CN107818564B - 一种肝脏3d医学影像分段方法 - Google Patents

一种肝脏3d医学影像分段方法 Download PDF

Info

Publication number
CN107818564B
CN107818564B CN201711024134.7A CN201711024134A CN107818564B CN 107818564 B CN107818564 B CN 107818564B CN 201711024134 A CN201711024134 A CN 201711024134A CN 107818564 B CN107818564 B CN 107818564B
Authority
CN
China
Prior art keywords
page
liver
vein
hepatic
section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711024134.7A
Other languages
English (en)
Other versions
CN107818564A (zh
Inventor
叶建平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yitu Intelligent Technology Co ltd
Original Assignee
Shenzhen Yitu Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Yitu Intelligent Technology Co ltd filed Critical Shenzhen Yitu Intelligent Technology Co ltd
Priority to CN201711024134.7A priority Critical patent/CN107818564B/zh
Publication of CN107818564A publication Critical patent/CN107818564A/zh
Application granted granted Critical
Publication of CN107818564B publication Critical patent/CN107818564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

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

Abstract

本发明公开了一种肝脏3D医学影像分段方法，包括：获取满足三维建模要求的数据集；建立三维模型；提取肝中静脉、肝左静脉和肝右静脉的骨干线，对门静脉作骨架化处理；提取特征数据并做标识；分离尾状页并且作为I段；拟合出一个空间曲面并与肝脏模型求交，得到左右半肝分区；在右半肝模型内分区为右前页和右后页；在半肝区域内，利用肝左静脉骨干线和门静脉左内左外分支交叉点，分区为左内页和左外页；进行分段计算；将左外页、右前页和右后叶区分出不同的肝段：左外页分为II段和III段，左内页作为IV段，右前页分为V段和VIII段，右后页分为VI段和VII段。本发明分段准确，在个体化病例分析中的有更优的可操作性与适应性。

Description

一种肝脏3D医学影像分段方法
技术领域
本发明涉及医学图像处理方法，尤其涉及一种肝脏3D医学影像分段方法。
背景技术
目前，临床医生在肝脏肿瘤的疾病治疗过程中，需要对肝内的解剖结构做详细分析，如果需要做外科手术治疗的话，需要对手术切除的部分和手术保留的部分做好预案，保留肝脏部分的供血血管和回流血管都不能在术中破坏，并且对保留的体积在医学上也有重要的参考指标，但是在序列的CT图像或者MRI图像上面比较难获取上述信息。通过图像分割和三维建模来获取个体化肝脏模型和肝内的动脉、静脉和门静脉的模型，然后在这个模型的基础上进行分段和分析应用是目前的最佳处理方式。
现有技术中，该领域已经出现了不同类型的发明专利，如申请号为200810197660.8、名称为“一种基于CT图像的肝脏分段方法及其系统”的发明专利，申请号为201510931368.4、名称为“一种肝脏半自动分段的方法”的发明专利，申请号为201410711061.9、名称为“一种肝脏分段的方法”的发明专利等等。在这些技术方案中，已经充分发挥肝内门静脉的作用，用不同的方法对于肝脏分段，但是从临床应用最广泛的Couinaud肝段理论来审视，以上所有的方法都忽略了肝静脉、胆囊窝和第二肝门等重要的生理解剖标记，并且考虑到有些肿瘤占位的位置，会导致理论上某个段的位置已经被肿瘤挤占，只根据门静脉的树状结构来划分整个肝脏的内部的分段会因为这种情况出现还不够准确。
发明内容
本发明要解决的技术问题在于，针对现有技术的不足，提供一种分段准确，能实现肝脏分段理论在个体化病例分析中的有更优的可操作性与适应性的肝脏3D医学影像分段方法。
为解决上述技术问题，本发明采用如下技术方案。
一种肝脏3D医学影像分段方法，其包括有如下步骤：步骤S1，获取满足三维建模要求的动脉期、门静脉期和静脉期的数据集；步骤S2，导入所述数据集，建立包含肝脏、门静脉和胆囊的三维模型；步骤S3，提取肝中静脉、肝左静脉和肝右静脉的骨干线，对门静脉作骨架化处理；提取门静脉的左右分支交叉点、右前右后分支交叉点和左内左外分支交叉点，对门静脉的右前支、右后支和左外支分别提取分支结构；利用胆囊模型在所述三维模型表面标识胆囊窝点；步骤S4，分离尾状页并且作为I段；步骤S5，利用肝中静脉骨干线、门静脉左右分支交叉点和胆囊窝点作为输入点，利用Nubs曲面函数拟合出一个空间曲面。在拟合过程中，首先获取肝中静脉骨干线的中点，该中点与门静脉左右分支交叉点和胆囊窝点三个点确定一个平面，并且用一系列共面的三角形表示该平面，假设该平面为A。然后，对于肝中静脉骨干线上的每一个顶点P，寻找P在平面A上距离最近的顶点Q，以及以Q为中心的半径为R的区域内的所有相邻的顶点集合S，对集合S中的所有顶点，沿着平面法向量的方向向P移动，距离Q点距离越近的点，移动的距离越长，最长距离为P点到平面A的距离。肝静脉骨干线上每一个顶点都进行上述操作之后，A由平面变为一个拟合过后的空间曲面，用该空间曲面对肝脏模型剖分，将肝脏模型剖分为两个分区再利用肝脏相对于身体的左或右侧位置辅助标识左右半肝，在体位右侧的分区标记为右半肝，在体位左侧的标记为左半肝；在右半肝模型内利用肝右静脉骨干和门静脉右前右后分支交叉点拟合空间曲面并分区为右前页和右后页；在半肝区域内，利用肝左静脉骨干线和门静脉左内左外分支交叉点，分区为左内页和左外页；步骤S6，根据步骤S5中得到的左外页、左内页和右前页和右后页进行分段计算：提取相应页内的门静脉分支结构，寻找上下页内的分支交叉点，从分支交叉点分离出两个子树，求出子树的最大外包围盒，在相应页内对外包围盒做如下处理，首先根据选择的种子点通过空间对应关系映射到标记图中，然后计算标记图的距离图，并根据距离图提取Voronoi图，即可得到每个标记所在的区域；步骤S7，利用步骤S6中的处理方法，将左外页、右前页和右后叶区分出不同的肝段：左外页分为II段和III段，左内页作为IV段，右前页分为V段和VIII段，右后页分为VI段和VII段。
优选地，所述步骤S1中，先获取薄层造影腹部CT医学影像数据，对医学影像数据进行分期处理后得到包含动脉期、门静脉期和静脉期的数据集。
优选地，所述步骤S2中，导入所述数据集，分别在动脉期、门静脉期和静脉期建模，并配准到一个三维空间中，得到三维模型。
优选地，所述步骤S3中，利用Voronoi图方法对门静脉作骨架化处理。
优选地，所述步骤S4中，分离尾状页的过程中，基于如下过程拟合曲面：首先取肝左静脉和肝中静脉分叉点、肝左静脉中心线2cm处取点和肝中静脉中心线2cm处取点生成一个平面A；然后取肝中静脉和肝右静脉分叉点、肝中静脉中心线2cm处取点和肝右静脉中心线2cm处取点生成一个平面B；然后取门静脉左右分支分叉点、门静脉左分支2cm处取点、门静脉右分支2cm处取点生成平面C；求平面A、B、C向体位后侧方向的半平面的交集形成的边界平面A’、B’和C’。对所有位于这些边界平面上的顶点进行高斯平滑操作，得到拟合过后的光滑曲面，；所拟合的曲面向体位后侧方向截取的肝脏区域为尾状页。
优选地，对所述步骤S3中提取的特征，利用计算机分别设置不同颜色和文字标记，并在3D视图中显示，用以在执行步骤S5之前作出修改和确认，对于自动选择或存在血管变异的数据集，提供人工干预和调节方法。
本发明公开的肝脏3D医学影像分段方法中，基于腹部CT影像检查产生的序列CT图像，分别利用动脉期、门静脉期和静脉期的影像，分割重建出肝脏、静脉、门静脉、下腔静脉和胆囊的三维模型。在获得模型的基础上，对门静脉和肝静脉做骨架化处理，提取静脉的骨架线和门静脉血管主干的分叉点空间坐标。利用这些骨架线和分叉点以及胆囊窝生理解剖点，对肝脏模型先行分页再分段。从而得到对个体化数据集的分段信息，并且对特定区或者段进行体积计算。相比现有技术而言，本发明通过对个体化肝脏模型的先分区再分段处理，使得分段的结果更加符合个体数据集的特点，加入肝静脉的和胆囊窝的特征因素后，得到的分析结果更具有实际的操作价值，也更加全面，使得分析结果和肝脏Couinaud肝段理论的符合性提高，并在个体化病例分析中得到应用。
附图说明
图1为本发明肝脏3D医学影像分段方法的流程图。
图2为本发明优选实施例中尾状页分割后的肝脏3D影像。
图3为本发明优选实施例中左右半肝分区后的肝脏3D影像。
图4是在左右半肝的基础上再分为左外页、左内页、右前页和右后页的肝脏3D影像。
图5为分段后的8个肝段的透视图；
图6为右半肝V段、VI段、VII段和VIII段影像。
图7为II段、III段和IV段影像。
具体实施方式
下面结合附图和实施例对本发明作更加详细的描述。
本发明公开了一种肝脏3D医学影像分段方法，请参照图1，其包括有如下步骤：
步骤S1，获取满足三维建模要求的动脉期、门静脉期和静脉期的数据集；
步骤S2，导入所述数据集，建立包含肝脏、门静脉和胆囊的三维模型；
步骤S3，提取肝中静脉、肝左静脉和肝右静脉的骨干线，对门静脉作骨架化处理；提取门静脉的左右分支交叉点、右前右后分支交叉点和左内左外分支交叉点，对门静脉的右前支、右后支和左外支分别提取分支结构；利用胆囊模型在所述三维模型表面标识胆囊窝点；
步骤S4，分离尾状页并且作为I段；
步骤S5，利用肝中静脉骨干线、门静脉左右分支交叉点和胆囊窝点拟合出一个空间曲面，用该空间曲面与肝脏模型求交，得到左右半肝分区，利用肝脏的位置辅助标识左右半肝；在右半肝模型内利用肝右静脉骨干和门静脉右前右后分支交叉点拟合空间曲面并分区为右前页和右后页；在半肝区域内，利用肝左静脉骨干线和门静脉左内左外分支交叉点，分区为左内页和左外页；
步骤S6，根据步骤S5中得到的左外页、左内页和右前页和右后页进行分段计算：提取相应页内的门静脉分支结构，寻找上下页内的分支交叉点，从分支交叉点分离出两个子树，求出子树的最大外包围盒，在相应页内对外包围盒做等速膨胀处理，相交则停止，直到充满整个页内空间；
步骤S7，利用步骤S6中的处理方法，将左外页、右前页和右后叶区分出不同的肝段：左外页分为II段和III段，左内页作为IV段，右前页分为V段和VIII段，右后页分为VI段和VII段。
上述肝脏3D医学影像分段方法，通过制定区域的肝静脉和门静脉骨干线拟合出曲面，分离出尾状页的方法。利用肝静脉骨干线长度不超出门静脉骨干线向上投射面的三个线段，门静脉的左右分支的骨干线，距离不越过肝静脉向下投射范围的线段拟合曲面，提供调节方法，这个曲面向体位后侧方向截取的肝脏区域为尾状页，即I段。之后，再通过静脉骨干线和对应的门静脉血管交叉点拟合曲面，对肝脏进行分区的方法，先利用肝中静脉骨干线，门静脉左右分支交叉点和胆囊窝标识点，拟合出一个空间曲面，用这个曲面和肝脏模型求交，得到左右半肝分区，利用肝脏的位置辅助来自动标识左右半肝；在右半肝模型内利用肝右静脉骨干和门静脉右前右后分叉点拟合空间曲面自动分区右前区和右后区；在半肝区域内，利用肝左静脉骨干线和门静脉左内左外分支交叉点，自动分的左内页和左外页。其次，利用肝静脉骨干线和对应的门静脉分叉点来确定的曲面，这个曲面用于肝脏不同分区的断面分析。具体的对应关系是肝中静脉骨干对应门静脉左右分支交叉点；肝右静脉骨干线对应门静脉右前右后分支点；肝左静脉骨干线对应门静脉左内和左外分支交叉点。再次，在已经分好肝页内，利用包含在相应页中的门静脉分支来进行区分，计算方法是提取相应业内的门静脉分支结构，寻找上下业内的分叉点，从分叉点分离出两个子树，求出子树的最大外包围盒，对这个外包围在页内做等速的膨胀处理，相交就停止，直到充满整个页内空间。这样的处理方法把左外页、右前页和右后页区分出不同的肝段。此外，利用肝静脉骨干线、胆囊窝标识点、第二肝门标识点加上门静脉树主要分叉点实现肝页划分，进而实现肝脏分段的方法。从尾状页划分，到左右半肝划分，然后在左右半肝内分别分页，对特定的页再进行分段的计算过程。
上述方法中，基于腹部CT影像检查产生的序列CT图像，分别利用动脉期、门静脉期和静脉期的影像，分割重建出肝脏、静脉、门静脉、下腔静脉和胆囊的三维模型。在获得模型的基础上，对门静脉和肝静脉做骨架化处理，提取静脉的骨架线和门静脉血管主干的分叉点空间坐标。利用这些骨架线和分叉点以及胆囊窝生理解剖点，对肝脏模型先行分页再分段。从而得到对个体化数据集的分段信息，并且对特定区或者段进行体积计算。相比现有技术而言，本发明通过对个体化肝脏模型的先分区再分段处理，使得分段的结果更加符合个体数据集的特点，加入肝静脉的和胆囊窝的特征因素后，得到的分析结果更具有实际的操作价值，也更加全面，使得分析结果和肝脏Couinaud肝段理论的符合性提高，并在个体化病例分析中得到应用。
本实施例中，所述步骤S1中，先获取薄层造影腹部CT医学影像数据，对医学影像数据进行分期处理后得到包含动脉期、门静脉期和静脉期的数据集。进一步地，所述步骤S2中，导入所述数据集，分别在动脉期、门静脉期和静脉期建模，并配准到一个三维空间中，得到三维模型。
作为一种优选方式，所述步骤S3中，利用Voronoi图方法对门静脉作骨架化处理。进一步地，所述步骤S4中，分离尾状页的过程中，基于如下条件拟合曲面：
肝静脉骨干线长度不超出门静脉骨干线向上投射面的三个线段；
门静脉左右分支的骨干线，距离不越过肝静脉向下投射范围的线段；
所拟合的曲面向体位后侧方向截取的肝脏区域为尾状页。
实际应用过程中，对所述步骤S3中提取的特征，利用计算机分别设置不同颜色和文字标记，并在3D视图中显示，用以在执行步骤S5之前作出修改和确认，对于自动选择或存在血管变异的数据集，提供人工干预和调节方法。
本发明公开的肝脏3D医学影像分段方法，其对个体化肝脏进行分段，使得经典的Couinaud肝段理论在个体化肝脏解剖上可以实例化，从而为临床医生诊疗提供支持，并能够取得如下有益效果：
A、增加对个体化肝脏解剖的处理适应性，充分考虑肝脏内部结构的自然供血和回流管道，从而避免在有些病例按照传统方法来分段出现较大偏差的问题；
B、传统的方法会因为门静脉血管期的血管造影质量的好坏，而影响分段结果的准确性，造影的质量好，门静脉血管树会很好的反映真实的分段，但是造影质量不好的时候，会出现一定影响。在本发明中，因为应用的是比较明确的解剖标志信息，如肝静脉骨干线，门静脉脉主要分叉点和胆囊窝位置，一般的门静脉造影质量均可满足；
C、在本发明中的用于肝脏分页的方法，同样适用于分离肝脏断面的分析，需要考虑的情况是对于肝静脉的保留的情况，根据实际的案例考虑后再按照肝静脉的保留和不保留侧进行微调就可以引用；
D、利用本发明的方法，对于有肿瘤挤占肝脏位置的病例，这种情况一般也会使得相应的血管位置发生变动，因为考虑了门静脉和肝静脉，并且因为静脉骨干线的强约束条件，会在肝段划分中反映实际占位引起的肝段变化情况，这种情况下，分段结果会明显优于传统的工作方法；
E、对肝脏体积计算，可以按照已经区分的半肝、分页和段的方式分别计算，可以按需加以利用，提供更多的应用可选项，比如左右半肝体积的计算，可以用于在做半肝切除的个体化案例的评估和分析；
F、利用本发明的方法，很好的实现了Couinaud肝段理论到个体化病例的肝段分析，是个体化精准外科治疗中有力的工具和方法；
在本发明的优选实施例中：图2为尾状页分割结果；请参照图3，左右半肝划分，分界面穿过肝中骨干、门静脉左右分叉点和胆囊窝标记点；请参照图4，在区分左右半肝的基础再分左外页、左内页、右前页和右后页；请参照图5，在分页的基础上再分段为8个肝段透视；图6为右半肝V、VI、VII和VIII段；图7为从右到左依次为II段、III段和IV段。
以上所述只是本发明较佳的实施例，并不用于限制本发明，凡在本发明的技术范围内所做的修改、等同替换或者改进等，均应包含在本发明所保护的范围内。

Claims (6)

1.一种肝脏3D医学影像分段方法，其特征在于，包括有如下步骤：
步骤S1，获取满足三维建模要求的动脉期、门静脉期和静脉期的数据集；
步骤S2，导入所述数据集，建立包含肝脏、门静脉和胆囊的三维模型；
步骤S3，提取肝中静脉、肝左静脉和肝右静脉的骨干线，对门静脉作骨架化处理；提取门静脉的左右分支交叉点、右前右后分支交叉点和左内左外分支交叉点，对门静脉的右前支、右后支和左外支分别提取分支结构；利用胆囊模型在所述三维模型表面标识胆囊窝点；
步骤S4，分离尾状页并且作为I段；
步骤S5，利用肝中静脉骨干线、门静脉左右分支交叉点和胆囊窝点拟合出一个空间曲面，用该空间曲面与肝脏模型求交，得到左右半肝分区，利用肝脏的位置辅助标识左右半肝；在右半肝模型内利用肝右静脉骨干和门静脉右前右后分支交叉点拟合空间曲面并分区为右前页和右后页；在半肝区域内，利用肝左静脉骨干线和门静脉左内左外分支交叉点，分区为左内页和左外页；
步骤S6，根据步骤S5中得到的左外页、左内页和右前页和右后页进行分段计算：提取相应页内的门静脉分支结构，寻找上下页内的分支交叉点，从分支交叉点分离出两个子树，求出子树的最大外包围盒，在相应页内对外包围盒做等速膨胀处理，相交则停止，直到充满整个页内空间；
步骤S7，利用步骤S6中的处理方法，将左外页、右前页和右后叶区分出不同的肝段：左外页分为II段和III段，左内页作为IV段，右前页分为V段和VIII段，右后页分为VI段和VII段。
2.如权利要求1所述的肝脏3D医学影像分段方法，其特征在于，所述步骤S1中，先获取薄层造影腹部CT医学影像数据，对医学影像数据进行分期处理后得到包含动脉期、门静脉期和静脉期的数据集。
3.如权利要求1所述的肝脏3D医学影像分段方法，其特征在于，所述步骤S2中，导入所述数据集，分别在动脉期、门静脉期和静脉期建模，并配准到一个三维空间中，得到三维模型。
4.如权利要求1所述的肝脏3D医学影像分段方法，其特征在于，所述步骤S3中，利用Voronoi图方法对门静脉作骨架化处理。
5.如权利要求1所述的肝脏3D医学影像分段方法，其特征在于，所述步骤S4中，分离尾状页的过程中，基于如下条件拟合曲面：
肝静脉骨干线长度不超出门静脉骨干线向上投射面的三个线段；
门静脉左右分支的骨干线，距离不越过肝静脉向下投射范围的线段；
所拟合的曲面向体位后侧方向截取的肝脏区域为尾状页。
6.如权利要求1所述的肝脏3D医学影像分段方法，其特征在于，对所述步骤S3中提取的特征，利用计算机分别设置不同颜色和文字标记，并在3D视图中显示，用以在执行步骤S5之前作出修改和确认，对于自动选择或存在血管变异的数据集，提供人工干预和调节方法。
CN201711024134.7A 2017-10-27 2017-10-27 一种肝脏3d医学影像分段方法 Active CN107818564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711024134.7A CN107818564B (zh) 2017-10-27 2017-10-27 一种肝脏3d医学影像分段方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711024134.7A CN107818564B (zh) 2017-10-27 2017-10-27 一种肝脏3d医学影像分段方法

Publications (2)

Publication Number Publication Date
CN107818564A CN107818564A (zh) 2018-03-20
CN107818564B true CN107818564B (zh) 2020-10-30

Family

ID=61604092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711024134.7A Active CN107818564B (zh) 2017-10-27 2017-10-27 一种肝脏3d医学影像分段方法

Country Status (1)

Country Link
CN (1) CN107818564B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110310726B (zh) * 2019-08-12 2024-03-26 杨晓鹏 基于医学影像三维重建及全息显示的肝段切除术辅助系统
CN111161241B (zh) * 2019-12-27 2024-04-23 联想(北京)有限公司 一种肝脏图像识别方法、电子设备及存储介质
CN112489051B (zh) * 2020-11-13 2024-04-05 深圳市旭东数字医学影像技术有限公司 基于血管及病变区域的肝脏裁切方法及系统
CN113298854B (zh) * 2021-05-27 2022-02-01 广州柏视医疗科技有限公司 基于标记点的图像配准方法
CN113610784A (zh) * 2021-07-23 2021-11-05 湖北英库科技有限公司 一种肝段划分方法、系统、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101310304A (zh) * 2005-11-01 2008-11-19 美国医软科技公司 用于肝叶分割和术前手术规划的方法和系统
CN101601585A (zh) * 2009-07-02 2009-12-16 厦门强本科技有限公司 基于ct增强扫描技术的肝脏分段体积测量方法
CN101959452A (zh) * 2008-03-06 2011-01-26 美国医软科技公司 用于交互式肝叶分割的系统和方法
CN102938027A (zh) * 2012-11-30 2013-02-20 河北大学 一种计算机辅助肝脏移植手术规划系统的实现方法
CN103268603A (zh) * 2013-05-08 2013-08-28 同济大学 基于层级血管树划分的肝脏图像分段方法
CN103810752A (zh) * 2014-02-18 2014-05-21 海信集团有限公司 基于医学图像的肝脏分段方法及其肝脏分段系统
CN104463860A (zh) * 2014-12-01 2015-03-25 冯炳和 一种肝脏分段的方法
CN106182774A (zh) * 2016-07-29 2016-12-07 中南大学 一种利用3d打印技术打印肝癌模型的方法及其肝癌模型

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110052028A1 (en) * 2009-08-26 2011-03-03 Algotec Systems Ltd. Method and system of liver segmentation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101310304A (zh) * 2005-11-01 2008-11-19 美国医软科技公司 用于肝叶分割和术前手术规划的方法和系统
CN101959452A (zh) * 2008-03-06 2011-01-26 美国医软科技公司 用于交互式肝叶分割的系统和方法
CN101601585A (zh) * 2009-07-02 2009-12-16 厦门强本科技有限公司 基于ct增强扫描技术的肝脏分段体积测量方法
CN102938027A (zh) * 2012-11-30 2013-02-20 河北大学 一种计算机辅助肝脏移植手术规划系统的实现方法
CN103268603A (zh) * 2013-05-08 2013-08-28 同济大学 基于层级血管树划分的肝脏图像分段方法
CN103810752A (zh) * 2014-02-18 2014-05-21 海信集团有限公司 基于医学图像的肝脏分段方法及其肝脏分段系统
CN104463860A (zh) * 2014-12-01 2015-03-25 冯炳和 一种肝脏分段的方法
CN106182774A (zh) * 2016-07-29 2016-12-07 中南大学 一种利用3d打印技术打印肝癌模型的方法及其肝癌模型

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
16层螺旋CT肝脏血管成像评价横断位Couinaud肝脏分段法;李杨 等;《第三军医大学学报》;20081031;第30卷(第20期);第1908-1910页 *
Couinaud肝段在CT图像上的划分;刘树伟 等;《临床医学影像杂志》;19961231;第7卷(第1期);第10、31-32页 *
The segments of the hepatic veins—is there a spatial correlation to the Couinaud liver segments?;Lars Fischer 等;《European Journal of Radiology》;20051231;第245-255页 *
一种半自动的肝脏分段方法及三维可视化实现;叶建平 等;《中国数字医学》;20141231;第9卷(第11期);第57-59、68页 *
以肝中静脉为标志的精确肝切除;范上达;《中国现代普通外科进展》;20080430;第11卷(第2期);第93-96页 *
基于肝内肝门静脉解剖的肝脏右前叶分段新概念;谢于 等;《中国临床解剖学杂志》;20101231;第28卷(第6期);第651-654页 *
肝脏分段解剖及其研究进展;范应方 等;《中国实用外科杂志》;20141130;第34卷(第11期);第1105-1108页 *

Also Published As

Publication number Publication date
CN107818564A (zh) 2018-03-20

Similar Documents

Publication Publication Date Title
CN107818564B (zh) 一种肝脏3d医学影像分段方法
CN107358595B (zh) 用于肝叶分割和术前手术规划的方法和系统
US9830427B2 (en) Method for intracranial aneurysm analysis and endovascular intervention planning
US10083515B2 (en) Method and system for segmenting medical imaging data according to a skeletal atlas
CN111798451B (zh) 基于血管3d/2d匹配的3d导丝跟踪方法及装置
Meinzer et al. Computerized planning of liver surgery—an overview
EP2810598B1 (en) Surgical support device, surgical support method and surgical support program
NL2001257C (nl) Systeem en werkwijze voor het onttrekken en labelen van vasculaire beelden.
CN102693540B (zh) 一种肝脏分段的方法及其系统
CN106355582B (zh) 一种基于形状先验的肝脏医学图像分割的方法
Soler et al. An automatic virtual patient reconstruction from CT-scans for hepatic surgical planning
CN110168613A (zh) 用于使用降阶模型和机器学习估计血流特性的系统和方法
JP6776283B2 (ja) 血管のセグメンテーションの方法および装置
JP2024506638A (ja) 病変特有測定値のための患者特有の生体構造の自動化されたセグメント化のためのシステムおよび方法
KR101294858B1 (ko) 간 문맥의 혈관 구조 정보를 이용한 간 세그먼트 구분 방법 및 장치
CN105139030A (zh) 一种肝脏血管的分类方法
CN114830174A (zh) 用于识别肺部特征的图像分析系统
KR20190084380A (ko) 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치
CN111161241A (zh) 一种肝脏图像识别方法、电子设备及存储介质
CN111681211A (zh) 一种血管图像处理方法及装置
CN109620404A (zh) 基于医学图像的肾脏分段的方法及其系统
Alirr et al. Automatic atlas-based liver segmental anatomy identification for hepatic surgical planning
Garcia Guevara et al. Biomechanics-based graph matching for augmented CT-CBCT
Kaibori et al. Novel liver visualization and surgical simulation system
Foroozan et al. Analysis of CT images of liver for surgical planning

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