7a~7b为本发明一实施例中医学图像的体绘制前后的结果示意图;
图8为本发明一实施例中医学图像的体绘制系统结构示意图;
图9为本发明一实施例中医学图像中绘制单元的结构示意图。
【具体实施方式】
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本邻域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施的限制。
其次,本发明利用示意图进行详细描述,在详述本发明实施例时,为便于说明,所述示意图只是实施例,其在此不应限制本发明保护的范围。使本发明的上述目的、特征和优点能够更为明显易懂,下面集合附图和实施例对本发明的具体实施方式做详细的说明。
实施例1
本实施例提供一种医学图像的体绘制方法,利用所述采样点的邻域点信息和组织信息,提高绘制结果的准确性,有效解决图像锯齿失真的问题。所述体绘制方法如图1所示,包括:
执行步骤S101:提供包含若干个组织的体数据图像,所述组织的标签构成组织集合;本实施例中,所述医学图像通过各类模态的成像系统扫描采集获得三维或二维图像,也可以通过诸如云平台,存储系影像归档和通信系统(Picture Archiving andCommunication Systems,PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(Positron Emission Tomography,PET)等一种或多种的组合。
执行步骤S102:选取体数据空间中任一个采样点;所述邻域点的标签构成邻域点集合。
执行步骤S103~S104:获取所述采样点的一个或多个邻域点;判断所述邻域点的标签是否属于组织集合;根据前述步骤获取的所述组织集合和邻域点集合,选取所述邻域点集合中任一个邻域点的标签,判断所述邻域点的标签是否属于所述组织集合,即所述邻域点的标记是否与组织集合中的组织标签存在相同的标签,也就是说该邻域点的属性与组织集合中某一个组织是否相同,属于同一个组织。
执行步骤S105~S106:基于判断结果确定所述采样点的颜色;根据各采样点的颜色,获取所述若干个组织的体绘制结果
实施例2
本实施例提供一种医学图像的体绘制方法,如图2所示,包括:
执行步骤S201:提供包含若干个组织的体数据图像,所述组织的标签构成组织集合。本实施例中,所述医学图像通过各类模态的成像系统扫描采集获得三维或二维图像,也可以通过诸如云平台,存储系影像归档和通信系统(Picture Archiving andCommunication Systems,PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(Positron Emission Tomography,PET)等一种或多种的组合。
本实施例中,所述体数据可以由离散的体素(Voxel)点组成的三维数据。所述体数据也可以是由纹素(Texel,纹理元素)构成,所述纹素为计算机图形纹理空间中的基本单元。纹理是由纹素排列表示。所述体数据图像中任意一个点的图像值可以对应体素或纹素的一种或多种属性,如灰度、亮度、颜色、空间位置、对X射线或γ射线的吸收度、氢原子密度、生物分子代谢、受体及神经介质活动等,体素或纹素的图像值也可以通过标签表示。
所述体数据图像可以是经过图像处理的输出图像,例如可以为经过图像分割处理的医学图像,或者提取血管中心线的医学图像,或者虚拟内窥图像,或者包含息肉组织的肠壁展开的结果图像。其中,图像分割可以是将图像分成一个或多个特定的组织。所述组织可以为头部、胸腔、器官、骨骼、血管、结肠等一种或多种器官的组织,也可是息肉组织、结节、肿瘤等非器官组织。
如前所述,所述组织的标签与体素的图像值的一种表现形式,是对应体素的一种或多种属性,如灰度、亮度、颜色、对X射线或γ射线的吸收度、氢原子密度、生物分子代谢、受体及神经介质活动等,例如血管提取的体数据图像中,包含骨骼、血管、肌肉等组织,可以通过组织的标签对应各个组织的属性,例如标骨骼的标签为1,血管的标签为2,以及肌肉的标签为3,以所述组织的标签作为标签构成组织集合。
执行步骤202~203:选取体数据空间中任一个采样点;获取所述采样点的一个或多个邻域点,所述邻域点的标签构成邻域点集合。体数据图像记录了三维空间中,每个离散格点上的值,是离散点的集合,即体素的集合。体素为一个归一化的立方体空间,利用分辨率为n×n×n的三维笛卡尔栅格在3个轴向上等间隔采样,采样点位于栅格点;在实际的采样中,会给出相邻体素之间的间隔数据,例如步长,表示相邻体素的间隔。把采样点的一个小邻域定义为一个体素,是一个以采样点x为中心的立方体单元,从连续的体数据空间上,所述采样点x在空间上存在n个邻域点,例如,如图3所示,所述采样点x在空间上存在8个邻域点。在三维空间中每个坐标都是对于位置,颜色或密度等属性的定义,即可以采用标签对应表示所述邻域点的属性,以所述邻域点的标签构成邻域点集合,利用这些信息和显示软件,可以从不同角度观察一个图像的二维或三位绘制结果。本实施例中,还可以选取所述采样点的最近邻域点,根据统计学理论,所述采样点与所述最近邻域点属于相同组织(即体素的标签相同,例如颜色、密度等属性相同)的可能性大于其它邻域点,因此也可以通过处理最近邻域点,对采样点进行处理以确定采样点的颜色。
执行步骤S204,判断所述邻域点的标签是否属于组织集合;本实施例中,根据前述步骤获取的所述组织集合和邻域点集合,选取所述邻域点集合中任一个邻域点的标签,判断所述邻域点的标签是否属于所述组织集合,即所述邻域点的标记是否与组织集合中的组织标签存在相同的标签,也就是说该邻域点的属性与组织集合中某一个组织是否相同,属于同一个组织。
如否,执行步骤S205,根据所述邻域点的标签读取颜色列表,确定所述采样点的颜色。所述颜色列表预设有体素的颜色属性,所述颜色属性与体素的图像值呈映射关系,而且体素的图像值可以通过标签,因此可以根据所述邻域点的标签获取所述邻域点对应的采样点的图像值,继而通过采样点的图像值与颜色列表的映射关系获,获取该采样点的颜色属性,达到对该采样点进行体绘制的目的。本实施例中,所述颜色属性可以是体素灰度值的强度,例如HU值,也可以是根据用户和处理器预设的绘制颜色。本实施例中,所述邻域点可以是所述采样点的最近邻域点。
如是,则执行步骤S206~S208,根据组织标签对所述邻域点的图像值进行标准化处理;如图4所示,本实施例中,所述标准化处理可以是:
执行步骤S401~S404,任选一个组织集合中组织的标签,基于所述组织的标签,遍历所述邻域点集合中各个邻域点的标签:如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点属于前景区域;否则,设置所述邻域点属于背景区域。本实施例中,所述前景区域为体数据中需要显示的组织,例如血管图像中,血管边界、骨骼为需要显示的组织,其它为背景区域。本实施例中,所述标准化处理可以是二值化处理,例如,若所述邻域点的标签与所述组织的标签相同,则设置所述邻域点的图像值为1;否则设置所述邻域点的图像值为0。本实施例中,通过标准化处理各个邻域点的标签作为后续插值处理对象,从而提高体绘制的速度和精度。
针对标准化处理的所述邻域点的图像值作插值处理,获取所述采样点的插值结果;本实施例中可以针对属于所述前景区域的邻域点的图像值作插值处理。基于所述插值结果确定所述采样点的颜色。本实施例中,所述插值方法可以是线性插值、非线性插值、正则化函数的插值法或基于偏微分方程的定向扩散插值法中至少一种。例如,采用线性插值方法。根据插值系数函数,计算各个邻域点相对采样点的插值结果,最后通过加和、均值、或者积分等数学形式获取所述采样点的插值结果。例如,插值公式可参见公式(1):
式中,x是采样采样点;S(x)表示采样点x的插值结果值;xi为所述采样点x第i个邻域点,所述i从1取到n的自然数,例如计算所述采样点x附近的8邻域点,则i取1~8中任意一个;Si表示邻域点xi相对所述采样点的插值结果,f(x,xi)表示邻域点xi相对所述采样点的插值系数函数。
基于所述插值结果确定所述采样点的颜色。例如,如图5所述,确定所述采样点的颜色包括:
执行步骤S501~S507,获取所述采样点的插值结果,根据所述插值结果与阈值进行大小比较,所述阈值[0.5,1)区间的常数。大小比较的作用是为了判断所述采样点属于所选取组织的概率大小。例如,所述采样点的插值结果大于阈值,则根据所述组织的标签读取颜色列表,确定所述采样点的颜色;否则,说明该采样点的属性与该组织区别较大,如直接根据插值确定采样点颜色将可能产生不存在的组织标签,从而导致显示错误。所以若小于阈值,则继续在所述组织集合剩余的标签中选取一个组织的标签,基于所述组织的标签标准化各邻域点的图像值;针对标准化处理的各个邻域点的图像值作插值,获取所述采样点的插值结果;本实施例中,还可以根据插值结果与阈值进行比较,如大于所述阈值,则根据所述组织的标签,读取颜色列表,确定所述采样点的颜色;本实施例中,所述阈值选取为0.5或0.8。
重复上述步骤,直至遍历所述组织集合中所有的组织的标签,确定该采样点所属于的组织,根据该采取标签读取颜色列表,确定所述采样点的颜色。
通过上述步骤中,判断各邻域点的标签是否属于组织集合,可以据此判别采样点是否处于需要绘制不同组织的边界,如是,则通过标准化处理和插值操作获取所述采样点的插值结果,基于所述插值结果与阈值的比较,确定所述采样点是否属于预设组织的概率,以避免产生不存在的组织的标签,导致显示错误。然后根据组织的标签读取颜色列表,达到准确绘制所述采样点的目的。
最后,执行步骤209,根据前述步骤得到的采样点的颜色,获取所述若干个组织的体绘制结果。
本实施例中充分利用所述采样点的邻域点信息和组织信息,提高绘制结果的准确性,有效解决图像锯齿失真的问题。
实施例3
本实施例中提供一种肠壁展开显示息肉组织分割结果的体绘制方法,用以显示肠壁展开图像中内边缘光滑的息肉组织,提高图像显示效果。如图6方法流程图和图7a~7b体绘制结果示意图所述,包括:
步骤S601:获取息肉组织分割结果的体数据图像,息肉组织的标签和肠壁的标签构成组织集合。本实施例中,所述息肉组织分割结果可以是图像处理系统输出结果,该处理系统可以是实际存在于成像系统中,也可以通过云计算平台完成相应功能,还可以通过诸如存储系影像归档和通信系统(Picture Archiving and Communication Systems,PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(Positron Emission Tomography,PET)等一种或多种的组合。
所述息肉组织分割结果图像中,包括息肉组织以及肠壁组织,肠壁组织的标签以及息肉组织的标签为对应组织中任一个体数据的一种或多种属性,如灰度、亮度、颜色、对X射线或γ射线的吸收度、氢原子密度、生物分子代谢、受体及神经介质活动等,所述点的图像值可以通过组织的标签表示,所述体数据可以是体素或体素。所述组织集合中预设有息肉组织的标签以及肠壁组织的标签,为便于后续处理中的迭代顺序,根据息肉组织的体绘制目的,预设处理优先级顺序中息肉组织的标签高于肠壁组织。
执行步骤S602:选取体数据空间中任一个采样点;获取所述采样点的8个邻域点,所述邻域点的标签构成邻域点集合。如图2所示,所述采样点x在空间上存在8个邻域点。在三维空间中每个坐标都是对于位置,颜色或密度等属性的定义,即可以采用标签对应表示所述邻域点的属性,以所述邻域点的标签构成邻域点集合,显示软件利用邻域点信息,可以从不同角度观察一个图像的二维或三位绘制结果。本实施例中,还可以选取所述采样点的最近邻域点,根据统计学理论,所述采样点与所述最近邻域点属于相同组织(即体素的标签相同,例如颜色、密度等属性相同)的可能性大于其它邻域点,因此也可以通过处理最近邻域点,对采样点进行处理以确定所述采样点的颜色属性。
执行步骤S603,判断所述邻域点的标签是否属于组织集合。本实施例中,根据前述步骤,息肉组织的标签与肠壁组织的标签构成的组织集合,以及由采样点的8个邻域点的标签构成的邻域点集合,选取所述邻域点集合中任一个邻域点的标签,判断所述邻域点的标签是否属于所述组织集合,即所述邻域点的标签是否与组织集合中的组织的标签存在相同的标签,也就是说该邻域点的属性是否与组织集合中与息肉组织或者肠壁组织的属性相同,即该邻域点是否属于肠壁组织,或者息肉组织或者其它噪音区域。
如否,则执行步骤S604,根据所述邻域点的标签读取颜色列表,确定所述采样点的颜色。所述颜色列表预设有体素的颜色属性,所述颜色属性与体素的图像值呈映射关系,而且体素的图像值可以通过标签,因此可以根据所述邻域点的标签获取所述邻域点对应的采样点的图像值,继而通过采样点的图像值与颜色列表的映射关系获,获取该采样点的颜色属性,以达到对该采样点进行体绘制的目的。本实施例中,所述颜色属性可以是体素灰度值的强度,例如HU值,也可以是根据用户和处理器预设的绘制颜色。本实施例中,还可以根据最近邻域点的标签读取颜色列表,确定所述采样点的颜色。
如是,执行步骤S605~S612,任选一个组织集合中组织的标签,例如,根据所述组织集合的标签顺序选取息肉组织的标签,基于所述标签的标签,遍历所述邻域点集合中各个邻域点的标签,判断所述邻域点的标签与所述组织的标签是否相同,即判断各个邻域点是否属于息肉组织。如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点属于前景区域;否则,设置所述邻域点属于背景区域。前述对邻域点的判断处理也可以是二值化的处理,例如,当所述邻域点的标签与所述息肉组织的标签相同,则设置所述邻域点的图像值为1;否则设置所述邻域点的图像值为0。本实施例中,通过标准化处理各个邻域点的标签作为后续插值处理对象,从而提高体绘制的速度和精度。
针对前述获取的各个邻域点的图像值作插值处理,获取所述采样点的插值结果,根据所述插值结果与阈值进行比较,本实施例中,所述插值方法可以是线性插值、非线性插值、正则化函数的插值法或基于偏微分方程的定向扩散插值法中至少一种。例如,采用线性插值方法。插值公式可参见公式(1),根据插值系数函数,计算各个邻域点相对采样点的插值结果,获取各个邻域点相对采样点的插值结果,最后通过加和、均值或积分等数学形式获取所述采样点的插值结果。例如,插值公式可参见前述公式(1)。
如否,则所述组织集合剩余的标签中选取一个组织的标签,重复步骤S605~S611,直至取完组合集合中的标签。例如本实施例中,所述组织标签中包括息肉组织标签和肠壁组织标签,根据预设的标签优先级,首先选取息肉组织的标签,根据前述步骤S605~S611获取的所述采样点插值结果小于预设阈值,说明所述采样点不属于息肉组织的概率较大,因此继续选取肠壁组织的标签重复S605~S611步骤。所述阈值选取[0.5,1)范围内的常数,本实施例中可以选取为0.5、0.6或者0.8。
否则,根据所述组织的标签读取颜色列表,例如,根据颜色列表中预设所述息肉组织的颜色,对采样点进行体绘制。
执行步骤S613,根据各采样点的颜色,即获取所述息肉分割结果图像中分别属于息肉组织或者肠壁组织的颜色,获取如图7a所示的肠壁展开显示息肉组织分割结果的体绘制结果,由于息肉组织提交较小,需要放大显示,但往往存在组织边缘锯齿失真,影响图像显示效果,通过本实施例提供的医学图像的体绘制方法,图7b所示的息肉组织在放大处理后,边缘光滑并且没有锯齿失真的情况。
综上所述,通过本实施例提供的医学图像的体绘制方法,充分利用采样点邻域点信息,以及分析邻域点的标签和各个组织标签的信息,提高绘制记过的准确性,有效解决图像锯齿失真的问题。
实施例4
本实施例提供医学图像的体绘制系统,如图8和图9提供的示例,包括:输入单元U100,存储单元U200,绘制单元U300和输出设备U400。
所述输入单元,用于获取提供包括若干个组织的体数据图像,所述组织的标签构成组织集合。所述体数据图像包括但不限于通过各类模态的成像系统扫描采集获得三维或二维图像,也可以通过诸如存储系影像归档和通信系统(Picture Archiving andCommunication Systems,PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(Positron Emission Tomography,PET)等一种或多种的组合。所述输入单元U100可以将医学图像发送至存储单元U200作存储处理,也可以传输至绘制单元U300进行图像处理。
所述存储单元U200,可以为具有存储功能的设备。存储由输入单元U100收集的数据(例如,成像设备拍摄的医学图像)和绘制单元U300工作中产生的各种数据。所述存储单元U200可以是本地的,也可以是远程的。所述存储单元U200可以将信息数字化后再以利用电、磁或光学等方式的存储设备加以存储。所述存储单元U200也可以用来存放各种信息例如程序和数据等。数据库120可以是利用电能方式存储信息的设备,例如各种存储器、随机存取存储器(Random Access Memory(RAM))、只读存储器(Read Only Memory(ROM))等。以上提及的存储设备只是列举了一些例子,本实施例中所述体绘制系统的工作环境中可以使用的存储设备并不局限于此。
所述绘制单元U300,用于处理体数据图像的边缘锯齿失真问题,提高图像显示效果。所述体绘制单元U300包括采样子单元U310,确定子单元U320。
所述采样子单元U310,用于选取体数据空间中任一个采样点;获取所述采样点的一个或多个邻域点,所述邻域点的标签构成邻域点集合;
所述确定子单元U320,用于确定所述采样点的颜色;所述确定单元U320包括判断模块U321,用于通过判断所述邻域点的标签是否属于组织集合,从而确定采样点的一个或多个邻域点是否需要插值处理;在一些实施例中,所述邻域点可以为所述采样点的最近邻域点。所述确定单元U30还包括标准化模块U322,用于根据组织标签对所述邻域点的图像值进行标准化处理,例如对各邻域点进行二值化的处理。所述确定单元U30还包括插值模块U323,用于针对标准化处理的所述邻域点的图像值作插值,获取所述采样点的插值结果。
所述输出单元U400,根据各采样点的颜色,显示所述若干个组织的体绘制结果。所述输出单元U400可以输出经过处理的数据。此处的数据,可以是图像体绘制的最终结果,也可以是图像绘制过程中的中间数据。例如,在图像绘制的过程中,输出单元U400可以对输入的体数据图像进行处理、分析,此过程中,中间数据可以包括获取的采样点集合和组织集合,颜色列表等数据,最终结果为体数据图像的绘制结果。数据的形式可以包括但不限于文本、音频、视频、图片等中的一种或几种的组合。输出的数据可以发送给外接设备,也可以不发送。不发送的输出数据可以存储在存储单元U200中。所述输出单元U400可以包括但不限于显示设备、打印设备、绘图仪、影像输出系统、语音输出系统、磁记录设备等中的一种或几种的组合。在一些实施例中,有些外接设备可以同时起到输入和输出的作用,例如,台式电脑、笔记本、智能手机、平板电脑、个人数码助理(personal digital assistance,PDA)等。
综上所述,本实施例提供一种医学图像的体绘制方法及其系统,充分利用采样点邻域点信息,以及组织信息以提高图像显示质量。通过标准化处理各个邻域点的标签,归一化与预设组织的标签相对应的邻域点,作为后续插值处理对象,从而提高体绘制的速度和精度;基于所述插值结果与阈值的比较,确定所述采样点是否属于预设组织的概率,以避免产生不存在的组织的标签,提高绘制结果的准确性,有效解决图像锯齿失真的问题。
需要说明的是,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本发明的部分或全部可借助软件并集合必需的通用硬件平台来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质,这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本发明的实施例来执行操作。机器可读介质可包括,但不限于,软盘、光盘、CD-ROM(只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。
本发明可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所述界定内容为准。
Claims (10)
1.一种医学图像的体绘制方法,其特征在于,包括:
获取包含若干个组织的体数据图像,所述组织的标签构成组织集合;
选取体数据空间中采样点;
获取所述采样点的一个或多个邻域点,所述一个或多个邻域点的标签构成邻域点集合;
判断所述邻域点的标签是否属于组织集合;
基于判断结果确定所述采样点的颜色;
根据各采样点的颜色,获取所述若干个组织的体绘制结果。
2.根据权利要求1所述的体绘制方法,其特征在于,所述基于判断结果确定所述采样点的颜色,包括:
如邻域点的标签属于组织集合,则根据所述组织标签对所述邻域点的图像值进行标准化处理;
针对标准化处理的所述邻域点的图像值作插值处理,获取所述采样点的插值结果;
基于所述插值结果确定所述采样点的颜色;
否则,根据所述邻域点的标签读取颜色列表,确定所述采样点的颜色。
3.根据权利要求2所述的体绘制方法,其特征在于,所述邻域点为所述采样点的最近邻域点,判断所述最近邻域点对应的标签是否属于组织集合;
如是,则根据组织标签对各个邻域点的图像值进行标准化处理;
针对标准化处理的各个邻域点的图像值作插值处理,获取所述采样点的插值结果;
基于所述插值结果确定所述采样点的颜色;
否则,根据所述最近邻域点的标签读取颜色列表,确定所述采样点的颜色。
4.根据权利要求2所述的体绘制方法,其特征在于,所述根据组织标签对所述邻域点的图像值进行标准化处理,包括:
任选一个组织集合中组织的标签,基于所述组织的标签,遍历所述邻域点集合中的所述邻域点的标签;
如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点属于前景区域;
否则,设置所述邻域点属于背景区域。
5.根据权利要求2所述的体绘制方法,其特征在于,所述邻域点的图像值进行标准化处理包括对邻域点的图像值作二值化:
如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点的图像值为1;
否则,设置所述邻域点的图像值为0。
6.根据权利要求2所述的体绘制方法,其特征在于,所述基于插值结果确定所述采样点的颜色,包括:
根据所述采样点的插值结果与阈值进行比较,如大于所述阈值,则根据所述组织的标签读取颜色列表,确定所述采样点的颜色;
否则,继续在所述组织集合剩余的标签中选取一个组织的标签,基于所述组织的标签标准化各邻域点的图像值;针对标准化处理的各个邻域点的图像值作插值,获取所述采样点的插值结果;根据所述采样点的插值结果与阈值进行比较,如大于所述阈值,则根据所述组织的标签,读取颜色列表,确定所述采样点的颜色;
重复上述步骤,直至遍历所述组织集合中所有组织的标签。
7.根据权利要求6所述的体绘制方法,其特征在于,所述基于所述组织的标签标准化各邻域点的图像值,包括:
在所述组织集合剩余的标签中选取一个组织的标签,基于所述组织的标签,遍历所述邻域点集合中的所述邻域点的标签:
如所述邻域点的标签与所述组织的标签相同,则设置所述邻域点属于前景区域;
否则,设置所述邻域点属于背景区域。
8.根据权利要求2所述的体绘制方法,其特征在于,所述插值处理为线性插值、非线性插值、正则化函数的插值法或基于偏微分方程的定向扩散插值法中至少一种。
9.一种医学图像的体绘制系统,其特征在于,包括:
输入单元,用于获取包括若干个组织的体数据图像,所述组织的标签构成组织集合;
输出单元,用于显示若干个组织的体绘制结果;以及
绘制单元,包括采样子单元,确定子单元;
所述采样单元,用于选取体数据空间中任一个采样点;获取所述采样点的一个或多个邻域点,所述邻域点的标签构成邻域点集合;
所述确定单元,用于确定所述采样点的颜色。
10.根据权利要求9所述的体绘制系统,其特征在于,所述确定子单元包括:
标准化模块,用于根据组织标签对所述邻域点的图像值进行标准化处理;
插值模块,用于针对标准化处理的所述邻域点的图像值作插值,获取所述采样点的插值结果;
判断模块,用于根据所述插值结果与阈值进行比较,确定所述采样点的颜色。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611061730.8A CN106530386B (zh) | 2016-11-25 | 2016-11-25 | 医学图像的体绘制方法及其系统 |
PCT/CN2016/113387 WO2017114479A1 (zh) | 2015-12-31 | 2016-12-30 | 图像处理的方法及系统 |
US16/022,873 US10748280B2 (en) | 2015-12-31 | 2018-06-29 | Systems and methods for image processing |
US16/994,733 US11769249B2 (en) | 2015-12-31 | 2020-08-17 | Systems and methods for image processing |
US18/474,215 US20240013391A1 (en) | 2015-12-31 | 2023-09-25 | Systems and methods for image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611061730.8A CN106530386B (zh) | 2016-11-25 | 2016-11-25 | 医学图像的体绘制方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106530386A true CN106530386A (zh) | 2017-03-22 |
CN106530386B CN106530386B (zh) | 2020-08-04 |
Family
ID=58357534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611061730.8A Active CN106530386B (zh) | 2015-12-31 | 2016-11-25 | 医学图像的体绘制方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530386B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920024A (zh) * | 2019-01-29 | 2019-06-21 | 深圳市科曼医疗设备有限公司 | 一种心电向量环的绘制方法和装置 |
CN115496748A (zh) * | 2022-11-08 | 2022-12-20 | 武汉楚精灵医疗科技有限公司 | 小肠图像的肠段识别方法、装置及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6229521B1 (en) * | 1997-04-10 | 2001-05-08 | Sun Microsystems, Inc. | Method for antialiasing fonts for television display |
US7212689B2 (en) * | 2002-11-06 | 2007-05-01 | D. Darian Muresan | Fast edge directed polynomial interpolation |
CN101082983A (zh) * | 2007-06-22 | 2007-12-05 | 崔志明 | 基于感兴趣区域的自适应医学序列图像插值方法 |
CN101373541A (zh) * | 2008-10-17 | 2009-02-25 | 东软集团股份有限公司 | 医学图像体绘制方法及装置 |
WO2012099843A2 (en) * | 2011-01-17 | 2012-07-26 | Stc.Unm | System and methods for random parameter filtering |
CN104167010A (zh) * | 2014-06-03 | 2014-11-26 | 上海联影医疗科技有限公司 | 一种迭代渲染的方法 |
CN104200511A (zh) * | 2014-08-27 | 2014-12-10 | 电子科技大学 | 基于块内插值的多分辨率体绘制方法 |
US20150123970A1 (en) * | 2013-11-04 | 2015-05-07 | Cyrill GYGER | Method for processing image data representing a three-dimensional volume |
WO2016007432A1 (en) * | 2014-07-07 | 2016-01-14 | Fovia, Inc. | Classifying contiguous objects from polygonal meshes with spatially grid-like topology |
CN105957066A (zh) * | 2016-04-22 | 2016-09-21 | 北京理工大学 | 基于自动上下文模型的ct图像肝脏分割方法及系统 |
-
2016
- 2016-11-25 CN CN201611061730.8A patent/CN106530386B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6229521B1 (en) * | 1997-04-10 | 2001-05-08 | Sun Microsystems, Inc. | Method for antialiasing fonts for television display |
US7212689B2 (en) * | 2002-11-06 | 2007-05-01 | D. Darian Muresan | Fast edge directed polynomial interpolation |
CN101082983A (zh) * | 2007-06-22 | 2007-12-05 | 崔志明 | 基于感兴趣区域的自适应医学序列图像插值方法 |
CN101373541A (zh) * | 2008-10-17 | 2009-02-25 | 东软集团股份有限公司 | 医学图像体绘制方法及装置 |
WO2012099843A2 (en) * | 2011-01-17 | 2012-07-26 | Stc.Unm | System and methods for random parameter filtering |
US20150123970A1 (en) * | 2013-11-04 | 2015-05-07 | Cyrill GYGER | Method for processing image data representing a three-dimensional volume |
CN104167010A (zh) * | 2014-06-03 | 2014-11-26 | 上海联影医疗科技有限公司 | 一种迭代渲染的方法 |
WO2016007432A1 (en) * | 2014-07-07 | 2016-01-14 | Fovia, Inc. | Classifying contiguous objects from polygonal meshes with spatially grid-like topology |
CN104200511A (zh) * | 2014-08-27 | 2014-12-10 | 电子科技大学 | 基于块内插值的多分辨率体绘制方法 |
CN105957066A (zh) * | 2016-04-22 | 2016-09-21 | 北京理工大学 | 基于自动上下文模型的ct图像肝脏分割方法及系统 |
Non-Patent Citations (1)
Title |
---|
王伟等: "基于VTK的果实三维重建与可视化研究", 《农机化研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920024A (zh) * | 2019-01-29 | 2019-06-21 | 深圳市科曼医疗设备有限公司 | 一种心电向量环的绘制方法和装置 |
CN109920024B (zh) * | 2019-01-29 | 2023-02-03 | 深圳市科曼医疗设备有限公司 | 一种心电向量环的绘制方法和装置 |
CN115496748A (zh) * | 2022-11-08 | 2022-12-20 | 武汉楚精灵医疗科技有限公司 | 小肠图像的肠段识别方法、装置及存储介质 |
CN115496748B (zh) * | 2022-11-08 | 2023-03-14 | 武汉楚精灵医疗科技有限公司 | 小肠图像的肠段识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106530386B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11935644B2 (en) | Deep learning automated dermatopathology | |
CN109583440B (zh) | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 | |
US8355553B2 (en) | Systems, apparatus and processes for automated medical image segmentation using a statistical model | |
US20190139227A1 (en) | Methods and systems for image segmentation | |
CN105167793B (zh) | 图像显示装置、显示控制装置及显示控制方法 | |
CN108022238A (zh) | 对3d图像中对象进行检测的方法、计算机存储介质和系统 | |
CN110517238B (zh) | Ct医学影像ai三维重建与人机交互可视化网络系统 | |
CN109978037A (zh) | 图像处理方法、模型训练方法、装置、和存储介质 | |
CN106611413A (zh) | 图像分割方法及其系统 | |
CN103222876B (zh) | 医用图像处理装置、图像诊断装置、计算机系统以及医用图像处理方法 | |
CN110335256A (zh) | 一种病理辅助诊断方法 | |
CN109003269A (zh) | 一种能提高医生效率的医学影像病灶的标注提取方法 | |
CN115830017B (zh) | 基于图文多模态融合的肿瘤检测系统、方法、设备及介质 | |
CN107833229A (zh) | 信息处理方法、装置及系统 | |
DE112011104887B4 (de) | Nichtflüchtiges computerlesbares Speichermedium zur Darstellung von Markierungen der computergestützten Detektion bei der computertomographischen Diagnose des Dickdarms | |
CN111383328A (zh) | 一种面向乳腺癌病灶的3d可视化方法及系统 | |
CN106530386A (zh) | 医学图像的体绘制方法及其系统 | |
US11676273B2 (en) | Methods and systems for displaying image | |
US11830622B2 (en) | Processing multimodal images of tissue for medical evaluation | |
Mikhailov et al. | A deep learning-based interactive medical image segmentation framework | |
CN114972026A (zh) | 图像处理方法和存储介质 | |
CN114037830A (zh) | 增强图像生成模型的训练方法、图像处理方法及装置 | |
Chen | Study on Medical Image Processing Technologies Based on DICOM. | |
CN106683058A (zh) | 医学图像的校正方法及其装置 | |
CN116344001B (zh) | 一种基于人工智能的医疗信息可视化管理系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |