CN107808156B - 感兴趣区域提取方法 - Google Patents
感兴趣区域提取方法 Download PDFInfo
- Publication number
- CN107808156B CN107808156B CN201710775868.2A CN201710775868A CN107808156B CN 107808156 B CN107808156 B CN 107808156B CN 201710775868 A CN201710775868 A CN 201710775868A CN 107808156 B CN107808156 B CN 107808156B
- Authority
- CN
- China
- Prior art keywords
- roi
- voi
- curve
- image
- spline curve
- 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
Links
- 238000000605 extraction Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000009877 rendering Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 description 39
- 210000001519 tissue Anatomy 0.000 description 28
- 230000008569 process Effects 0.000 description 23
- 238000007781 pre-processing Methods 0.000 description 20
- 238000003860 storage Methods 0.000 description 19
- 230000003993 interaction Effects 0.000 description 18
- 210000004185 liver Anatomy 0.000 description 18
- 230000011218 segmentation Effects 0.000 description 17
- 206010028980 Neoplasm Diseases 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 210000005228 liver tissue Anatomy 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 8
- 210000000056 organ Anatomy 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241001463014 Chazara briseis Species 0.000 description 1
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- 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
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/028—Multiple view windows (top-side-front-sagittal-orthogonal)
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Architecture (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开一种感兴趣区域提取方法,包括:获取第一断位图像数据,所述第一断位图像数据包括至少第一层图像和第二层图像;确定所述第一层图像中的第一感兴趣区域(ROI);确定所述第二层图像中的第二ROI;以及基于所述第一ROI、所述第二ROI和所述第一断位图像数据的特征信息,确定第一感兴趣体积(VOI)。本发明提供的感兴趣区域的方法可以方便用于直观地编辑曲面。
Description
【技术领域】
本申请涉及一种医学图像处理方法,特别地,涉及感兴趣区域提取方法。
【背景技术】
随着科学技术的发展,医学图像被广泛应用于临床医疗检测和诊断。高质量的医学图像有利于准确定位病灶,提高诊断的准确性。对于图像中的组织,在检测和诊断过程中(例如,肝段分割、肿瘤检测、手术分析等),往往需要在图像中标记组织,提取感兴趣体积(VOI) 部位的灰度信息,并在三维图像上进行显示观察。目前,常用的方法是在二维图像上绘制感兴趣区域(ROI)轮廓线后,根据轮廓线拓展三维VOI并显示。目前的方法无法实现在三维图像上直接编辑VOI,也无法使用户直观了解不同片层ROI轮廓线的绘制对整个VOI提取的影响,使得生成的VOI效果很难让用户满意。
【发明内容】
本发明所要解决的技术问题是提供一种感兴趣区域提取方法,用以满足用户诊断需求。
为解决上述技术问题,本发明提供一种感兴趣区域提取方法,在至少一个机器上执行,所述至少一个机器中的每一个机器具有至少一个处理器和一个存储器,包括:
获取第一断位图像数据,所述第一断位图像数据包括至少第一层图像和第二层图像;
确定所述第一层图像中的第一感兴趣区域(ROI);
确定所述第二层图像中的第二ROI;以及
基于所述第一ROI、所述第二ROI和所述第一断位图像数据的特征信息,确定第一感兴趣体积(VOI)。
进一步的,所述方法进一步包括:
确定所述第一ROI的第一轮廓线,所述第一轮廓线包括至少一个控制点;
确定所述第二ROI的第二轮廓线,所述第二轮廓线包括至少一个控制点;
在所述第一VOI上显示所述第一轮廓线或所述第二轮廓线;以及
在所述第一VOI上编辑所述第一轮廓线的至少一个控制点或所述第二轮廓线的至少一个控制点,以获得编辑后的第一ROI或编辑后的第二ROI,以及编辑后的第一VOI。
进一步的,所述方法进一步包括:
在所述第一层图像中绘制第一曲线,所述第一曲线包括至少一个控制点,并且,所述第一曲线将所述第一ROI分为至少两个区域;以及
在所述第二层图像中绘制第二曲线,所述第二曲线包括至少一个控制点,并且,所述第二曲线将所述第二ROI分为至少两个区域。
进一步的,所述方法进一步包括:
根据所述第一曲线的至少一个控制点和第二曲线的至少一个控制点,采用插值方法生成第一曲面,所述第一曲面将所述第一VOI分为至少两个部分。
进一步的,所述方法进一步包括:
在多平面重建窗口显示所述第一曲线或所述第二曲线,并在体绘制窗口同步显示所述第一曲面,以及所述第一曲线或所述第二曲线。
为解决上述技术问题,本发明提供一种感兴趣区域提取方法,在至少一个机器上执行,所述至少一个机器中的每一个机器具有至少一个处理器和一个存储器,包括:
获取第一断位图像数据,所述第一断位图像数据包括至少第一层图像和第二层图像;
基于所述第一层图像确定第一控制点集,所述第一控制点集包括至少两个控制点;
基于所述第二层图像确定第二控制点集,所述第二控制点集包括至少两个控制点;
基于所述第一控制点集确定第一样条曲线;
基于所述第二控制点集确定第二样条曲线;
基于所述第一样条曲线和所述第二样条曲线生成第一曲面;
基于所述第一曲面编辑所述第一样条曲线或第二样条曲线;以及
基于编辑后的第一样条曲线或第二样条曲线,生成第二曲面。
进一步的,所述编辑所述第一样条曲线或第二样条曲线包括:
基于所述第一曲面调整所述第一控制点集中的至少一个控制点或第二控制集中的至少一个控制点、基于所述第一样条曲线调整所述第一控制点集中的至少一个控制点或基于所述第二样条曲线调整所述第二控制点集中的至少一个控制点。
进一步的,所述编辑所述第一样条曲线或第二样条曲线包括:
基于所述第一断位图像数据的特征信息编辑所述第一样条曲线或第二样条曲线。
进一步的,所述方法进一步包括:
在多平面重建窗口显示所述第一样条曲线或所述第二样条曲线,并在体绘制窗口或网格绘制窗口同步显示所述第一曲面,所述第一样条曲线或所述第二样条曲线。
进一步的,所述方法进一步包括:
在所述体绘制窗口或网格绘制窗口,基于所述第一曲面调整所述第一控制点集中的至少一个控制点或第二控制点集中的至少一个控制点。
本发明对比现有技术有如下的有益效果:同时在MPR视图和3维视图上方便直观地编辑曲面。
【附图说明】
图1是根据本申请的一些实施例所示的图像处理系统的工作环境的一个示意图;
图2是根据本申请的一些实施例所示的一个计算设备的结构示意图;
图3是根据本申请的一些实施例所示的数据处理引擎的一个示意图;
图4是根据本申请的一些实施例所示的VOI确定模块的一个示意图;
图5是根据本申请的一些实施例所示的处理图像的一种示例性流程图;
图6A是根据本申请的一些实施例所示的确定VOI的一种示例性流程图;
图6B是根据本申请的一些实施例所示的确定VOI和/或ROI的一种示例性流程图;
图7是根据本申请的一些实施例所示的确定VOI的一种示例性流程图;
图8是根据本申请的一些实施例所示的生成曲面的一种示例性流程图;
图9是根据本申请的一些实施例所示的在多平面重建窗口和/或体绘制窗口生成和编辑曲面的一种示例性流程图;
图10A和10B是根据本申请的一些实施例所示的样条曲线的一种示例性结果示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明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。
图1是根据本申请的一些实施例所示的图像处理系统100的工作环境的一个示意图。该图像处理系统100可以包括成像设备110、数据处理引擎120、存储设备130和交互设备140。成像设备110、数据处理引擎120、存储设备130和交互设备140相互之间可以通过网络150进行通信。
在一些实施例中,成像设备110可以通过扫描目标采集数据。成像设备110可以包括但不限于计算机断层扫描(CT)、计算机断层扫描血管造影(CTA)、正电子发射断层扫描术(PET)、单光子发射计算机断层扫描(SPECT)、磁共振成像仪(MRI)、数字减影血管造影(DSA)、超声波扫描(US)、热断层扫描仪(TTM)、SPECT-MR、 CT-PET、CE-SPECT、PET-MR、PET-US、SPECT-US、TMS-MR、US-CT、US-MR、 X射线-CT、X射线-PET或多种的组合。
数据处理引擎120可以对数据进行处理。所述数据可以包括图像数据,用户输入数据等。所述图像数据可以是二维图像数据和/或三维图像数据等。
存储设备130可以配置在具有存储功能的设备上。存储设备130可以存储从成像设备110收集的数据(例如,成像设备110拍摄的图像数据)和数据处理引擎120工作中产生的各种数据。存储设备130也可以存储通过交互设备140输入的数据(用户输入数据)。
交互设备140可以接收、发送和/或显示数据或信息。在一些实施例中,交互设备140可以具备数据处理引擎120的部分或全部的功能。例如交互设备140可以对数据处理引擎120处理结果进行进一步处理,例如对数据处理引擎120处理后的数据进行显示。在一些实施例中,交互设备140与数据处理引擎120可以是一个集成的设备。所述集成的设备可以同时实现数据处理引擎120和交互设备140的功能。网络150可以实现图像处理系统100内部的通信,接收系统外部的信息,向系统外部发送信息等。
图2是根据本申请的一些实施例所示的一个计算设备200的结构示意图。如图所示,计算设备200可以包括处理器(processor)202、只读存储器(ROM)204、随机存取存储器(RAM)206、通信接口208、输入/输出组件210、磁盘212、内部通信总线214和用户界面216。通信总线214可以实现计算设备200组件间的数据通信。处理器202可以执行程序指令以完成在此披露书中所描述的图像处理系统100的一个或多个组件、模块、单元、子单元的功能。处理器202可以由一个或多个处理器组成。通信接口208可以实现计算设备200与图像处理系统100其他部件(例如,成像设备110) 之间的数据通信(例如,通过网络150)。计算设备200还可以包括不同形式的程序储存单元以及数据储存单元,例如磁盘212、只读存储器(ROM)204、随机存取存储器 (RAM)206,以存储计算机处理和/或通信使用的各种数据文件、以及处理器202所执行的可能的程序指令。输入/输出组件210可以实现计算设备200与其他组件(如用户界面216)和/或与图像处理系统100其他组件(如存储设备130)之间的数据输入/输出。计算设备200可以通过通信接口208从网络150发送和接收信息及数据。
图3是根据本申请的一些实施例所示的数据处理引擎120的一个示意图。数据处理引擎120可以包括图像数据获取模块302、预处理模块304、VOI确定模块306、存储模块308和显示模块310。在一些实施例中,图像数据获取模块302、预处理模块304、 VOI确定模块306、存储模块308和显示模块310中的两个或多个之间可以通过网络 150进行通信。在一些实施例中,图像数据获取模块302、预处理模块304、VOI确定模块306、存储模块308和显示模块310中的两个或多个之间可以通过通信总线214进行通信。
图像数据获取模块302可以获取图像数据。所述图像可以是医学图像。所述医学图像可以包括CT图像、PET图像、SPECT图像、MRI图像、超声图像等中的一种或几种组合。所述医学图像可以是二维图像和/或三维图像。在一些实施例中,图像数据获取模块302可以从成像设备110、存储设备130、交互设备140和/或存储模块308获取图像数据。
预处理模块304可以对图像数据进行预处理。在一些实施例中,所述图像数据可以包括图像数据获取模块302获取的图像数据。所述图像数据也可以包括数据处理引擎120工作过程中产生的中间图像数据(例如,VOI确定模块306确定VOI过程中产生的中间图像数据)。所述预处理可以包括初始定位、图像归一化、图像重建、图像平滑、图像压缩、图像增强、图像配准、图像融合、图像几何校正、图像去噪等一种或几种的组合。
VOI确定模块306可以确定一个或多个感兴趣体积VOI。在一些实施例中,VOI 确定模块306可以对图像数据进行处理,并重建三维图像,以实现感兴趣目标的立体显示、编辑和/或分析等。一个感兴趣体积(VOI)可以包括一个或多个感兴趣的体素。在一些实施例中,一个感兴趣体积(VOI)可以包括一层或多层二维断层图像中的一个或多个像素。
在一些实施例中,VOI的自动确定可以基于一种或多种三维重建技术。所述三维重建技术可以包括面绘制法、体绘制法和网格绘制等。
在一些实施例中,所述VOI的确定可进一步基于三维表面模型重建技术,例如多平面重建(MPR)、最大密度投影法(MIP)、表面阴影显示法(SSD)等或多种的组合。在一些实施例中,经过VOI确定模块306处理过的图像数据可以被发送至其他模块、单元或子单元中进行进一步处理。例如,经过VOI确定模块306处理过的图像数据可以被发送至显示模块310进行显示。在一些实施例中,VOI确定模块306可以基于一种或多种图像分割方法确定一个VOI对应的像素/体素,然后利用一种或多种三维重建技术确定所述VOI。所述图像分割方法可以是本申请所描述的任意一种图像分割方法(例如,区域生长法)。
存储模块308可以存储来自图像数据获取模块302、预处理模块304、VOI确定模块306和/或显示模块310的数据。所述存储模块308可以包括系统内部的存储设备(例如,存储设备130、磁盘212、ROM 204、RAM 206等)和/或系统的外接存储设备。所述存储模块308可以实际存在于系统中,也可以通过云计算平台完成相应的存储读取功能。
显示模块310可以显示图像数据。在一些实施例中,所述图像数据可以包括图像数据获取模块302获取的图像数据和/或数据处理引擎120工作过程中产生的中间图像数据。所述中间图像数据可以是经过预处理模块304预处理后的图像数据,VOI确定模块306在确定VOI过程中产生的中间数据(例如,ROI的二维断层图像)或VOI确定模块306所确定的VOI。
图4是根据本申请的一些实施例所示的VOI确定模块306的一个示意图。VOI确定模块可以包括ROI确定单元402、VOI生成单元404、曲线生成单元406、曲面生成单元408、编辑单元410、更新单元412和判断单元414。
ROI确定单元402可以确定一个或多个ROI。一个ROI可以包括一个或多个具有特征信息的像素。所述特征信息可以包括纹理结构、灰度、平均灰度、信号强度、颜色饱和度、对比度、亮度等一种或多种的组合。所述ROI可以包括一个ROI轮廓线和/ 或位于轮廓线内部的像素点。所述ROI轮廓线可以是由多个离散的像素点组成的一条近似连续的曲线。所述ROI轮廓线可以是封闭的或非封闭的曲线。在一些实施例中,所述ROI可以包括器官(例如,血管、肝脏等)、正常组织、肿瘤、结节、损伤组织或钙化组织等对应的像素或多种的组合。
VOI生成单元404可以生成一个或多个VOI。在一些实施例中,所述VOI可以包括一个或多个具有特征信息的体素。所述特征信息可以包括纹理结构、灰度、平均灰度、信号强度、颜色饱和度、对比度、亮度等一种或多种的组合。所述VOI可以包括器官(例如,血管、肝脏等)、正常组织、肿瘤、结节、损伤组织或钙化组织等对应的体素或多种的组合。所述VOI可以包括一个轮廓面和/或位于轮廓面内部的体素点。所述VOI的轮廓面可以是由多个离散的体素点组成的一个近似连续的曲面。所述VOI 的轮廓面可以是封闭的或非封闭的曲面。
曲线生成单元406可以生成一条或多条样条曲线。一条样条曲线可以包括一个或多个控制点。所述控制点可以指确定样条曲线的大致形状和走向的点。一个控制点可以是一个二维断层图像中的一个像素点或二维断层图像各像素点经过插值之后生成的图像中的一个像素点。所述样条曲线可以是根据多个控制点插值拟合而得到的曲线。所述样条曲线可以是一条连续的曲线。
在一些实施例中,曲线生成单元406可以生成封闭的样条曲线,例如,一条ROI 轮廓线。在一些实施例中,曲线生成单元406可以生成非封闭的样条曲线,例如,将一个ROI划分为至少两部分的分割线。在一些实施例中,所述样条曲线可以是手动绘制的。例如,用户可以通过交互设备140手动绘制出ROI的轮廓线或ROI的分割线。又如,用户可以通过交互设备140在图像中确定一个或多个控制点,进而,曲线生成单元406可以基于所述控制点生成相应的样条曲线。在一些实施例中,所述样条曲线可以是自动绘制的。例如,曲线生成单元406可以基于ROI确定单元402提取的ROI 像素特征信息,自动检测ROI轮廓(或边界)或ROI内不同区域的分割线。在一些实施例中,曲线生成单元406可以基于图像特征信息确定一个或多个控制点,并基于所述控制点生成样条曲线。在一些实施例中,生成的样条曲线可以被ROI确定单元402 进行进一步的处理。例如,ROI确定单元402可以基于曲线生成单元406生成的样条曲线提取ROI的特征信息。
曲面生成单元408可以生成一个或多个曲面。一个曲面可以是网格化的曲面(mesh) 或多边形网格(polygon mesh),包括一个或多个元素,例如,一个或多个顶点(vertices)、一个或多个边缘(edges)、定义了多面体(polyhedral object)形状的一个或多个表面 (faces)等。所述曲面可以是一个平坦的面(例如,曲面上所有元素均在同一个平面上)或弯曲的面。所述曲面可以包括封闭曲面或非封闭曲面。所述封闭曲面可以是一个VOI的表面(或轮廓面)。所述非封闭曲线可以是将一个VOI分成至少两部分的分割面。在一些实施例中,曲面生成单元408可以基于一条或多条样条曲线,生成一个曲面。例如,曲面生成单元408可以基于一条或多条样条曲线,生成掩膜(mask),进而将掩膜(mask)转换为曲面(mesh)。具体地,所述一条或多条样条曲线可以通过曲线间插值形成曲面,所述曲面可以是掩膜图像,即曲面内的像素或体素灰度值为1,曲面外的像素或体素灰度值为0。曲面生成单元408可以进一步将所述掩膜(mask)划分为规范的网格结构,所述网格结构可以包括多个网点。然后,曲面生成单元408可以判断所述网点是否在所述一条或多条样条曲线上的控制点的预设范围内,若在所述预设范围内,则所述网点属于曲面(mesh)的网点;若不在所述预设范围内,则所述网点不属于曲面(mesh)的网点。在一些实施例中,曲面生成单元408可以进一步调整所述网点位置,使所述网点在所述预设范围内。
在一些实施例中,曲面生成单元408可以生成封闭曲面,例如,感兴趣体积(VOI)的轮廓面。在一些实施例中,曲面生成单元408可以生成非封闭曲面,例如,感兴趣体积(VOI)内不同区域的分割面。在一些实施例中,所述非封闭曲面可以将感兴趣目标分割成至少两部分。例如,用户可能需要对一个感兴趣体积VOI(例如,肝脏)按功能进行分段,用户可以在肝脏的每一层二维断层图像(例如,横断位、矢状位或冠状位的二维断层图像)中勾勒一条样条曲线,所述样条曲线可以在当前层图像中将肝脏区域分割为至少两个部分,进而,曲面生成单元408可以基于勾勒的多条样条曲线生成一个曲面。在三维图像中,所述曲面可以将肝脏分为至少两个部分。在一些实施例中,所述生成的曲面可以被VOI生成单元404进行进一步的处理。例如,VOI生成单元404可以基于曲面生成单元408生成的曲面提取VOI的特征信息。
编辑单元410可以编辑VOI确定模块306在工作过程中产生的中间图像数据。所述中间图像数据可以包括ROI确定单元402确定的ROI、曲线生成单元406生成的样条曲线、VOI生成单元404生成的VOI和/或曲面生成单元408生成的曲面等。所述编辑的过程可以是手动或自动进行的。例如,用户可以通过交互设备140(例如,鼠标) 调整ROI轮廓线。又如,编辑单元410可以根据图像特征信息自动调整或优化ROI轮廓线。所述编辑的过程可以是基于二维视图(或二维图像)或三维视图(或三维图像) 进行的。例如,可以在二维视图上编辑已确定的ROI轮廓线。又如,可以在三维视图上编辑VOI上的ROI轮廓线或是编辑VOI轮廓面。在一些实施例中,编辑后的ROI 或VOI可以被其他模块、单元或子单元进行进一步处理。例如,编辑单元410可以将编辑后的ROI或VOI提供给更新单元412,以更新确定的ROI或生成的VOI。又如,编辑单元410可以将编辑后的ROI或VOI提供给判断单元414,以判断编辑后的ROI 或VOI是否需要继续编辑。
更新单元412可以更新VOI确定模块306在工作过程中产生的中间图像数据。在一些实施例中,所述中间图像数据可以包括ROI确定单元402确定的ROI、曲线生成单元406生成的样条曲线、VOI生成单元404生成的VOI和/或曲面生成单元408生成的曲面等。
判断单元414可以对VOI确定模块306在工作过程中产生的中间图像数据进行判断。在一些实施例中,所述中间图像数据可以包括ROI确定单元402确定的ROI、曲线生成单元406生成的样条曲线、VOI生成单元404生成的VOI和/或曲面生成单元408 生成的曲面等。例如,判断单元414可判断ROI确定单元402确定的ROI(或VOI生成单元404生成的VOI)是否满足预设条件或用户需求。所述预设条件可以是系统预设的或用户预设的。所述预设条件可以包括所述ROI或VOI是否包含器官(例如,血管)、肿瘤、损伤组织等。所述用户需求可以包括所述ROI(或VOI)是否是用户认为合适的ROI(或VOI),是否需要进行编辑、调整或优化等。
在一些实施例中,ROI确定单元402确定的ROI、VOI生成单元404生成的VOI、曲线生成单元406生成的曲线和/或曲面生成单元408生成的曲面、编辑单元410编辑的实时效果或相关的中间图像数据,可以被显示模块310显示。例如,当用户在一个二维图像显示窗口(例如,横断位多平面重建窗口)中的一个二维断层图像中勾勒一个ROI轮廓线时,显示模块310可以对该ROI进行空间定位,并在所述二维图像显示窗口显示其他断位(例如,冠状位、矢状位)或三维图像显示窗口(例如,体绘制显示窗口)图像中该ROI的相应位置显示该ROI的标记。又如,当用户在多个(例如,至少两个)二维断层图像的每一层图像中勾勒一个ROI轮廓线时,VOI生成单元404 可以基于勾勒的至少两个ROI生成一个VOI。并且,显示模块310可以在三维图像显示窗口(例如,体绘制显示窗口)中实时显示所生成的VOI。
图5是根据本申请的一些实施例所示的处理图像的一种示例性流程图。图像处理流程500可以包括获取图像数据502、预处理所述图像数据504和基于所述图像数据确定VOI506。在一些实施例中,基于图像数据确定VOI 506可进一步参考本申请中图6A 和图 6B 的描述。
在502中,可以获取图像数据。在一些实施例中,获取图像数据的操作可以由图像数据获取模块302执行。在一些实施例中,所述图像数据可以是扫描目标所获得的一个或多个二维断层图像。所述扫描目标可以是器官、机体、物体、损伤部位、肿瘤等一种或多种的组合。在一些实施例中,所述扫描目标可以是头部、胸腔、腹部、器官(例如骨骼、血管等)等一种或多种的组合。
在一些实施例中,所述图像数据可以是基于扫描目标获取的二维断层图像通过三维重建技术获得的其他断位(例如,矢状位、冠状位等)的图像数据。所述三维重建技术可以是多平面重建技术(MPR)。多平面重建技术可以将扫描范围内的多个轴位图像(例如,横断位图像)叠加起来,再对指定的组织或范围进行冠状位、矢状位或任意角度斜位图像重组,从而产生新的冠状位、矢状位或任意角度斜位的断层图像。
在504中,可以预处理502中获取的所述图像数据。在一些实施例中,预处理的操作可以由预处理模块304执行。在一些实施例中,所述预处理可以包括初步定位、增强、插值处理、形态学处理、噪声去除等中的一种或几种的组合。初步定位可以基于图像数据确定感兴趣区域所在的大致区域,以简化后续确定感兴趣区域的过程。初步定位可以是自动的,半自动的或手动的。增强处理可以突出图像中某些结构或区域。增强处理可以包括空间域增强(例如,局部求平均值算法、中值滤波法等),频域率增强(例如,低通滤波法,高通滤波法等)等。
在506,可以基于图像数据,确定一个或多个VOI。在一些实施例中,确定VOI 的操作可以由VOI确定模块306执行。在一些实施例中,所述图像数据可以是502中获取的图像数据或504中经过预处理的图像数据。
在一些实施例中,所述VOI的确定可以包括对图像数据进行处理,重建三维图像,以实现感兴趣目标的立体显示、编辑和/或分析等。在一些实施例中,所述VOI的确定可以包括VOI轮廓面(或VOI曲面)的生成。VOI轮廓面的生成可以利用一种或多种基于边界轮廓线的曲面重构算法。
在一些实施例中,图像处理流程500可以进一步包括在二维和/或三维视图上显示所述VOI。在一些实施例中,图像处理流程500可进一步包括确定VOI体素特征信息 (例如,体素灰度值、颜色、亮度等)。例如,可以基于确定的VOI的轮廓面,提取 VOI的轮廓面表面及轮廓面内的体素点的灰度值。在一些实施例中,所述体素特征信息可以基于二维断层图像间的插值法获得。在一些实施例中,图像处理流程500可以进一步包括基于VOI的体素特征信息优化所述VOI。例如,在肿瘤分割过程中,所述 VOI可以包括肿瘤,而图像处理流程500可以基于提取的VOI中体素的灰度信息,去除肿瘤表面的血管、损伤组织或钙化组织等。
需要注意的是,以上关于图像处理流程500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,在了解本申请的基本原理后,可以在不背离这一原理的情况下,对图像处理流程500作出任意改变。例如,图像处理流程500可以不包括504。诸如此类的变形,均在本申请的保护范围之内。
图6A是根据本申请的一些实施例所示的确定VOI的一种示例性流程图。在一些实施例中,流程500中根据图像数据确定VOI 506步骤可由图6A中所示的流程600实现。VOI的确定流程600可以包括确定ROI 601、优化所述ROI 603、生成VOI 605和优化所述VOI 607。
在601中,可以确定至少两个ROI。操作601可以由ROI确定单元402执行。在一些实施例中,所述至少两个ROI可以是同一个三维感兴趣目标在不同二维断层图像上对应的区域。比如,可以在第一二维断层图像中确定第一ROI,并且在第二二维断层图像中确定第二ROI。在一些实施例中,所述至少两个ROI(例如第一二维断层图像和第二二维断层图像)可以是位于同一个断位的两个感兴趣图像区域。所述断位可以包括横断位、矢状位、冠状位或任意角度的斜断位。例如,对于肝脏,用户可能想要确定肝脏中的肿瘤,ROI确定单元402可以在矢状位的多个二维断层图像中确定各个二维断层图像中显示的肿瘤区域。
ROI的确定可以是全自动、半自动或手动进行的。在一些实施例中,ROI确定单元402可以根据一种或多种算法自动确定ROI。在一些实施例中,所述ROI的自动确定可以包括在多个二维断层图像中基于图像特征信息分割所述ROI。所述分割ROI的操作可以基于一种或多种图像分割算法。
在一些实施例中,所述确定ROI可以进一步包括绘制所述ROI的轮廓线。在一些实施例中,所述ROI轮廓线可以基于分割后的ROI进行绘制。在一些实施例中,ROI 轮廓线的绘制可以基于一种或几种曲线生成算法。所述曲线生成算法可以包括数字微分分析法、Bresenham算法、B样条曲线生成算法,Hermit曲线生成算法、贝塞尔曲线生成算法、位移算法等一种或几种的组合。在一些实施例中,ROI轮廓线的生成也可以基于轮廓跟踪算法。
在一些实施例中,在操作601中,用户可以在502获取的图像或504预处理后的图像中手动确定ROI。例如,用户可以通过交互设备140(例如,鼠标)手动绘制ROI 轮廓线。在手动绘制ROI轮廓线时,用户可以绘制一个或多个控制点,系统可以根据所述控制点生成样条曲线,以得到ROI轮廓线。ROI确定单元402可以基于手动绘制的ROI轮廓线确定所述ROI和/或提取所述ROI中像素的特征信息。在一些实施例中,用户可以对系统自动确定的ROI进行人工修正或更改等。
在一些实施中,所述ROI轮廓线可以是由同一组织的边界组成的封闭曲线。例如,在肝脏组织提取过程中,所述ROI可以包括所述肝脏组织,并且所述ROI轮廓线可以是由肝脏组织边界组成的封闭曲线。在一些实施例中,所述ROI轮廓线可以是由不同组织的边界组成的封闭曲线,例如,在肝脏肿瘤的分割过程中,所述ROI可以包括部分肝脏组织和肿瘤组织,并且所述ROI轮廓线可以由至少两段的非封闭曲线组成。所述至少两段曲线可以包括肿瘤组织边界线以及部分的肝脏组织边界线。
在603中,可以基于图像特征信息优化确定的ROI。在一些实施例中,优化所述 ROI的操作可以由编辑单元410执行。在一些实施例中,编辑单元410可以根据图像特征信息自动优化601确定的ROI。图像特征信息可以包括ROI所在的二维断层图像的灰度信息(例如,灰度直方图、平均灰度、灰度最大值、最小值)、纹理结构、信号强度、颜色饱和度、对比度、亮度等或多种的组合。在一些实施例中,图像特征信息可以包括ROI中的像素点的特征信息和/或ROI以外的像素点的特征信息。
在一些实施例中,所述优化的过程可以包括调整所述ROI轮廓线所包括的范围。例如,在肿瘤提取过程中,可调整ROI轮廓线,使得ROI尽量包含整个肿瘤区域。在一些实施例中,通过调整所述ROI的范围可以避开ROI所包括的血管、钙化组织、损伤组织等。在一些实施例中,ROI可以由用户手动进行优化。例如,用户可以通过交互设备140(例如,鼠标)拖拽ROI轮廓线上的控制点,从而调整ROI的范围。所述控制点的选取可以基于用户所观察的图像特征信息(例如,灰度信息)。
在605中,可以基于所述ROI生成VOI。在一些实施例中,所述生成VOI的操作可以由VOI生成单元404执行。所述VOI的生成可以基于601中确定的所述至少两个 ROI,也可以基于603中优化后的ROI。在一些实施例中,所述生成VOI的过程可以包括生成所述VOI的轮廓面。VOI的轮廓面可以基于ROI轮廓线生成。通过ROI轮廓线生成VOI轮廓面可以基于本申请中描述的任意一种或几种曲面重构技术。
在607中,可以基于图像特征信息优化生成的所述VOI。在一些实施例中,优化所述VOI的操作可以由编辑单元410执行。在一些实施例中,编辑单元410可以根据图像特征信息自动优化所述VOI。图像特征信息可以包括VOI所在的三维图像的灰度信息(例如,灰度直方图、平均灰度、灰度最大值、最小值)、纹理结构、信号强度、颜色饱和度、对比度、亮度等或多种的组合。
在651中,可以基于图像数据重建容积再现(volume rendering,VR)图像。在一些实施例中,651可以由预处理模块304执行。在一些实施例中,所述图像数据可以是操作502中获取的图像数据,包括二维断层图像数据和/或三维图像数据。在651中,可以利用容积再现技术(VRT)将多个二维图像合成三维立体图像,并将所有体素的 CT值设定为不同的透明度,可以由完全不透明到完全透明。同时,可以利用虚拟照明效应,用不同的灰阶(或伪彩)显示三维立体图像。
在653中,可以基于区域生长法分割VOI。在一些实施例中,所述VOI生长的操作可以由VOI生成单元404执行。在一些实施例中,所述VOI的区域生长可以基于所述VR图像。例如,所述区域生长法可以包括基于所述VR图像选取至少一个种子点作为生长的起点;将所述种子点周围邻域中与种子点具有相同或相似特征的体素合并到种子点所在的区域中;将新的体素点继续作为种子点向四周生长,直到没有找到满足条件的体素点时停止生长。在一些实施例中,所述种子点可以包括一个体素点或由多个体素点组成的区域。
在655中,可以获取用户交互信息。在一些实施例中,操作655可以由交互设备 140执行。所述交互信息可以包括旋转图像、缩放图像、平移图像、暂停区域生长、终止区域生长等一种或多种交互操作。
在657中,可以基于所述用户交互信息更新所述VOI。在一些实施例中,操作657 可以由VOI生成单元404和/或更新单元412执行。所述用户交互信息可以暂停所述区域生长的过程。在一些实施例中,在657中,可以显示至少部分的VOI。例如,在VR 图像中,生长中的VOI(例如,血管)和其他(例如,骨骼)可能存在遮挡关系,在区域生长过程中,用户可以观察区域生长形成的全部VOI,但无法观察VOI被其他组织遮挡的情况。在暂停区域生长时,可以显示未被其他组织遮挡的VOI,从而方便用户观察VOI与其他组织之间的遮挡关系。
在659中,可以基于所述VOI确定ROI。在一些实施例中,操作659可以由ROI 确定单元402执行。在一些实施例中,所述VOI可以是区域生长过程中动态变化的VOI,也可以是暂停区域生长时,已经生成的至少部分的VOI。在一些实施例中,在659中,可以对所述VOI进行切片获得二维切片图像,并在所述二维切片图像上标记并显示所述VOI,即ROI。在一些实施例中,在659中,可以在VR窗口显示VOI时,在MPR 窗口同步显示ROI。
图7是根据本申请的一些实施例所示的确定VOI的一种示例性流程图。
在702中,可以获取图像数据。702可以由图像数据获取模块302执行。在一些实施例中,所述图像数据可以是横断位图像数据、冠状位图像数据、矢状位图像数据或任意角度的斜状位图像数据。所述图像数据可以包括至少两层二维断层图像。在一些实施例中,所述图像数据的获取可以参考本申请中图5的详细描述。
在704中,可以预处理所述图像数据。704可以由预处理模块304执行。在一些实施例中,所述预处理可以包括对任意一层二维断层图像进行预处理操作。在一些实施例中,所述预处理可以包括对所述至少两层二维断层图像进行图像间的预处理(例如,插值处理)。在一些实施例中,所述图像数据的预处理可以参考本申请中图5的详细描述。
在706中,可以基于所述图像数据提取至少两个ROI。706可以由ROI确定单元 402执行。所述图像数据可以是702中获取的图像数据或704中经过预处理后的图像数据。在一些实施例中,所述至少两个ROI可以位于不同层的二维断层图像上。在一些实施例中,706可以提取所述至少两个ROI中像素的特征信息(即ROI分割)和/或绘制所述至少两个ROI的轮廓线。在一些实施例中,可以根据本申请中描述的任意一种图像分割方法提取所述至少两个ROI。在一些实施例中,可以根据本申请中描述的任意一种曲线生成算法绘制所述至少两个ROI的轮廓线。
在708中,可以编辑至少一个ROI。708可以由编辑单元410执行。在一些实施例中,所述编辑至少一个ROI可以包括基于图像特征信息调整所述ROI的范围。在一些实施例中,可以基于706提取的一个ROI,提取至少两个控制点,所述控制点可以是 ROI轮廓线(或边界)上决定轮廓线形状变化的关键点或高曲率点。曲线生成单元406 可以基于所述控制点插值生成样条曲线。进而,编辑单元410可以编辑所述控制点,使得所述控制点生成的样条曲线尽量与ROI轮廓线重合。在一些实施例中,可以基于编辑后的控制点生成的样条曲线,重新确定ROI。
在710中,可以根据所述至少两个ROI生成VOI。710可以由VOI生成单元404 执行。在一些实施例中,所述至少两个ROI可以是706中确定的ROI或708中编辑后的ROI。在一些实施例中,可以根据本申请中描述的任意一种体绘制法生成所述VOI。例如,可以根据所述至少两个ROI中像素的特征信息插值生成VOI中体素特征信息,然后基于生成的VOI体素特征信息提取所述VOI。在一些实施例中,可以根据本申请中描述的任意一种面绘制法生成所述VOI。例如,可以根据所述至少两个ROI的轮廓线插值生成所述VOI的轮廓面,然后基于所述VOI轮廓面提取所述VOI。
在712中,可以编辑所述VOI。712可以由编辑单元410执行。在一些实施例中, 712可以基于图像特征信息(例如,像素或体素的灰度信息)调整所述VOI范围。例如,通过设定一个灰度阈值,可以将所述VOI中灰度值大于或小于所述灰度阈值的体素点划分至所述VOI范围外。在一些实施例中,可以编辑所述VOI中的一个或多个ROI。例如,可通过编辑所述ROI的控制点调整ROI的范围,然后基于编辑后的ROI重新生成VOI。
在714中,可以同步显示所述至少两个ROI及所述VOI。714可以由显示模块310 执行。在一些实施例中,714可以在同一二维和/或三维显示窗口同时显示同一ROI的不同断位的图像(例如,在横断位、冠状位和矢状位的图像)。在一些实施例中,714 可以在同一二维和/或三维显示窗口同时显示同一VOI对应的不同断位的ROI图像(例如,同一VOI对应的横断位的ROI、冠状位的ROI、矢状位的ROI)。
在716中,可以判断所述ROI或VOI是否满足预设条件。716可以由判断单元414 执行。在一些实施例中,所述预设条件可以包括所述ROI或VOI不包括至少部分的血管、钙化组织或损伤组织等。若所述ROI或VOI满足预设条件(例如,所述ROI或 VOI不包括至少部分的血管、钙化组织或损伤组织),则执行718;若所述ROI或VOI 不满足预设条件,流程700可以返回至708,继续编辑至少一个ROI。在一些实施例中,判断单元414可以基于所述ROI或VOI的特征信息判断所述ROI或VOI是否满足预设条件。
在718中,可以确定所述VOI。718可以由VOI确定模块306执行。在一些实施例中,718可以提取所述VOI中体素的特征信息,提取所述ROI中像素的特征信息和/ 或确定所述VOI的轮廓面等。
图8是根据本申请的一些实施例所示的生成曲面的一种示例性流程图。在一些实施例中,流程700中基于ROI生成VOI 710步骤可以由图8中所示的流程800实现。在802中,可以确定生成感兴趣曲面的类型。802可以由曲面生成单元408执行。在一些实施例中,所述感兴趣曲面可以是封闭曲面。所述封闭曲面的生成可以基于横断位、矢状位、冠状位或任意角度的斜状位的二维断层图像。在一些实施例中,所述感兴趣曲面可以是非封闭曲面。所述非封闭曲面可以将感兴趣目标分割成至少两部分。在一些实施例中,802可以按照分割类型确定感兴趣曲面的类型。所述分割类型可以包括将感兴趣目标分割成上下、左右、前后、任意方位等不同的部分。所述上下、左右、前后等的方位可以基于感兴趣目标正视图的方向。例如,靠近人体头部的方向为上;靠近人体脚部的方向为下;靠近人体左侧的方向为左;靠近人体右侧的方向为右;靠近人体前胸的方向为前;靠近人体背部的方向为后。若将感兴趣目标分割成上下部分,所述感兴趣曲面可以横断位方向为参考基准,并且,所述感兴趣曲面的生成可以基于矢状位或冠状位的二维断层图像。若将感兴趣目标分割成左右或者前后部分,所述感兴趣曲面可以矢状位或冠状位方向为参考基准,并且,所述感兴趣曲面的生成可以基于横断位的二维断层图像。
在804中,获取图像数据,所述图像数据可以包括N层二维断层图像。N为大于 0的整数。804可以由图像数据获取模块302执行。在一些实施例中,所述N层图像中的至少一层可以包括所述感兴趣目标。所述感兴趣目标在某一层二维断层图像中的显示区域可以被认为是一个ROI。在一些实施例中,所述图像数据的获取可以参考本申请附图5中的详细描述。在一些实施例中,所述图像数据的获取可以基于802中确定的曲面类型。例如,若所述曲面类型可以将感兴趣目标分割为上下部分,所述图像数据可以是矢状位或冠状位的二维断层图像。若所述曲面类型可以将感兴趣目标分割成前后或左右部分,所述图像数据可以是横断位的二维断层图像。
在806中,可以基于第i层二维断层图像,确定一个或多个控制点。所述i可以是不大于N的正整数(即,0≤i≤N)。806可以由曲线生成单元406执行。在一些实施例中,806可以预处理所述第i层二维断层图像。806可以对所述二维断层图像或预处理后的二维断层图像进行ROI的初始分割,以获得一个原始ROI。所述原始ROI可以包括感兴趣目标的至少一部分。所述初始分割可以基于本申请中描述的任意一种或多种分割方法。806可以基于原始ROI的边界手动或自动绘制原始ROI的轮廓线和/或基于原始ROI中像素的灰度信息确定所述控制点。在一些实施例中,所述控制点可以包括位于原始ROI的轮廓线(或边界)上或其周围的特征点和/或位于原始ROI内的特征点。所述特征点可以是表示原始ROI的轮廓线(或边界)或原始ROI内不同区域的分割线上,并且决定轮廓线(或分割线)形状变化的关键点或高曲率点。
在一些实施例中,所述特征点提取算法可以利用点探测算子实现,例如模板匹配法、几何特征探测法等。模板匹配法可以设定一系列特征点模板(如角点、交叉点等),并根据模板与所有图像子窗口的相似性判断位于子窗口中心的像素是否为特征点。几何特征探测法可以包括基于边界曲率的提取方法、基于图像灰度信息的提取方法等。在一些实施例中,所述点探测算子可以包括Harris算子、Forstner算子、Susan算子、 MIC算子、Moravec算子、SIFT算子等一种或几种的组合。
在808中,可以基于所述控制点确定样条曲线。808可以由曲线生成单元406执行。在一些实施例中,可以基于插值法处理所述控制点以生成所述样条曲线。所述插值法可以包括光滑不等距插值法、最邻近像素插值法、双线性插值法、双三次灰度插值法、空间可变线性灰度插值、分形插值法等或多种的组合。
在一些实施例中,所述样条曲线可以是封闭曲线。所述封闭曲线可以包括至少部分的原始ROI。例如,在处理肝脏图像时,所述样条曲线可以是肝脏组织的边界线,以区分肝脏组织和非肝脏组织。在一些实施例中,所述样条曲线可以是非封闭曲线(如图10A或10B所示的样条曲线SE。所述非封闭曲线可以将所述原始ROI划分为至少两部分。进一步地,所述非封闭曲线可以与原始ROI的轮廓线的一部分构成封闭曲线,而所述封闭曲线可以包括一个感兴趣目标。如图10A所示,样条曲线SE与区域B的下边界构成的封闭曲线可以确定肝脏中的某一段(区域B所示)。
在810中,可以基于所述样条曲线确定一个目标ROI。810可以由ROI确定单元 402执行。在一些实施例中,所述目标ROI可以包括原始ROI中的至少一部分。在一些实施例中,可以基于样条曲线上的控制点调整目标ROI的范围。例如,用户可通过手动拖拽控制点的位置,调整样条曲线,从而调整目标ROI的范围。在一些实施例中,也可以基于图像特征信息调整目标ROI。例如,可以设定一定的灰度阈值,将所述目标 ROI内的像素灰度值大于或小于所述灰度阈值的像素点去除。
在812中,可以判断第i+1层二维断层图像是否包含一个ROI。812可以由判断单元414执行。所述ROI可以指感兴趣目标在第i+1层二维断层图像中的显示区域。若第i+1层二维断层图像包含所述ROI,执行814,并基于第i+1层二维断层图像,执行 806。若第i+1层二维断层图像不包含所述ROI,则执行816。在一些实施例中,812中可以由用户观察二维显示窗口显示的图像进行判断。在一些实施例中,812中可以根据图像特征信息进行自动判断。例如,可以通过比较第i+1层与第i层的二维断层图像的灰度信息,判断第i+1层二维断层图像是否包含ROI。
在816中,可以基于所述样条曲线生成所述感兴趣曲面。816可以由曲面生成单元408执行。在一些实施例中,如果所述样条曲线是封闭曲线,则所述感兴趣曲面可以是封闭曲面。所述封闭曲面可以是一个VOI的轮廓面。在一些实施例中,如果所述样条曲线是非封闭曲线,则所述感兴趣曲面可以是非封闭曲面。所述非封闭曲面可以将所述VOI分割成至少两个部分。在一些实施例中,所述感兴趣曲面可以是二维或三维掩膜图像。在一些实施例中,所述感兴趣曲面可以是以网格(mesh)形式显示的。在一些实施例中,816可以进一步在二维显示窗口显示所述样条曲线及所述控制点,在三维显示窗口显示同步感兴趣曲面和/或在感兴趣曲面中标记并显示所述样条曲线及所述控制点。
在818中,可以基于所述感兴趣曲面生成目标VOI。818可以由VOI生成单元404 执行。在一些实施例中,如果感兴趣曲面是封闭曲面,则818可以根据封闭曲面提取目标VOI中体素的特征信息。在一些实施例中,如果感兴趣曲面是非封闭曲面,则818 可以根据非封闭曲面将一个初始分割形成的原始VOI分割成至少两部分。所述原始VOI 可以是在802至818中任一操作中对图像数据进行初始分割所获得的。所述非封闭曲面可以和原始VOI的轮廓面的一部分构成一个封闭的曲面,即,目标VOI的轮廓面。在一些实施例中,所述目标VOI可以是某个组织或器官或其中的一部分,例如,肝脏、肝脏中的某一段组织或肝脏中的肿瘤等。
需要注意的是,以上关于生成曲面的流程800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,在了解本申请的基本原理后,可以在不背离这一原理的情况下,对生成曲面的流程800作出改变。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操作。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。例如,可以先执行步骤804,后执行步骤802或者同时执行802和804。又如,生成曲面的流程800可进一步包括对获取的图像数据进行预处理。诸如此类的变形,均在本申请的保护范围之内。
图9是根据本申请的一些实施例所示的在多平面重建窗口和/或体绘制窗口生成和编辑曲面的一种示例性流程图。在一些实施例中,流程700中编辑ROI 708步骤和基于ROI生成VOI 710步骤可以由图9中所示的流程900实现。
在902中,可以确定曲面类型。902可以由曲面生成单元408执行。在一些实施例中,不同的曲面类型可能需要在不同断位的图像视图窗口进行样条曲线的绘制。曲面类型的确定可以基于曲面的作用。例如,若要让曲面将感兴趣目标分割成前后或左右部分时,可能需要在横断位MPR窗口进行样条曲线的绘制。又如,若要让曲面将感兴趣目标分割成上下部分时,可能需要在冠状位或矢状位MPR窗口进行样条曲线的绘制。所述曲面类型的确定可以参考本申请中图8的描述。
在904,可以确定一条或多条样条曲线。904可以由曲线生成单元406执行。所述样条曲线可以基于一个或多个断位的MPR窗口显示的二维断层图像进行绘制。在一些实施例中,904可以基于某一个二维断层图像中的感兴趣目标,确定至少一个控制点,并基于所述控制点生成一条样条曲线。如此,904可以在多个二维断层图像中确定多条样条曲线。在一些实施例中,所述样条曲线可以是所述感兴趣目标的轮廓线。在一些实施例中,所述样条曲线可以是感兴趣目标内的不同区域的分割线,所述分割线可以将所述感兴趣目标分割成至少两个部分。在一些实施例中,多个二维断层图像中的多条样条曲线可以形成一个样条曲线列表。所述样条曲线列表可以包括至少两条样条曲线。所述控制点的选取和所述样条曲线的确定可以参考本申请图8中的描述。
在906中,可以判断是否生成曲面网格(mesh)。906可以由判断单元414执行。在一些实施例中,906可以根据用户的需求来判断是否生成曲面网格。例如,用户可以设置样条曲线数量阈值,判断单元414可以判断904确定的样条曲线数量是否超过所述阈值,若所述样条曲线数量超过所述阈值,那么906可以判断为生成曲面网格。在一些实施例中,906可以基于当前的二维断层图像是否包含感兴趣目标来判断是否生成曲面网格。在一些实施例中,用户可以在MPR窗口观察当前二维断层图像是否包含感兴趣目标。用户可以基于观察结果通过交互设备140(例如,键盘、鼠标等)输入指令,判断单元414可以基于输入的指令判断是否可以生成曲面网格。在一些实施例中,906 可以基于图像灰度信息自动判断当前二维断层图像是否包含感兴趣目标。例如,906可以将感兴趣目标的灰度信息与当前二维断层图像的灰度信息进行比较,从而判断当前二维断层图像是否包含感兴趣目标。若可以生成曲面网格,则执行910。若不可以生成曲面网格,则执行908,在MPR窗口进行翻页操作,获取下一层二维断层图像。在908 执行MPR翻页操作之后,流程900可以返回至904,继续确定样条曲线。
在910中,可以基于所述样条曲线生成曲面。910可以由曲面生成单元408执行。在一些实施例中,所述曲面的生成可以参考本申请中描述的任意一种曲面重构技术。在一些实施例中,所述曲面可以是掩膜图像。在一些实施例中,所述曲面可以是以网格(mesh)的形式显示。在一些实施例中,可以在MPR窗口显示所述样条曲线,同时,在体绘制窗口同步显示生成的曲面。在一些实施例中,可以在所述曲面上标记并显示所述至少一条样条曲线和/或所述样条曲线上的控制点。
在912中,可以选择编辑类型。912可以由编辑单元410执行。所述编辑类型可以指显示窗口的类型。所述编辑类型可以包括在MPR窗口进行样条曲线的编辑或在所述体绘制窗口(即曲面网格)进行样条曲线的编辑。编辑类型可以由用户选择或系统自动选择一个默认编辑类型。若选择MPR窗口编辑样条曲线,则执行914;若选择在体绘制窗口编辑样条曲线,则执行步骤918。
在914中,可以判断MPR窗口显示的当前二维断层图像是否包含控制点。914可以由判断单元414执行。若当前二维断层图像不包含控制点,则执行916,在MPR窗口进行翻页操作,进入下一层二维断层图像进行操作。若当前二维断层图像包含控制点,则执行918。
在918中,可以编辑控制点。918可以由编辑单元410执行。控制点的编辑可以在MPR窗口和/或体绘制窗口或网格绘制窗口进行。在一些实施例中,用户可以通过交互设备140(例如,鼠标)拖拽控制点实现控制点的编辑。在一些实施例中,若基于 MPR窗口编辑所述控制点,则在MPR窗口显示的样条曲线及体绘制窗口显示的曲面可以根据编辑后的控制点进行同步更新。若基于体绘制窗口或网格绘制窗口编辑所述控制点,则体绘制窗口显示的曲面会随着编辑后的控制点而同步更新,并且在MPR窗口同步更新所述控制点所在的样条曲线。例如,在所述体绘制窗口或网格绘制窗口,可以实时显示基于所述MPR窗口绘制的样条曲线生成的三维曲面,所述体绘制窗口或网格绘制窗口可以同步显示所述样条曲线以及组成所述样条曲线的控制点。可以通过调整所述三维曲面上的所述控制点,调整所述三维曲面或所述样条曲线。
在920中,可以判断是否继续编辑控制点。920可以由判断单元414执行。若要继续编辑控制点,流程900可以返回至912进行重复执行。否则,执行步骤922。在一些实施例中,判断是否继续编辑控制点可以基于在体绘制窗口显示的曲面是否符合用户需要或满足预定的条件。所述预定的条件可以包括所述曲面是否包括至少部分的血管、钙化组织、损伤组织等。在一些实施例中,判断单元414可以基于所述曲面特征信息判断所述曲面是否满足预定条件。例如,判断单元414可以判断所述曲面内的全部像素或体素的灰度值是否小于一预设灰度阈值,若所述全部像素或体素的灰度值均小于所述预设灰度阈值,则所述曲面不满足预定条件。若所述至少部分像素或体素的灰度值大于所述预设灰度阈值,则所述曲面满足预定条件。
在922中,可以基于编辑后的样条曲线生成曲面。922可以由曲面生成单元408 执行。在一些实施例中,922可以基于插值算法生成曲面。
需要注意的是,以上关于流程900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,在了解本申请的基本原理后,可以在不背离这一原理的情况下,对流程900作出改变。例如,曲面生成和编辑流程可以包括获取图像数据。又如,曲面生成和编辑流程可进一步包括预处理所述图像数据。诸如此类的变形,均在本申请的保护范围之内。
图10A和10B是根据本申请的一些实施例所示的样条曲线的一种示例性结果示意图。图10A为肝脏组织在横断位的二维断层图像。样条曲线SE将所述横断位断层图像上的肝脏区域划分为A和B两部分。通过横断位的多个二维断层图像序列上的样条曲线可以生成肝脏分割曲面,所述曲面将肝脏组织分割成前后两个部分。图10B为肝脏组织在矢状位的二维断层图像。样条曲线SE将矢状位的二维断层图像上的肝脏区域划分为C和D两部分。通过矢状位的多个二维断层图像上的样条曲线可以生成肝脏分割曲面,所述曲面可以将肝脏组织分割成上下两个部分。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所界定的为准。
Claims (10)
1.一种感兴趣区域提取方法,在至少一个机器上执行,所述至少一个机器中的每一个机器具有至少一个处理器和一个存储器,包括:
获取第一断位图像数据,所述第一断位图像数据包括至少第一层图像和第二层图像;
确定所述第一层图像中的第一感兴趣区域ROI;
确定所述第二层图像中的第二ROI;以及
基于第一ROI的特征信息、所述第二ROI的特征信息插值生成第一感兴趣体积VOI的体素特征信息,基于第一VOI的体素特征信息确定所述第一VOI。
2.权利要求1所述的方法,进一步包括:
确定所述第一ROI的第一轮廓线,所述第一轮廓线包括至少一个控制点;
确定所述第二ROI的第二轮廓线,所述第二轮廓线包括至少一个控制点;
在所述第一VOI上显示所述第一轮廓线或所述第二轮廓线;以及
在所述第一VOI上编辑所述第一轮廓线的至少一个控制点或所述第二轮廓线的至少一个控制点,以获得编辑后的第一ROI或编辑后的第二ROI,以及编辑后的第一VOI。
3.权利要求1所述的方法,进一步包括:
在所述第一层图像中绘制第一曲线,所述第一曲线包括至少一个控制点,并且,所述第一曲线将所述第一ROI分为至少两个区域;以及
在所述第二层图像中绘制第二曲线,所述第二曲线包括至少一个控制点,并且,所述第二曲线将所述第二ROI分为至少两个区域。
4.权利要求3所述的方法,进一步包括:
根据所述第一曲线的至少一个控制点和第二曲线的至少一个控制点,采用插值方法生成第一曲面,所述第一曲面将所述第一VOI分为至少两个部分。
5.权利要求4所述的方法,进一步包括:
在多平面重建窗口显示所述第一曲线或所述第二曲线,并在体绘制窗口同步显示所述第一曲面,以及所述第一曲线或所述第二曲线。
6.一种感兴趣区域提取方法,在至少一个机器上执行,所述至少一个机器中的每一个机器具有至少一个处理器和一个存储器,包括:
获取第一断位图像数据,所述第一断位图像数据包括至少第一层图像和第二层图像;
基于所述第一层图像的图像特征信息确定第一控制点集,所述第一控制点集包括至少两个控制点;
基于所述第二层图像的图像特征信息确定第二控制点集,所述第二控制点集包括至少两个控制点;
基于所述第一控制点集确定第一样条曲线;
基于所述第二控制点集确定第二样条曲线;
基于所述第一样条曲线和所述第二样条曲线生成第一曲面;
基于所述第一曲面编辑所述第一样条曲线或第二样条曲线;以及线编辑面
基于编辑后的第一样条曲线或第二样条曲线,生成第二曲面。
7.权利要求6所述的方法,所述编辑所述第一样条曲线或第二样条曲线包括:
基于所述第一曲面调整所述第一控制点集中的至少一个控制点或第二控制集中的至少一个控制点、基于所述第一样条曲线调整所述第一控制点集中的至少一个控制点或基于所述第二样条曲线调整所述第二控制点集中的至少一个控制点。
8.权利要求6所述的方法,所述编辑所述第一样条曲线或第二样条曲线包括:
基于所述第一断位图像数据的特征信息编辑所述第一样条曲线或第二样条曲线。
9.权利要求6所述的方法,进一步包括:
在多平面重建窗口显示所述第一样条曲线或所述第二样条曲线,并在体绘制窗口或网格绘制窗口同步显示所述第一曲面,所述第一样条曲线或所述第二样条曲线。
10.权利要求9所述的方法,进一步包括:
在所述体绘制窗口或网格绘制窗口,基于所述第一曲面调整所述第一控制点集中的至少一个控制点或第二控制点集中的至少一个控制点。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/095320 WO2019023900A1 (zh) | 2017-07-31 | 2017-07-31 | 在体数据中提取感兴趣区域的方法及系统 |
CNPCT/CN2017/095320 | 2017-07-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107808156A CN107808156A (zh) | 2018-03-16 |
CN107808156B true CN107808156B (zh) | 2022-05-27 |
Family
ID=60978753
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710775143.3A Pending CN107563378A (zh) | 2017-07-31 | 2017-08-31 | 体数据中提取感兴趣区域的方法及其系统 |
CN201710775868.2A Active CN107808156B (zh) | 2017-07-31 | 2017-08-31 | 感兴趣区域提取方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710775143.3A Pending CN107563378A (zh) | 2017-07-31 | 2017-08-31 | 体数据中提取感兴趣区域的方法及其系统 |
Country Status (4)
Country | Link |
---|---|
US (3) | US11094066B2 (zh) |
EP (1) | EP3654244A4 (zh) |
CN (2) | CN107563378A (zh) |
WO (1) | WO2019023900A1 (zh) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016086744A1 (en) * | 2014-12-02 | 2016-06-09 | Shanghai United Imaging Healthcare Co., Ltd. | A method and system for image processing |
JP6885896B2 (ja) * | 2017-04-10 | 2021-06-16 | 富士フイルム株式会社 | 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム |
US10265138B2 (en) * | 2017-09-18 | 2019-04-23 | MediVis, Inc. | Methods and systems for generating and using 3D images in surgical settings |
JP6542406B1 (ja) * | 2018-02-16 | 2019-07-10 | 株式会社東芝 | 読取システム、読取方法、プログラム、及び記憶媒体 |
CN109493328B (zh) | 2018-08-31 | 2020-08-04 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
CN109345517B (zh) * | 2018-09-19 | 2022-11-25 | 上海联影医疗科技股份有限公司 | 图像分割方法、装置、计算机设备和存储介质 |
CN109509197B (zh) * | 2018-09-26 | 2021-11-09 | 东软医疗系统股份有限公司 | 一种分割感兴趣区域的方法、装置、设备及存储介质 |
US10930386B2 (en) | 2018-12-11 | 2021-02-23 | International Business Machines Corporation | Automated normality scoring of echocardiograms |
CN109712252B (zh) * | 2018-12-20 | 2023-07-25 | 上海联影医疗科技股份有限公司 | 图像的编辑方法、装置、计算机设备以及存储介质 |
CN109872312B (zh) * | 2019-02-15 | 2022-12-20 | 腾讯科技(深圳)有限公司 | 医学图像分割方法、装置、系统及图像分割方法 |
US11030742B2 (en) * | 2019-03-29 | 2021-06-08 | GE Precision Healthcare LLC | Systems and methods to facilitate review of liver tumor cases |
TWI711007B (zh) * | 2019-05-02 | 2020-11-21 | 緯創資通股份有限公司 | 調整感興趣區域的方法與其運算裝置 |
WO2020246192A1 (ja) * | 2019-06-04 | 2020-12-10 | 富士フイルム株式会社 | 修正指示領域表示装置、方法およびプログラム |
US11854281B2 (en) | 2019-08-16 | 2023-12-26 | The Research Foundation For The State University Of New York | System, method, and computer-accessible medium for processing brain images and extracting neuronal structures |
CN110458836A (zh) * | 2019-08-16 | 2019-11-15 | 深圳开立生物医疗科技股份有限公司 | 一种超声造影成像方法、装置和设备及可读存储介质 |
CN110610147A (zh) * | 2019-08-30 | 2019-12-24 | 中国科学院深圳先进技术研究院 | 血管图像提取方法、相关装置及存储设备 |
CN110796693B (zh) * | 2019-09-11 | 2023-03-21 | 重庆大学 | 一种工业ct切片图像直接生成二维有限元模型的方法 |
CN111192356B (zh) * | 2019-12-30 | 2023-04-25 | 上海联影智能医疗科技有限公司 | 感兴趣区域的显示方法、装置、设备和存储介质 |
US11521314B2 (en) * | 2019-12-31 | 2022-12-06 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
CN115039128A (zh) * | 2020-03-09 | 2022-09-09 | 瑞典爱立信有限公司 | 检测感兴趣区域中的改变的方法和装置 |
CN111047611A (zh) * | 2020-03-13 | 2020-04-21 | 北京深睿博联科技有限责任公司 | 病灶体积测量方法和装置 |
US11688071B2 (en) * | 2020-03-19 | 2023-06-27 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image reconstruction and processing |
CN111436962B (zh) * | 2020-04-13 | 2023-05-26 | 重庆工程职业技术学院 | 用于海量医学影像数据分布收集设备及其工作方法 |
CN111539885B (zh) * | 2020-04-21 | 2023-09-19 | 西安交通大学 | 一种基于多尺度网络的图像增强去雾方法 |
EP3958209A1 (en) * | 2020-08-19 | 2022-02-23 | Volkswagen Ag | Computer-implemented methods, computing devices and computer programs for processing volumetric scanning data and analyzing a performance of structural elements |
CN112784450B (zh) * | 2020-10-27 | 2022-07-15 | 成都飞机工业(集团)有限责任公司 | 一种基于有限元理论的模具最大零件外缘线提取方法 |
US11900592B2 (en) * | 2020-12-03 | 2024-02-13 | Ping An Technology (Shenzhen) Co., Ltd. | Method, device, and storage medium for pancreatic mass segmentation, diagnosis, and quantitative patient management |
CN112651929B (zh) * | 2020-12-09 | 2022-06-10 | 浙江明峰智能医疗科技有限公司 | 基于三维全卷积神经网络及区域生长的医学影像器官分割方法及系统 |
US11893745B2 (en) * | 2020-12-09 | 2024-02-06 | Raytheon Company | System and method for generating and displaying contours |
US20220301133A1 (en) * | 2021-03-16 | 2022-09-22 | Kla Corporation | Segmentation of design care areas with a rendered design image |
CN113192053A (zh) * | 2021-05-18 | 2021-07-30 | 北京大学第三医院(北京大学第三临床医学院) | 基于深度学习的宫颈肿瘤靶区智能勾画方法、设备和介质 |
US11263749B1 (en) | 2021-06-04 | 2022-03-01 | In-Med Prognostics Inc. | Predictive prognosis based on multimodal analysis |
CN114119491B (zh) * | 2021-10-29 | 2022-09-13 | 吉林医药学院 | 一种基于医学图像分析的数据处理系统 |
CN114240937B (zh) * | 2022-02-24 | 2022-05-27 | 武汉烽火凯卓科技有限公司 | 一种基于ct切片的肾结石检测方法及系统 |
CN114332087B (zh) * | 2022-03-15 | 2022-07-12 | 杭州电子科技大学 | Octa图像的三维皮层表面分割方法及系统 |
CN114998407B (zh) * | 2022-08-01 | 2022-11-08 | 湖南华城检测技术有限公司 | 基于傅里叶变换的数字图像三维纹理重建方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101065775A (zh) * | 2004-11-26 | 2007-10-31 | 皇家飞利浦电子股份有限公司 | 感兴趣体积的选择 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754374B1 (en) * | 1998-12-16 | 2004-06-22 | Surgical Navigation Technologies, Inc. | Method and apparatus for processing images with regions representing target objects |
US6898263B2 (en) * | 2002-11-27 | 2005-05-24 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for soft-tissue volume visualization |
JP4421203B2 (ja) * | 2003-03-20 | 2010-02-24 | 株式会社東芝 | 管腔状構造体の解析処理装置 |
CN100423695C (zh) * | 2006-11-08 | 2008-10-08 | 沈阳东软医疗系统有限公司 | 一种确定感兴趣区域的装置及方法 |
US7940974B2 (en) * | 2006-11-21 | 2011-05-10 | General Electric Company | Method and system for adjusting 3D CT vessel segmentation |
US8155405B2 (en) * | 2007-04-20 | 2012-04-10 | Siemens Aktiengsellschaft | System and method for lesion segmentation in whole body magnetic resonance images |
US8160345B2 (en) * | 2008-04-30 | 2012-04-17 | Otismed Corporation | System and method for image segmentation in generating computer models of a joint to undergo arthroplasty |
US20090322748A1 (en) * | 2008-06-09 | 2009-12-31 | Uti Limited Partnership | Methods,systems, and computer program products for GPU-based point radiation for interactive volume sculpting and segmentation |
CN102622750A (zh) * | 2012-02-24 | 2012-08-01 | 西安电子科技大学 | 基于交互式区域生长的胃部ct序列图像分割方法 |
US8983156B2 (en) | 2012-11-23 | 2015-03-17 | Icad, Inc. | System and method for improving workflow efficiences in reading tomosynthesis medical image data |
CN104850219A (zh) * | 2014-02-19 | 2015-08-19 | 北京三星通信技术研究有限公司 | 估计附着物体的人体姿势的设备和方法 |
WO2017092615A1 (zh) * | 2015-11-30 | 2017-06-08 | 上海联影医疗科技有限公司 | 一种计算机辅助诊断系统及方法 |
CN106709930B (zh) * | 2016-12-29 | 2020-03-31 | 上海联影医疗科技有限公司 | 三维医学图像的感兴趣体积分割方法及装置 |
-
2017
- 2017-07-31 WO PCT/CN2017/095320 patent/WO2019023900A1/zh unknown
- 2017-07-31 EP EP17919848.6A patent/EP3654244A4/en active Pending
- 2017-08-31 CN CN201710775143.3A patent/CN107563378A/zh active Pending
- 2017-08-31 CN CN201710775868.2A patent/CN107808156B/zh active Active
-
2018
- 2018-12-30 US US16/236,622 patent/US11094066B2/en active Active
-
2021
- 2021-07-02 US US17/305,248 patent/US11776216B2/en active Active
-
2023
- 2023-09-28 US US18/477,535 patent/US20240029359A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101065775A (zh) * | 2004-11-26 | 2007-10-31 | 皇家飞利浦电子股份有限公司 | 感兴趣体积的选择 |
Non-Patent Citations (3)
Title |
---|
《Liver segmentation: indications, techniques and future directions》;Akshat Gotra 等;《INSIGHTS INTO IMAGING》;20170614;第8卷(第4期);全文 * |
《RGVis: Region Growing Based Techniques for Volume Visualization》;Runzhen Huang 等;《COMPUTER GRAPHICS AND APPLICATIONS,2003 PROCEEDINGS.11TH PACIFIC CO NFERENCE ON OCT》;20031008;全文 * |
《Virtual volume resection using multi-resolution triangular representation of B-spline surfaces》;RUSKO LASZLO 等;《COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE》;20130529;第111卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US11776216B2 (en) | 2023-10-03 |
US20190139223A1 (en) | 2019-05-09 |
EP3654244A1 (en) | 2020-05-20 |
US20240029359A1 (en) | 2024-01-25 |
EP3654244A4 (en) | 2020-11-04 |
US11094066B2 (en) | 2021-08-17 |
US20210334978A1 (en) | 2021-10-28 |
WO2019023900A1 (zh) | 2019-02-07 |
CN107808156A (zh) | 2018-03-16 |
CN107563378A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107808156B (zh) | 感兴趣区域提取方法 | |
EP3035287B1 (en) | Image processing apparatus, and image processing method | |
JP7330703B2 (ja) | 医用画像処理装置及びx線ctシステム | |
WO2018120644A1 (zh) | 血管提取方法及系统 | |
US7529396B2 (en) | Method, computer program product, and apparatus for designating region of interest | |
US11461990B2 (en) | Method and system for image processing | |
US8483462B2 (en) | Object centric data reformation with application to rib visualization | |
EP2120208A1 (en) | Method and system for lesion segmentation | |
US9773325B2 (en) | Medical imaging data processing apparatus and method | |
US10580181B2 (en) | Method and system for generating color medical image based on combined color table | |
US10748263B2 (en) | Medical image processing apparatus, medical image processing method and medical image processing system | |
CN105912874A (zh) | 基于dicom医学图像构建的肝脏三维数据库系统 | |
JP6639973B2 (ja) | 超音波診断装置、医用画像処理装置及び医用画像処理プログラム | |
CN110706241A (zh) | 一种三维病灶区域提取方法和装置 | |
JP7423338B2 (ja) | 画像処理装置及び画像処理方法 | |
Dawood et al. | The importance of contrast enhancement in medical images analysis and diagnosis | |
JP2001118058A (ja) | 画像処理装置及び放射線治療計画システム | |
US20210049734A1 (en) | Image processing method and apparatus | |
Chougule et al. | Conversions of CT scan images into 3D point cloud data for the development of 3D solid model using B-Rep scheme | |
Manikandan et al. | Lobar fissure extraction in isotropic CT lung images—an application to cancer identification | |
CN117952990A (zh) | 一种基于主动轮廓模型的三维目标对象分割方法 | |
Baazaoui et al. | Semi-automated segmentation of multiple tumors in liver CT images using cooperative region growing | |
Deokar et al. | Detection of liver cancer in CT scan images | |
Lee et al. | From lung images to lung models: A review | |
Guo et al. | A hybrid 3D segmentation approach for vasculatures of CTA images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
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 |