CN107067420A - 图像处理方法、装置及设备 - Google Patents
图像处理方法、装置及设备 Download PDFInfo
- Publication number
- CN107067420A CN107067420A CN201710295930.8A CN201710295930A CN107067420A CN 107067420 A CN107067420 A CN 107067420A CN 201710295930 A CN201710295930 A CN 201710295930A CN 107067420 A CN107067420 A CN 107067420A
- Authority
- CN
- China
- Prior art keywords
- image
- liver
- reference picture
- registration
- registering
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 210000004185 liver Anatomy 0.000 claims abstract description 102
- 238000007667 floating Methods 0.000 claims abstract description 52
- 230000002440 hepatic effect Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 28
- 238000002591 computed tomography Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims 1
- 241000415078 Anemone hepatica Species 0.000 description 14
- 210000000056 organ Anatomy 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000002708 enhancing effect Effects 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000003240 portal vein Anatomy 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000686 essence Substances 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 241000446313 Lamella Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30056—Liver; Hepatic
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例提供了一种图像处理方法、装置及设备。本发明实施例通过采集肝脏扫描所得的第一图像和第二图像，所述第一图像为平扫期CT图像，所述第二图像为非平扫期CT图像；从所述第一图像中提取肝脏的子体数据，得到参考图像；从所述第二图像中提取肝脏的子体数据，得到浮动图像；根据所述参考图像，对所述浮动图像进行配准，得到配准图像，减少了用于图像处理的数据量，从而提高了图像处理的速度，因此在一定程度上解决了现有技术中对于肝脏扫描得到的CT图像的处理速度较慢的问题。
Description
【技术领域】
本方案涉及图像处理技术领域，尤其涉及一种图像处理方法、装置及设备。
【背景技术】
肝脏多期CT(Computed Tomography，电子计算机断层扫描)扫描在肝疾病临床诊断中是一种较为常见的手段。其中，多期指多个相位期，多期可分为平扫期、增强动脉期、增强门脉期、增强静脉期、以及必要的延迟期。
单一相位期的肝脏CT扫描图像为医生提供的诊断信息往往有限，因此，在医学上经常利用多个相位期的肝脏CT扫描图像进行综合分析。此时，需要对多个相位期的肝脏CT扫描图像进行处理，以获得更丰富的诊断信息。
当前，在对多个相位期的肝脏CT扫描图像进行处理时，都是对扫描得到的原始CT图像直接进行处理，例如进行图像配准、融合等。由于原始CT图像的数据量较大，导致图像处理的速度较慢。
【发明内容】
有鉴于此，本方案实施例提供了一种图像处理方法、装置及设备，用以解决现有技术中对于肝脏扫描得到的CT图像的处理速度较慢的问题。
第一方面，本方案实施例提供一种图像处理方法，所述方法包括：
采集肝脏扫描所得的第一图像和第二图像，所述第一图像为平扫期电子计算机断层扫描CT图像，所述第二图像为非平扫期CT图像；
从所述第一图像中提取肝脏的子体数据，得到参考图像；
从所述第二图像中提取肝脏的子体数据，得到浮动图像；
根据所述参考图像，对所述浮动图像进行配准，得到配准图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述参考图像，对所述浮动图像进行配准，得到配准图像，包括：
根据所述参考图像，基于互信息的刚性配准算法，对所述浮动图像进行第一配准，得到第一配准图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，基于互信息的刚性配准算法，对所述浮动图像进行第一配准，得到第一配准图像之后，所述方法还包括：
根据所述参考图像，基于互信息的非刚性配准算法，对所述第一配准图像进行第二配准，得到第二配准图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，采集肝脏扫描所得的第一图像数据和第二图像数据之后，所述方法还包括：
对第一图像进行分割，得到肝脏的第一组织，所述第一组织对应所述参考图像中的第一参考组织；
对第二图像进行分割，得到肝脏的第二组织，所述第二组织对应所述配准图像中的第二配准组织。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述参考图像，对所述浮动图像进行配准，得到配准图像之后，所述方法还包括：
获取至少一个配准图像；
将获取的配准图像中的第二配准组织与所述参考图像中的第一参考组织进行融合，得到融合图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，从所述第一图像中提取肝脏的子体数据，得到参考图像，包括：
在所述第一图像包括的第一切片图像序列中识别肝脏对应的第一序列范围；
从所述第一切片图像序列中提取第一序列范围对应的切片图像，组成参考图像；
从所述第二图像中提取肝脏的子体数据，得到浮动图像，包括：
在所述第二图像包括的第二切片图像序列中识别肝脏对应的第二序列范围；
从所述第二切片图像序列中提取第二序列范围对应的切片图像，组成浮动图像。
第二方面，本方案实施例提供一种图像处理装置，所述装置包括：
采集模块，用于采集肝脏扫描所得的第一图像和第二图像，所述第一图像为平扫期电子计算机断层扫描CT图像，所述第二图像为非平扫期CT图像；
第一提取模块，用于从所述第一图像中提取肝脏的子体数据，得到参考图像；
第二提取模块，用于从所述第二图像中提取肝脏的子体数据，得到浮动图像；
配准模块，用于根据所述参考图像，对所述浮动图像进行配准，得到配准图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括：
第一分割模块，用于对第一图像进行分割，得到肝脏的第一组织，所述第一组织对应所述参考图像中的第一参考组织；
第二分割模块，用于对第二图像进行分割，得到肝脏的第二组织，所述第二组织对应所述配准图像中的第二配准组织。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括：
获取模块，用于获取至少一个配准图像；
融合模块，用于将获取的配准图像中的第二配准组织与所述参考图像中的第一参考组织进行融合，得到融合图像。
第三方面，本方案实施例提供一种图像处理设备，所述设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器被配置为：
采集肝脏扫描所得的第一图像和第二图像，所述第一图像为平扫期CT图像，所述第二图像为非平扫期CT图像；
从所述第一图像中提取肝脏的子体数据，得到参考图像；
从所述第二图像中提取肝脏的子体数据，得到浮动图像；
根据所述参考图像，对所述浮动图像进行配准，得到配准图像。
本发明实施例具有以下有益效果：
本发明实施例通过采集肝脏扫描所得的第一图像和第二图像，从第一图像和第二图像中分别提取肝脏的子体数据用于配准处理，减少了用于图像处理的数据量，从而提高了图像处理的速度。
【附图说明】
为了更清楚地说明本方案实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本方案的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的图像处理方法的第一流程示例图。
图2为本发明实施例提供的图像处理方法的第二流程示例图。
图3为本发明实施例提供的图像处理方法的第三流程示例图。
图4为本发明实施例提供的CT图像沿Z方向的器官示例图。
图5为本发明实施例提供的图像处理装置的功能方块图。
图6是图像处理设备的简化框图。
图7为本发明实施例提供的肝部的融合图像示例图。
【具体实施方式】
为了更好的理解本方案的技术方案，下面结合附图对本方案实施例进行详细描述。
应当明确，所描述的实施例仅仅是本方案一部分实施例，而不是全部的实施例。基于本方案中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本方案保护的范围。
在本方案实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本方案。在本方案实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例一
本发明实施例提供了一种图像处理方法。该图像处理方法可以通过应用程序APP来实现，计算机、医用工作站等终端可以通过安装该应用程序获取相应的图像处理功能。
图1为本发明实施例提供的图像处理方法的第一流程示例图。如图1所示，本实施例中，图像处理方法可以包括如下步骤：
S101，采集肝脏扫描所得的第一图像和第二图像，其中，第一图像为平扫期CT图像，第二图像为非平扫期CT图像。
S102，从第一图像中提取肝脏的子体数据，得到参考图像。
S103，从第二图像中提取肝脏的子体数据，得到浮动图像。
S104，根据参考图像，对浮动图像进行配准，得到配准图像。
其中，非平扫期CT图像可以为增强动脉期CT图像、增强门脉期CT图像、增强静脉期CT图像、延迟期CT图像中的一种。
其中，第一图像、第二图像都是三维图像。每幅三维图像都是由一系列的切片图像组成的。假设规定Z方向为从头到脚的方向，那么第一图像、第二图像都是由沿Z方向排列的一系列(或者称为一组)切片图像组成的，其中每个切片都与Z方向的直线相垂直。
尽管第一图像和第二图像是对肝脏扫描所得的图像，但是扫描时对准的是人体的整个部位，因此扫描所得的图像中不仅包括肝脏区域的信息，还包括该部位其他器官的信息。例如，图4为本发明实施例提供的CT图像沿Z方向的器官示例图。在图4所示CT图像中，可以看到该图像中包括肺、心脏、肝脏等多个器官。假设图4所示CT图像由沿Z方向排列的100幅切片图像组成，每个切片图像所在片层对应一个Z坐标值。那么这100幅切片图像中并不是每幅图像都含有肝脏信息，有相当多的切片图像(假设为65幅)中没有肝脏信息。那么对于肝脏的图像处理来说，这些没有肝脏信息的切片图像可以看作是无用信息，此时可以提取含有肝脏信息的35(即100-65)幅切片图像来进行针对肝脏的相应图像处理。这样，图像处理结果仍然是基于扫描得到的CT图像数据得到的，但是用于进行处理的数据量减少了很多，从而使得图像处理的速度更快。
其中，从第一图像中提取的肝脏的子体数据是指第一图像中含有肝脏信息的那些切片图像的数据，例如上述例子中的35幅切片图像的数据。
同理，从第二图像中提取的肝脏的子体数据是指第二图像中含有肝脏信息的那些切片图像的数据。
需要说明的是，在从第一图像中提取肝脏的子体数据之前，需要先从第一图像中对肝脏进行定位，也就是从第一图像包括的一系列切片图像中找出来哪些切片图像是属于肝脏部位的。
其中，从医学图像中对某个器官(例如肝脏)进行定位可以通过如下的自动定位方式来实现：输入包括有若干切片图像的医学图像；对输入的图像进行预处理，过滤掉非体部像素；对每层切片图像计算连通域个数，通过判断连通域个数和位置，除去第一器官之外的部分，确认出医学图像包含有第一器官；对每层切片图像计算特征值而获得若干特征值，若干特征值与切片图像的层数形成特征曲线，计算特征值包括对每层切片图像计算像素灰度值或者CT值在第一范围之间的像素面积相对特定区域总像素面积的比例，根据比例定位出器官所在的切片图像。
在应用上述自动定位方式定位肝顶时，特征值计算包括：1)计算每个切片体中心以左区域的-20HU～100HU之间的像素总面积相对总体部像素面积的占比，得出以切片层量为横坐标轴的占比曲线，曲线变化梯度最大的点为肝顶。
在应用上述自动定位方式定位肝中间时，特征值计算包括：1)计算每个切片体中心以左区域的-20HU～100HU之间的像素总面积相对总体部像素面积的占比，得出以切片层量为横坐标轴的占比曲线，曲线在躯干切片图像范围内的最高点为肝中间层。
根据上述自动定位方式，可以从第一图像中对肝脏进行定位。同理，根据上述自动定位方式，也可以从第二图像中对肝脏进行定位。定位之后，就可以找出肝脏所在的切片图像。该定位结果可以为从第一图像中提取肝脏的子体数据、以及从第二图像中提取肝脏的子体数据提供基础。
在一个具体的实现过程中，从第一图像中提取肝脏的子体数据，得到参考图像，包括：在第一图像包括的第一切片图像序列中识别肝脏对应的第一序列范围；从第一切片图像序列中提取第一序列范围对应的切片图像，组成参考图像；从第二图像中提取肝脏的子体数据，得到浮动图像，包括：在第二图像包括的第二切片图像序列中识别肝脏对应的第二序列范围；从第二切片图像序列中提取第二序列范围对应的切片图像，组成浮动图像。
举例说明。假设第一图像包括的第一切片图像序列有200幅切片图像，序号分别为1～200，其中，肝脏对应的第一序列范围为90～150，那么可以就可以提取序号从90到150的60幅切片图像组成参考图像。这样，参考图像包含了肝脏区域的所有数据信息，但是参考图像包含60幅切片图像，相对于包含200幅切片图像的第一图像来说，数据量大大减少了。
通过S102和S103，减少了S104中用于图像处理(此实施例中为配准)的数据量，因此提高了图像处理的速度。
并且，就配准处理来说，由于配准依据的图像数据中肝脏部分的数据占比大大增加，而肝脏之外的数据占比大大减小，因此配准时依据的大部分数据是肝脏数据，从而使得对于肝脏这个器官的配准结果更加准确。
图1所示实施例，通过采集肝脏扫描所得的第一图像和第二图像，从第一图像和第二图像中分别提取肝脏的子体数据用于配准处理，减少了用于图像处理的数据量，从而提高了图像处理的速度。
图2为本发明实施例提供的图像处理方法的第二流程示例图。如图2所示，本实施例中，图像处理方法可以包括如下步骤：
S201，采集肝脏扫描所得的第一图像和第二图像，其中，第一图像为平扫期CT图像，第二图像为非平扫期CT图像。
S202，从第一图像中提取肝脏的子体数据，得到参考图像。
S203，从第二图像中提取肝脏的子体数据，得到浮动图像。
S204，根据参考图像，基于互信息的刚性配准算法，对浮动图像进行第一配准，得到第一配准图像。
S205，根据参考图像，基于互信息的非刚性配准算法，对第一配准图像进行第二配准，得到第二配准图像。
S204中，根据参考图像，基于互信息的刚性配准算法，对浮动图像进行第一配准，能够将浮动图像与参考图像的全局进行配准。
S205中，根据参考图像，基于互信息的非刚性配准算法，对第一配准图像进行第二配准，能够校正呼吸等造成的弹性形变，达到精确配准的目的。
图2所示实施例，通过两步配准，在全局配准的基础上，继续针对形变进行精配准，从而提高了配准结果的准确性。
图3为本发明实施例提供的图像处理方法的第三流程示例图。如图3所示，本实施例中，图像处理方法可以包括如下步骤：
S301，采集肝脏扫描所得的第一图像和第二图像，其中，第一图像为平扫期CT图像，第二图像为非平扫期CT图像。
S302，对第一图像进行分割，得到肝脏的第一组织。
S303，对第二图像进行分割，得到肝脏的第二组织。
S304，从第一图像中提取肝脏的子体数据，得到参考图像，第一组织对应参考图像中的第一参考组织。
S305，从第二图像中提取肝脏的子体数据，得到浮动图像。
S306，根据参考图像，对浮动图像进行配准，得到配准图像，第二组织对应配准图像中的第二配准组织。
S307，获取至少一个配准图像。
S308，将获取的配准图像中的第二配准组织与参考图像中的第一参考组织进行融合，得到融合图像。
图7为本发明实施例提供的肝部的融合图像示例图。
在临床诊断中，将来自不同相位期扫描的动脉、静脉、门静脉及肝组织(包含肝肿瘤)融合在一幅图像上显示，可以提供更丰富的信息，以便医生了解病变组织或器官的综合信息，从而为准确的诊断或制订合适的治疗方案提供帮助。
对肝脏不同相位期扫描所得的CT图像，进行不同组织的分割，可分别得到肝实质、肝肿瘤、肝动脉、肝门静脉、肝静脉等组织，将分割的结果通过配准后进行图像融合，从而实现将不同相位期的图像分割得到的组织融合在一幅图像上综合显示。
举例说明，假设图像A、图像B、图像C、图像D分别是病人甲的平扫期CT图像、动脉期CT图像、静脉期CT图像、延时期CT图像。根据图3所示实施例，图像处理过程如下；
采集图像A、图像B、图像C、图像D；
对图像A进行分割后得到肝实质，对图像B进行分割后得到肝动脉，对图像C进行分割后得到肝门静脉，对图像D进行分割后得到肝静脉；
从图像A中提取肝脏的子体数据，得到参考图像A1，图像A中的肝实质对应参考图像A1中的参考肝实质；
从图像B中提取肝脏的子体数据，得到浮动图像B1，根据参考图像A1对浮动图像B1进行配准，得到配准图像B2，图像B中的肝动脉对应配准图像B2中的配准肝动脉；
同理，从图像C中提取肝脏的子体数据，得到浮动图像C1，根据参考图像A1对浮动图像C1进行配准，得到配准图像C2，图像C中的肝门静脉对应配准图像C2中的配准肝门静脉；
同理，从图像D中提取肝脏的子体数据，得到浮动图像D1，根据参考图像A1对浮动图像D1进行配准，得到配准图像D2，图像B中的肝静脉对应配准图像D2中的配准肝静脉；
获取配准图像B2、C2和D2；
将配准图像B2中的配准肝动脉、配准图像C2中的配准肝门静脉、配准图像D2中的配准肝静脉与参考图像A1中的参考肝实质进行融合，得到融合图像。
本发明实施例提供的图像处理方法，通过采集肝脏扫描所得的第一图像和第二图像，从第一图像和第二图像中分别提取肝脏的子体数据用于配准处理，减少了用于图像处理的数据量，从而提高了图像处理的速度。
实施例二
本发明实施例提供了一种图像处理装置，该图像处理装置能够实现前述实施例中图像处理方法的各步骤。
图5为本发明实施例提供的图像处理装置的功能方块图。如图5所示，本实施例中，图像处理装置包括：
采集模块510，用于采集肝脏扫描所得的第一图像和第二图像，其中，第一图像为平扫期电子计算机断层扫描CT图像，第二图像为非平扫期CT图像；
第一提取模块520，用于从第一图像中提取肝脏的子体数据，得到参考图像；
第二提取模块530，用于从第二图像中提取肝脏的子体数据，得到浮动图像；
配准模块540，用于根据参考图像，对浮动图像进行配准，得到配准图像。
在一个具体的实现过程中，配准模块540在用于根据参考图像，对浮动图像进行配准，得到配准图像时，具体用于：根据参考图像，基于互信息的刚性配准算法，对浮动图像进行第一配准，得到第一配准图像。
在一个具体的实现过程中，配准模块540在用于基于互信息的刚性配准算法，对所述浮动图像进行第一配准，得到第一配准图像之后，还用于：根据参考图像，基于互信息的非刚性配准算法，对第一配准图像进行第二配准，得到第二配准图像。
在一个具体的实现过程中，图像处理装置还可以包括：第一分割模块，用于对第一图像进行分割，得到肝脏的第一组织，第一组织对应参考图像中的第一参考组织；第二分割模块，用于对第二图像进行分割，得到肝脏的第二组织，第二组织对应配准图像中的第二配准组织。
在一个具体的实现过程中，图像处理装置还可以包括：获取模块，用于获取至少一个配准图像；融合模块，用于将获取的配准图像中的第二配准组织与参考图像中的第一参考组织进行融合，得到融合图像。
在一个具体的实现过程中，第一提取模块520在用于从第一图像中提取肝脏的子体数据，得到参考图像时，具体用于：在第一图像包括的第一切片图像序列中识别肝脏对应的第一序列范围；从第一切片图像序列中提取第一序列范围对应的切片图像，组成参考图像；第二提取模块530在用于从第二图像中提取肝脏的子体数据，得到浮动图像时，具体用于：在第二图像包括的第二切片图像序列中识别肝脏对应的第二序列范围；从第二切片图像序列中提取第二序列范围对应的切片图像，组成浮动图像。
由于本实施例中的图像处理装置能够执行前述实施例一中的图像处理方法，本实施例未详细描述的部分，可参考对前述实施例一中图像处理方法的相关说明。
本发明实施例提供的图像处理装置，通过采集肝脏扫描所得的第一图像和第二图像，从第一图像和第二图像中分别提取肝脏的子体数据用于配准处理，减少了用于图像处理的数据量，从而提高了图像处理的速度。
实施例三
本发明实施例提供一种图像处理设备，该设备包括：处理器；用于存储处理器可执行指令的存储器；处理器被配置为：采集肝脏扫描所得的第一图像和第二图像，第一图像为平扫期CT图像，第二图像为非平扫期CT图像；从第一图像中提取肝脏的子体数据，得到参考图像；从第二图像中提取肝脏的子体数据，得到浮动图像；根据参考图像，对浮动图像进行配准，得到配准图像。
其中，图像处理设备可以是计算机。
图6是图像处理设备的简化框图。参见图6，该图像处理设备600可以包括与一个或多个数据存储工具连接的处理器601，该数据存储工具可以包括存储介质606和内存单元604。图像处理设备600还可以包括输入接口605和输出接口607，用于与另一装置或系统进行通信。被处理器601的CPU执行的程序代码可存储在内存单元604或存储介质606中。
图像处理设备600中的处理器601调用存储在内存单元604或存储介质606的程序代码，执行下面各步骤：
采集肝脏扫描所得的第一图像和第二图像，第一图像为平扫期CT图像，第二图像为非平扫期CT图像；
从第一图像中提取肝脏的子体数据，得到参考图像；
从第二图像中提取肝脏的子体数据，得到浮动图像；
根据参考图像，对浮动图像进行配准，得到配准图像。
上述实施例中，存储介质可以是只读存储器(Read-Only Memory，ROM)，或是可读写的，例如硬盘、闪存。内存单元可为随机存取存储器(Random Access Memory，RAM)。内存单元可与处理器物理集成或集成在存储器中或构建为单独的单元。
处理器为上述设备(该设备为上述服务器或者上述客户端)的控制中心，并提供处理装置，用于执行指令，进行中断操作，提供计时功能以及多种其他功能。可选地，处理器包括一个或多个中央处理单元(CPU)，例如图6中示出的CPU 0和CPU 1。上述设备中包括一个或者多个的处理器。处理器可为单核(单CPU)处理器或多核(多CPU)处理器。除非另有声明，描述为用于执行任务的例如处理器或存储器的部件可实现为通用部件，其暂时用于在给定时间执行任务，或实现为专门制造用于执行该任务的特定部件。此处所用的术语“处理器”指一个或多个装置，电路和/或处理核，用于处理数据，例如计算机程序指令。
被处理器的CPU执行的程序代码可存储在内存单元或存储介质中。可选地，存储在存储介质中的程序代码可以被复制入内存单元以便处理器的CPU执行。处理器可执行至少一个内核(例如LINUXTM、UNIXTM、WINDOWSTM、ANDROIDTM、IOSTM)，众所周知，该内核用于通过控制其他程序或过程的执行、控制与外围装置的通信以及控制计算机设备资源的使用来控制上述设备的操作。
上述设备中的上述元件可通过总线彼此连接，总线例如数据总线、地址总线、控制总线、扩展总线和局部总线之一或其任意组合。
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。
在本方案所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本方案各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
以上所述仅为本方案的较佳实施例而已，并不用以限制本方案，凡在本方案的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本方案保护的范围之内。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
采集肝脏扫描所得的第一图像和第二图像，所述第一图像为平扫期电子计算机断层扫描CT图像，所述第二图像为非平扫期CT图像；
从所述第一图像中提取肝脏的子体数据，得到参考图像；
从所述第二图像中提取肝脏的子体数据，得到浮动图像；
根据所述参考图像，对所述浮动图像进行配准，得到配准图像。
2.根据权利要求1所述的方法，其特征在于，根据所述参考图像，对所述浮动图像进行配准，得到配准图像，包括：
根据所述参考图像，基于互信息的刚性配准算法，对所述浮动图像进行第一配准，得到第一配准图像。
3.根据权利要求2所述的方法，其特征在于，基于互信息的刚性配准算法，对所述浮动图像进行第一配准，得到第一配准图像之后，所述方法还包括：
根据所述参考图像，基于互信息的非刚性配准算法，对所述第一配准图像进行第二配准，得到第二配准图像。
4.根据权利要求1所述的方法，其特征在于，采集肝脏扫描所得的第一图像数据和第二图像数据之后，所述方法还包括：
对第一图像进行分割，得到肝脏的第一组织，所述第一组织对应所述参考图像中的第一参考组织；
对第二图像进行分割，得到肝脏的第二组织，所述第二组织对应所述配准图像中的第二配准组织。
5.根据权利要求4所述的方法，其特征在于，根据所述参考图像，对所述浮动图像进行配准，得到配准图像之后，所述方法还包括：
获取至少一个配准图像；
将获取的配准图像中的第二配准组织与所述参考图像中的第一参考组织进行融合，得到融合图像。
6.根据权利要求1所述的方法，其特征在于，从所述第一图像中提取肝脏的子体数据，得到参考图像，包括：
在所述第一图像包括的第一切片图像序列中识别肝脏对应的第一序列范围；
从所述第一切片图像序列中提取第一序列范围对应的切片图像，组成参考图像；
从所述第二图像中提取肝脏的子体数据，得到浮动图像，包括：
在所述第二图像包括的第二切片图像序列中识别肝脏对应的第二序列范围；
从所述第二切片图像序列中提取第二序列范围对应的切片图像，组成浮动图像。
7.一种图像处理装置，其特征在于，所述装置包括：
采集模块，用于采集肝脏扫描所得的第一图像和第二图像，所述第一图像为平扫期电子计算机断层扫描CT图像，所述第二图像为非平扫期CT图像；
第一提取模块，用于从所述第一图像中提取肝脏的子体数据，得到参考图像；
第二提取模块，用于从所述第二图像中提取肝脏的子体数据，得到浮动图像；
配准模块，用于根据所述参考图像，对所述浮动图像进行配准，得到配准图像。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第一分割模块，用于对第一图像进行分割，得到肝脏的第一组织，所述第一组织对应所述参考图像中的第一参考组织；
第二分割模块，用于对第二图像进行分割，得到肝脏的第二组织，所述第二组织对应所述配准图像中的第二配准组织。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
获取模块，用于获取至少一个配准图像；
融合模块，用于将获取的配准图像中的第二配准组织与所述参考图像中的第一参考组织进行融合，得到融合图像。
10.一种图像处理设备，其特征在于，所述设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器被配置为：
采集肝脏扫描所得的第一图像和第二图像，所述第一图像为平扫期CT图像，所述第二图像为非平扫期CT图像；
从所述第一图像中提取肝脏的子体数据，得到参考图像；
从所述第二图像中提取肝脏的子体数据，得到浮动图像；
根据所述参考图像，对所述浮动图像进行配准，得到配准图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710295930.8A CN107067420A (zh) | 2017-04-28 | 2017-04-28 | 图像处理方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710295930.8A CN107067420A (zh) | 2017-04-28 | 2017-04-28 | 图像处理方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107067420A true CN107067420A (zh) | 2017-08-18 |
Family
ID=59605385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710295930.8A Pending CN107067420A (zh) | 2017-04-28 | 2017-04-28 | 图像处理方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107067420A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767444A (zh) * | 2017-11-06 | 2018-03-06 | 上海联影医疗科技有限公司 | 一种图像处理的方法及装置 |
| CN109584995A (zh) * | 2018-06-20 | 2019-04-05 | 新影智能科技(昆山)有限公司 | Tace治疗结果图像分析方法、系统、设备及存储介质 |
| CN110517302A (zh) * | 2019-08-30 | 2019-11-29 | 联想(北京)有限公司 | 一种图像处理的方法和装置 |
| CN110619944A (zh) * | 2018-06-19 | 2019-12-27 | 佳能医疗系统株式会社 | 医用图像处理装置及医用图像处理方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102117378A (zh) * | 2009-12-31 | 2011-07-06 | 苏州瑞派宁科技有限公司 | 一种基于三维多模影像的肝肿瘤综合手术规划模拟方法及其系统 |
| CN103679810A (zh) * | 2013-12-26 | 2014-03-26 | 海信集团有限公司 | 肝部ct图像的三维重建方法 |
| CN104766304A (zh) * | 2015-02-26 | 2015-07-08 | 浙江工业大学 | 一种基于多序列医学图像的血管配准方法 |
| CN104835112A (zh) * | 2015-05-07 | 2015-08-12 | 厦门大学 | 一种肝脏多相期ct图像融合方法 |
| CN105303547A (zh) * | 2014-07-11 | 2016-02-03 | 东北大学 | 一种基于网格匹配的Demons算法的多期CT图像配准方法 |
| CN105741293A (zh) * | 2016-01-30 | 2016-07-06 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
| CN105913442A (zh) * | 2016-04-29 | 2016-08-31 | 上海联影医疗科技有限公司 | 自动匹配肺结节的方法 |
| CN106469449A (zh) * | 2016-08-31 | 2017-03-01 | 上海联影医疗科技有限公司 | 一种医学图像中病灶的显示方法及装置 |
-
2017
- 2017-04-28 CN CN201710295930.8A patent/CN107067420A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102117378A (zh) * | 2009-12-31 | 2011-07-06 | 苏州瑞派宁科技有限公司 | 一种基于三维多模影像的肝肿瘤综合手术规划模拟方法及其系统 |
| CN103679810A (zh) * | 2013-12-26 | 2014-03-26 | 海信集团有限公司 | 肝部ct图像的三维重建方法 |
| CN105303547A (zh) * | 2014-07-11 | 2016-02-03 | 东北大学 | 一种基于网格匹配的Demons算法的多期CT图像配准方法 |
| CN104766304A (zh) * | 2015-02-26 | 2015-07-08 | 浙江工业大学 | 一种基于多序列医学图像的血管配准方法 |
| CN104835112A (zh) * | 2015-05-07 | 2015-08-12 | 厦门大学 | 一种肝脏多相期ct图像融合方法 |
| CN105741293A (zh) * | 2016-01-30 | 2016-07-06 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
| CN105913442A (zh) * | 2016-04-29 | 2016-08-31 | 上海联影医疗科技有限公司 | 自动匹配肺结节的方法 |
| CN106469449A (zh) * | 2016-08-31 | 2017-03-01 | 上海联影医疗科技有限公司 | 一种医学图像中病灶的显示方法及装置 |
Non-Patent Citations (6)
| Title |
|---|
| 宋晓等: ""基于形态学运算的种子轮廓自动获取方法"", 《厦门大学学报（自然科学版）》 * |
| 方驰华等: ""三维可视化、3D打印及3D腹腔镜在肝脏瘤外科诊治中的应用"", 《临床研究》 * |
| 方驰华等: ""虚拟中国人女性一号肝脏图像三维重建和虚拟手术的切割"", 《中华外科杂志》 * |
| 方驰华等: ""螺旋CT扫描数据的虚拟辅助性部分原位肝移植手术"", 《中国普外基础与临床杂志》 * |
| 朱新勇等: ""基于64排螺旋CT扫描数据的肝脏图像分割和三维重建"", 《南方医科大学学报》 * |
| 高宏建等: ""利用AMira进行肝脏及其管道系统的三维重建"", 《北京生物医学工程》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767444A (zh) * | 2017-11-06 | 2018-03-06 | 上海联影医疗科技有限公司 | 一种图像处理的方法及装置 |
| CN110619944A (zh) * | 2018-06-19 | 2019-12-27 | 佳能医疗系统株式会社 | 医用图像处理装置及医用图像处理方法 |
| CN109584995A (zh) * | 2018-06-20 | 2019-04-05 | 新影智能科技(昆山)有限公司 | Tace治疗结果图像分析方法、系统、设备及存储介质 |
| CN109584995B (zh) * | 2018-06-20 | 2023-07-18 | 新影智能科技(昆山)有限公司 | Tace治疗结果图像分析方法、系统、设备及存储介质 |
| CN110517302A (zh) * | 2019-08-30 | 2019-11-29 | 联想(北京)有限公司 | 一种图像处理的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3021753B1 (en) | Systems and methods for determining hepatic function from liver scans | |
| CN110211111B (zh) | 一种血管提取的方法、装置、图像处理设备及存储介质 | |
| CN109544566B (zh) | 冠脉图像分割方法、装置、计算机设备和存储介质 | |
| CN107067420A (zh) | 图像处理方法、装置及设备 | |
| CN107123137B (zh) | 医学图像处理方法及设备 | |
| CN107133946B (zh) | 医学图像处理方法、装置及设备 | |
| EP3594830A1 (en) | Similar case image search program, similar case image search device, and similar case image search method | |
| CN111340756B (zh) | 一种医学图像病变检出合并方法、系统、终端及存储介质 | |
| CN111080584A (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
| CN110298820A (zh) | 影像分析方法、计算机设备和存储介质 | |
| CN111863204A (zh) | 基于钼靶x线摄影检查的乳腺疾病ai辅助诊断方法及系统 | |
| CN113538471B (zh) | 斑块的分割方法、装置、计算机设备和存储介质 | |
| CN113066080A (zh) | 切片组织识别方法、装置，细胞识别模型及组织分割模型 | |
| CN107392976A (zh) | 数据处理方法、装置及设备 | |
| CN115482231A (zh) | 图像分割方法、装置、存储介质和电子设备 | |
| JP3647970B2 (ja) | 領域抽出装置 | |
| CN113808143B (zh) | 图像分割方法、装置、可读存储介质及电子设备 | |
| CN114708283A (zh) | 图像目标的分割方法、装置、电子设备及存储介质 | |
| CN114764767A (zh) | 血管提取方法和计算机设备 | |
| CN113538395A (zh) | 图像处理方法、装置、设备、可读存储介质 | |
| CN111035403A (zh) | 一种扫描时机确定方法、装置、设备及存储介质 | |
| CN110706803A (zh) | 一种确定心肌纤维化的方法、装置、可读介质及电子设备 | |
| CN118505729A (zh) | 一种面向医学图像的图像分割及可解释性分析的方法及系统 | |
| CN107767444A (zh) | 一种图像处理的方法及装置 | |
| CN107492100B (zh) | 图像处理方法、装置及设备 |
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 | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |
|
| RJ01 | Rejection of invention patent application after publication |