CN107563998A - 医学图像中心脏图像处理方法 - Google Patents
医学图像中心脏图像处理方法 Download PDFInfo
- Publication number
- CN107563998A CN107563998A CN201710766215.8A CN201710766215A CN107563998A CN 107563998 A CN107563998 A CN 107563998A CN 201710766215 A CN201710766215 A CN 201710766215A CN 107563998 A CN107563998 A CN 107563998A
- Authority
- CN
- China
- Prior art keywords
- heart
- image
- section
- cross
- medical
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种医学图像中心脏图像处理方法,包括以下步骤:输入横断面的三维医学图像集合;获取横断面的模板图像集合;比较输入的所述三维医学图像集合和获取的所述模板图像集合,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素;根据所述模板图像集合中,展示心脏起始层的第一模板图像元素、展示心脏终止层的第二模板图像元素与展示心脏标志层的第三模板图像元素三者之间的关系,确定所述三维医学图像集合中横断面上展示心脏标志层的第三医学图像元素。本发明方法可精确定位心脏标志层,从而可以对心脏位置精确定位。
Description
技术领域
本发明属于图像识别及处理的技术领域,特别是涉及一种针对医学图像中心脏图像处理方法。
背景技术
心脏是人体心血管系统的关键器官。现代医学成像技术能够提供心脏的结构和功能信息。其中,CT(Computed Tomography)成像速度快、分辨率高、信息量多,是做心脏检查的重要手段。基于医学图像,如CT图像对心脏区域的分割在心血管疾病的诊疗上具有重要的作用。目前国内外学者提出了许多针对心脏中某些解剖结构的分割算法,这些分割算法主要针对心房、心室的分割。对于心脏手术导航、介入治疗指导、计算机辅助诊断等应用,需要获得整体心脏结构。精确提取心脏完整区域和边缘,建立全心脏三维模型以辅助医生进行临床诊断和早期治疗,具有重要的应用价值和临床意义。
在实现传统技术的过程中,发明人发现存在以下技术问题:
心脏搏动形成的伪影和噪声,以及肺、肝和胃与心脏的临近导致心脏定位、分割精确度较低。
发明内容
基于此,有必要针对上述心脏搏动形成的伪影和噪声,以及肺、肝和胃与心脏的临近导致心脏定位、分割精确度较低,提供一种基于器官位置识别的心脏图像处理方法。
一种医学图像中心脏图像处理方法,包括以下步骤:
输入横断面的三维医学图像集合;
获取横断面的模板图像集合;
比较输入的所述三维医学图像集合和获取的所述模板图像集合,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素;
根据所述模板图像集合中,展示心脏起始层的第一模板图像元素、展示心脏终止层的第二模板图像元素与展示心脏标志层的第三模板图像元素三者之间的关系,确定所述三维医学图像集合中横断面上展示心脏标志层的第三医学图像元素。
进一步的,在其中一个实施例中,所述确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素的步骤,具体包括:
沿所述三维医学图像集合的图像采集方向,统计横断面上每层出现在预设灰度范围内的像素数量;
按照预设的间距,确定散列的、间隔所述间距的医学图像元素对应的像素数量;
按照预设的间距,确定散列的、间隔所述间距的模板图像元素对应的像素数量;
在所述模板图像集合中,确定第一模板图像子集;
根据所述第一模板图像子集,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素;
其中,第一模板图像子集的元素,与对应的三维医学图像集合的元素形成一对元素对。
进一步的,在其中一个实施例中,所述确定所述三维医学图像集合中展示横断面上心脏标志层的第三医学图像元素的步骤,具体包括:
在所述模板图像集合中,展示心脏起始层的第一模板图像元素的层序号为M1,展示心脏终止层的第二模板图像元素的层序号为M2,展示心脏标志层的第三模板图像元素的层序号M3=2/3*M1+1/3*M2;
在所述三维医学图像集合中,设定展示心脏起始层的第一医学图像元素的层序号为M1,设定展示心脏终止层的第一医学图像元素的层序号为M2,按照与所述模板图像集合的元素之间的景深间距相等的景深间距标注所述三维医学图像集合中的医学图像元素的层序号;
查找层序号为2/3*M1+1/3*M2的医学图像元素;
确定层序号为2/3*M1+1/3*M2的医学图像元素为展示横断面上心脏标志层的所述第三医学图像元素。
进一步的,所述方法还包括:
根据展示心脏的标志层的所述第三医学图像元素,在所述三维医学图像集合中检测肝和胃在横断面上开始出现的位置;
根据检测到的所述肝和胃在横断面上开始出现的位置,定位心脏的位置。
进一步的,在其中一个实施例中,在所述三维医学图像集合中检测肝和胃在横断面上开始出现的位置的步骤,包括:
对第三医学图像元素进行分割,获取标志层的心脏分割结果;
根据标志层的心脏分割结果,确定肝和胃在横断面出现的位置。
进一步的,在其中一个实施例中,获取标志层的心脏分割结果的步骤,包括:
在第三医学图像元素中分割出肺部区域,并对肺部区域进行标记;
在第三医学图像元素中分割出降主动脉区域;
根据标记后的肺部区域和降主动脉区域确定肺和心脏交界的左、右边缘;
根据肺和心脏交界的左、右边缘,确定心脏的前、后边缘。
进一步的,在其中一个实施例中,所述方法还包括对标志层的心脏分割结果进行平滑处理的步骤,包括:
以第三医学图像的中心位置C为扫描起点,利用射线扫描方法对标志层的心脏分割结果进行重采样;
对极坐标图像进行中值滤波,对不连续的点进行线性插值,保证每个列有且只有一个等于1的点;
利用极坐标逆转换获取标志层图像心脏边缘,填充内边缘,得到校正后的标志层的心脏分割结果。
进一步的,在其中一个实施例中,在所述三维医学图像集合中检测肝在横断面上开始出现的位置的步骤,包括:
根据所述标志层图像的心脏分割结果,确定心脏的重心在所述标志层图像中的行坐标;
截取对应所述行坐标的心脏冠状面图像;
根据肺的图像特征,在所述心脏冠状面图像中确定右肺;
根据肝与右肺的相对位置关系,确定所述三维医学图像集合中肝图像出现的层序列号。
进一步的,在其中一个实施例中,在所述心脏冠状面图像中确定右肺的步骤,包括:
在所述心脏冠状面图像中找到图像上的最小灰度值;
对所述心脏冠状面图像进行二值化,保留肺部区域;
在右肺位置区域选取至少一个像素点作为种子点,进行区域生长;
根据区域生长结果填充连通域,得到右肺区域。
进一步的,在其中一个实施例中,确定所述三维医学图像集合中肝图像出现的层序列号的步骤,包括:
在所述心脏冠状面图像中,从所述右肺的最高点开始向左遍历右肺边界点的行坐标;
若相邻边界点之间的行坐标的差值大于第一设定差值,则将当前的边界点的行坐标作为肝在横断面上出现的层数。
本申请提供的实施例,至少具有如下有益效果:
根据检测到的所述肝和胃在横断面上开始出现的位置,定位心脏的位置,从而可以对心脏位置精确定位。
附图说明
图1为本申请实施例提供的基于器官位置识别的心脏图像处理方法流程图。
图2为本申请实施例提供的获取标志层的心脏分割结果的流程图。
图3为本申请实施例提供的获取标志层的心脏分割结果的示意图。
图4为本申请实施例提供的确定三维医学图像集合中肝图像出现的层序列号的示意图。
图5为本申请实施例提供的确定三维医学图像集合中胃图像出现的层序列号的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使本申请的技术便于理解,特将本申请中涉及的技术作以下简要说明:
计算机断层成像(Computed Tomography,又称为电脑断层扫描,简称CT),是一种影像诊断学的检查。X射线计算机断层成像(X-Ray Computed Tomography,简称X-CT)是一种利用数位几何处理后重建的三维放射线医学影像。X射线计算机断层成像技术主要通过单一轴面的X射线旋转照射人体,由于不同的组织对X射线的吸收能力不同,可以用电脑的三维技术重建出断层面影像。然后,经由窗宽(Windowing)、或窗位(Window)处理,可以得到相应组织的断层影像。最后,将断层影像层层堆叠,形成立体影像。
X射线断层面的数据是由X射线的射源绕标的物一圈采集。传感器放置于X射线射源的对角位置。在标的物被推入射源内侧的过程中,采集到数据也不断地处理,最后经由一系列的数字运算,也就是所谓的断层面重建来得到影像。
不同的放射强度(Radiodensity)对应到256种不同程度的灰阶值,通过8位显示器进行显示0~255的不同程度的灰阶值。具体的,将数据的最小值和最大值之间的动态范围(dynamic range,DR)的之间转换到8个bit表示的0~255的256个灰阶值。
窗技术(Window Technique)是用以观察不同密度正常组织或病变的一种显示技术,其包括窗宽(Window Width)和窗位(Window Level)。
窗宽是指用韩森费尔德单位(Hounsfield Unit,简称HU)所得的数据来计算出影像的过程。窗宽是电脑断层扫描动态(CT/DR)图像上显示的CT/DR值范围。在CT/DR值范围内组织和病变均以不同的模拟灰度显示。对于确定的CT/DR值范围,高于此范围的组织和病变,无论是高于多少,都均为白影显示,不再有灰度差异;反之,低于此范围的组织和病变,不论是低于多少,均为黑影显示,也无灰度差异。增大窗宽,则图像所示CT/DR值范围加大,显示具有不同放射强度的组织结构增多,但各结构这间的灰度别减少;减小窗宽,则显示组织结构减少,而各结构这间的灰度别增加。
窗位是窗的中心位置。同样的窗宽,窗位不同,包括CT/DR范围的CT/DR值有差异。例如,窗宽同为W=60HU,当窗位为L=0HU时,其CT/DR值范围为-30HU~+30HU;而窗位L=10HU时,则CT/DR值范围为-20HU~+40HU。通常,欲观察某一组织的结构及发生的病变,应以该组织的CT/DR值为窗位,以获得显示最佳效果。假设窗位不变,定义的窗宽范围变窄后,我们称为窄窗位(Narrow Window),细部的小变化就可以分辨出来,称为对比压缩。
三维重建指用数学的方法从断层成像仪的传感器测量到的信号——X射线通过人体后的衰减,重建出器官的三维影像。目前常用的重建方法主要有两种:滤波反投影法(Filtered Backprojection)和卷积反投影法(Convolution Backprojection)。
目前X-CT成像都是等方性(X,Y,Z轴的分辨率相同)或是接近等方性的分辨率,所以,借着计算机三维重建技术,只要把所有的小体素堆叠起来,就可以用不同的视点来看影像。
放射强度(Radiodensity)的阈值是可以调整的,当阈值一定,便可使用“边缘侦察(edge detection)”影像处理法,使得三维标的物呈像。不同的标的物可以选用不同的阈值进行呈像,同时使用不同的颜色来代表不同的解剖构造,例如骨、肌肉和软骨的呈像,然而,构造进一步的细微结构无法呈像。通常,这种呈像方式称为表面呈像(SurfaceRendering)。
在体素呈像(Volume Rendering)中,利用透明度和颜色可以在单一影像中的显示的特色,可以呈现更多的细节。例如:骨盆就可以用半透明的方式显现,即使是斜位角,小部分其他的解剖呈像并不会挡住其他重要的部分。
对于一些部位,虽然结构不同,但是有相似的阻射性,只是单纯地改变体素呈像的参数,仍然无法区分。可以用手动或是自动的方式去除不想要的部分,这种方法通常称为影像分割(Segmentation)。
以上为便于理解本申请的技术内容所作的简要说明,下面介绍本申请的具体实施方式。
在本申请中,横断面可以是垂直于或近似垂直于人体身高方向,或者说垂直于Z方向。在垂直于人体身高方向的一系列横断面集合中,对应心脏起始层的横断面的层序号可作为第一特征点。对应肝出现的横断面的层序号可作为第二特征点。对应胃出现的横断面的层序号作为第三特征点,可确定心脏的终止层。根据上述三个特征点可拟合得到心脏或心包的轮廓,从而确定心脏的位置。
请参照图1为本申请提供的基于器官位置识别的心脏图像处理方法,包括以下步骤:
S100:输入横断面的三维医学图像集合。
横断面可以垂直于或近似垂直人体身高方向,或者说垂直于Z方向。
三维医学图像集合作为待处理图像集合,是采用计算机断层成像技术,针对某患者的一个图像采集方向获得的一个采集序列的若干张图像的合集。优选的,可以输入沿Z方向采集的一个序列的人体横断面图像集合。其中,每一幅横断面图像作为三维医学图像集合中的一个元素。相邻两幅横断面图像之间间隔预设的间距spacing,或者间隔一个切片的厚度。可以理解的是,这里的每一幅横断面图像可以是一幅二维图像。一个沿Z方向采集的一个序列的二维图像,构成了三维医学图像集合。可选地,医学图像可以是CT图像、MR图像等解剖图像。
S200:获取横断面的模板图像集合。
模板图像集合可以是根据统计规律生成的、由若干模板图像子集组成的集合。一个模板图像子集可以对应一个图像采集方向。一个图像采集方向对应一个采集序列的若干张图像的合集。一个采集序列的若干张图像可以是多个二维切片图像。多个二维切片图像沿片层方向或者说Z方向,组成模板图像集合。相邻两幅横断面图像之间间隔一个间距spcing,或者说间隔一个切片的厚度。
在一个实施例中,模板图像集合和/或三维医学图像集合可以通过计算机断层扫描(computed tomography,CT)获得的CT图像,也可以通过正电子发射计算机断层显像(positron emissioncomputed tomography,PET-CT)获得的CT图像,还可以是磁共振扫描(magnetic resonance,MR)获得MR图像。可选地,模板图像集合和/或三维医学图像集合可以是一系列的2维切片图像数据,也可以是多个3维图像数据。
S300:比较输入的所述三维医学图像集合和获取的所述模板图像集合,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素。
进一步的,在本申请提供的又一实施例中,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素步骤包括:
沿所述三维医学图像集合的图像采集方向,统计横断面上每层出现在预设灰度范围内的像素数量;
按照预设的间距,确定散列的、间隔所述间距的医学图像元素对应的像素数量;
在所述模板图像集合中,确定第一模板图像子集;
根据所述第一模板图像子集,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素;
其中,第一模板图像子集的元素,与对应的三维医学图像集合的元素形成一对元素对;
每一对元素对具有像素数量差值;
第一模板图像子集的所有元素对的像素数量差值的绝对值之和在所述模板图像集合中最小。
比较三维医学图像集合与对应一个图像采集方向的模板图像子集,从而找到与三维医学图像集合的图像采集方向最接近的模板图像子集。在保持间距spacing标准化的前提下,三维医学图像集合的元素数量与找到的模板图像子集的元素数量相同。三维医学图像集合的元素与找到的模板图像子集的元素具有一一对应关系,形成集合包含元素的数量的元素对,即三维医学图像集合中的任一幅三维医学图像都可以在模板图像子集中对应地找到一幅模板图像,也就是说,一对元素对可以理解为一对图像对。
图像由若干像素构成。像素具有灰度值。设定灰度值范围,构成一对图像对的一幅三维医学图像具有在设定灰度值范围内的像素个数;对应的一幅模板图像具有在设定灰度值范围内的像素个数;两者之间具有像素个数的差值。由于三维医学图像集合的图像采集方向与找到的模板图像子集的图像采集方向最接近,因此,三维医学图像集合与找到的模板图像子集的像素个数的差值最小。将三维医学图像集合沿Z轴方向统计每层图像中灰度值在预设灰度范围内的像素个数,生成直方图;其中,预设灰度范围可以根据实际需要进行设定,典型的预设灰度范围可以是[150,400]。
相应的,也可以在模板图像集合中,通过查找与三维医学图像集合具有像素个数的差值绝对值之和最小的模板图像子集,找到与三维医学图像集合的图像采集方向一致的模板图像子集。例如,当三维医学图像集合是沿Z方向,或者说,沿身高方向采集时,找到的模板图像集合的采集方向同样是沿Z方向或者说沿身高方向。
由于第一模板图像子集是标准化的模板。在第一模板图像子集,作为展示横断面上心脏的起始层的模板图像序列号是已知的。则,可以在三维医学图像集合中,查找与在第一模板图像子集的展示横断面上心脏的起始层的模板图像对应的元素,将其作为在三维医学图像集合中展示横断面上心脏的起始层的医学图像。也就是说,根据所述第一模板图像子集,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素。
进一步的,在本申请提供的又一实施例中,所述确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素的步骤,具体包括:
沿所述三维医学图像集合的图像采集方向,统计横断面上每层出现在预设灰度范围内的像素数量;
按照预设的间距,确定散列的、间隔所述间距的医学图像元素对应的像素数量;
按照预设的间距,确定散列的、间隔所述间距的模板图像元素对应的像素数量;
在所述模板图像集合中,确定第一模板图像子集;
根据所述第一模板图像子集,确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素;
其中,第一模板图像子集的元素,与对应的三维医学图像集合的元素形成一对元素对;
每一对元素对具有像素数量差值;
第一模板图像子集的所有元素对的像素数量差值的绝对值之和在所述模板图像集合中最小。
同样,由于第一模板图像子集是标准化的模板。在第一模板图像子集,作为展示横断面上心脏的终止层的模板图像序列号是已知的。则,可以在三维医学图像集合中,查找与在第一模板图像子集的展示横断面上心脏的终止层的模板图像对应的元素,将其作为在三维医学图像集合中展示横断面上心脏的终止层的医学图像。也就是说,根据所述第一模板图像子集,确定展示横断面上心脏的终止层的所述三维医学图像集合的第二医学图像元素。
S400:根据所述模板图像集合中,展示心脏起始层的第一模板图像元素、展示心脏终止层的第二模板图像元素与展示心脏标志层的第三模板图像元素三者之间的关系,确定所述三维医学图像集合中横断面上展示心脏标志层的第三医学图像元素。
同样,由于第一模板图像子集是标准化的模板。在第一模板图像子集,作为展示横断面上心脏的标志层的模板图像序列号是已知的。则,可以在三维医学图像集合中,查找与在第一模板图像子集的展示横断面上心脏的标志层的模板图像对应的元素,将其作为在三维医学图像集合中展示横断面上心脏的标志层的医学图像。也就是说,根据所述第一模板图像子集,确定展示横断面上心脏的标志层的所述三维医学图像集合的第三医学图像元素。
进一步的,在本申请提供的又一实施例中,所述确定所述三维CT图像集合中展示横断面上心脏标志层的第三CT图像元素的步骤,具体包括:
在所述模板图像集合中,展示心脏起始层的第一模板图像元素的层序号为M1,展示心脏终止层的第二模板图像元素的层序号为M2,展示心脏标志层的第三模板图像元素的层序号M3=2/3*M1+1/3*M2;
在所述三维医学图像集合中,设定展示心脏起始层的第一医学图像元素的层序号为M1,设定展示心脏终止层的第一医学图像元素的层序号为M2,按照与所述模板图像集合的元素之间的景深间距相等的景深间距标注所述三维医学图像集合中的医学图像元素的层序号;
查找层序号为2/3*M1+1/3*M2的医学图像元素;
确定层序号为2/3*M1+1/3*M2的医学图像元素为展示横断面上心脏标志层的所述第三医学图像元素。
本申请可精确获取横断面上心脏标志层的图像,从而可以精确定位心脏区域的位置。
可选地,还可包括S500:根据展示心脏的标志层的所述第三医学图像元素,在所述三维医学图像集合中检测肝和/或胃在横断面上开始出现的位置。
根据展示心脏的标志层的第三医学图像元素,在三维医学图像集合中检测肝和胃在横断面上开始出现的位置,包括:
对第三医学图像元素进行分割,获取标志层的心脏分割结果;
根据标志层的心脏分割结果,确定肝和胃在横断面出现的位置。
需要说明的是,肝在横断面上出现的位置,也可称之为沿Z方向的肝出现层,或者说,在三维医学图像集合中,确定肝出现的三维医学图像元素的层序号。胃在横断面上开始出现的位置,也可称之为沿Z方向的胃出现层,或者说,在三维医学图像集合中,确定胃出现的三维医学图像元素的层序号。
标志层的心脏分割可以采用机器学习的方法、基于模型的方法或者基于灰度特征的方法。
基于机器学习的方法需建立心脏先验数据库,通过学习提取心脏的特征,这些心脏的特征可组成特征模型;将待检测的图像输入机器学习得到的特征模型,即可获得标志层心脏的分割结果。
基于模型的方法可提供心脏的形状模型,根据该模型匹配医学图像中的心脏区域,得到标志层心脏的分割结果。
当然,也可采用基于模型和灰度特征的方法进行标志层心脏的分割。
请参照图2,进一步的,在本申请提供的又一实施例中,采用基于灰度值和特征位置的方法对第三医学图像元素进行分割,获取标志层的心脏分割结果,包括以下步骤:
S501:在第三医学图像元素中分割出肺部区域,并对肺部区域进行标记。
请参照图3,采用阈值分割方法对第三医学图像元素中的像素进行二值化,保留小于预设第一灰度阈值的位置,例如,保留小于预设第一灰度阈值为-200的位置。获取二值化图像的连通域。去掉与二值化图像下边界相交的连通域。同时,去掉连通域面积小于预设第一面积阈值的连通域,例如,去掉连通域面积小于预设第一面积阈值300的连通域。这里的连通域面积,可以通过连通域包含的像素数量来表征。从而,可以得到剩余的一个或多个连通域。然后,计算剩余的一个或多个连通域的重心位置,如果该连通域重心位置在二值化图像中心的左侧,将此连通域标记为1,如果连通域重心位置在二值化图像中心的右侧,将此连通域标记为2。在该实施例中,1是右肺,2是左肺,通过上述操作可区分左肺区域和右肺区域。
S502:在第三医学图像元素中分割出降主动脉区域。
采用阈值分割方法对第三医学图像元素中的像素进行二值化。保留大于预设第二灰度阈值的位置,例如,保留大于预设第二灰度阈值为-200的位置。填充保留的连通域,得到一个或多个连通域。提取每个连通域的边缘并计算连通域边缘的长度。如果连通域面积大于预设第二面积阈值——800、连通域边缘长度大于预设长度阈值——10且连通域重心位于肺上边缘以上,则接着计算该连通域圆心度。保留圆心度最大的连通域,得到该连通域的下边界L1,且将S501中获取的肺部图像在前L1行位置的像素赋为0,得到降主动脉区域3。在操作过程中,如果上述条件有一项不满足,则舍弃该连通域。
S503:根据标记后的肺部区域和降主动脉区域确定肺和心脏交界的左、右边缘。
查找第三医学图像元素中标记为1的连通域的最低点M和标记为2的连通域的最低点N。以第三医学图像元素的中心位置C为扫描起点,基于极坐标转换方法,利用射线扫描降主动脉区域的图像,将经过M点和C点所在的射线作为起始扫描射线,逆时针扫描,每次间隔1度角,直到经过N点和C点所在的射线,保留每根扫描射线第一次到达像素灰度不为0的位置点,从而得到标记为1的左肺内边缘和标记为2的右肺内边缘,即确定出肺和心脏交界的边缘,即图3中的左、右边缘。
S504:根据肺和心脏交界的左、右边缘,确定心脏的前、后边缘。
遍历第三医学图像元素中的各像素,确定肺和心脏交界的边缘图像中的标记为1的最低点P1和最高点P2,以及标记为2的最低点Q1和最高点Q2。将P1和Q1的中间点坐标,沿Y轴方向向下平移5个像素,得到W点坐标。在P1和W点之间、W点和Q1点之间进行线性插值,从而得到心脏的前边缘,即图3中为上边缘。
通过S502得到的最大圆心度的连通域最低点V。在V和P2之间和V和Q2之间进行线性插值,从而得到心脏的后边缘,即图3中的下边缘。
通过上述操作,可确定可分别确定心脏的左边缘、右边缘、前边缘、后边缘,从而确定标志层的心脏分割结果。
进一步的,在本申请提供的又一实施例中,还包括采用滤波方法或者插值方法对标志层的心脏分割结果进行平滑处理。
在此实施例中,采用插值方法对标志层的心脏分割结果进行平滑处理:
以第三医学图像的中心位置C为扫描起点,基于极坐标转换方法,将标志层的心脏分割结果分别转换为二维极坐标图像;二维极坐标图像中的x轴表示扫描射线的序号,y轴表示扫描射线上点距离扫描中心的距离,通过上述过程的射线扫描方法对标志层的心脏分割结果进行重采样;
对极坐标图像进行中值滤波,对不连续的点进行线性插值,保证每个列有且只有一个等于1的点;
利用极坐标逆转换获取标志层图像心脏边缘,填充内边缘,得到校正后的标志层的心脏分割结果。
进一步的,在本申请提供的又一实施例中,根据标志层的心脏分割结果确定肝和胃在横断面上开始出现的位置,具体包括:
根据所述标志层图像的心脏分割结果,确定心脏的重心在所述标志层图像中的行坐标;
截取对应所述行坐标的心脏冠状面图像;
根据肺的图像特征,在所述心脏冠状面图像中确定右肺;
根据肝与右肺的相对位置关系,确定所述三维医学图像集合中肝图像出现的层序列号。
进一步的,在本申请提供的又一实施例中,根据肺的图像特征,在所述心脏冠状面图像中确定右肺,包括以下步骤:
根据右肺的形状特征,利用右肺的模板进行模板匹配确定右肺。
进一步的,在本申请提供的又一实施例中,根据肺的图像特征,在所述心脏冠状面图像中确定右肺,包括以下步骤:
在所述心脏冠状面图像中找到图像上的最小灰度值;
对所述心脏冠状面图像进行二值化,保留肺部区域;
在右肺位置区域选取至少一个像素点作为种子点,进行区域生长;
根据区域生长结果填充连通域,得到右肺区域。
例如,在所述心脏冠状面图像中找到的最小灰度值为m,那么保留灰度值在[m+10,-300]范围内的区域作为肺部区域,生成包含肺部区域的二值图像。根据所述标志层图像的心脏分割结果,确定心脏分割结果的最右边的像素点所在的列,记为S。计算包含肺部区域的二值图像中第S-5列上像素点的行坐标的平均值,记为R。将像素点(R,S)作为右肺的种子点,进行区域生长。根据区域生长结果填充连通域,得到右肺区域。
进一步的,在本申请提供的又一实施例中,根据肝与右肺的相对位置关系,确定所述三维医学图像集合中肝图像出现的层序列号。
图4是本申请实施例中肝出现层的心脏冠状面示意图。参见图4,在所述心脏10冠状面图像中,从所述右肺21的最高点开始向左遍历右肺21边界点的行坐标,若相邻边界点之间的行坐标的差值大于第一设定差值,则将当前的边界点的行坐标作为肝30在横断面上出现的层数,即所述肝出现层50。其中,第一设定差值根据经验设定,例如可以是5。
进一步的,在本申请提供的又一实施例中,根据标志层的心脏分割结果,确定所述三维医学图像集合中胃图像出现的层序列号。
请参照图5,根据标志层的心脏分割结果,确定标志层的心脏图像的重心位置的行坐标L2,选取对应行坐标L2的心脏冠状面图像。对心脏冠状面图像进行二值化。保留预设第一灰度阈值范围——例如[-1000,-500]的图像。填充图像中保留的连通域,标记为初始连通域。保留初始连通域面积大于预设第三连通域面积——例如2000且连通域重心位于图像中心左侧的连通域,以确定左肺区域22。在左肺区域22中,确定左肺区域22所在连通域的上端点对应的行M,得到M行上最后一个不为0的点所在列N。从N列作为起始列,向右逐列记录左肺的上边界的列坐标,如果相邻列之间的行坐标的差的绝对值大于10,记录当前列上第一个不为0的点所在行S,作为胃40在横断面上出现的层数60。如果相邻列之间的行坐标的差的绝对值都没有大于10,则选择行M作为胃40在横断面上出现的层数60。
S600:根据肝和胃在横断面上开始出现的位置,联合确定心脏的位置。
在本申请中,横断面可以是垂直于或近似垂直于人体身高方向,或者说垂直于Z方向。在垂直于人体身高方向的一系列横断面集合中,对应心脏起始层的横断面的层序号可作为第一特征点。对应肝出现的横断面的层序号可作为第二特征点。对应胃出现的横断面的层序号作为第三特征点,可确定心脏的终止层。根据上述三个特征点可拟合得到心脏或心包的轮廓,从而确定心脏的位置。
下面介绍本申请实施的具体应用场景:
基于器官位置识别的心脏图像处理系统中存储有根据大数据统计生成的模板图像集合。该模板图像集合由若干模板图像子集组成。每一个模板图像子集对应一个图像集合的采集方向。例如,横断面图像,即垂直于人体身高方向的图像,或者说,沿人体身高方向或Z方向形成的横断面图像。心脏冠状面图像,即平行于人体身高方向的图像。以沿人体身高方向或Z方向形成的横断面图像为例,相邻两幅横断面图像之间间隔预设的间距spacing,或者间隔一个切片的厚度。
输入横断面的三维医学图像集合。输入的该横断面的三维图像集合为待处理图像集合,是采用计算机断层成像技术,针对某患者的一个图像采集方向获得的一个采集序列的若干张图像的合集。同样,相邻两幅横断面图像之间间隔预设的间距spacing,或者间隔一个切片的厚度。
为了对患者的心脏的病因或病灶进行识别,需要对三维医学图像集合做图像处理,以便清楚地观察心脏的病变。首先,需要做三维医学图像集合与模板图像子集的配准。
可以理解的是,一个理想化的三维医学图像集合与模板图像子集的配准结果是:
三维医学图像集合中的每一个元素,即一幅三维医学图像,与模板图像子集的每一个元素,即一幅模板图像,两者之间一一对应。同时,相邻两幅三维医学图像元素之间的间隔与相邻两幅模板图像元素之间的间隔相等。同时,一幅三维医学图像反映的内容与对应的一幅模板图像反映的内容基本相同。通过比较三维医学图像与模板图像之间的细微差异,从而判断心脏的病变。
三维医学图像集合与模板图像子集的配准可以藉由下述过程来实现:
对三维医学图像集合中的每一个元素与模板图像子集中的每一个元素进行一一配对。设定灰度值范围。针对每一三维CT图像元素,统计在设定灰度值范围内的三维医学图像元素的像素个数。针对与三维医学图像元素对应的模板图像元素,统计在设定灰度值范围内的模板图像元素的像素个数。计算三维医学图像元素的像素个数与模板图像元素的像素个数的差值。对所有配对的三维医学图像元素与模板图像元素两者之间的像素个数的差值求和。从中找到与三维医学图像集合配准的模板图像子集。配准的模板图像子集具有如下特征:所有配对的三维医学图像元素与模板图像元素两者之间的像素个数的差值求和值最小。
在具体配准的过程中,可以制作三维医学图像集合沿Z方向的直方图曲线和制作模板图像子集沿Z方向的直方图曲线。必要时,可以保持直方图高度不变,横向缩放三维医学图像集合沿Z方向的直方图曲线,例如,按照0.8-1.2倍数进行缩放。更进一步的,可以横向移动三维医学图像集合沿Z方向的直方图曲线,以便配准到模板图像子集。
由于模板图像子集是标准化的模板。模板图像子集中展示横断面上心脏的起始层的模板图像序列号M1是已知的。模板图像子集中展示横断面上心脏的终止层的模板图像序列号M2是已知的。模板图像子集中展示横断面上心脏的标志层的模板图像序列号M2是已知的。根据对应的序列号可以获得三维医学图像集合中,展示横断面上心脏的标志层的三维医学图像。或者,根据经验进行换算,例如,将三维医学图像集合中序列号M3=2/3*M1+1/3*M2的三维医学图像作为展示横断面上心脏的标志层的三维医学图像。
找到展示横断面上心脏的标志层的三维医学图像,对展示横断面上心脏的标志层的三维医学图像进行分割,得到标志层心脏的分割结果。对三维医学图像进行分割时,可以采用机器学习的方法、基于模型的方法或者基于灰度特征的方法。具体的例如,采用基于灰度值和特征位置的方法对第三医学图像元素进行分割时,在第三医学图像元素中分割出肺部区域,并对肺部区域进行标记。在第三医学图像元素中分割出降主动脉区域。根据标记后的肺部区域和降主动脉区域确定肺和心脏交界的左、右边缘。根据肺和心脏交界的左、右边缘,确定心脏的前、后边缘。还可以采用滤波方法和插值方法对标志层的心脏分割结果进行平滑处理,从而得到校正后的标志层的心脏分割结果。
然后,根据标志层的心脏分割结果确定肝和胃在横断面上开始出现的位置。具体的,根据所述标志层图像的心脏分割结果,确定心脏的重心在所述标志层图像中的行坐标;截取对应所述行坐标的心脏冠状面图像;根据肺的图像特征,在所述心脏冠状面图像中确定右肺;根据肝与右肺的相对位置关系,确定所述三维医学图像集合中肝图像出现的层序列号。如在图4所示的在心脏10冠状面图像中,从右肺21的最高点开始向左遍历右肺21边界点的行坐标,若相邻边界点之间的行坐标的差值大于第一设定差值,则将当前的边界点的行坐标作为肝30在横断面上出现的层数,即所述肝出现层50。其中,第一设定差值根据经验设定,例如可以是5。
如在图5中,根据标志层的心脏分割结果,确定标志层的心脏图像的重心位置的行坐标L2,选取对应行坐标L2的心脏冠状面图像。对心脏冠状面图像进行二值化。保留预设第一灰度阈值范围——例如[-1000,-500]的图像。填充图像中保留的连通域,标记为初始连通域。保留初始连通域面积大于2000且连通域重心位于图像中心左侧的连通域,以确定左肺区域22。在左肺区域22中,确定左肺区域22所在连通域的上端点对应的行M,得到M行上最后一个不为0的点所在列N。从N列作为起始列,向右逐列记录左肺的上边界的列坐标,如果相邻列之间的行坐标的差的绝对值大于10,记录当前列上第一个不为0的点所在行S,作为胃40在横断面上出现的层数60。如果相邻列之间的行坐标的差的绝对值都没有大于10,则选择行M作为胃40在横断面上出现的层数60。
最后,根据肝和胃在横断面上开始出现的位置,联合确定心脏的位置。具体的,在垂直于人体身高方向的一系列横断面集合中,对应心脏起始层的横断面的层序号可作为第一特征点。对应肝出现的横断面的层序号可作为第二特征点。对应胃出现的横断面的层序号作为第三特征点,可确定心脏的终止层。根据上述三个特征点可拟合得到心脏或心包的轮廓,从而确定心脏的位置。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种医学图像中心脏图像处理方法,其特征在于,包括以下步骤:
输入横断面的三维医学图像集合;
获取横断面的模板图像集合;
比较输入的所述三维医学图像集合和获取的所述模板图像集合,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素;
根据所述模板图像集合中,展示心脏起始层的第一模板图像元素、展示心脏终止层的第二模板图像元素与展示心脏标志层的第三模板图像元素三者之间的关系,确定所述三维医学图像集合中横断面上展示心脏标志层的第三医学图像元素。
2.根据权利要求1所述的方法,其特征在于,所述确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素的步骤,包括:
沿所述三维医学图像集合的图像采集方向,统计横断面上每层出现在预设灰度范围内的像素数量;
按照预设的间距,确定散列的、间隔所述间距的医学图像元素对应的像素数量;
按照预设的间距,确定散列的、间隔所述间距的模板图像元素对应的像素数量;
在所述模板图像集合中,确定第一模板图像子集;
根据所述第一模板图像子集,确定展示横断面上心脏的起始层的所述三维医学图像集合的第一医学图像元素和确定展示横断面上心脏终止层的所述三维图像集合的第二医学图像元素;
其中,第一模板图像子集的元素,与对应的三维医学图像集合的元素形成一对元素对。
3.根据权利要求1所述的方法,其特征在于,所述确定所述三维医学图像集合中展示横断面上心脏标志层的第三医学图像元素的步骤,包括:
在所述模板图像集合中,展示心脏起始层的第一模板图像元素的层序号为M1,展示心脏终止层的第二模板图像元素的层序号为M2,展示心脏标志层的第三模板图像元素的层序号M3=2/3*M1+1/3*M2;
在所述三维医学图像集合中,设定展示心脏起始层的第一医学图像元素的层序号为M1,设定展示心脏终止层的第一医学图像元素的层序号为M2,按照与所述模板图像集合的元素之间的景深间距相等的景深间距标注所述三维医学图像集合中的医学图像元素的层序号;
查找层序号为2/3*M1+1/3*M2的医学图像元素;
确定层序号为2/3*M1+1/3*M2的医学图像元素为展示横断面上心脏标志层的所述第三医学图像元素。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据展示心脏的标志层的所述第三医学图像元素,在所述三维医学图像集合中检测肝和胃在横断面上开始出现的位置;
根据检测到的所述肝和胃在横断面上开始出现的位置,定位心脏的位置。
5.根据权利要求4所述的方法,其特征在于,在所述三维医学图像集合中检测肝和胃在横断面上开始出现的位置的步骤,包括:
对第三医学图像元素进行分割,获取标志层的心脏分割结果;
根据标志层的心脏分割结果,确定肝和胃在横断面出现的位置。
6.根据权利要求5所述的方法,其特征在于,获取标志层的心脏分割结果的步骤,包括:
在第三医学图像元素中分割出肺部区域,并对肺部区域进行标记;
在第三医学图像元素中分割出降主动脉区域;
根据标记后的肺部区域和降主动脉区域确定肺和心脏交界的左、右边缘;
根据肺和心脏交界的左、右边缘,确定心脏的前、后边缘。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括对标志层的心脏分割结果进行平滑处理的步骤,包括:
以第三医学图像的中心位置C为扫描起点,利用射线扫描方法对标志层的心脏分割结果进行重采样;
对极坐标图像进行中值滤波,对不连续的点进行线性插值,保证每个列有且只有一个等于1的点;
利用极坐标逆转换获取标志层图像心脏边缘,填充内边缘,得到校正后的标志层的心脏分割结果。
8.根据权利要求7所述的方法,其特征在于,在所述三维医学图像集合中检测肝在横断面上开始出现的位置的步骤,包括:
根据所述标志层图像的心脏分割结果,确定心脏的重心在所述标志层图像中的行坐标;
截取对应所述行坐标的心脏冠状面图像;
根据肺的图像特征,在所述心脏冠状面图像中确定右肺;
根据肝与右肺的相对位置关系,确定所述三维医学图像集合中肝图像出现的层序列号。
9.根据权利要求8所述的方法,其特征在于,在所述心脏冠状面图像中确定右肺的步骤,包括:
在所述心脏冠状面图像中找到图像上的最小灰度值;
对所述心脏冠状面图像进行二值化,保留肺部区域;
在右肺位置区域选取至少一个像素点作为种子点,进行区域生长;
根据区域生长结果填充连通域,得到右肺区域。
10.根据权利要求9所述的方法,其特征在于,确定所述三维医学图像集合中肝图像出现的层序列号的步骤,包括:
在所述心脏冠状面图像中,从所述右肺的最高点开始向左遍历右肺边界点的行坐标;
若相邻边界点之间的行坐标的差值大于第一设定差值,则将当前的边界点的行坐标作为肝在横断面上出现的层数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710766215.8A CN107563998B (zh) | 2017-08-30 | 2017-08-30 | 医学图像中心脏图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710766215.8A CN107563998B (zh) | 2017-08-30 | 2017-08-30 | 医学图像中心脏图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107563998A true CN107563998A (zh) | 2018-01-09 |
CN107563998B CN107563998B (zh) | 2020-02-11 |
Family
ID=60978592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710766215.8A Active CN107563998B (zh) | 2017-08-30 | 2017-08-30 | 医学图像中心脏图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107563998B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053417A (zh) * | 2018-01-30 | 2018-05-18 | 浙江大学 | 一种基于混合粗分割特征的3DU-Net网络的肺分割装置 |
CN108830863A (zh) * | 2018-06-22 | 2018-11-16 | 深圳大学 | 医学成像的左心室分割方法、系统和计算机可读存储介质 |
CN109118489A (zh) * | 2018-09-29 | 2019-01-01 | 数坤(北京)网络科技有限公司 | 检测心肌内血管的方法及系统 |
CN109191523A (zh) * | 2018-08-23 | 2019-01-11 | 南方医科大学南方医院 | 一种用于识别胸部x线平片中心脏方位的方法和装置 |
CN110400626A (zh) * | 2019-07-08 | 2019-11-01 | 上海联影智能医疗科技有限公司 | 图像检测方法、装置、计算机设备和存储介质 |
CN110807770A (zh) * | 2019-10-30 | 2020-02-18 | 杭州依图医疗技术有限公司 | 医学影像的处理、识别、显示方法及存储介质 |
CN111462221A (zh) * | 2020-04-03 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 待侦测物体阴影面积提取方法、装置、设备及存储介质 |
CN111539926A (zh) * | 2020-04-20 | 2020-08-14 | 京东方科技集团股份有限公司 | 一种图像检测方法及装置 |
CN112075956A (zh) * | 2020-09-02 | 2020-12-15 | 深圳大学 | 一种基于深度学习的射血分数估计方法、终端及存储介质 |
CN113689388A (zh) * | 2021-08-03 | 2021-11-23 | 慧影医疗科技(北京)有限公司 | 用于主动脉曲面重建的三维中心线起始点定位方法及装置 |
CN114820754A (zh) * | 2022-05-24 | 2022-07-29 | 东南大学 | 一种基于模板匹配的心脏四腔心自动定位方法 |
CN115049850A (zh) * | 2022-07-20 | 2022-09-13 | 电子科技大学 | 一种用于肺部ct影像的纤维化区域的特征提取方法 |
CN115118989A (zh) * | 2022-08-29 | 2022-09-27 | 平生医疗科技(昆山)有限公司 | 一种图像压缩方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143184A (zh) * | 2013-05-10 | 2014-11-12 | 上海联影医疗科技有限公司 | 一种肺部分割的方法 |
CN105389813A (zh) * | 2015-10-30 | 2016-03-09 | 上海联影医疗科技有限公司 | 医学图像中器官的识别方法及分割方法 |
CN105678746A (zh) * | 2015-12-30 | 2016-06-15 | 上海联影医疗科技有限公司 | 一种医学图像中肝脏范围的定位方法及装置 |
CN106558045A (zh) * | 2016-10-20 | 2017-04-05 | 上海联影医疗科技有限公司 | 一种肺组织分割方法、装置,医学图像处理系统 |
US20170109893A1 (en) * | 2015-10-19 | 2017-04-20 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for image segmentation |
CN106600609A (zh) * | 2016-11-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 一种医学图像中脊柱的分割方法及系统 |
CN107103605A (zh) * | 2016-02-22 | 2017-08-29 | 上海联影医疗科技有限公司 | 一种乳房组织的分割方法 |
-
2017
- 2017-08-30 CN CN201710766215.8A patent/CN107563998B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143184A (zh) * | 2013-05-10 | 2014-11-12 | 上海联影医疗科技有限公司 | 一种肺部分割的方法 |
US20170109893A1 (en) * | 2015-10-19 | 2017-04-20 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for image segmentation |
CN105389813A (zh) * | 2015-10-30 | 2016-03-09 | 上海联影医疗科技有限公司 | 医学图像中器官的识别方法及分割方法 |
CN105678746A (zh) * | 2015-12-30 | 2016-06-15 | 上海联影医疗科技有限公司 | 一种医学图像中肝脏范围的定位方法及装置 |
CN107103605A (zh) * | 2016-02-22 | 2017-08-29 | 上海联影医疗科技有限公司 | 一种乳房组织的分割方法 |
CN106558045A (zh) * | 2016-10-20 | 2017-04-05 | 上海联影医疗科技有限公司 | 一种肺组织分割方法、装置,医学图像处理系统 |
CN106600609A (zh) * | 2016-11-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 一种医学图像中脊柱的分割方法及系统 |
Non-Patent Citations (4)
Title |
---|
JIANHUA YAO: "《A multiple-layer flexible mesh template matching method for non-rigid registration between a pelvis model and CT images》", 《SPIE PROCEEDINGS》 * |
孟琭: "《基于活动轮廓模型的医学图像分割关键技术研究》", 《万方数据》 * |
杨金柱等: "《一种半自动分割脑部MRI中胼胝体的方法》", 《万方数据》 * |
贺娟: "《基于CT图像的全心脏分割算法研究》", 《万方数据》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053417B (zh) * | 2018-01-30 | 2019-12-17 | 浙江大学 | 一种基于混合粗分割特征的3D U-Net网络的肺分割装置 |
CN108053417A (zh) * | 2018-01-30 | 2018-05-18 | 浙江大学 | 一种基于混合粗分割特征的3DU-Net网络的肺分割装置 |
CN108830863A (zh) * | 2018-06-22 | 2018-11-16 | 深圳大学 | 医学成像的左心室分割方法、系统和计算机可读存储介质 |
CN109191523A (zh) * | 2018-08-23 | 2019-01-11 | 南方医科大学南方医院 | 一种用于识别胸部x线平片中心脏方位的方法和装置 |
CN109191523B (zh) * | 2018-08-23 | 2021-11-09 | 南方医科大学南方医院 | 一种用于识别胸部x线平片中心脏方位的方法和装置 |
CN109118489A (zh) * | 2018-09-29 | 2019-01-01 | 数坤(北京)网络科技有限公司 | 检测心肌内血管的方法及系统 |
CN109118489B (zh) * | 2018-09-29 | 2020-12-11 | 数坤(北京)网络科技有限公司 | 一种冠状动脉位置检测方法及系统 |
CN110400626A (zh) * | 2019-07-08 | 2019-11-01 | 上海联影智能医疗科技有限公司 | 图像检测方法、装置、计算机设备和存储介质 |
CN110807770A (zh) * | 2019-10-30 | 2020-02-18 | 杭州依图医疗技术有限公司 | 医学影像的处理、识别、显示方法及存储介质 |
CN111462221A (zh) * | 2020-04-03 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 待侦测物体阴影面积提取方法、装置、设备及存储介质 |
CN111539926B (zh) * | 2020-04-20 | 2024-04-26 | 京东方科技集团股份有限公司 | 一种图像检测方法及装置 |
CN111539926A (zh) * | 2020-04-20 | 2020-08-14 | 京东方科技集团股份有限公司 | 一种图像检测方法及装置 |
CN112075956A (zh) * | 2020-09-02 | 2020-12-15 | 深圳大学 | 一种基于深度学习的射血分数估计方法、终端及存储介质 |
CN112075956B (zh) * | 2020-09-02 | 2022-07-22 | 深圳大学 | 一种基于深度学习的射血分数估计方法、终端及存储介质 |
CN113689388B (zh) * | 2021-08-03 | 2024-02-06 | 慧影医疗科技(北京)股份有限公司 | 用于主动脉曲面重建的三维中心线起始点定位方法及装置 |
CN113689388A (zh) * | 2021-08-03 | 2021-11-23 | 慧影医疗科技(北京)有限公司 | 用于主动脉曲面重建的三维中心线起始点定位方法及装置 |
CN114820754A (zh) * | 2022-05-24 | 2022-07-29 | 东南大学 | 一种基于模板匹配的心脏四腔心自动定位方法 |
CN114820754B (zh) * | 2022-05-24 | 2024-05-03 | 东南大学 | 一种基于模板匹配的心脏四腔心自动定位方法 |
CN115049850A (zh) * | 2022-07-20 | 2022-09-13 | 电子科技大学 | 一种用于肺部ct影像的纤维化区域的特征提取方法 |
CN115118989A (zh) * | 2022-08-29 | 2022-09-27 | 平生医疗科技(昆山)有限公司 | 一种图像压缩方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107563998B (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563998A (zh) | 医学图像中心脏图像处理方法 | |
CN105719324B (zh) | 图像处理装置以及图像处理方法 | |
CN101796544B (zh) | 体素数据的可视化方法和系统 | |
CN105025803B (zh) | 从多个三维视图对大对象的分割 | |
US7155042B1 (en) | Method and system of measuring characteristics of an organ | |
JP4499090B2 (ja) | 画像領域セグメント化システムおよびその方法 | |
US6766043B2 (en) | Pleural nodule detection from CT thoracic images | |
CN107230206A (zh) | 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法 | |
CN102301393B (zh) | 将生物结构中的时变参数可视化 | |
CN107590809A (zh) | 肺分割方法及医学成像系统 | |
CN100561518C (zh) | 基于感兴趣区域的自适应医学序列图像插值方法 | |
CN101849240A (zh) | 图像物体分割方法 | |
CN107527341A (zh) | 血管造影图像的处理方法和系统 | |
CN103562960B (zh) | 用于生成图像的图像区域与元素类之间的分配的装置 | |
CN107038728A (zh) | 基于迭代重建的轮廓自动化确定 | |
Kim et al. | Automatic extraction of inferior alveolar nerve canal using feature-enhancing panoramic volume rendering | |
CN107045721A (zh) | 一种从胸部ct图像中提取肺血管的方法及装置 | |
US6389310B1 (en) | Method and apparatus for analyzing heart function using 4D ECG synchronized heart cavity tomoscintigraphy | |
US20030099384A1 (en) | Detection and analysis of lesions in contact with a structural boundary | |
JP2008509773A (ja) | フレキシブル3次元回転血管造影−コンピュータ断層撮影融合方法 | |
Mankovich et al. | Three-dimensional image display in medicine | |
CN101160602A (zh) | 用于分割多维数据集中的解剖结构的方法、设备和计算机程序 | |
CN108961278B (zh) | 基于影像数据的腹壁肌肉分割的方法及其系统 | |
CN105678711B (zh) | 一种基于图像分割的衰减校正方法 | |
US7447343B2 (en) | Method for automatic object marking in medical imaging |
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 |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |