CN107464242B - 三维图像定位方法、装置及设备 - Google Patents

三维图像定位方法、装置及设备 Download PDF

Info

Publication number
CN107464242B
CN107464242B CN201710705619.6A CN201710705619A CN107464242B CN 107464242 B CN107464242 B CN 107464242B CN 201710705619 A CN201710705619 A CN 201710705619A CN 107464242 B CN107464242 B CN 107464242B
Authority
CN
China
Prior art keywords
candidate
points
point
positioning
selecting
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
Application number
CN201710705619.6A
Other languages
English (en)
Other versions
CN107464242A (zh
Inventor
傅超
聂卫嫔
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201710705619.6A priority Critical patent/CN107464242B/zh
Publication of CN107464242A publication Critical patent/CN107464242A/zh
Application granted granted Critical
Publication of CN107464242B publication Critical patent/CN107464242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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

Landscapes

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

Abstract

本发明实施例提供了一种三维图像定位方法、装置及设备。本发明实施例通过采集观察视线与三维图像对应的绘制体的多个相交点；获取相交点的透明度值和/或灰度值；根据透明度值和/或灰度值，从多个相交点中选择出多个第一候选定位点；从多个第一候选定位点中选择至少一个第一候选定位点作为最优定位点，将不符合待定位的目标组织或器官的透明度要求和灰度要求的候选点排除，保证最终选择的最优定位点属于待定位的目标组织或器官，从而提高了三维图像定位结果的准确度，因此在一定程度上解决了现有技术中三维图像定位的定位结果准确度较低的问题。

Description

三维图像定位方法、装置及设备
【技术领域】
本方案涉及图像处理技术领域，尤其涉及一种三维图像定位方法、装置及设备。
【背景技术】
当前，医学图像已经成为临床诊断和医学研究的重要参考资料。然而，通过医学成像设备获得的原始医学图像往往不能够直接使用，而是需要进行某种处理后才能得到有效利用。
例如，医生经常要在三维图像上进行半自动分割(如区域生长)、测量(如多点测距，计算灰度值等)、单击定位等操作，以满足临床诊断和科研需要。在进行这些操作前，需要在三维图像上进行定位。由于三维重建时带有深度，成像时将同一视线方向上的体素进行了混合，因此在屏幕上选择的某个二维点可映射为过该点且沿着视线方向上的n个三维点(与体数据相交)。
定位是在重建后的三维图像上进行的。三维图像在进行三维重建时，将用户感兴趣的组织、器官保留下来，不感兴趣的则通过窗宽、窗位和透明度进行滤除，例如窗宽窗位范围外且全透明的点被抛弃。当前的三维图像定位方案利用上述特征，在光线方向上寻找最优定位点时，跳过重建中被滤除的三维点，将第一个可行的定位点作为最优定位点。
这种方案在一定程度上与用户的感官认知趋向一致，但是却忽视了用户在选择定位点时通常是模糊选择的，人眼选择目标有时会自动过滤不重要细节，导致选择的定位点不准确。例如，参见图1。图1为三维图像对应的绘制体的示例图。如图1中画圈部分所示，絮状的软组织靠近人眼，稍远的是血管，按当前的三维图像定位方案，将定位到软组织而非血管，而用户真正希望的是定位到血管。
在实现本方案过程中，发明人发现现有技术中至少存在如下问题：
三维图像定位的定位结果准确度较低。
【发明内容】
有鉴于此，本方案实施例提供了一种三维图像定位方法、装置及设备，用以解决现有技术中三维图像定位的定位结果准确度较低的问题。
第一方面，本方案实施例提供一种三维图像定位方法，所述方法包括：
采集观察视线与三维图像对应的绘制体的多个相交点；
获取所述相交点的透明度值和/或灰度值；
根据所述透明度值和/或所述灰度值，从所述多个相交点中选择出多个第一候选定位点；
从所述多个第一候选定位点集合中选择至少一个第一候选定位点，以作为最优定位点。
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，根据所述透明度值和所述灰度值，从所述多个相交点中选择出多个第一候选定位点，包括：
根据所述透明度值和所述灰度值，从所述多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点作为第一候选定位点。
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，根据所述透明度值和所述灰度值，从所述多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点，包括：
根据待定位的目标组织类型，获取所述第一条件和所述第二条件；
在待定位的目标组织为血管或骨头时，确定所述第二条件为灰度值大于第一灰度阈值；或者，
在待定位的目标组织为软组织时，确定所述第二条件为灰度值小于第二灰度阈值。
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，所述第一条件为透明度值大于透明度阈值。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，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点。
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，所述多个第一候选定位点，按照在所述观察视线对应的屏幕出射光线方向上的前后顺序，排列为第一序列；
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
在所述目标操作类型为分割时，从所述多个第一候选定位点中选择处于所述第一序列的中间区域的第一候选定位点作为最优定位点；或者，
在所述目标操作类型为单击定位或测量时，从所述多个第一候选定位点集合中选择所述第一序列的第一个第一候选定位点作为最优定位点。
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，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点之前，所述方法还包括：
从所述多个第一候选定位点中，选择所述观察视线对应的在屏幕出射光线方向上位置连续的第一个候选定位点个数大于数量阈值的多个第一候选定位点，作为第二候选定位点；
从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：从所述第二候选定位点中选择至少一个第二候选定位点作为最优定位点。
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，采集观察视线与三维图像对应的绘制体的多个相交点，包括：
采集观察视线与三维图像对应的绘制体的第一表面的第一相交点，以及观察视线与三维图像对应的绘制体的第二表面的第二相交点；
根据所述第一相交点和所述第二相交点确定第一线段，所述第一线段以所述第一相交点和所述第二相交点为端点；
在所述第一线段上按照指定长度采集多个第三相交点。
第二方面，本方案实施例提供一种三维图像定位装置，所述装置包括：
采集模块，用于采集观察视线与三维图像对应的绘制体的多个相交点；
获取模块，用于获取所述相交点的透明度值和/或灰度值；
第一选择模块，用于根据所述透明度值和/或所述灰度值，从所述多个相交点中选择出多个第一候选定位点；
定位模块，用于从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点。
第三方面，本方案实施例提供一种三维图像定位设备，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；
显示器，耦合于所述处理器，包括用户界面；
所述处理器被配置为：
采集观察视线与三维图像对应的绘制体的多个相交点；
获取所述相交点的透明度值和/或灰度值；
根据所述透明度值和/或所述灰度值，从所述多个相交点中选择出多个第一候选定位点；
从所述多个第一候选定位点中选择至少一个第一候选定位点作为最优定位点。
本发明实施例具有以下有益效果：
本发明实施例通过根据透明度值和灰度值，从观察视线与三维图像对应的绘制体的多个相交点中选择出第一候选定位点，再从第一候选定位点中选择最优定位点，将不符合待定位的目标组织或器官的透明度要求和灰度要求的候选点排除，保证最终选择的最优定位点属于待定位的目标组织或器官，从而提高了三维图像定位结果的准确度。
【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为三维图像对应的绘制体的示例图。
图2为本发明实施例提供的三维图像定位方法的第一流程示例图。
图3为本发明实施例提供的三维图像定位方法的第二流程示例图。
图4为本发明实施例提供的沿观察光线方向上的灰度分布曲线示例图。
图5为本发明实施例提供的三维图像定位装置的功能方块图。
图6是三维图像定位设备的简化框图。
【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)”。
本发明实施例提供了一种三维图像定位方法。该三维图像定位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三维图像定位功能。
图2为本发明实施例提供的三维图像定位方法的第一流程示例图。如图2所示，本实施例中，三维图像定位方法可以包括如下步骤：
S201，采集观察视线与三维图像对应的绘制体的多个相交点。
S202，获取相交点的透明度值和/或灰度值。
S203，根据透明度值和/或灰度值，从多个相交点中选择出多个第一候选定位点。
S204，从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点。
三维图像是由一系列的二维切片图像组成的。例如，100张切片图像组成一幅三维图像。
其中，三维图像对应的绘制体是由三维图像对应的一系列切片图像所构成的长方体。这个长方体具有六个表面。
其中，观察视线是指观察者以一定观察角度观察三维图像对应的绘制体的视线。尽管观察者在屏幕前观看屏幕的视线是垂直于屏幕的，但是，由于三维图像及其对应的绘制体是可以旋转的，因此，可以通过旋转三维图像或其对应的绘制体来调整观察角度。
其中，相交点的透明度值和灰度值可以根据相交点的坐标，从相应三维图像的图像数据中直接获取。
在一个具体的实现过程中，采集观察视线与三维图像对应的绘制体的多个相交点，可以包括：采集观察视线与三维图像对应的绘制体的第一表面的第一相交点，以及观察视线与三维图像对应的绘制体的第二表面的第二相交点；根据第一相交点和第二相交点确定第一线段，第一线段以第一相交点和第二相交点为端点；在第一线段上按照指定长度间隔采集多个第三相交点。第一相交点、第二相交点和第三相交点均为观察视线与三维图像对应的绘制体的相交点。
其中，指定长度间隔可以为四分之一个体素或者二分之一个体素或者一个体素等。
在三维图像对应的绘制体中，不同组织或器官对应的体素的透明度值是不同的，并且，不同组织或器官对应的体素的灰度值也具有明显区别，例如图1中的絮状软组织与血管。基于此，可以根据透明度值和灰度值，将相交点中不属于待定位的目标组织或器官的点排除，这样，未被排除的相交点就属于待定位的目标组织或器官了，在这些未被排除的相交点中选择待定位的目标组织或器官的定位点，就不会忽略重要的细节，从而不会导致选择的定位点不准确，因此可以提高三维图像定位结果的准确度。
例如，当要对血管进行定位时，可以根据图1中的絮状软组织与血管的透明度区别，将候选定位点中不属于血管的点排除，那么剩下的候选定位点都属于血管，这样，在剩下的候选定位点中选择最终的定位点就可以准确定位到血管了。
S203中，根据透明度值和/或灰度值，从多个相交点中选择出多个第一候选定位点能够将不符合待定位的目标组织或器官的透明度要求和灰度要求的点排除，留下符合待定位的目标组织或器官的透明度要求和灰度要求的第一候选定位点。这样，就保证了步骤S204选择的最优定位点属于待定位的目标组织或器官，从而提高了定位结果的准确度。
在一个具体的实现过程中，当待定位的目标组织或器官的灰度值比其周围组织的灰度值高时，可以通过设定最小灰度值来排除属于周围组织的点；当待定位的目标组织或器官的灰度值比其周围组织的灰度值低时，可以通过设定最大灰度值来排除属于周围组织的点。
在一个具体实现的过程中，在步骤S202前对所述绘制体进行滤波操作，例如低通滤波操作，用以消除区域较大的半透明组织或者由于容积效应造成的噪音，提高后续操作的准确度。
图2所示实施例，通过根据透明度值和灰度值，从观察视线与三维图像对应的绘制体的多个相交点中选择出第一候选定位点，再从第一候选定位点中选择最优定位点，将不符合待定位的目标组织或器官的透明度要求和灰度要求的候选点排除，保证最终选择的最优定位点属于待定位的目标组织或器官，从而提高了三维图像定位结果的准确度。
在一个具体的实现过程中，根据透明度值和灰度值，从多个相交点中选择出多个第一候选定位点，可以包括：根据透明度值和灰度值，从多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点作为第一候选定位点。
在一个具体的实现过程中，根据透明度值和灰度值，从多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点作为第一候选定位点，包括：根据待定位的目标组织类型，获取第一条件和第二条件；在待定位的目标组织为血管或骨头时，确定第二条件为灰度值大于第一灰度阈值；或者，在待定位的目标组织为软组织时，确定第二条件为灰度值小于第二灰度阈值。
在一个具体的实现过程中，第一条件可以为透明度值大于透明度阈值。
在一个具体的实现过程中，从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，可以包括：根据定位后的目标操作类型，从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点。
在一个具体的实现过程中，多个第一候选定位点，按照在观察视线对应的屏幕出射光线方向上的前后顺序，排列为第一序列，根据定位后的目标操作类型，从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：在目标操作类型为分割时，从多个第一候选定位点中选择处于第一序列的中间区域的第一候选定位点作为最优定位点；或者，在目标操作类型为单击定位或测量时，从多个第一候选定位点中选择第一序列的第一个第一候选定位点作为最优定位点。
其中，中间区域可以根据需求设置。例如，假设第一序列中从前到后总共有16个点，那么可以设定中间区域为第9～12个点所在的区域，也就是说，从第9～12个点中选择一个点作为最优定位点。从处于第一序列的中间区域的第一候选定位点中选择最优定位点，保证了最优定位点不是待定位的目标组织或器官的边缘点，从而便于半自动分割后的区域生长等操作。
其中，第一序列的中的第一个第一候选定位点通常为待定位的目标组织或器官的边缘点。
定位后的目标操作类型不同，说明定位的目的不同，因此，不同目标操作类型的定位需求也不同。例如，如果定位后的目标操作类型是半自动分割，半自动分割是为了进行区域生长，获取目标组织的分割结果，此时选择中间区域的点作为定位点有利于后续的区域生长，而选择边缘点进行生长很容易溢出，导致分割准确较低。如果定位后的目标操作类型是单击定位或测量，单击定位或测量为的是多点测距，此时，从第一候选定位点集合中选择边缘点作为最优定位点有利于后续的多点测距操作。
因此，本实施例中，根据定位后的目标操作类型，从多个第一候选定位点中选择至少一个第一候选定位点作为最优定位点，在提高定位结果准确度的基础上，方便了定位后的操作，有助于提升定位后的操作对应的图像处理效果。
图3为本发明实施例提供的三维图像定位方法的第二流程示例图。如图3所示，本实施例中，三维图像定位方法可以包括如下步骤：
S301，采集观察视线与三维图像对应的绘制体的多个相交点。
S302，获取相交点的透明度值和/或灰度值。
S303，根据透明度值和/或灰度值，从多个相交点中选择出多个第一候选定位点，组成第一候选定位点集合。
S304，从第一候选定位点集合中观察视线对应的在屏幕出射光线方向上位置连续的第一个候选定位点个数大于数量阈值的多个第一候选定位点作为第二候选定位点，组成第二候选定位点集合；
S305，从第二候选定位点集合中选择指定第二候选定位点作为最优定位点。
图4为本发明实施例提供的沿观察光线方向上的灰度分布曲线示例图。
在通过S303滤出掉透明度值和灰度值不符合要求的相交点之后，第一候选定位点集合中可能还存在一些宽度比较小但半透明的区域。根据扫描协议中体素的物理大小(例如体素的长宽高)可知血管或骨头直径占有的最小体素个数(可通过阈值设置)，因此对于过窄的区域(例如图4的a中左面的尖峰)，可认为是伪区域，例如图1中的絮状软组织。
S304中，通过宽度阈值，选择所述观察视线对应的在屏幕出射光线方向上位置连续的第一个候选定位点个数大于宽度阈值的多个第一候选定位点作为第二候选定位点，可以将处于伪区域中的点滤除，这样能够使选择的最优定位点更加精准。所述观察视线对应的在屏幕出射光线方向上位置连续的第一个候选定位点个数大于数量阈值的第二候选定位点组成的第二候选定位点集合对应的灰度曲线如图4的b所示。
举例说明。假设第一候选定位点集合和第二候选定位点集合中，各点的序号表示沿观察视线从前往后的顺序，第一候选定位点集合为{1，2,3,7,8,9,10,11,12,15,18}，那么，第一候选定位点集合中存在两组位置连续的子集合，即{1,2,3}和{7,8,9,10,11,12}，如果设置宽度阈值为5(此处指5个点)，那么第二候选定位点集合为{7,8,9,10,11,12}，而子集合{1,2,3}为伪区域。
图4的c和d中，不同组织区域由于灰度值相差不大且相邻在一起，因此会形成一个较宽的候选区域。此时，可以沿着光线方向从前往后找到合适的定位点。例如，对于单击定位等测量需求，可选择这个较宽区域的第一个点(离视线最近)作为定位点；而对于区域生长等半自动分割需求，可选择一个宽度的阈值，从该区域的第一个点出发朝着视线方向往里寻找宽度一半的点作为定位点，之所以选择区域中间的点，是因为区域边界点进行生长很容易溢出。
本发明实施例提供的三维图像定位方法，通过根据透明度值和灰度值，从观察视线与三维图像对应的绘制体的多个相交点中选择出第一候选定位点，再从第一候选定位点中选择最优定位点，将不符合待定位的目标组织或器官的透明度要求和灰度要求的候选点排除，保证最终选择的最优定位点属于待定位的目标组织或器官，从而提高了三维图像定位结果的准确度。
本发明实施例还提供了一种三维图像定位装置，该三维图像定位装置能够实现前述实施例中三维图像定位方法的各步骤。
图5为本发明实施例提供的三维图像定位装置的功能方块图。如图5所示，本实施例中，三维图像定位装置包括：
采集模块510，用于采集观察视线与三维图像对应的绘制体的多个相交点；
获取模块520，用于获取相交点的透明度值和/或灰度值；
第一选择模块530，用于根据透明度值和/或灰度值，从多个相交点中选择出多个第一候选定位点；
定位模块540，用于从多个第一候选定位点集合中选择至少一个第一候选定位点，以作为最优定位点。
在一个具体的实现过程中，第一选择模块530在用于根据透明度值和灰度值，从多个相交点中选择出多个第一候选定位点时，具体用于：根据透明度值和灰度值，从多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点，作为第一候选定位点。
在一个具体的实现过程中，第一选择模块530在用于根据透明度值和所述灰度值，从多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点作为第一候选定位点时，用于：根据待定位的目标组织类型，获取第一条件和第二条件；在待定位的目标组织为血管或骨头时，确定第二条件为灰度值大于第一灰度阈值；或者，在待定位的目标组织为软组织时，确定第二条件为灰度值小于第二灰度阈值。
在一个具体的实现过程中，第一条件为透明度值大于透明度阈值。
在一个具体的实现过程中，定位模块540在用于从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点时，具体用于：根据定位后的目标操作类型，从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点。
在一个具体的实现过程中，多个第一候选定位点，按照在观察视线对应的屏幕出射光线方向上的前后顺序，排列为第一序列，定位模块540在用于根据定位后的目标操作类型，从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点时，具体用于：在目标操作类型为分割时，从多个第一候选定位点中选择处于第一序列的中间区域的第一候选定位点作为最优定位点；或者，在目标操作类型为单击定位或测量时，从多个第一候选定位点中选择处于第一序列的第一个第一候选定位点作为最优定位点。
在一个具体的实现过程中，三维图像定位装置还可以包括：第二选择模块，用于从多个第一候选定位点中，选择观察视线对应的在屏幕出射光线方向上位置连续的第一个候选定位点个数大于数量阈值的多个第一候选定位点，作为第二候选定位点；定位模块540在用于根据定位后的目标操作类型，从多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点时，具体用于：从第二候选定位点中选择至少一个第二候选定位点作为最优定位点。
在一个具体的实现过程中，采集模块510在用于采集观察视线与三维图像对应的绘制体的多个相交点时，具体用于：采集观察视线与三维图像对应的绘制体的第一表面的第一相交点，以及观察视线与三维图像对应的绘制体的第二表面的第二相交点；根据第一相交点和第二相交点确定第一线段，第一线段以第一相交点和第二相交点为端点；在第一线段上按照指定长度间隔采集多个第三相交点。
由于本实施例中的三维图像定位装置能够执行前述实施例中的三维图像定位方法，本实施例未详细描述的部分，可参考对前述实施例中三维图像定位方法的相关说明。
本发明实施例提供的三维图像定位装置，通过根据透明度值和灰度值，从观察视线与三维图像对应的绘制体的多个相交点中选择出第一候选定位点，再从第一候选定位点中选择最优定位点，将不符合待定位的目标组织或器官的透明度要求和灰度要求的候选点排除，保证最终选择的最优定位点属于待定位的目标组织或器官，从而提高了三维图像定位结果的准确度。
本发明实施例还提供一种三维图像定位设备，该设备包括：处理器；用于存储处理器可执行指令的存储器；显示器，耦合于所述处理器，包括用户界面；处理器被配置为：采集观察视线与三维图像对应的绘制体的多个相交点；获取相交点的透明度值和/或灰度值；根据透明度值和/或灰度值，从多个相交点中选择出多个第一候选定位点；从多个第一候选定位点中选择至少一个第一候选定位点作为最优定位点。
其中，三维图像定位设备可以是计算机。
图6是三维图像定位设备600的简化框图。参见图6，该三维图像定位设备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。三维图像定位设备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。
三维图像定位设备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：
采集观察视线与三维图像对应的绘制体的多个相交点；
获取相交点的透明度值和/或灰度值；
根据透明度值和/或灰度值，从多个相交点中选择出多个第一候选定位点；
从多个第一候选定位点中选择至少一个第一候选定位点作为最优定位点。
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 (8)

1.一种三维图像定位方法，其特征在于，所述方法包括：
采集观察视线与三维图像对应的绘制体的多个相交点；
获取所述相交点的透明度值和/或灰度值；
根据所述透明度值和/或所述灰度值，从所述多个相交点中选择多个第一候选定位点；
从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点；
从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点；
所述多个第一候选定位点，按照在所述观察视线对应的屏幕出射光线方向上的前后顺序，排列为第一序列；
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
在所述目标操作类型为分割时，从所述多个第一候选定位点中选择处于所述第一序列的中间区域的第一候选定位点作为最优定位点；或者，
在所述目标操作类型为单击定位或测量时，从所述多个第一候选定位点中选择所述第一序列的第一个第一候选定位点作为最优定位点。
2.根据权利要求1所述的方法，其特征在于，根据所述透明度值和所述灰度值，从所述多个相交点中选择出多个第一候选定位点包括：
根据所述透明度值和所述灰度值，从所述多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点，作为第一候选定位点。
3.根据权利要求2所述的方法，其特征在于，根据所述透明度值和所述灰度值，从所述多个相交点中选择透明度值符合第一条件并且灰度值符合第二条件的相交点，包括：
根据待定位的目标组织类型，获取所述第一条件和所述第二条件；
在待定位的目标组织为血管或骨头时，确定所述第二条件为灰度值大于第一灰度阈值；或者，
在待定位的目标组织为软组织时，确定所述第二条件为灰度值小于第二灰度阈值。
4.根据权利要求2所述的方法，其特征在于，所述第一条件为透明度值大于透明度阈值。
5.根据权利要求1所述的方法，其特征在于，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点之前，所述方法还包括：
从所述多个第一候选定位点中，选择所述观察视线对应的在屏幕出射光线方向上位置连续的第一个第一候选定位点个数大于数量阈值的多个第一候选定位点，作为第二候选定位点；
从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：从所述第二候选定位点中选择至少一个第二候选定位点作为最优定位点。
6.根据权利要求1所述的方法，其特征在于，采集观察视线与三维图像对应的绘制体的多个相交点，包括：
采集观察视线与三维图像对应的绘制体的第一表面的第一相交点，以及观察视线与三维图像对应的绘制体的第二表面的第二相交点；
根据所述第一相交点和所述第二相交点确定第一线段，所述第一线段以所述第一相交点和所述第二相交点为端点；
在所述第一线段上按照指定长度采集多个第三相交点。
7.一种三维图像定位装置，其特征在于，所述装置包括：
采集模块，用于采集观察视线与三维图像对应的绘制体的多个相交点；
获取模块，用于获取所述相交点的透明度值和/或灰度值；
第一选择模块，用于根据所述透明度值和/或所述灰度值，从所述多个相交点中选择出多个第一候选定位点；
定位模块，用于从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点；
其中，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点；
所述多个第一候选定位点，按照在所述观察视线对应的屏幕出射光线方向上的前后顺序，排列为第一序列；
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
在所述目标操作类型为分割时，从所述多个第一候选定位点中选择处于所述第一序列的中间区域的第一候选定位点作为最优定位点；或者，
在所述目标操作类型为单击定位或测量时，从所述多个第一候选定位点中选择所述第一序列的第一个第一候选定位点作为最优定位点。
8.一种三维图像定位设备，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；
显示器，耦合于所述处理器，包括用户界面；
所述处理器被配置为：
采集观察视线与三维图像对应的绘制体的多个相交点；
获取所述相交点的透明度值和/或灰度值；
根据所述透明度值和/或所述灰度值，从所述多个相交点中选择出多个第一候选定位点；
从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点；
其中，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点；
所述多个第一候选定位点，按照在所述观察视线对应的屏幕出射光线方向上的前后顺序，排列为第一序列；
根据定位后的目标操作类型，从所述多个第一候选定位点中选择至少一个第一候选定位点，以作为最优定位点，包括：
在所述目标操作类型为分割时，从所述多个第一候选定位点中选择处于所述第一序列的中间区域的第一候选定位点作为最优定位点；或者，
在所述目标操作类型为单击定位或测量时，从所述多个第一候选定位点中选择所述第一序列的第一个第一候选定位点作为最优定位点。
CN201710705619.6A 2017-08-17 2017-08-17 三维图像定位方法、装置及设备 Active CN107464242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710705619.6A CN107464242B (zh) 2017-08-17 2017-08-17 三维图像定位方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710705619.6A CN107464242B (zh) 2017-08-17 2017-08-17 三维图像定位方法、装置及设备

Publications (2)

Publication Number Publication Date
CN107464242A CN107464242A (zh) 2017-12-12
CN107464242B true CN107464242B (zh) 2020-10-20

Family

ID=60548934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710705619.6A Active CN107464242B (zh) 2017-08-17 2017-08-17 三维图像定位方法、装置及设备

Country Status (1)

Country Link
CN (1) CN107464242B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004187743A (ja) * 2002-12-09 2004-07-08 Hitachi Medical Corp 医用３次元画像表示装置
CN101794460A (zh) * 2010-03-09 2010-08-04 哈尔滨工业大学 基于光线投射体绘制算法的人体心脏三维解剖组织结构模型可视化方法
CN102920537A (zh) * 2012-11-01 2013-02-13 上海理工大学 用于检验人体腰椎骨骼和植入物双重安全有效性的方法
CN103049930A (zh) * 2012-12-06 2013-04-17 南方医科大学 三维医学图像动态高斯体模型绘制方法
CN105721855A (zh) * 2016-03-18 2016-06-29 南京洛菲特数码科技有限公司 一种三维体数据绘制方法及其应用、三维图像显示方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004187743A (ja) * 2002-12-09 2004-07-08 Hitachi Medical Corp 医用３次元画像表示装置
CN101794460A (zh) * 2010-03-09 2010-08-04 哈尔滨工业大学 基于光线投射体绘制算法的人体心脏三维解剖组织结构模型可视化方法
CN102920537A (zh) * 2012-11-01 2013-02-13 上海理工大学 用于检验人体腰椎骨骼和植入物双重安全有效性的方法
CN103049930A (zh) * 2012-12-06 2013-04-17 南方医科大学 三维医学图像动态高斯体模型绘制方法
CN105721855A (zh) * 2016-03-18 2016-06-29 南京洛菲特数码科技有限公司 一种三维体数据绘制方法及其应用、三维图像显示方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
3D医学图像中标志点的自动识别与定位;孙曦等;《现代生物医学进展》;20081231;第8卷(第4期);第709-712页第1节 *

Also Published As

Publication number Publication date
CN107464242A (zh) 2017-12-12

Similar Documents

Publication Publication Date Title
EP2486548B1 (en) Interactive selection of a volume of interest in an image
EP3533027B1 (en) Automatic ct detection and visualization of active bleeding and blood extravasation
US7711160B2 (en) Automatic optimal view determination for cardiac acquisitions
CN109448004B (zh) 一种基于中心线的颅内血管图像的截取方法及系统
WO2017020580A1 (zh) 一种医学组织的切片图像三维重建的方法及设备
US10537282B2 (en) Medical image processing apparatus, medical image diagnosis apparatus and recording medium
KR20220032067A (ko) 데이터 처리 방법, 장치, 기기 및 저장매체
US11928816B2 (en) Image processing method, apparatus, and system, electronic device, and storage medium
CN111145160A (zh) 钙化区域所处冠脉分支的确定方法、装置、服务器及介质
CN107392976A (zh) 数据处理方法、装置及设备
CN113516758A (zh) 图像显示方法及相关装置和电子设备、存储介质
CN107464242B (zh) 三维图像定位方法、装置及设备
JP2010538729A (ja) 経路近傍レンダリング
CN111053574A (zh) 一种三维表面重建方法、装置及超声设备和存储介质
CN113888566B (zh) 目标轮廓曲线确定方法、装置、电子设备以及存储介质
US20160210774A1 (en) Breast density estimation
CN112767314B (zh) 医学图像处理方法、装置、设备及存储介质
US11583242B2 (en) System and method for contrast enhanced ultrasound quantification imaging
CN113077474B (zh) 基于ct影像的床板去除方法、系统、电子设备及存储介质
IL262027A (en) System and methods for diagnostic image processing and image quality assessment
CN115147360A (zh) 一种斑块分割方法、装置、电子设备及可读存储介质
CN109350062B (zh) 医学信息获取方法、设备及非易失性计算机存储介质
Guyon et al. VETOT, volume estimation and tracking over time: Framework and validation
EP3438932B1 (en) Intelligent contouring of anatomy with structured user click points
CN109727662B (zh) 医学影像检测的显示方法及装置、设备和非暂态存储介质

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
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.