CN107545584A - 医学图像中定位感兴趣区域的方法、装置及其系统 - Google Patents
医学图像中定位感兴趣区域的方法、装置及其系统 Download PDFInfo
- Publication number
- CN107545584A CN107545584A CN201710297072.0A CN201710297072A CN107545584A CN 107545584 A CN107545584 A CN 107545584A CN 201710297072 A CN201710297072 A CN 201710297072A CN 107545584 A CN107545584 A CN 107545584A
- Authority
- CN
- China
- Prior art keywords
- image
- subgraph
- interest
- template
- area
- 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
Abstract
本发明提供一种医学图像中定位感兴趣区域的方法、装置和系统,包括:获取若干个片层的图像;识别所述图像的片层信息;根据所述片层信息,确定子图截图范围;在所述截图范围内,截取子图;根据所述子图,读取模板;根据所述模板,配准所述子图,得到配准结果;以及根据所述配准结果,确定所述感兴趣区域。
Description
【技术领域】
本发明涉及医学图像处理领域,尤其涉及医学图像中定位感兴趣区域的方法、装置及其系统。
【背景技术】
脑血管疾病是严重危害人类健康的常见病,在不同年龄段的人群均可发病,尤以中老年人群为主,具有发病率、病死率、致残率、复发率、并发症发生率高和疾病负担重等特点。随着全球人口的老龄化和发病年龄的年轻化,该病发生率呈逐年升高趋势,早期诊断对脑血管病变的预后具有重要意义。脑血管疾病的发生主要由血管病变所致,而血管影像学可活体观察和诊断血管病变,成为脑血管病诊断的重要依据。近年来血管影像学的新技术和新方法不断涌现,如CT血管造影(CT angiography,CTA)、磁共振血管造影 (magneticresonance angiography,MRA)、三维数字减影血管造影(3D DSA) 等,为脑血管疾病的防治奠定了基础。CTA需要使用图像后处理技术进行血管中心线提取、血管分割和三维立体显示,但有些部位因血管与骨骼紧密相贴,使得分割与提取血管的技术难度加大,显示困难,因而对该区域血管病变漏诊率较高,比如受到颈椎、颅骨等骨结构的影响,椎动脉、基底动脉、颈内动脉颅底段、静脉窦的分割和提取成为头颈部CTA血管分割的难点.
头颈部CTA中增强血管的HU值与骨接近,在血管与骨紧密贴合的区域,将血管与骨准确分开成为了技术难点。比如椎动脉(vertebral artery)由锁骨下动脉发出,左右各一,沿前斜角肌内侧上行,在六个颈椎横突孔中穿行,经枕骨大孔上升到颅内后,两条椎动脉在脑桥下缘汇合在一起,形成一条粗大的基底动脉(basilar artery)。颈内动脉(internalcarotid artery) 经颈总动脉发出后垂直上升至颅底,经过颈动脉管入颅腔,此段全程大部穿行于骨性管道内,入海绵窦后也紧贴蝶骨前行。如果能将椎动脉、基底动脉和颈内动脉在增强图像上进行标记,并且进行区域限定,将对后续的血管中心线提取提供便利。
【发明内容】
本发明解决的问题是对于骨头紧密相连血管组织进行标,以提高后续血管提取的准确性。
为解决上述技术问题,本发明提供一种医学图像中定位感兴趣区域的方法,包括:
获取若干个片层的图像;
识别所述图像的片层信息;
根据所述片层信息,确定子图截图范围;
在所述截图范围内,截取子图;
根据所述子图,读取模板;
根据所述模板,配准所述子图,得到配准结果;以及
根据所述配准结果,确定所述感兴趣区域。
可选的,所述片层信息包括该片层的形状、大小和/或位置。
可选的,所述方法还包括:
根据所述片层信息,确定至少两个子图截图范围;
在所述截图范围内,截取至少两个子图;
读取对应所述子图的模板;
分别与对应所述子图的模板配准所述子图,确定对应子图的配准结果。
可选的,其特征在于,还包括,合并所述对应子图的配准结果,获取合并的感兴趣区域。
可选的,所述模板为对应所述子图的标准图像模板。
可选的,所述标准图像模板基于平均人群所制作的模板。
为解决上述技术问题,本发明还提供一种医学图像中定位感兴趣区域的装置,所述装置包括:
识别模块,用于识别获取的图像的片层信息;
截取模块,用于确定子图截图范围;
确定子图模块,用于根据子图截图范围,截取子图;
读取模块,用于根据所述子图,读取模板;
配准模块根据所述模板,配准所述子图,得到配准结果;以及
定位模块,根据所述配准结果,确定所述感兴趣区域。
可选的,所述装置还包括,模板生成模块,用于获取所述子图的标准图像模板。
为解决上述技术问题,本发明还提供一种医学成像系统,包括存储设备、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,还包括:显示设备,用于显示的所述系统接受或处理的图像,显示感兴趣区域的结果;
存储设备,用于所述图像,以及各个子图对应的模板;
其中,所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的定位感兴趣区域的方法。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如前所述的定位感兴趣区域的方法。
【附图说明】
图1是根据本申请的一些实施例所示的一个成像系统的示意图;
图2是根据本申请的一些实施例所示的生成图像的示例性流程图;
图3是根据本申请的一些实施例所示的图像生成器的示意图;
图4是根据本申请的一些实施例所示的图像处理模块的示意图;
图5是根据本申请的一些实施例所示的血管提取单元的示意图;
图6是根据本申请的一些实施例所示的确定感兴趣区域的示例性流程图;
图7是根据本申请的一些实施例所示的确定头颈部感兴趣区域的具体实施方式的流程图;
图8A-8F是根据本申请的一些实施例所示的确定头颈部目标血管的确定感兴趣区域的示例性实验结果图;
图9是根据本申请的一些实施例所示的医学图像中定位感兴趣区域的装置。
【具体实施方式】
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。应当理解,给出这些示例性实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
根据本申请的一些实施例,图1所示的是一个成像系统100的示意图。在一些实施例中,成像系统100可以对既定目标进行扫描,得到扫描数据和并生成与之相关的图像。在一些实施例中,成像系统100可以对生成的图像进行进一步处理。在一些实施例中,成像系统100可以是一个设备或一个设备组。具体地,成像系统100可以是一个医学成像系统,例如,一个PET (Positron Emission Tomography)设备、一个SPECT(SinglePhotonEmissionComputed Tomography)设备、一个CT(Computed Tomography)设备、一个 MRI(Magneticresonance imaging)设备等。进一步地,所述医学成像系统可以是单独使用,也可以结合使用。例如,一个PETCT设备、一个PETMRI设备或一个SPECTMRI设备等。
在一些实施例中,成像系统100可以包括一个扫描仪,扫描仪可以对既定目标进行扫描,并获得与之相关的信息(例如扫描数据)。进一步地,成像系统100可以是一个放射性扫描设备。该放射性扫描设备可以包括一个放射性扫描源。放射性扫描源可以向既定目标发射放射性射线。所述放射性射线可以包括微粒射线、光子射线等中的一种或其组合。所述微粒射线可以包括中子、质子、电子、μ介质、重离子等中的一种或其组合。光子射线可以包括X射线、γ射线、α射线、β射线、紫外线、激光等中的一种或其组合。作为示例,光子射线可能是X射线,其相应的成像系统100则可以是一个CT 系统、一个数字式射线成像系统(DR)、一个多模态医学成像系统等其中的一种或多种。进一步地,在一些实施例中,多模态医学成像系统可以包括CTPET 系统、SPECTMRI系统等中的一种或多种。
在一些实施例中,成像系统100可以包括一个腔体110、一个床架120、一个高压发生器130、一个操作控制计算机设备140、一个图像生成器150、和一个控制显示设备160。腔体110内部可以收容用来产生和检测放射性射线的组件。在一些实施例中,腔体110可以收容一个辐射发生器180和一个探测器170。辐射发生器180可以发射放射性射线。放射性射线可以发射到置于腔体110中的物体处,并透过物体被探测器170接收。作为示例,所述辐射发生器180可以是一个X射线管。X射线管可以发射X射线,该射线透过置于腔体110内部的物体,并被探测器170接收。在一些实施例中,探测器170 可以是圆形探测器、方形探测器、或弧形探测器等。所述弧形探测器的旋转角度可以是在0度到360度之间。在一些实施例中,弧形探测器的旋转角度可以是固定不变的。在一些实施例中,弧形探测器的旋转角度可以根据需要调整。例如,可以根据所需要的图像的分辨率、图像的大小、探测器的灵敏度、探测器的稳定性或其中的一种或者几种的组合,进行调整。在一些实施例中,探测器170可以是一维探测器、二维探测器、或三维探测器。
床架120可以支撑待检测的物体(例如待检测的病人)。在一些实施例中,床架120可以在检测过程中在腔体110内部移动。如图1所示,在检测过程中,床架120可以沿Z轴方向移动。根据检测的需要,病人可以仰卧、俯卧、头部在前或脚部在前。在一些实施例中,床架120可以以恒定的速度在腔体 110内部移动。床架120移动的速度可以和扫描时间、扫描区域等因素相关。在一些实施例中,床架120移动的速度可以是系统默认值,也可以由用户设定。
高压发生器130可以产生高压或者强电流。在一些实施例中,所产生的高压或强电流可以传输至辐射发生器180。所产生的高压可以是80kV140kV、 75Kv150kV或120kV140kV。所产生的电流可以是20mA500mA。
操作控制计算机设备140可以与腔体110、辐射发生器180、探测器170、高压发生器130、床架120、图像生成器150和/或控制显示设备160相关联。上述设备之间可以通过直接或者间接的方式相连接。在一些实施例中,操作控制计算机设备140可以控制腔体110旋转至某一位置。该位置可以是系统默认值,也可以由用户(例如医生、护士等)设定。在一些实施例中,操作控制计算机设备140可以控制高压发生器130。例如,操作控制计算机设备 140可以控制高压生成器130产生的电压或电流的强度。在一些实施例中,操作控制计算机设备140可以控制显示设备160。例如,操作控制计算机设备 140可以控制与显示相关的参数。所述参数可以包括显示尺寸、显示比例、显示顺序、显示数量等。作为示例,可以控制显示图像的整体或部分。作为又一示例,可以将一个图像分为几个子图(例如头部子图、颈部子图、下肢子图等),同时或依次显示几个子图。作为进一步示例,可以放大或缩小某个图像。
图像生成器150可以生成图像。在一些实施例中,图像生成器150可以进行图像预处理、图像重建、和/或血管提取等操作。图像生成器150可以和探测器170、操作控制计算机设备140、显示设备160和/或外部数据源(图中未体现)相关联。在一些实施例中,图像生成器150可以从探测器170或者外部数据源接收数据,并基于所接收的数据生成图像。所述的外部数据源可以是硬盘、软盘、随机存储器(random access memory,RAM)、动态随机存储器(dynamic random access memory,DRAM)、静态随机存储器(static random accessmemory,SRAM)、磁泡存储器(bubble memory)、薄膜存储器 (thin film memory)、磁镀线存储器(magnetic plated wire memory)、相变存储器(phase change memory)、闪速存储器(flash memory)、云盘(a cloud disk)等中的一种或多种。在一些实施例中,图像生成器150可以将生成的图像传送至显示设备160进行显示。
显示设备160可以显示所接收的数据或图像。显示设备160可以和操作控制计算机设备140和图像生成器150相连接。在一些实施例中,显示设备 160可以显示由图像生成器150所生成的图像。在一些实施例中,显示设备 160可以向图像生成器150和/或操作控制计算机设备140发送指令。例如,用户可以通过显示设备160设置成像参数,该成像参数可以发送至操作控制计算机设备140。所述成像参数可以包括数据采集参数和图像重建参数等。其中,数据采集参数可以包括扫描时间、扫描目标定位信息、机架的旋转速度、电压/电流的强度等中一个或多个。图像重建参数可以包括重建视场、重建矩阵、重建算法等中的一个或多个。
需要说明的是,以上对于成像系统100的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接,对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。
根据本申请的一些实施例,图2所示的是生成图像过程的一种示例性流程图。在步骤204中,可以设置扫描参数。设置扫描参数的过程可以由操作控制计算机设备140实现。在一些实施例中,扫描参数可以包括扫描时间、扫描目标定位信息、机架的位置、机架的旋转速度、电压/电流的强度等中的一个或者多个。作为示例,可以旋转床架120至某一特定位置。作为又一示例,可以移动腔体110至某一特定位置。在一些实施例中,该特定位置可以是系统默认值,也可以由用户(例如医生、护士)设定。在一些实施例中,根据被测物的不同,设置的位置也不同。被测物可以是检测对象的整体或其中的一部分。检测对象可以包括人体、动物、非生物物体等。作为示例,被测物可以包括器官、组织、病变部位、肿瘤部位或者上述部位的任意组合。具体例如,被测物可以是头部、胸部、腹部、心脏、肝脏、上肢、下肢、脊椎、骨骼、血管等,或者上述部位的任意组合。
在步骤206中,可以对被测物进行扫描。在步骤208中,可以获取被测物的扫描数据。扫描过程和获取扫描数据的过程可以由辐射发生器180和探测器170共同完成。在一些实施例中,放射性射线可以透过被测物,经过被测物吸收后,由探测器170接收。在一些实施例中,放射性射线可以由被测物反射至探测器170并由探测器接收。在一些实施例中,扫描数据可以全部或部分地从外部数据源获得。
在步骤210,可以根据扫描数据,生成图像。在一些实施例中,步骤210 可以由图像生成器150实现。生成的图像可以包括MRI图像、CT图像、PET 图像或上述图像的任意组合。作为示例,可以利用再现算法计算得到CT图像。在一些实施例中,生成的图像可以包括二维图像或三维图像。在一些实施例中,还可以对生成的图像进行处理。对图像的处理可以包括对图像的滤波去噪、灰度的归一化、图像水平旋转、尺度大小的校正等。
在步骤212中,可以输出图像。在一些实施例中,图像可以由显示设备 160显示。在一些实施例中,图像可以传输至任何一个与成像系统100相关的外部设备,例如,数据库、终端等。
需要注意的是,以上对于图像形成过程的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个步骤进行调换或者任意组合,对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。例如,可以在获取扫描数据步骤208和生成图像步骤210 之间加入其他的选择或处理条件。例如,可以将获取的扫描数据进行存储备份。类似地,该存储备份步骤可以添加至流程图中的任何两个步骤之间。
根据本申请的一些是实施例,图3所示的是图像生成器150的示意图。图像生成器150可以包括一个数据接收模块310、一个数据处理模块320、一个图像处理模块330、一个存储模块340、一个控制模块350、和一个图像输出模块360。
数据接收模块310可以接收与被测物相关的数据。与被测物相关的数据可以包括扫描数据、基本信息(例如姓名、年龄、性别、身高、体重,病史等)、扫描参数等。在一些实施例中,所述扫描数据可以由探测器170收集并传送至数据接收模块310。在一些实施例中,扫描数据由探测器170收集之后,可以先传送至存储模块340,再由存储模块340传送至数据接收模块310。在一些实施例中,数据接收模块310可以从操作控制计算机设备140接收扫描参数数据。在一些实施例中,数据接收模块310可以从外部数据源(图中未体现)接收数据(例如病人的基本信息)。
数据处理模块320可以对接收到的数据进行分析处理。数据处理模块320 可以从数据接收模块310、存储模块340和/或外部数据源接收数据并进行分析处理。在一些实施例中,数据处理模块320可以对所接收的数据进行预处理操作。作为示例,数据处理模块320可以处理暗电流和空扫数据、去除坏点、去除噪声、进行几何校正等。在一些实施例中,数据处理模块320可以分析处理接收到的扫描数据,生成初始图像。此处所述初始图像是基于被测物的扫描数据生成的未经预处理的图像。在一些实施例中,数据处理模块320 可以统计分析扫描数据和基本信息,生成统计结果。作为示例,数据处理模块320可以统计某一类人群患某一种疾病的概率。所述统计结果可以传输至存储模块340。
图像处理模块330可以生成图像和/或处理图像。在一些实施例中,图像处理模块330可以接收由数据处理模块320所处理的扫描数据,并根据经过处理的扫描数据生成图像。在一些实施例中,图像处理模块330可以处理由数据处理模块320生成的初始图像。所述处理操作可以包括滤波去噪、灰度的归一化、图像水平旋转、尺度大小的校正、部分遮挡物的去除(例如,眼镜的去除)等。在一些实施例中,图像处理模块330可以进行图像重建。例如,图像处理模块330可以进行血管造影。在一些实施例中,图像处理模块 330可以进一步分析处理生成的图像。例如,图像处理模块330可以提取图像中的血管。作为示例,图像处理模块330可以控制图像处理模块330进行血管提取的参数。所述参数可以包括感兴趣区域的确定、种子点的确定、中心线的确定等。此处所述种子点是指从图像中选定的一个血管内部的图像体素。例如,种子点可以是靠近血管中心的一个图像体素。此处所述中心线是指位于血管内部的沿着血管走向的一条线。在一些实施例中,血管中心线可以指位于血管中心部位或靠近血管中心部位像素点的集合。在一些实施例中,血管中心线可以指到血管边界距离相等或基本相等的像素点的连线。
存储模块340可以存储数据、图像和/或相关参数等。存储的数据可以是各种形式数据。例如,数值、信号、图像、既定目标的相关信息、命令、算法、程序等中的一种或多种。作为示例,扫描数据、初始图像、经过处理的图像、处理参数(例如去噪参数、归一化参数等)可以存储在存储模块340 中。在一些实施例中,存储模块340可以包括固定的存储系统(例如,磁盘)、移动式的存储系统(例如,USB接口、火线端口等的接口和/或磁盘驱动类的驱动)等。具体地,在一些实施例中,存储模块340可以存储血管初始图像、经过处理的血管图像、血管图像设置参数等。进一步地,存储模块340可以是数据的临时存储,即为下一次的数据处理转存数据;也可以是数据的长期存储,即存储最终的数据处理结果。
控制模块350可以控制数据接收模块310、数据处理模块320、图像处理模块330、存储模块340、和/或输出模块360。在一些实施例中,控制模块 350可以控制数据接收模块310接收数据的时间和/或传输数据的路径。在一些实施例中,控制模块350可以控制数据传输速度和数据传输模式(例如,实时传输或延时传输)等。在一些实施例中,控制模块350可以控制图像处理模块330进行图像重建。作为示例,控制模块350可以选择图像重建时所选用的算法。作为又一示例,控制模块350可以控制图像处理模块330进行血管提取的参数。所述参数可以包括感兴趣区域的确定、种子点的确定、中心线的确定等。在一些实施例中,控制模块350可以接收来自用户(例如,医生、成像工程师等)的指令。
输出模块360可以输出信息。所述信息可以包括数据、图像和/或相关参数等。所述信息可以来自数据接收模块310、数据处理模块320、图像处理模块330、存储模块340、和/或控制模块350。所述信息可以有多种呈现方式,包括但不限于音频、视频、图像、文字等中的一种或多种。作为示例,可以通过麦克风、扩音器等播报信息。作为又一示例,可以在显示屏上呈现信息。在一些实施例中,所述信息可以是各种形式的数据,包括但不限于数值、信号、图像、既定目标的相关信息、命令、算法、程序等中的一种或多种。作为示例,所述信息可以包括血管初始图像、血管灰度图像、血管掩膜图像、血管粗处理图像、血管精处理图像等。作为又一示例,所述信息可以包括相关参数,例如,直方图、水平集、函数集等。在一些实施例中,所述信息可以输出至任何一个与成像系统100相关的外部设备(例如数据库、终端等)。在一些实施例中,所述信息可以显示在任何一个显示设备上(例如显示设备 160、电脑显示屏、手机显示屏等)。
在一些实施例中,图像生成器150内部的各个模块可以包括一个或多个通用处理器。所述处理器包括但不限于,可编程逻辑设备(programed programmable logic device,PLD)、专用集成电路(special integrated circuit,ASIC)、微处理器(microprocessor)、嵌入式芯片系统(system on chip,SoC)、通讯信号处理器(digital signal processor,DSP)等中的一种或多种。所述两个及以上的处理器可结合在一个硬件设备上。所述处理器可通过多种方式实现数据处理,例如,通过硬件、软件或硬件软件结合等方式。
以上对于图像生成器150的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解基本原理后,可能在不背离这一原理的情况下,对具体实施方式与步骤进行形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。例如,图像生成器150中各个模块内可以添加一个存储单元,用于存储各模块运行过程中产生的中间数据或处理结果。又例如,一个或多个模块可以集成在同一个模块中,实现一个或多个模块的功能。再例如,数据接收模块310和图像输出模块360可以集成在一个模块中,同时实现输入/输出功能。进一步例如,控制模块350可以集成在图像处理模块330中,控制图像处理模块330 运行中可能涉及的各种参数。
根据本申请的一些实施例,图4是图像处理模块330的示意图。如图4 所示,图像处理模块330可以包括一个图像信息获取单元410、一个图像预处理单元420、一个图像重建单元430、和一个血管提取单元440。
图像信息获取单元410可以获取初始图像信息。图像信息可以是用于生成图像的扫描数据,也可以是已经生成的初始图像。在一些实施例中,图像信息获取单元410可以从数据处理模块320或存储模块340获取扫描数据或初始图像。在一些实施例中,图像信息获取单元410可以将所接收的扫描数据或初始图像传输至图像预处理单元420和/或图像重建单元430。
图像预处理单元420可以对图像进行预处理操作。所述预处理操作可以包括滤波去噪、灰度的归一化、图像水平旋转、尺度大小的校正、和部分遮挡物的去除(例如,眼镜的去除)等。作为示例,图像预处理单元420可以对初始图像进行滤波平滑操作,降低图像噪声。
图像重建单元430可以重建图像。在一些实施例中,图像重建单元430 可以基于扫描数据进行图像重建。在一些实施例中,图像重建单元430可以进行二维重建或三维重建。在一些实施例中,用于图像重建的算法可以包括滤波反投影(Filtered Back Projection,FBP)、有序子集最大期望值(Ordered Subsets Expectation Maximization,OSEM)、FDK算法等中的一种或多种。在一些实施例中,图像重建单元430可以将图像传输至图像预处理单元420 和/或血管提取单元440进行进一步处理。
血管提取单元440可以从图像中提取血管。在一些实施例中,可以提取头部、颈部、腹部、下肢等部位的血管。血管提取算法可以包括:模式识别算法、模型算法、跟踪算法、人工智能的算法、神经网络算法、管状物检测算法等。在一些实施例中,血管提取单元440可以确定进行血管提取的感兴趣区域、目标血管的种子点、中心线、以及血管的特定部分(例如,静脉窦) 等。在一些实施例中,血管提取单元440可以基于水平集、区域生长、MS模型、CV模型等进行血管的提取。在一些实施例中,血管提取单元440可以分离血管的边界。例如,可以通过数据膨胀和/或数据腐蚀操作确定血管边界。又例如,可以采用多级的模型边界参数分离血管边界。
以上对于图像处理模块330的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解基本原理后,可能在不背离这一原理的情况下,对具体实施方式与步骤进行形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。例如,图像预处理单元420可以集成在图像重建单元430中,同时实现图像重建和图像预处理的功能。又例如,血管提取单元440可以集成在图像重建单元430 中,重建得到图像后可以直接从图像中提取血管。
根据本申请的一些实施例,图5是血管提取单元440的示意图。如图5 所示,血管提取单元440可以包括一个分离单元510、一个提取单元520和一个特征提取单元530。
分离单元510可以确定感兴趣区域。所述感兴趣区域可以是包含血管的区域。感兴趣区域的形状可以是管状、环形、圆形、椭圆形、三角形、矩形、不规则形状等。具体地,在一些实施例中,感兴趣区域的形状与目标血管或其所在区域的生理解剖结构有关。例如,脑动脉的感兴趣区域可以是管状。在一些实施例中,分离单元510可以采用模板配准的方式确定感兴趣区域。例如,可以将待处理图像和对应的模板进行配准,确定感兴趣区域。在一些实施例中,可以采用多模板配准的方式确定感兴趣区域。例如,可以将图像按照生理结构划分成不同的区域,例如,头部、颈部、腹部、下肢等,然后将不同区域的待处理图像和对应区域的模板进行配准,以确定各个区域的感兴趣区域。在一些实施例中,分离单元510可以采用基于分类器的方法确定感兴趣区域。例如,可以提取图像特征(例如,图像灰度值、梯度值、增强值、形状等中的一种或多种),利用分类器对所提取的图像特征进行分析,确定感兴趣区域。
提取单元520可以提取目标血管。所述目标血管可以是头颈部血管、腹部血管、下肢血管等。头颈部血管可以包括椎动脉、基底动脉、颈内动脉等。腹部血管可以包括腹主动脉、肾动脉、肝门静脉等。在一些实施例中,提取单元520还可以进一步确定血管种子点和/或血管中心线等。作为示例,提取单元520可以根据血管类型的生理结构特性(例如,对称性),进行血管种子点的确定。作为又一示例,提取单元520可以基于血管种子点,确定血管中心线。作为进一步示例,提取单元520可以通过确定血管的起始点、路径点和终止点,并连接这些点的方式确定血管中心线。作为再进一步示例,提取单元520可以在完成血管提取后,进一步选择血管内部的一条连线作为血管中心线。在一些实施例中,提取单元520可以对血管图像进行血管增强,得到血管增强图像。在一些实施例中,提取单元520可以在血管增强图像中进行血管提取。在一些实施例中,提取单元520可以采用迭代的方式进行血管的分割(也称为“提取”)。例如,提取单元520可以将血管划分为不同的区域,保证区域内只有一条完整的主要血管;提取单元520可以针对各区域内的主要血管进行分割;提取单元520可以再检测血管分割是否成功;若提取单元520检测到血管分割失败,提取单元520则可采用迭代模式选择其他备选分割方法,直至分割成功。
特征提取单元530可以从已经提取的血管中进行特定部分的提取。所述特定部分可以是特定的某一类型的血管,或者是血管的某一部分。例如,血管的特定部分可以包括血管中的静脉窦等;特征提取单元530可以从已经提取的血管树中进行静脉窦的提取。具体地,在一些实施例中,特征提取单元 530可以对已经提取的血管进行分区,确定一个特定区域,在该特定区域内确定静脉窦所在的连通域,并在所在连通域内进行膨胀和生长,进行静脉窦的提取。
以上对于提取血管的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解基本原理后,可能在不背离这一原理的情况下,对具体实施方式与步骤进行形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。
根据本申请的一些实施例,图6所示的是确定感兴趣区域的一种示例性流程图。在一些实施例中,确定感兴趣区域过程可以由分离单元510实现。在步骤602中,可以获取图像。所述图像中可以包括不同的生理区域,例如头部、颈部、腹部、下肢等。所述图像可以是二维或者三维图像。在一些实施例中,所述图像可以是血管造影(CTA)图像。在一些实施例中,所述图像可以是由图像预处理单元420和/或图像重建单元430输出的图像。
在步骤604中,可以识别片层信息。此处所述片层是指将图像按一定顺序(例如从头部到脚部)排列的N张片层,其中,N为任意正整数。N的取值可以是系统默认值,也可以由用户(例如医生、护士)设定。在一些实施例中,不同的被测物(例如不同的病人)可能对应不同的N值。例如,系统可以根据被测物的生理信息(例如身高、体重等),确定所需要的扫描范围,从而确定N值。在一些实施例中,可以选取N张片层中的任意一张,并识别片层信息。所述片层信息可以包括该片层的大小、形状、位置等。在一些实施例中,可以根据片层信息判断出该片层所属区域。例如,可以根据片层的大小和/或形状,判断该片层是否属于头顶、半头、或颅底等。
在步骤606中,可以根据片层信息,获取子图的截图范围。此处所述子图是指对应图像某一部分的图,例如,头部子图、颈部子图、腹部子图等。作为示例,可以根据所识别的片层位置信息(例如,头顶、半头、颅底等),获取子图的截取范围。例如,如果在步骤604中所选取的片层为第2张,并且所识别的片层信息为头部,那么可以确定头部子图的截图范围为第39片层。在步骤607,可以根据所获取的截图范围,截取子图。例如,可以根据截图范围,截取头部子图。
在步骤608中,可以根据模板配准所截取的子图。在一些实施例中,所述模板可以是标准图像模板。在一些实施例中,可以在本申请所述的任何一个存储设备(例如数据库)中读取N个病例,之后对N个病例的数据进行综合统计,并通过配准、融合、和/或医生手动标记等操作,制作成标准图像模板。例如,可以以枕骨大孔、寰椎位置为界,分别截取多个病人的头部图像和颈部图像,通过配准、滤波、平均等手段制作成头部图像模板和颈部图像模板。在一些实施例中,所述模板可以是基于平均人群所制作的模板。例如,假设待处理图像来自于某一个病人,那么可以在数据库中寻找与之在年龄、性别、体型、感兴趣区域解剖位置、疾病预判等方面相似或相关的多个参考病例的图像(也称为“参考图像”)和相关信息,并根据这些参考图像和相关信息制作成图像模板。具体例如,可以截取参考病例的某一个感兴趣区域,并将所截取的感兴趣区域标记为感兴趣区域掩膜(也称为“膜”或“mask”)。对于多个参考病例的图像,可以有多个不同的掩膜。标记感兴趣区域的方法可以包括自动标记、手动标记等。此处所述标记的过程是指对图像进行部分遮挡或覆盖,从而提取图像中某一特定部分的过程。之后可以基于一定映射关系(例如基于仿射配准关系矩阵和非刚体配准的形变场),将每个参考病例中该感兴趣区域掩膜映射到一个坐标空间,例如,参考图像的坐标空间,并计算出该感兴趣区域的概率分布。进一步地,可以将多个参考病例中对应该感兴趣区域的信息相加,合成获得该感兴趣区域的概率图(或信息图谱)。在一些实施例中,所述概率图中某一个像素点的概率值可以表示目标区域(即血管所在的感兴趣区域)的位置概率(即该位置为目标区域的概率)。在一些实施例中,所述概率图中像素点的概率值取值范围为[0,1]。具体地,在一些实施例中,像素点的概率值越大,则该像素点的灰度值越大,目标区域的位置概率越大。另外地,在一些实施例中,可以调节概率图的概率范围。例如,可以将目标区域信息图谱的概率范围由大于0调节为大于0.25,减小搜索域。
在一些实施例中,可以采用多模板进行配准。例如,可以将图像动态划分出头部子图和颈部子图,将头部子图和颈部子图分别与对应的分区图像模板进行图像配准。所述分区是指病人的某一子区域,例如头部、颈部、腹部、下肢等。在一些实施例中,配准过程中可以结合分区的解剖特征、临床诊断信息等。例如,可以根据颈部的解剖特征,初步确定颈内动脉所在区域。在一些实施例中,可以动态选择适应的配准方法或者空间变换模型。
在步骤610中,可以根据配准结果,确定感兴趣区域。在一些实施例中,可以根据所确定的子图的感兴趣区域得到合并的感兴趣区域。例如,可以合并头部和颈部的感兴趣区域,可以得到头颈部的感兴趣区域。
根据本申请的一些实施例,图7是确定头颈部目标血管的感兴趣区域(ROI) 的一个示例性流程图。通过图7所示流程得到的头颈部目标血管的感兴趣区域的效果图可参见图8A-8F。在步骤702中,可以获取图像。在该实施例中,所述图像中包含头部信息和颈部信息。在步骤704中,可以选定一个片层。
在步骤706中,可以识别并输出片层信息。在一些实施例中,可以基于片层的形状、大小进行片层信息的识别。例如,可以计算图像中轮廓(例如头部轮廓)的水平方向与垂直方向的最大值,并将计算结果与预设阈值进行比较,对片层信息进行识别。在一些实施例中,可以设定一个或多个预设阈值。例如,可以设定第一阈值a1和第二阈值a2。所述阈值可以是系统默认值,也可以由用户设定。若计算结果不小于阈值a1,则判定该片层为半头;若计算结果小于阈值a2,则判定该片层属于空白层或头顶。在一些实施例中,若计算结果不满足上述条件,可以从所选片层开始,截取若干片层,并获取所述若干片层的最大密度投影图像。进一步根据所述最大密度投影图像内的连通域的个数,判断所选片层为颅底或全头。在一些实施例中,可以对所选若干片层的二值化图像进行最大密度投影得到最大密度投影图像。在一些实施例中,可以基于骨头阈值,对所选若干片层进行二值化处理得到二值化图像。
在步骤708中,可以根据片层信息,判断所选片层是否为颅底。如果所选片层是颅底,则转至步骤720,确定颈部区域的片层范围,获取颈部子图。若所选片层不是颅底,则继续步骤710,确定头部区域的片层范围,获取头部子图。在一些实施例中,可以根据片层的位置信息动态划分区域子图。例如,若判断所选片层不是颅底,则可以结合所选片层的位置信息,根据解剖特征,如头颅高度、枕骨大孔位置、寰椎位置或使用颅骨分割等方法等确定出头部区域的片层范围,从图像中截取出头部子图。
在步骤712中,可以将头部子图与头部图像模板进行配准,定位头部目标血管的ROI。在一些实施例中,可以将头部子图与头部图像模板进行仿射配准,定位头部的目标血管ROI。所述头部图像模板可以是标准化图像模板。在一些实施例中,在进行仿射配准之前,可以使用解剖结构特征辅助配准。例如,若目标血管是椎动脉穿颅段和/或基底动脉,则可以通过在头部子图和头部图像模板中分别识别出枕骨大孔的位置,将其作为仿射配准的特征,辅助配准过程。再例如,若目标血管是颈内动脉,则可以通过识别海绵窦、蝶骨、蝶窦等,将其作为仿射配准的特征,辅助配准过程。
在步骤714中,可以判断是否已定位颈部目标血管ROI。若已定位颈部目标血管的ROI,则转至步骤726,合并颈部目标血管ROI和头部目标血管,得到需要的头颈部目标血管的ROI。若未定位颈部目标血管ROI,则继续执行步骤716,判断图像中是否含有颈部信息。若图像中不含有颈部信息,则执行步骤718,不进行进一步操作。若图像中含有颈部信息,则继续执行步骤720,确定颈部区域的片层范围,获取颈部子图。在一些实施例中,可以根据解剖特征,例如颈椎高度、椎骨定位等确定出颈部区域的片层范围,从图像中截取出颈部子图。
在步骤722中,可以将颈部子图与颈部图像模板配准,定位颈部目标血管的ROI。所述颈部图像模板可以是标准化图像模板。在一些实施例中,在进行仿射配准之前,可以使用解剖结构特征辅助配准。例如,若目标血管是椎动脉穿椎段,则可通过在颈部子图和颈部图像模板中分别识别出颈椎骨的位置,将其作为仿射配准的特征,辅助配准过程。
在步骤724中,可以判断是否已定位头部目标血管ROI。若已定位头部目标血管的ROI,则执行步骤726,合并颈部目标血管ROI和头部目标血管,得到需要的头颈部目标血管的ROI。若未定位目标血管的ROI,则返回步骤704,继续选取其他片层进行进一步判定。
根所述头颈部目标血管包括颈内动脉穿颅段血管、椎动脉穿颅段血管、椎动脉穿椎段血管和基底动脉。据本申请的一些实施例,图8A至8F所示的是确定头颈部目标血管中颈内动脉穿颅段血管的感兴趣区域的一组示例性实验结果图。其中,图8A所示为颈内动脉穿颅段血管的感兴趣区域的定位效果图,图中标注的区域Ⅰ-Ⅲ为所述颈内动脉穿颅段血管的感兴趣区域的掩膜。图8B所示为所述目标血管的感兴趣区域的三维立体显示图(右/左)。图8C 为所述目标血管的感兴趣区域的三维立体显示图(左/右)。
根据本申请的一些实施例,图8D至8F所示的是确定头颈部目标血管的感兴趣区域的中以颈内动脉穿颅段血管为例所作的另一组示例性实验结果图。图8D所示为颈内动脉穿颅段血管的感兴趣区域的定位效果图,图中区域Ⅰ- Ⅱ为所述颈内动脉穿颅段血管的感兴趣区域的掩膜。图8E所示为确定了所述目标血管感兴趣区域的图像。图8F为所述目标血管的感兴趣区域的三维立体显示图(左/右)。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如 Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网 (LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
根据本申请的一些实施例,图9所示为一种医学图像中定位感兴趣区域的装置,所述装置包括:
识别模块910,用于识别获取的图像的片层信息;
截取模块920,用于确定子图截图范围;
确定子图模块930,用于根据子图截图范围,截取子图;
读取模块940,用于根据所述子图,读取模板;
配准模块950,根据所述模块配准所述子图,得到配准结果;以及
定位模块960,根据所述配准结果,确定所述感兴趣区域。
所述装置还包括模板生成模块,用于获取所述子图的标准图像模板。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述发明披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”等来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (10)
1.一种医学图像中定位感兴趣区域的方法,包括:
获取若干个片层的图像;
识别所述图像的片层信息;
根据所述片层信息,确定子图截图范围;
在所述截图范围内,截取子图;
根据所述子图,读取模板;
根据所述模板,配准所述子图,得到配准结果;以及
根据所述配准结果,确定所述感兴趣区域。
2.如权利要求1所述的定位感兴趣区域的方法,其特征在于,所述片层信息包括该片层的形状、大小和/或位置。
3.如权利要求1所述的定位感兴趣区域的方法,其特征在于,所述方法还包括:
根据所述片层信息,确定至少两个子图截图范围;
在所述截图范围内,截取至少两个子图;
读取对应所述子图的模板;
分别与对应所述子图的模板配准所述子图,确定对应子图的配准结果。
4.如权利要求3所述的定位感兴趣区域的方法,其特征在于,还包括,合并所述对应子图的配准结果,获取合并的感兴趣区域。
5.如权利要求1所述的定位感兴趣区域的方法,其特征在于,所述模板为对应所述子图的标准图像模板。
6.如权利要求5所述的定位感兴趣区域的方法,其特征在于,所述标准图像模板基于平均人群所制作的模板。
7.一种医学图像中定位感兴趣区域的装置,其特征在于,所述装置包括:
识别模块,用于识别获取的图像的片层信息;
截取模块,用于确定子图截图范围;
确定子图模块,用于根据子图截图范围,截取子图;
读取模块,用于根据所述子图,读取模板;
配准模块,根据所述模板,配准所述子图,得到配准结果;以及
定位模块,根据所述配准结果,确定所述感兴趣区域。
8.如权利要求7所述的定位感兴趣区域的装置,其特征在于,还包括,模板生成模块,用于获取所述子图的标准图像模板。
9.一种医学成像系统,包括存储设备、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,还包括:显示设备,用于显示的所述系统接受或处理的图像,显示感兴趣区域的定位结果;
存储设备,用于所述图像,以及各个子图对应的模板;
其中,所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的定位感兴趣区域的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的定位感兴趣区域的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710297072.0A CN107545584B (zh) | 2017-04-28 | 2017-04-28 | 医学图像中定位感兴趣区域的方法、装置及其系统 |
PCT/CN2017/088276 WO2018001099A1 (zh) | 2016-06-30 | 2017-06-14 | 一种血管提取方法与系统 |
US15/663,909 US10357218B2 (en) | 2016-06-30 | 2017-07-31 | Methods and systems for extracting blood vessel |
US16/517,961 US11344273B2 (en) | 2016-06-30 | 2019-07-22 | Methods and systems for extracting blood vessel |
US17/654,598 US20220192617A1 (en) | 2016-06-30 | 2022-03-14 | Methods and systems for extracting blood vessel |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710297072.0A CN107545584B (zh) | 2017-04-28 | 2017-04-28 | 医学图像中定位感兴趣区域的方法、装置及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107545584A true CN107545584A (zh) | 2018-01-05 |
CN107545584B CN107545584B (zh) | 2021-05-18 |
Family
ID=60965863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710297072.0A Active CN107545584B (zh) | 2016-06-30 | 2017-04-28 | 医学图像中定位感兴趣区域的方法、装置及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107545584B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460362A (zh) * | 2018-03-23 | 2018-08-28 | 成都品果科技有限公司 | 一种检测人体部位的系统及方法 |
CN108765410A (zh) * | 2018-06-01 | 2018-11-06 | 上海联影医疗科技有限公司 | 医学图像处理方法及装置和终端 |
CN109697713A (zh) * | 2018-11-14 | 2019-04-30 | 吉林大学 | 基于深度学习和空间关系推理的椎间盘定位标注方法 |
CN109859213A (zh) * | 2019-01-28 | 2019-06-07 | 艾瑞迈迪科技石家庄有限公司 | 关节置换手术中骨骼关键点检测方法及装置 |
CN110310257A (zh) * | 2019-05-31 | 2019-10-08 | 上海联影医疗科技有限公司 | 医学图像处理方法、装置、计算机设备和存储介质 |
WO2019223123A1 (zh) * | 2018-05-23 | 2019-11-28 | 平安科技(深圳)有限公司 | 病变部位识别方法及装置、计算机装置及可读存储介质 |
CN110934606A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
CN110934608A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期cta图像评估系统及评估方法、可读存储介质 |
CN111325714A (zh) * | 2020-01-21 | 2020-06-23 | 上海联影智能医疗科技有限公司 | 感兴趣区域的处理方法、计算机设备和可读存储介质 |
CN111429456A (zh) * | 2020-05-06 | 2020-07-17 | 上海联影医疗科技有限公司 | 一种图像数据处理方法、装置、电子设备及存储介质 |
CN111798964A (zh) * | 2019-04-09 | 2020-10-20 | 上海西门子医疗器械有限公司 | 医学图像处理方法和装置 |
CN111950569A (zh) * | 2020-08-24 | 2020-11-17 | 清华大学 | 基于忆阻器阵列实现图像连通区域标记的方法、电子装置 |
CN111968160A (zh) * | 2020-07-15 | 2020-11-20 | 上海联影智能医疗科技有限公司 | 图像匹配方法和存储介质 |
CN111968166A (zh) * | 2020-08-20 | 2020-11-20 | 西安工程大学 | 一种基于非刚体纺织图像配准技术的精确纺织方法 |
CN112037168A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管检测方法、装置以及计算机存储介质 |
CN112348861A (zh) * | 2020-11-02 | 2021-02-09 | 上海联影医疗科技股份有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112508949A (zh) * | 2021-02-01 | 2021-03-16 | 之江实验室 | 一种spect三维重建图像左心室自动分割的方法 |
CN112602099A (zh) * | 2018-08-24 | 2021-04-02 | 阿特瑞斯公司 | 基于深度学习的配准 |
CN112802029A (zh) * | 2020-12-28 | 2021-05-14 | 无锡奥特维科技股份有限公司 | 焊点定位方法及装置 |
CN113344921A (zh) * | 2021-08-04 | 2021-09-03 | 浙江太美医疗科技股份有限公司 | 图像检测方法和装置、计算机可读存储介质和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103876764A (zh) * | 2013-11-21 | 2014-06-25 | 沈阳东软医疗系统有限公司 | 一种血管显影方法及装置 |
US20150049932A1 (en) * | 2012-04-03 | 2015-02-19 | Intrasense | Topology-preserving roi remapping method between medical images |
CN105640583A (zh) * | 2016-03-31 | 2016-06-08 | 上海联影医疗科技有限公司 | 血管造影方法 |
CN105956587A (zh) * | 2016-04-20 | 2016-09-21 | 哈尔滨工业大学 | 一种基于形状约束的膝关节磁共振图像序列半月板自动提取方法 |
-
2017
- 2017-04-28 CN CN201710297072.0A patent/CN107545584B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150049932A1 (en) * | 2012-04-03 | 2015-02-19 | Intrasense | Topology-preserving roi remapping method between medical images |
CN103876764A (zh) * | 2013-11-21 | 2014-06-25 | 沈阳东软医疗系统有限公司 | 一种血管显影方法及装置 |
CN105640583A (zh) * | 2016-03-31 | 2016-06-08 | 上海联影医疗科技有限公司 | 血管造影方法 |
CN105956587A (zh) * | 2016-04-20 | 2016-09-21 | 哈尔滨工业大学 | 一种基于形状约束的膝关节磁共振图像序列半月板自动提取方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460362A (zh) * | 2018-03-23 | 2018-08-28 | 成都品果科技有限公司 | 一种检测人体部位的系统及方法 |
WO2019223123A1 (zh) * | 2018-05-23 | 2019-11-28 | 平安科技(深圳)有限公司 | 病变部位识别方法及装置、计算机装置及可读存储介质 |
CN108765410A (zh) * | 2018-06-01 | 2018-11-06 | 上海联影医疗科技有限公司 | 医学图像处理方法及装置和终端 |
CN112602099A (zh) * | 2018-08-24 | 2021-04-02 | 阿特瑞斯公司 | 基于深度学习的配准 |
CN109697713B (zh) * | 2018-11-14 | 2022-09-02 | 吉林大学 | 基于深度学习和空间关系推理的椎间盘定位标注方法 |
CN109697713A (zh) * | 2018-11-14 | 2019-04-30 | 吉林大学 | 基于深度学习和空间关系推理的椎间盘定位标注方法 |
CN109859213A (zh) * | 2019-01-28 | 2019-06-07 | 艾瑞迈迪科技石家庄有限公司 | 关节置换手术中骨骼关键点检测方法及装置 |
CN111798964A (zh) * | 2019-04-09 | 2020-10-20 | 上海西门子医疗器械有限公司 | 医学图像处理方法和装置 |
CN110310257A (zh) * | 2019-05-31 | 2019-10-08 | 上海联影医疗科技有限公司 | 医学图像处理方法、装置、计算机设备和存储介质 |
CN110934606A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
CN110934608A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期cta图像评估系统及评估方法、可读存储介质 |
CN110934608B (zh) * | 2019-10-31 | 2020-11-13 | 上海杏脉信息科技有限公司 | 脑卒中早期cta图像评估系统及评估方法、可读存储介质 |
CN110934606B (zh) * | 2019-10-31 | 2021-02-12 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
CN111325714A (zh) * | 2020-01-21 | 2020-06-23 | 上海联影智能医疗科技有限公司 | 感兴趣区域的处理方法、计算机设备和可读存储介质 |
CN111325714B (zh) * | 2020-01-21 | 2024-03-26 | 上海联影智能医疗科技有限公司 | 感兴趣区域的处理方法、计算机设备和可读存储介质 |
CN111429456A (zh) * | 2020-05-06 | 2020-07-17 | 上海联影医疗科技有限公司 | 一种图像数据处理方法、装置、电子设备及存储介质 |
CN111429456B (zh) * | 2020-05-06 | 2023-09-05 | 上海联影医疗科技股份有限公司 | 一种图像数据处理方法、装置、电子设备及存储介质 |
CN111968160A (zh) * | 2020-07-15 | 2020-11-20 | 上海联影智能医疗科技有限公司 | 图像匹配方法和存储介质 |
CN111968160B (zh) * | 2020-07-15 | 2023-10-27 | 上海联影智能医疗科技有限公司 | 图像匹配方法和存储介质 |
CN112037168B (zh) * | 2020-07-23 | 2024-04-16 | 上海交通大学附属第六人民医院 | 一种血管检测方法、装置以及计算机存储介质 |
CN112037168A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管检测方法、装置以及计算机存储介质 |
CN111968166A (zh) * | 2020-08-20 | 2020-11-20 | 西安工程大学 | 一种基于非刚体纺织图像配准技术的精确纺织方法 |
CN111968166B (zh) * | 2020-08-20 | 2023-09-29 | 西安工程大学 | 一种基于非刚体纺织图像配准技术的精确纺织方法 |
CN111950569A (zh) * | 2020-08-24 | 2020-11-17 | 清华大学 | 基于忆阻器阵列实现图像连通区域标记的方法、电子装置 |
CN111950569B (zh) * | 2020-08-24 | 2024-05-03 | 清华大学 | 基于忆阻器阵列实现图像连通区域标记的方法、电子装置 |
CN112348861A (zh) * | 2020-11-02 | 2021-02-09 | 上海联影医疗科技股份有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112802029A (zh) * | 2020-12-28 | 2021-05-14 | 无锡奥特维科技股份有限公司 | 焊点定位方法及装置 |
CN112508949A (zh) * | 2021-02-01 | 2021-03-16 | 之江实验室 | 一种spect三维重建图像左心室自动分割的方法 |
CN113344921A (zh) * | 2021-08-04 | 2021-09-03 | 浙江太美医疗科技股份有限公司 | 图像检测方法和装置、计算机可读存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107545584B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545584A (zh) | 医学图像中定位感兴趣区域的方法、装置及其系统 | |
US11344273B2 (en) | Methods and systems for extracting blood vessel | |
US11062449B2 (en) | Method and system for extracting vasculature | |
CN107203741B (zh) | 血管提取方法、装置及其系统 | |
US20210106299A1 (en) | Method and system for extracting lower limb vasculature | |
WO2018023917A1 (zh) | 一种下肢血管的提取方法及系统 | |
CN107798682B (zh) | 图像分割系统、方法、装置和计算机可读存储介质 | |
CN109493325B (zh) | 基于ct影像的肿瘤异质性分析系统 | |
CN106600609B (zh) | 一种医学图像中脊柱的分割方法及系统 | |
CN111008984B (zh) | 医学影像中正常器官的轮廓线自动勾画方法 | |
JP4728627B2 (ja) | Ct血管造影法における構造を領域分割する方法及び装置 | |
JP6220310B2 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
JP2020093083A (ja) | 医療映像再構成方法及びその装置 | |
CN110706241B (zh) | 一种三维病灶区域提取方法和装置 | |
CN106709920B (zh) | 血管提取方法及其装置 | |
JP2015066311A (ja) | 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体 | |
WO2012094445A1 (en) | System and method for treatment planning of organ disease at the functional and anatomical levels | |
CN104915989B (zh) | 基于ct影像的血管三维分割方法 | |
CN116309647B (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
CN110533667A (zh) | 基于图像金字塔融合的肺部肿瘤ct影像3d分割方法 | |
Zhang et al. | Automatic rib segmentation in chest CT volume data | |
Wei et al. | Segmentation of lung lobes in volumetric CT images for surgical planning of treating lung cancer | |
KR102311472B1 (ko) | 정상 조직 영역의 예측 방법 및 이를 이용한 정상 조직 영역 예측용 디바이스 | |
US20240135605A1 (en) | Methods and systems for metal artifacts correction | |
Miandoab et al. | Extraction of respiratory signal based on image clustering and intensity parameters at radiotherapy with external beam: A comparative study |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |