CN106780472A - 肿瘤包绕血管的包绕程度确定方法及装置 - Google Patents

肿瘤包绕血管的包绕程度确定方法及装置 Download PDF

Info

Publication number
CN106780472A
CN106780472A CN201611209139.2A CN201611209139A CN106780472A CN 106780472 A CN106780472 A CN 106780472A CN 201611209139 A CN201611209139 A CN 201611209139A CN 106780472 A CN106780472 A CN 106780472A
Authority
CN
China
Prior art keywords
point
blood vessel
profile
vessel
tumour
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
Application number
CN201611209139.2A
Other languages
English (en)
Other versions
CN106780472B (zh
Inventor
蔡金凤
郑凌
佟斌
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.)
Neusoft Corp
Original Assignee
Neusoft Corp
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 Neusoft Corp filed Critical Neusoft Corp
Priority to CN201611209139.2A priority Critical patent/CN106780472B/zh
Publication of CN106780472A publication Critical patent/CN106780472A/zh
Application granted granted Critical
Publication of CN106780472B publication Critical patent/CN106780472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种肿瘤包绕血管的包绕程度确定方法及装置,涉及生物医学技术领域,主要目的在于能够保证肿瘤包绕血管的包绕程度计算的准确性。所述方法包括:获取血管分割图像,血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像;根据血管分割图像中分割出的血管点识别出血管的血管轮廓;通过遍历血管轮廓上的点,以及与所述点前后相邻的且在血管轮廓上的两个点,确定血管与肿瘤粘连的点;通过遍历血管轮廓上的点确定血管轮廓的轮廓长度,并通过遍历血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度;根据轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度。本发明适用于确定肿瘤包绕血管的包绕程度。

Description

肿瘤包绕血管的包绕程度确定方法及装置
技术领域
本发明涉及生物医学技术领域,特别是涉及一种肿瘤包绕血管的包绕程度确定方法及装置。
背景技术
快速、全面而准确地对临床常见的肿瘤做出诊断,并对肿瘤和其周围血管的关系做出评估,尤其是确定出肿瘤包绕血管的包绕程度,对手术的可行性及手术方式的选择等方面具有指导性的作用,其临床意义非常重要,很大程度上影响到疾病的预后和患者术后的生活质量。
肿瘤和血管有较好的相关性,被肿瘤推移的重要血管主要呈现两种改变:一种是血管平滑移位,血管轮廓光滑柔和;另一种是肿瘤与血管交界不规则,血管狭窄。手术中发现:如果电子计算机断层扫描血管造影(Computed Tomography angiography,CTA)显示相应血管与肿瘤无粘连或轻度粘连,肿瘤可完整从血管上分离,则认为肿瘤未侵蚀血管;若CTA显示血管与肿瘤明显粘连,甚至被肿瘤包裹,肿瘤与血管分离困难,则认为肿瘤侵蚀血管。肿瘤包绕血管的包绕程度结合CTA检查结果,对术前进行评估、确定手术方法、手术入路在临床上具有十分重要意义。例如,在进行侵袭性胸腺瘤、肿瘤、肾癌等肿瘤切除手术前,评价肿瘤对周围血管的浸润、侵入和包绕情况对临床十分有意义。
目前,主要通过人工方式估算肿瘤包绕血管的包绕程度,即主要由医生大概估算肿瘤包绕血管的包绕程度,由医生一层层观察肿瘤包绕血管的包绕程度。然而,通过人工方式估算肿瘤包绕血管的包绕程度,会造成测量的肿瘤包绕血管的包绕程度的工作量较大,导致肿瘤包绕血管的包绕程度效率较低,且无法对肿瘤包绕血管的包绕程度进行定量测量,从而无法为手术方法、手术入路等提供准确依据,且无法为手术前切除肿瘤的难易程度、手术风险和手术效果的评估提供准确依据。
发明内容
有鉴于此,本发明提出了一种肿瘤包绕血管的包绕程度确定方法及装置,主要目的在于解决由于现有技术中通过人工方式估算肿瘤包绕血管的包绕程度效率较低,且无法肿瘤包绕血管的包绕程度进行定量测量的问题。
为达到上述目的,本发明提供以下技术方案:
一方面,本发明提供一种肿瘤包绕血管的包绕程度确定方法,包括:
获取血管分割图像,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像;
根据所述血管分割图像中分割出的血管点分别识别出血管的血管轮廓;
通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点;
通过遍历所述血管轮廓上的点确定所述血管轮廓的轮廓长度,并通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度;
根据所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度。
进一步地,所述通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点包括:
通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定用于判断血管是否与肿瘤粘连的直线;
确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点;
若为肿瘤上的点,则将所述点确定为血管与肿瘤粘连的点。
进一步地,所述通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确用于判断血管是否与肿瘤粘连的直线包括:
获取所述血管轮廓上的点,与所述点前后相邻的且在所述血管轮廓上的两个点,并获取所述两个点确定的第一直线;
将过所述点且与所述第一直线相垂直的第二直线,确定为用于判断血管是否与肿瘤粘连的直线。
进一步地,所述确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点包括:
确定与所述点相邻的且在所述直线上的点的灰度值是否与肿瘤的灰度值相匹配;
若相匹配,则确定在所述直线上且与所述点相邻的点为肿瘤上的点。
进一步地,所述根据所述血管分割图像中分割出的血管点识别出血管的血管轮廓包括:
对所述血管分割图像中分割出的血管进行膨胀处理;
根据膨胀处理后的血管长度大小建立掩码数组,并在所述掩码数组中标记分割出的血管点;
从所述掩码数组中选取一个未被选取过的点;
判断选取点的预设邻域内是否存在未被选取过的点或者是否存在分割出的血管点;
若存在未被选取过的点,则从所述掩码数组中选取未被选取过的点作为下一个判断的输入;
若存在分割出的血管点,则将所述掩码数组中所述分割出的血管点标记为血管轮廓上的点;
当访问完所述选取点的预设邻域后,将所述选取点标记为被选取过的点;
当所述掩码数组中不存在未被选取过的点时,通过访问标记为血管轮廓上的点确定血管的血管轮廓。
进一步地,所述通过遍历所述血管轮廓上的点确定所述血管轮廓的轮廓长度包括:
通过遍历所述血管轮廓上的点确定所述血管轮廓上点的个数;
根据所述血管轮廓上点的个数确定所述血管轮廓的轮廓长度;
所述通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度包括:
通过遍历所述血管与肿瘤粘连的点确定所述血管与肿瘤粘连点的个数;
根据所述血管与肿瘤粘连点的个数确定肿瘤包绕血管的包绕长度。
进一步地,所述根据所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度包括:
将所述包绕长度和所述轮廓长度的比值确定为肿瘤包绕血管的包绕程度。
优选地,所述血管为在横状面、失状面、冠状面中的血管。
另一方面,本发明提供了一种肿瘤包绕血管的包绕程度确定装置,包括:
获取单元,用于获取血管分割图像,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像;
识别单元,用于根据所述获取单元获取的所述血管分割图像中分割出的血管点分别识别出血管的血管轮廓;
确定单元,用于通过遍历所述识别单元识别的所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点;
所述确定单元,用于通过遍历所述血管轮廓上的点确定所述血管轮廓的轮廓长度,并通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度;
计算单元,用于根据所述确定单元确定的所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度。
进一步地,所述确定单元包括:
第一确定模块,用于通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定用于判断血管是否与肿瘤粘连的直线;
第二确定模块,用于所述第一确定模块确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点;
第三确定模块,用于若所述第二确定模块确定与所述点相邻的且在所述直线上的点为肿瘤上的点,则将所述点确定为血管与肿瘤粘连的点。
进一步地,所述第一确定模块包括:
获取子模块,用于获取所述血管轮廓上的点,与所述点前后相邻的且在所述血管轮廓上的两个点,并获取所述两个点确定的第一直线;
第一确定子模块,用于将过所述获取子模块获取的所述点且与所述第一直线相垂直的第二直线,确定为用于判断血管是否与肿瘤粘连的直线。
进一步地,所述第二确定模块包括:
第二确定子模块,用于确定与所述点相邻的且在所述直线上的点的灰度值是否与肿瘤的灰度值相匹配;
第三确定子模块,用于若所述第二确定子模块确定与所述点相邻的且在所述直线上的点的灰度值与肿瘤的灰度值相匹配,则确定在所述直线上且与所述点相邻的点为肿瘤上的点。
进一步地,所述识别单元包括:
膨胀模块,用于对所述血管分割图像中分割出的血管进行膨胀处理;
建立模块,用于根据所述膨胀模块膨胀处理后的血管长度大小建立掩码数组;
标记模块,用于在所述建立模块建立的所述掩码数组中标记分割出的血管点;
选取模块,用于从所述建立模块建立的所述掩码数组中选取一个未被选取过的点;
判断模块,用于判断选取点的预设邻域内是否存在未被选取过的点或者是否存在分割出的血管点;
所述选取模块,还用于若所述判断模块判断选取点的预设邻域内存在未被选取过的点,则从所述掩码数组中选取未被选取过的点作为下一个判断的输入;
所述标记模块,还用于若所述判断模块判断选取点的预设邻域内存在分割出的血管点,则将所述掩码数组中所述分割出的血管点标记为血管轮廓上的点,并当访问完所述选取点的预设邻域后,将所述选取点标记为被选取过的点;
第四确定模块,用于当所述掩码数组中不存在未被选取过的点时,通过访问标记为血管轮廓上的点确定血管的血管轮廓。
进一步地,所述确定单元包括:
第五确定模块,用于通过遍历所述识别单元识别的所述血管轮廓上的点确定所述血管轮廓上点的个数;
第六确定模块,还用于根据所述第五确定模块确定的血管轮廓上点的个数确定所述血管轮廓的轮廓长度;
所述第五确定模块,还用于通过遍历所述血管与肿瘤粘连的点确定所述血管与肿瘤粘连点的个数;
所述第六确定模块,还用于根据所述第五确定模块确定的所述血管与肿瘤粘连点的个数确定肿瘤包绕血管的包绕长度。
进一步地,所述计算单元,具体用于将所述包绕长度和所述轮廓长度的比值确定为肿瘤包绕血管的包绕程度。
优选的,所述血管为在横状面、失状面、冠状面中的血管。
本发明提供一种肿瘤包绕血管的包绕程度确定方法及装置,与目前通过主要通过人工方式估算出肿瘤包绕血管的包绕程度相比,本发明通过获取血管分割图像,然后根据所述血管分割图像中分割出的血管点自动识别出血管的血管轮廓;进而通过遍历所述血管轮廓上的点以及与所述点前后相邻的且在所述血管轮廓上的两个点,自动确定血管与肿瘤粘连的点;并通过遍历所述血管轮廓上的点,自动确定血管轮廓的轮廓长度,以及通过遍历所述血管与肿瘤粘连的点,自动确定肿瘤包绕血管的包绕长度。与此同时,通过所述轮廓长度和所述包绕长度自动计算出肿瘤包绕血管的包绕程度,减轻了医生测量肿瘤包绕血管的包绕程度的工作量,从而提升了肿瘤包绕血管的包绕程度测量的效率,此外,实现了对肿瘤包绕血管的包绕程度进行定量测量,从而实现了为手术方法、手术入路等提供准确依据,且实现了为手术前切除肿瘤的难易程度、手术风险和手术效果的评估提供有准确依据。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种肿瘤包绕血管的包绕程度确定方法流程示意图;
图2示出了本发明实施例提供的胰腺癌包绕血管的医学图像;
图3示出了本发明实施例提供的一种血管分割图像;
图4示出了本发明实施例提供的另一种血管分割图像;
图5示出了本发明实施例提供的另一种肿瘤包绕血管的包绕程度确定方法流程示意图;
图6示出了本发明实施例提供的一种肿瘤包绕血管的包绕程度确定装置的结构示意图;
图7示出了本发明实施例提供的另一种肿瘤包绕血管的包绕程度确定装置的结构示意图。
具体实施方式
下面将参照附图更加详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种肿瘤包绕血管的包绕程度确定方法,如图1所示,所述方法包括:
101、获取血管分割图像。
其中,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像。
其中,肿瘤包绕血管的医学图像可以为通过医学图像采集设备采集的。所述医学采集设备可以为CT设备等。具体地,所述肿瘤包绕血管的医学图像可以为在手术前对患者的胰腺器官进行检查时采集的。所述肿瘤包绕血管的医学图像包括肿瘤、组织器官和血管,具体地,若组织器官为胰腺,肿瘤为胰腺癌,胰腺癌包绕血管的医学图像的示意图,可以如图2所示,图2中清晰的显示出了胰腺癌包绕组织器官周围血管的示意图。如图3所示,图3清晰的显示了血管分割图像。所述血管分割图像具体可以为利用血管的形态学、CT像素灰度值、解剖学等信息,结合图像分割算法对肿瘤包绕血管的医学图像进行血管分割得到的。所述图像分割算法可以为基于边缘的分割算法、基于区域的分割算法、基于活动轮廓模型的分割算法等。
需要说明的是,本发明实施例的执行主体肿瘤包绕血管的包绕程度确定装置可以为独立于医学图像采集设备的分析工具,也可以为嵌入在医学图像采集设备中的功能模块,本发明实施例在此不做限定。
102、根据血管分割图像中分割出的血管点识别出血管的血管轮廓。
其中,所述血管可以为横断面、冠状面、矢状面中的血管。因此,步骤102具体可以为:根据血管分割图像中分割出的血管点分别识别出横断面、冠状面、矢状面中血管的血管轮廓,以及根据血管轮廓上的点识别出横断面、冠状面、矢状面中肿瘤包绕血管的包绕轮廓。
对于本发明实施例,所述分割出的血管点可以为分割血管上的各个点,为了方便理解分割出的血管点,对图3中血管分割图像的进行了处理,得到图4,但在实际应用中可以不对分割的血管点进行标记,图4中A点、B点、C点、D点、E点为分割出的血管点,而F点并非分割出的血管点。所述根据血管分割图像中分割出的血管点识别出血管的血管轮廓的步骤,具体可以为:首先从血管分割图像中任选一分割出的血管点作为种子点;然后从种子点开始区域生长,即从种子点开始查找,查找与种子点性质相同且空间相邻的点,所述性质可以为血管的灰度、纹理、色彩等,并将与种子点性质相同且空间相邻的点作为下次查找的种子点,不断重复查找与种子点性质相同且空间相邻的点,直到遍历完血管分割图像上的所有点,将血管所占领的区域查找出来,进而可以将血管的血管轮廓从血管所占领的区域中识别出来。
103、通过遍历血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点。
对于本发明实施例,步骤103具体可以包括:通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定用于判断血管是否与肿瘤粘连的直线;确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点;若为肿瘤上的点,则将所述点确定为血管与肿瘤粘连的点。由于血管轮廓上的点在血管分割图像中以像素坐标形式存在,因此与所述点相邻的点为在血管轮廓上,且像素坐标位置所述点相邻的点。如图4所示,血管轮廓上的点为C点,在血管轮廓上且与C点相邻的点为D点和E点,具体地,所述查找肿瘤和血管的粘连点的过程为:获取与所述点前后相邻的两个点的第一直线,然后获取过所述点且与所述第一直线相垂直的第二直线,所述第二直线为用于判断血管是否与肿瘤粘连的直线。然后查找第二直线上与所述点相邻的点为肿瘤上的点,则血管轮廓上的点即为肿瘤和血管的粘连点。同样地,通过遍历血管轮廓上的点,可以查找出所有肿瘤和血管的粘连点。
以图4为例,血管轮廓上的点为C点,在血管轮廓上,且与C点前后相邻的两个点为D点和E点,D点和E点确定的第一直线为直线L1,过C点且与直线L1相垂直的直线为直线L2,直线L2为用于判断血管是否与肿瘤粘连的直线,此时,判断直线L2上与C点相邻的G点是否为肿瘤上点,若G点为肿瘤上的点,则血管轮廓上的C点即为肿瘤和血管的粘连点。同样地,可以查找出所有肿瘤和血管的粘连点。
104、通过遍历血管轮廓上的点确定血管轮廓的轮廓长度,并通过遍历血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度。
需要说明的是,为了确定血管轮廓的轮廓长度,可以通过遍历血管轮廓上的点统计血管轮廓上点的个数,然后根据血管轮廓上点的个数确定血管轮廓的轮廓长度。同样地,为了确定肿瘤包绕血管的包绕长度,可以通过遍历血管与肿瘤粘连的点,统计血管与肿瘤粘连点的个数,然后根据血管与肿瘤粘连点的个数确定肿瘤包绕血管的包绕长度。
105、根据血管轮廓的轮廓长度和肿瘤包绕血管的包绕长度,计算肿瘤包绕血管的包绕程度。
对于本发明实施例,可以将所述包绕长度与所述轮廓长度的比值确定为肿瘤包绕血管的包绕程度。例如,所述轮廓长度为C1,所述包绕长度为C2,则计算出的肿瘤包绕血管的包绕程度可以为C2/C1*100%。
本发明实施例提供的一种肿瘤包绕血管的包绕程度确定方法,与目前通过主要通过人工方式估算出肿瘤包绕血管的包绕程度相比,本发明通过获取血管分割图像,然后根据所述血管分割图像中分割出的血管点自动识别出血管的血管轮廓;进而通过遍历所述血管轮廓上的点以及与所述点前后相邻的且在所述血管轮廓上的两个点,自动确定血管与肿瘤粘连的点;并通过遍历所述血管轮廓上的点,自动确定血管轮廓的轮廓长度,以及通过遍历所述血管与肿瘤粘连的点,自动确定肿瘤包绕血管的包绕长度。与此同时,通过所述轮廓长度和所述包绕长度自动计算出肿瘤包绕血管的包绕程度,减轻了医生测量肿瘤包绕血管的包绕程度的工作量,从而提升了肿瘤包绕血管的包绕程度测量的效率,此外,实现了对肿瘤包绕血管的包绕程度进行定量测量,从而实现了为手术方法、手术入路等提供准确依据,且实现了为手术前切除肿瘤的难易程度、手术风险和手术效果的评估提供有准确依据。
本发明实施例提供了另一种肿瘤包绕血管的包绕程度确定方法,如图5所示,所述方法包括:
201、获取血管分割图像。
其中,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像。
202、根据血管分割图像中分割出的血管点识别出血管的血管轮廓。
对于本发明实施例,步骤202具体可以包括:对所述血管分割图像中分割出的血管进行膨胀处理;根据膨胀处理后的血管长度大小建立掩码数组,并在所述掩码数组标记分割出的血管点;从所述掩码数组中选取一个未被选取过的点;判断选取点的预设邻域内是否存在未被选取过的点或者是否存在分割出的血管点;若存在未被选取过的点,则从所述掩码数组中选取未被选取过的点;若存在分割出的血管点,则将所述掩码数组中所述分割出的血管点标记为血管轮廓上的点并将所述选取点标记为被选取过的点;当所述掩码数组中不存在未被选取过的点时,通过访问标记为血管轮廓上的点确定血管的血管轮廓。
对于本发明实施例,所述对所述血管分割图像中分割出的血管进行膨胀处理的过程可以为:使用图像形态学原理对所述血管分割图像中分割出的血管进行膨胀处理,使得分割出的血管向外膨胀一圈,从而能够保证只考虑膨胀处理后的这一圈血管中的肿瘤,节省了识别肿瘤包绕血管的包绕轮廓所消耗的时间,从而提升了肿瘤包绕血管的包绕程度分析的效率。
需要说明的是,当血管分割图像中存在多条血管时,为了识别出多条血管的血管轮廓,所述根据膨胀处理后的血管长度大小建立掩码数组的过程可以为:获取膨胀处理后的血管长度大小,然后建立数组大小大于血管长度大小的掩码数组,如建立血管长度大小加一的掩码数组,根据血管分割图像中各个像素点的坐标特性,所述掩码数据可以为二维数组。通过将建立数组大小大于血管长度大小的掩码数组,能够使得同一层面的不同血管轮廓处于同一个连通区域,使得在掩码数组中经过一次区域生成就可以识别出所有的血管轮廓,避免了识别多条血管轮廓时需要多次区域生长所消耗的区域生长时间,从而提升了节省了识别肿瘤包绕血管的包绕轮廓所消耗的时间,从而提升了肿瘤包绕血管的包绕程度分析的效率。
为了更好的理解血管轮廓的识别过程,本发明实施例可以通过如下方式解释血管轮廓的识别过程:
1)、根据膨胀处理后的血管长度大小,建立mask数组、链表L1、链表L2、其中,mask数组用于记录血管分割图像中的各个点状态,链表L1用于存放mask中未被选取的点,链表L2用于存放血管轮廓上的点;
2)、初始化mask数组,并在mask数组中标记分割出的血管点;
3)、从mask数组选取一个未被选取的点a开始区域生长,将a点加入到链表L1,然后判断a点的八邻域是否存在未被选取的点,如果存在未被选取的点,则将未被选取的点加入到链表L1。并判断a点的八邻域是否存在分割出的血管点,如果存在分割出的血管点,则在mask数组中将分割出的血管点标记为血管轮廓上的点,在mask数组中将a点标记为血管轮廓外的点,并将a点从链表L1取出。
4)、当链表L1不为空时,从链表L1中取出一个未被选取的点,重复执行步骤3);当链表L1为空时,则执行步骤5)。
5)、遍历mask数组,并设置当前点为b点,判断b点是否为血管轮廓上的点。若为血管轮廓上的点,则将b点加入到链表L2中。
6)、访问b点的八邻域内是否存在血管轮廓上的点,若存在,则将b点的八邻域内为血管轮廓上的点加入到链表L2中,并在mask数组中将b点标记为已标记的血管轮廓上的点。
7)、当访问完链表L2中的所有点时,执行步骤9);当未访问完链表L2中的所有点时,访问链表L2中b点之后的点,并将b点之后的点作为步骤6)中的b点,并重复执行步骤6);
8)遍历mask数组看是否还存在未被标记的血管轮廓上的点,若存在则将其当做6)中的b并重复6)过程。
9)、根据链表L2中的所有点确定横断面、冠状面或矢状面其中某层的一条血管的血管轮廓。由于血管分割图像中可能存在多条血管轮廓。
在本发明实施例中,通过上述步骤1)-步骤5)实现了根据血管分割图像中分割出的血管点,将血管所占领的区域查找出来,通过上述步骤6)-步骤9)实现了将血管的血管轮廓从血管所占领的区域中识别出来。通过根据血管分割图像中分割出的血管点识别出血管的血管轮廓,能够避免将非血管轮廓上的点误判为血管轮廓上的点,从而能够保证血管轮廓识别的准确性。
203、通过遍历血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定用于判断血管是否与肿瘤粘连的直线。
对于本发明实施例,步骤203具体可以包括:获取所述血管轮廓上的点,与所述点前后相邻的且在所述血管轮廓上的两个点,并获取所述两个点确定的第一直线;将过所述点且与所述第一直线相垂直的第二直线,确定为用于判断血管是否与肿瘤粘连的直线。
例如,若当前遍历的血管轮廓上的点为a点,则可以获取血管轮廓上,向前和向后相隔a点3个点(具体相隔点的个数可以根据用户需求进行调整)的pre_a点和next_a点,连接pre_a点和next_a点形成直线L1,将过a点且垂直于直线L1的直线L2,确定为用于判断血管是否与肿瘤粘连的直线。
需要说明的是,由于血管为圆柱形且所述第二直线,能够唯一确定血管与肿瘤粘连的点,通过将第二直线,确定为用于判断血管是否与肿瘤粘连的直线,能够避免将血管与肿瘤非粘连点误判为血管与肿瘤粘连的点,从而能够保证肿瘤包绕血管的包绕轮廓识别的准确性。
204、确定与所述点相邻的且在用于判断血管是否与肿瘤粘连的直线上的点是否为肿瘤上的点。
对于本发明实施例,为了确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点,即为了确定与血管粘连的点是否为肿瘤上的点,从而识别出血管与肿瘤粘连的点,步骤204具体可以包括:确定与所述点相邻的且在所述直线上的点的灰度值是否与肿瘤的灰度值相匹配;若相匹配,则确定在所述直线上且与所述点相邻的点为肿瘤上的点。
其中,所述肿瘤的灰度值可以根据用户需要进行设置,也可以根据系统模式进行设置,本发明实施例不做限定。例如,所述肿瘤的灰度值可以为9,10等。若肿瘤的灰度值为9,与血管轮廓上的点相邻的且在用于判断血管是否与肿瘤粘连的直线上的点的灰度值也为9,则确定该点为肿瘤上的点。
205、若为肿瘤上的点,则将血管轮廓上的点确定为血管与肿瘤粘连的点。
对于本发明实施例,通过确定与所述点相邻的且在用于判断血管是否与肿瘤粘连的直线上的点是否为肿瘤上的点,能够实现判断与血管轮廓上的点相邻的点是否为肿瘤上的点,若为肿瘤上的点,则可以确定血管轮廓上的点为血管与肿瘤粘连的点。与目前通过判断血管轮廓上点的八邻域是否存在肿瘤上的点,确定血管与肿瘤粘连的点相比,本发明实施例避免了将肿瘤与血管非粘连点误判为血管与肿瘤粘连的点,从而能够保证肿瘤包绕血管的包绕轮廓识别的准确性。
206、通过遍历血管轮廓上的点确定血管轮廓的轮廓长度,并通过遍历血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度。
对于本发明实施例,为了确定所述血管轮廓的轮廓长度,所述通过遍历血管轮廓上的点确定血管轮廓的轮廓长度具体可以包括:通过遍历所述血管轮廓上的点确定所述血管轮廓上点的个数;根据所述血管轮廓上点的个数确定所述血管轮廓的轮廓长度。
对于本发明实施例,为了确定肿瘤包绕血管的包绕长度,所述通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度具体可以包括:通过遍历所述血管与肿瘤粘连的点确定所述血管与肿瘤粘连点的个数;根据所述血管与肿瘤粘连点的个数确定肿瘤包绕血管的包绕长度。
207、根据血管轮廓的轮廓长度和肿瘤包绕血管的包绕长度,计算肿瘤包绕血管的包绕程度。
对于本发明实施例,步骤207具体可以包括:将所述包绕长度和所述轮廓长度的比值确定为肿瘤包绕血管的包绕程度。
例如,若血管轮廓的轮廓长度为3cm,肿瘤包绕血管的包绕轮廓的包绕长度为2cm,则计算出肿瘤包绕血管的包绕程度为67.8%,若血管轮廓的轮廓长度为5cm,肿瘤包绕血管的包绕轮廓的包绕长度为3cm,则确定肿瘤包绕血管的包绕程度为60%。
本发明实施例提供的另一种肿瘤包绕血管的包绕程度确定方法,与目前通过主要通过人工方式估算出肿瘤包绕血管的包绕程度相比,本发明通过获取血管分割图像,然后根据所述血管分割图像中分割出的血管点自动识别出血管的血管轮廓;进而通过遍历所述血管轮廓上的点以及与所述点前后相邻的且在所述血管轮廓上的两个点,自动确定血管与肿瘤粘连的点;并通过遍历所述血管轮廓上的点,自动确定血管轮廓的轮廓长度,以及通过遍历所述血管与肿瘤粘连的点,自动确定肿瘤包绕血管的包绕长度。与此同时,通过所述轮廓长度和所述包绕长度自动计算出肿瘤包绕血管的包绕程度,减轻了医生测量肿瘤包绕血管的包绕程度的工作量,从而提升了肿瘤包绕血管的包绕程度测量的效率,此外,实现了对肿瘤包绕血管的包绕程度进行定量测量,从而实现了为手术方法、手术入路等提供准确依据,且实现了为手术前切除肿瘤的难易程度、手术风险和手术效果的评估提供有准确依据。进一步地,由于血管为圆柱形且所述第二直线,能够唯一确定血管与肿瘤粘连的点,通过将第二直线,确定为用于判断血管是否与肿瘤粘连的直线,能够避免将血管与肿瘤非粘连点误判为血管与肿瘤粘连的点,从而能够保证肿瘤包绕血管的包绕轮廓识别的准确性。
进一步地,作为图1的具体实现,本发明实施例提供了一种肿瘤包绕血管的包绕程度确定装置,如图6所示,所述装置包括:获取单元31、识别单元32、确定单元33和计算单元34。
所述获取单元31,可以用于获取血管分割图像,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像。所述血管分割图像具体可以为利用血管的形态学、CT像素灰度值、解剖学等信息,结合图像分割算法对肿瘤包绕血管的医学图像进行血管分割得到的。所述图像分割算法可以为基于边缘的分割算法、基于区域的分割算法、基于活动轮廓模型的分割算法等。
所述识别单元32,可以用于根据所述获取单元31获取的所述血管分割图像中分割出的血管点分别识别出血管的血管轮廓。通过根据血管分割图像中分割出的血管点识别出血管的血管轮廓,能够避免将非血管轮廓上的点误判为血管轮廓上的点,从而能够保证血管轮廓识别的准确性。
所述确定单元33,可以用于通过遍历所述识别单元32识别的所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点。
所述确定单元33,用于通过遍历所述识别单元32识别的所述血管轮廓上的点确定所述血管轮廓的轮廓长度,并通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度。
所述计算单元34,用于根据所述确定单元33确定的所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度。
需要说明的是,本发明实施例提供的一种肿瘤包绕血管的包绕程度确定装置所涉及各功能单元的其他相应描述,可以参考图1所示方法的对应描述,在此不再赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供的一种肿瘤包绕血管的包绕程度确定装置,与目前通过主要通过人工方式估算出肿瘤包绕血管的包绕程度相比,本发明通过获取血管分割图像,然后根据所述血管分割图像中分割出的血管点自动识别出血管的血管轮廓;进而通过遍历所述血管轮廓上的点以及与所述点前后相邻的且在所述血管轮廓上的两个点,自动确定血管与肿瘤粘连的点;并通过遍历所述血管轮廓上的点,自动确定血管轮廓的轮廓长度,以及通过遍历所述血管与肿瘤粘连的点,自动确定肿瘤包绕血管的包绕长度。与此同时,通过所述轮廓长度和所述包绕长度自动计算出肿瘤包绕血管的包绕程度,减轻了医生测量肿瘤包绕血管的包绕程度的工作量,从而提升了肿瘤包绕血管的包绕程度测量的效率,此外,实现了对肿瘤包绕血管的包绕程度进行定量测量,从而实现了为手术方法、手术入路等提供准确依据,且实现了为手术前切除肿瘤的难易程度、手术风险和手术效果的评估提供有准确依据。
进一步地,作为图5的具体实现,本发明实施例提供了另一种肿瘤包绕血管的包绕程度确定装置,如图7所示,所述装置包括:获取单元41、识别单元42、确定单元43和计算单元44。
所述获取单元41,可以用于获取血管分割图像,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像。
所述识别单元42,可以用于根据所述获取单元41获取的所述血管分割图像中分割出的血管点分别识别出血管的血管轮廓。其中,所述血管为在横状面、失状面、冠状面中的血管。
所述确定单元43,可以用于通过遍历所述识别单元42识别的所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点。
所述确定单元43,用于通过遍历所述识别单元42识别的所述血管轮廓上的点确定所述血管轮廓的轮廓长度,并通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度。
所述计算单元44,用于根据所述确定单元43确定的所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度。
对于本发明实施例,为了确定血管与肿瘤粘连的点,所述确定单元43包括:第一确定模块431、第二确定模块432和第三确定模块433。
所述第一确定模块431,可以用于通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定用于判断血管是否与肿瘤粘连的直线。
所述第二确定模块432,可以用于所述第一确定模块431确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点。
所述第三确定模块433,可以用于若所述第二确定模块432确定与所述点相邻的且在所述直线上的点为肿瘤上的点,则将所述肿瘤上的点确定为血管与肿瘤粘连的点。
对于本发明实施例,为了确定用于判断血管是否与肿瘤粘连的直线,所述第一确定模块431包括:获取子模块4311和第一确定子模块4312。
所述获取子模块4311,可以用于获取所述血管轮廓上的点,与所述点前后相邻的且在所述血管轮廓上的两个点,并获取所述两个点确定的第一直线。
所述第一确定子模块4312,可以用于将过所述获取子模块4311获取的所述点且与所述第一直线相垂直的第二直线,确定为用于判断血管是否与肿瘤粘连的直线。
需要说明的是,由于血管为圆柱形且所述第二直线,能够唯一确定与血管粘连的点,因此,通过将过所述点且与所述两个点确定直线相垂直的直线,确定为用于判断血管是否与肿瘤粘连的直线,能够避免将肿瘤与血管非粘连点误判为血管与肿瘤粘连的点,从而能够保证肿瘤包绕血管的包绕轮廓识别的准确性。
对于本发明实施例,为了确定在所述直线上且与所述点相邻的点为肿瘤上的点,所述第二确定模块432包括:第二确定子模块4321和第三确定子模块4322。
所述第二确定子模块4321,可以用于确定与所述点相邻的且在所述直线上的点的灰度值是否与肿瘤的灰度值相匹配。
所述第三确定子模块4322,可以用于若所述第二确定子模块4321确定与所述点相邻的且在所述直线上的点的灰度值与肿瘤的灰度值相匹配,则确定在所述直线上且与所述点相邻的点为肿瘤上的点。其中,所述肿瘤的灰度值可以根据用户需要进行设置,也可以根据系统模式进行设置,本发明实施例不做限定。例如,所述肿瘤的灰度值可以为-8,10等。
对于本发明实施例,为了识别血管的血管轮廓,所述识别单元42包括:膨胀模块421、建立模块422、标记模块423、选取模块424、判断模块425、第四确定模块426。
所述膨胀模块421,可以用于对所述血管分割图像中分割出的血管进行膨胀处理。所述对所述血管分割图像中分割出的血管进行膨胀处理的过程可以为:使用图像形态学原理对所述血管分割图像中分割出的血管进行膨胀处理,使得分割出的血管向外膨胀一圈,从而能够保证只考虑膨胀处理后的这一圈血管中的肿瘤,节省了识别肿瘤包绕血管的包绕轮廓所消耗的的时间,从而提升了肿瘤包绕血管的包绕程度分析的效率。
所述建立模块422,可以用于根据所述膨胀模块膨胀处理后的血管长度大小建立掩码数组。
所述标记模块423,可以用于在所述建立模块422建立的所述掩码数组中标记分割出的血管点。
所述选取模块424,可以用于从所述建立模块422建立的所述掩码数组中选取一个未被选取过的点。
所述判断模块425,可以用于判断选取点的预设邻域内是否存在未被选取过的点或者是否存在分割出的血管点。
所述选取模块424,还可以用于若所述判断模块425判断选取点的预设邻域内存在未被选取过的点,则从所述掩码数组中选取未被选取过的点。所述预设邻域可以为选取点的八邻域。
所述标记模块423,还可以用于若所述判断模块425判断选取点的预设邻域内存在分割出的血管点,则将所述掩码数组中所述分割出的血管点标记为血管轮廓上的点并将所述选取点标记为被选取过的点。
所述第四确定模块426,可以用于当所述掩码数组中不存在未被选取过的点时,通过访问标记为血管轮廓上的点确定血管的血管轮廓。
对于本发明实施例,为了确定所述血管轮廓的轮廓长度和确定肿瘤包绕血管的包绕长度,所述确定单元43可以包括:第五确定模块434和第六确定模块435。
所述第五确定模块434,可以用于通过遍历所述识别单元识别的所述血管轮廓上的点确定所述血管轮廓上点的个数。
所述第六确定模块435,还可以用于根据所述第五确定模块434确定的血管轮廓上点的个数确定所述血管轮廓的轮廓长度。
所述第五确定模块434,还可以用于通过遍历所述血管与肿瘤粘连的点确定所述血管与肿瘤粘连点的个数。
所述第六确定模块435,还可以用于根据所述第五确定模块434确定的所述血管与肿瘤粘连点的个数确定肿瘤包绕血管的包绕长度。
所述计算单元44,具体可以用于将所述包绕长度和所述轮廓长度的比值确定为肿瘤包绕血管的包绕程度。
需要说明的是,本发明实施例提供的另一种肿瘤包绕血管的包绕程度确定装置所涉及各功能单元的其他相应描述,可以参考图5所示方法的对应描述,在此不再赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供的另一种肿瘤包绕血管的包绕程度确定装置,与目前通过主要通过人工方式估算出肿瘤包绕血管的包绕程度相比,本发明通过获取血管分割图像,然后根据所述血管分割图像中分割出的血管点自动识别出血管的血管轮廓;进而通过遍历所述血管轮廓上的点以及与所述点前后相邻的且在所述血管轮廓上的两个点,自动确定血管与肿瘤粘连的点;并通过遍历所述血管轮廓上的点,自动确定血管轮廓的轮廓长度,以及通过遍历所述血管与肿瘤粘连的点,自动确定肿瘤包绕血管的包绕长度。与此同时,通过所述轮廓长度和所述包绕长度自动计算出肿瘤包绕血管的包绕程度,减轻了医生测量肿瘤包绕血管的包绕程度的工作量,从而提升了肿瘤包绕血管的包绕程度测量的效率,此外,实现了对肿瘤包绕血管的包绕程度进行定量测量,从而实现了为手术方法、手术入路等提供准确依据,且实现了为手术前切除肿瘤的难易程度、手术风险和手术效果的评估提供有准确依据。进一步地,由于血管为圆柱形且所述第二直线,能够唯一确定血管与肿瘤粘连的点,通过将第二直线,确定为用于判断血管是否与肿瘤粘连的直线,能够避免将血管与肿瘤非粘连点误判为血管与肿瘤粘连的点,从而能够保证肿瘤包绕血管的包绕轮廓识别的准确性。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的发明名称(如确定网站内链接等级的装置)中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种肿瘤包绕血管的包绕程度确定方法,其特征在于,所述方法包括:
获取血管分割图像,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像;
根据所述血管分割图像中分割出的血管点识别出血管的血管轮廓;
通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点;
通过遍历所述血管轮廓上的点确定所述血管轮廓的轮廓长度,并通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度;
根据所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度。
2.根据权利要求1所述的方法,其特征在于,所述通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点包括:
通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定用于判断血管是否与肿瘤粘连的直线;
确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点;
若为肿瘤上的点,则将所述点确定为血管与肿瘤粘连的点。
3.根据权利要求2所述的方法,其特征在于,所述通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确用于判断血管是否与肿瘤粘连的直线包括:
获取所述血管轮廓上的点,与所述点前后相邻的且在所述血管轮廓上的两个点,并获取所述两个点确定的第一直线;
将过所述点且与所述第一直线相垂直的第二直线,确定为用于判断血管是否与肿瘤粘连的直线。
4.根据权利要求2所述的方法,其特征在于,所述确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点包括:
确定与所述点相邻的且在所述直线上的点的灰度值是否与肿瘤的灰度值相匹配;
若相匹配,则确定在所述直线上且与所述点相邻的点为肿瘤上的点。
5.根据权利要求1所述的方法,其特征在于,所述根据所述血管分割图像中分割出的血管点识别出血管的血管轮廓包括:
对所述血管分割图像中分割出的血管进行膨胀处理;
根据膨胀处理后的血管长度大小建立掩码数组,并在所述掩码数组中标记分割出的血管点;
从所述掩码数组中选取一个未被选取过的点;
判断选取点的预设邻域内是否存在未被选取过的点或者是否存在分割出的血管点;
若存在未被选取过的点,则从所述掩码数组中选取未被选取过的点作为下一个判断的输入;
若存在分割出的血管点,则将所述掩码数组中所述分割出的血管点标记为血管轮廓上的点;
当访问完所述选取点的预设邻域后,将所述选取点标记为被选取过的点;
当所述掩码数组中不存在未被选取过的点时,通过访问标记为血管轮廓上的点确定血管的血管轮廓。
6.根据权利要求1所述的方法,其特征在于,所述通过遍历所述血管轮廓上的点确定所述血管轮廓的轮廓长度包括:
通过遍历所述血管轮廓上的点确定所述血管轮廓上点的个数;
根据所述血管轮廓上点的个数确定所述血管轮廓的轮廓长度;
所述通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度包括:
通过遍历所述血管与肿瘤粘连的点确定所述血管与肿瘤粘连点的个数;
根据所述血管与肿瘤粘连点的个数确定肿瘤包绕血管的包绕长度。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度包括:
将所述包绕长度和所述轮廓长度的比值确定为肿瘤包绕血管的包绕程度。
8.根据权利要求1-6任一项所述的方法,其特征在于,所述血管为在横状面、失状面、冠状面中的血管。
9.一种肿瘤包绕血管的包绕程度确定装置,其特征在于,所述装置包括:
获取单元,用于获取血管分割图像,所述血管分割图像为对肿瘤包绕血管的医学图像进行血管分割得到的图像;
识别单元,用于根据所述获取单元获取的所述血管分割图像中分割出的血管点识别出血管的血管轮廓;
确定单元,用于通过遍历所述识别单元识别的所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定血管与肿瘤粘连的点;
所述确定单元,用于通过遍历所述识别单元识别的所述血管轮廓上的点确定所述血管轮廓的轮廓长度,并通过遍历所述血管与肿瘤粘连的点确定肿瘤包绕血管的包绕长度;
计算单元,用于根据所述确定单元确定的所述轮廓长度和所述包绕长度,计算肿瘤包绕血管的包绕程度。
10.根据权利要求9所述的装置,其特征在于,所述确定单元包括:
第一确定模块,用于通过遍历所述血管轮廓上的点,以及与所述点前后相邻的且在所述血管轮廓上的两个点,确定用于判断血管是否与肿瘤粘连的直线;
第二确定模块,用于所述第一确定模块确定与所述点相邻的且在所述直线上的点是否为肿瘤上的点;
第三确定模块,用于若所述第二确定模块确定与所述点相邻的且在所述直线上的点为肿瘤上的点,则将所述点确定为血管与肿瘤粘连的点。
CN201611209139.2A 2016-12-23 2016-12-23 肿瘤包绕血管的包绕程度确定方法及装置 Active CN106780472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611209139.2A CN106780472B (zh) 2016-12-23 2016-12-23 肿瘤包绕血管的包绕程度确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611209139.2A CN106780472B (zh) 2016-12-23 2016-12-23 肿瘤包绕血管的包绕程度确定方法及装置

Publications (2)

Publication Number Publication Date
CN106780472A true CN106780472A (zh) 2017-05-31
CN106780472B CN106780472B (zh) 2020-03-27

Family

ID=58920159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611209139.2A Active CN106780472B (zh) 2016-12-23 2016-12-23 肿瘤包绕血管的包绕程度确定方法及装置

Country Status (1)

Country Link
CN (1) CN106780472B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105659289A (zh) * 2013-10-30 2016-06-08 爱克发医疗保健公司 血管分割方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105659289A (zh) * 2013-10-30 2016-06-08 爱克发医疗保健公司 血管分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
喻忠全;张建州: "基于肋骨信息的CT图像肺区疑似粘连肿瘤检测", 《计算机工程与应用》 *
王树成: "血管受侵程度对胰头癌可切除性影响", 《中国中西医结合外科杂志》 *

Also Published As

Publication number Publication date
CN106780472B (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
Kavur et al. Comparison of semi-automatic and deep learning-based automatic methods for liver segmentation in living liver transplant donors
Lawonn et al. A survey on multimodal medical data visualization
Meinzer et al. Computerized planning of liver surgery—an overview
Mise et al. Virtual liver resection: computer-assisted operation planning using a three-dimensional liver representation
CN105912874B (zh) 基于dicom医学图像构建的肝脏三维数据库系统
US7773791B2 (en) Analyzing lesions in a medical digital image
CN106204733B (zh) 肝脏和肾脏ct图像联合三维构建系统
EP2104453B1 (en) Visualizing a vascular structure
CN107945878B (zh) 一种基于放射组学的肝静脉压力梯度计算模型的构建方法
WO2015059706A2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
CN111312375A (zh) 虚拟冠脉手术的搭桥分析方法、系统、介质及设备
CN103778600B (zh) 图像处理系统
Debarba et al. Efficient liver surgery planning in 3D based on functional segment classification and volumetric information
AU2017258897A1 (en) Updating an electroanatomical map
JP2011516108A (ja) データセットを選択式及び対話式に処理する方法
CN107480675B (zh) 一种基于放射组学的肝静脉压力梯度计算模型的构建方法
Ariizumi et al. Novel virtual hepatectomy is useful for evaluation of the portal territory for anatomical sectionectomy, segmentectomy, and hemihepatectomy
Fischer et al. The segments of the hepatic veins—is there a spatial correlation to the Couinaud liver segments?
Li et al. Simulation of portal/hepatic vein associated remnant liver ischemia/congestion by three-dimensional visualization technology based on preoperative CT scan
Soler et al. Patient specific anatomy: the new area of anatomy based on computer science illustrated on liver
Zhou et al. The segmentation effect of style transfer on fetal head ultrasound image: a study of multi-source data
WO2022146227A1 (en) Split glomerular filtration rate prediction
CN106780472A (zh) 肿瘤包绕血管的包绕程度确定方法及装置
CN111160812A (zh) 诊断信息评估方法、显示方法及存储介质
Orłowski et al. Efficient computation of Hessian-based enhancement filters for tubular structures in 3D images

Legal Events

Date Code Title Description
PB01 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