CN107945203A - Pet图像处理方法及装置、电子设备、存储介质 - Google Patents
Pet图像处理方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN107945203A CN107945203A CN201711194322.4A CN201711194322A CN107945203A CN 107945203 A CN107945203 A CN 107945203A CN 201711194322 A CN201711194322 A CN 201711194322A CN 107945203 A CN107945203 A CN 107945203A
- Authority
- CN
- China
- Prior art keywords
- image
- projection
- pet image
- angle
- original
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (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)
- Image Processing (AREA)
Abstract
本公开提供了一种PET图像处理方法、PET图像处理装置、电子设备及计算机可读存储介质,该方法包括:对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。本公开提高了PET图像分割的精准度。
Description
技术领域
本公开涉及图像处理领域,具体而言,涉及一种PET图像处理方法、PET图像处理装置、电子设备及计算机可读存储介质。
背景技术
PET(Positron Emission Tomography,正电子发射计算机断层扫描成像)技术是一种核医学影像技术,已经被广泛应用于肿瘤的早期诊断、病症的分期分级、放疗图像引导及治疗效果评估等诸多领域。PET的原理为:将标记了正电子核素的药物(示踪剂)注入被检测对象体内,示踪剂上的正电子核素发生衰变时发射出正电子,正电子与体内的电子发生湮灭反应生成两个方向相反、能量为511keV的伽马光子(背靠背伽马光子对),这两个伽马光子被放置在被检测对象周围的探测器探测到,利用PET图像可以得到生物体内的生理或生化信息。在实际应用中,通常需要对病灶区域进行分割并基于病灶区域的影像信息,为临床医生提供诊断辅助信息。
在对病灶区域进行分割时,通过会使用以下几种方法:一、对PET图像人机交互式手动分割方法;二、基于阈值的图像分割方法;三、基于区域的图像分割方法;四、将结构信息应用于PET图像分割约束边界的分割方法等。
相关技术中,手动分割方法主观性强,分割结果一致性较低,难以满足精准治疗的要求;基于阈值的图像分割方法,只利用图像灰度信息决定像素的区域位置,当目标区域和背景区域之间没有明显界限时,单独使用阈值分割方法会导致错误分割;基于区域的图像分割方法难以用于分割异质性强的目标区域;将结构信息作为约束边界,虽然获得了更好的分割效果,但是可能会由于成像模式的不同,导致获得的病灶不同,从而影响分割准确性。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种PET图像处理方法及PET图像处理装置、电子设备、计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面,提供一种PET图像处理方法,所述方法包括:
对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;
对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;
对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;
在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
在本公开的一种示例性实施例中,对目标区域的原始PET图像进行投影包括:
采用MIP成像原理,通过与多个成像模式对应的投影形成方式,在与射线垂直的平面上形成投影。
在本公开的一种示例性实施例中,对分割后的各所述角度对应的所述投影增强图像进行反投影包括:
根据各所述角度对应的所述投影增强图像与所述原始PET图像之间的空间对应关系,对分割后的各所述角度对应的所述投影增强图像进行反投影。
在本公开的一种示例性实施例中,提取所述目标区域的所述原始PET图像的分割结果包括:
在所述反投影图像中,提取最高像素值区域作为所述原始PET图像的分割结果。
在本公开的一种示例性实施例中,在对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割后,所述方法还包括:
获取各所述角度下所述目标区域的最大边界区域的二值化图像。
在本公开的一种示例性实施例中,对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割包括:
提取与所述原始PET图像各所述角度对应的当前角度下能够观察到的目标对象。
在本公开的一种示例性实施例中,提取与所述原始PET图像各所述角度对应的当前角度下能够观察到的目标对象包括:
通过所述原始PET图像灰度值的像素位置确定所述目标对象的位置。
在本公开的一种示例性实施例中,所述投影形成方式包括所述射线穿过的像素值之和、所述射线穿过像素的最大值、或所述射线穿过像素的最小值中的一种。
根据本公开的一个方面,提供一种PET图像处理装置,所述装置包括:
投影增强模块,用于对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;
图像分割模块,用于对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;
反投影模块,用于对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;
图像提取模块,用于在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
根据本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的PET图像处理方法。
根据本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的PET图像处理方法。
本公开一种示例实施例提供的PET图像处理方法及PET图像处理装置、电子设备、计算机可读存储介质中,一方面,通过获取PET图像的多个角度的投影增强图像,增强图像对比度,进而增强目标区域的图像效果;另一方面,对投影增强图像进行分割,并对分割后的投影增强图像进行反投影,可以实现目标区域的有效提取,从而提高分割结果的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例,本公开的上述和其他特征及优点将变得更加明显。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出本公开示例性实施例中PET图像处理方法的流程示意图;
图2示意性示出本公开示例性实施例中病灶区域PET成像冠状面、矢状面、横断面的示意图;
图3示意性示出本公开示例性实施例中一种MIP原理投影示意图;
图4示意性示出本公开示例性实施例中预设角度下的投影增强图像示意图;
图5示意性示出本公开示例性实施例中预设角度下投影增强图像的分割结果示意图;
图6示意性示出本公开示例性实施例中预设角度下投影增强图像在不同截面的分割结果示意图;
图7示意性示出本公开示例性实施例中离散分布的病灶区域示意图;
图8示意性示出本公开示例性实施例中异质性较强的病灶区域示意图;
图9示意性示出本公开示例性实施例中一种PET图像处理装置的示意图;
图10示意性示出本公开示例性实施例中一种电子设备的框图;
图11示意性示出本公开示例性实施例中一种程序产品。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其他的方法、组元、材料、装置、步骤等。在其他情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例性实施例中首先公开了一种PET图像处理方法,可以在医学领域中,用于对病变器官及病灶的分割提取方法,并通过PET图像挖掘更多的患者器官代谢功能特征信息,以实现更好地为临床医生提供诊断辅助信息的目的。参考图1中所示,该PET图像处理方法包括以下步骤:
步骤S110.对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;
步骤S120.对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;
步骤S130.对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;
步骤S140.在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
根据本示例实施例中的PET图像处理方法,一方面,通过获取PET图像的多个角度的投影增强图像,增强图像对比度,进而增强目标区域的图像效果;另一方面,对投影增强图像进行分割,并对分割后的投影增强图像进行反投影,可以实现目标区域的有效提取,从而提高分割结果的精确度。
接下来,对该PET图像处理方法中的各个步骤进行进一步详细说明。
在步骤S110中,对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像。
本示例实施方式中,首先可以获取成像对象的目标区域不同截面的PET图像,如图2所示。此处的目标区域可以理解为感兴趣区域,目标区域可以为被检测对象的包括病灶区域的身体区域的一部分,此处的被检测对象可以为包含病灶区域的人体或者人体模型。成像对象可以为PET设备,基于PET设备的原理,可以通过高度灵敏的照相机捕捉,并经由计算机进行散射和随机信息调整衰变过程中释放的正电子,经过对不同的正电子进行相同的分析处理,可以得到被检测对象体内聚焦情况的三维图像。
医生可以控制PET设备对包含病灶区域的目标区域进行检测,得到原始PET图像并进行投影,投影是断层图像沿投影线的积分,此处的投影可以为正投影,并在对该原始PET图像进行投影的过程中进行投影数据采集。对目标区域原始PET图像的投影数据可以通过PET设备对人体或模体等被检测对象进行数据采集获得,也可以通过PET设备专用仿真软件,例如GATE仿真软件对被检测对象进行数据仿真获得。
进一步地,在对目标区域的原始PET图像进行投影之后,可以对原始PET图像进行多角度旋转观察,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像,即可以获取在各个角度下每条射线经过的目标区域内的所有像素,从而得到各个角度下分布的投影增强图像,通过多个角度进行投影,可以使投影图像更清晰、更准确。所述投影增强图像可以增强原始PET图像在各个角度的对比度,进而增强目标区域的图像效果,可以更准确地识别病灶区域并且便于对原始PET图像进行分割。举例而言,可以将所述包含病变区域的待分割的原始PET图像中的体素灰度值转换为SUV(standard uptake value,标准摄取值),再进行高斯滤波和上采样,以使待分割的PET图像的分辨率与CT图像相同,最后根据所述SUV值定位并确定预处理后的待分割病变区域PET图像。
具体而言,本示例实施方式中,对目标区域的原始PET图像进行投影可以包括:
采用MIP成像原理,通过与多个成像模式对应的投影形成方式,在与射线垂直的平面上形成投影。
本示例性实施例中,MIP(Maximum Intensity Projection,最大密度投影)成像原理是在可视化平面上投射三维空间数据的一种计算机可视化方法,也可以称为最大亮度投影。具体地,沿着从视点对投影平面的平行光线,各个体素密度值所呈现的亮度会以预设方式衰减,最终在投影平面上呈现亮度最大的体素。体素的平均密度决定灰度值,MIP图像可以反映对应像素的X线衰减值以及较小的密度变化,可以通过函数运行,再通过渲染得到MIP图像。
参考图3所示,Vol(x,y,z)为待分割的原始PET图像,射线通过不同的方位角穿过物体,并在与射线垂直的平面上形成投影。对于(x,y)坐标系中某一像素点的密度值f,沿着某一个投影角度,计算每一个投影线上f的线积分,即可以在与射线垂直的投影坐标系(i,j)上得到该射线上的投影值mipn(i,j)。成像模式可以包括:CT(X-ray computedtomography,X射线断层成像)、PET(Positron Emission Tomography,正电子发射计算机断层扫描成像)、MRI(Magnetic resonance imaging,磁共振成像)或者其他成像模式,每个成像模式可以对应一个或多个形成投影的方式,上述成像模式可以通过具有创建被检测对象三维结构图像功能的方式,创建被检测对象的三维结构图像,从而创建被检测对象的物质组成;或者也可以使用非测量方法创建被检测对象的物质组成。在进行多角度投影之后,可以在各个角度下观察到高代谢区域对应的病灶区域在当前角度下的投影增强图像。举例而言,如图4所示,可以观察到第239个角度的投影增强图像,在该角度下,可以明显看出存在高代谢区域,并且可以看出对应病灶在当前角度下的投影范围。
本示例实施方式中,所述投影形成方式可以包括所述射线穿过的像素值之和、所述射线穿过像素的最大值、或所述射线穿过像素的最小值中的一种。
本示例性实施例中,形成投影的方式可以包括但是不限于射线穿过的像素值之和、射线穿过像素的最大值、射线穿过像素的最小值等。本示例性实施例中,以PET成像模式以及射线穿过像素的最大值的形成投影方式为例进行说明。
在步骤S120中,对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割。
本示例性实施例中,在获取各个角度的投影增强图像后,可以按照预设规则对所述投影增强图像进行分割。图像分割指的是将数字图像细分为多个图像子区域或者像素的集合的过程,通常用于定位图像中的物体和边界。本示例性实施例中,对投影增强图像进行分割表示的是将投影增强图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标对象的技术过程。
对PET投影增强图像的分割方法可以包括:人机交互式手动分割方法、基于阈值的分割方法、基于区域生长的分割方法、基于统计模型和分类学习的分割方法、基于边界的分割方法以及多模态联合分割方法等,可以依据图像中像素的亮度及颜色,采用Matlab程序对投影增强图像进行分割。
分割后的投影增强图像可以用于多个领域,例如,图像语义识别、图像搜索等。本示例性实施例中,还可以将其应用于医学影像领域,用于实现辅助定位肿瘤和其他病理、测量组织体积、诊断、治疗方案的定制、解剖学结构的研究等应用。
本示例实施方式中,对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割可以包括:
提取与所述原始PET图像各所述角度对应的当前角度下能够观察到的目标对象。
本示例性实施例中,目标对象可以为病灶区域的病灶器官或者是待检测的身体部分。此处提取在当前角度下能够观察到的目标对象指的是提取目标对象的边缘轮廓或者是边界情况。举例而言,图5所示为第239个角度的投影增强图像的分割结果,该结果可以反映出目标对象在当前角度下最外侧边界情况。具体地,可以采用Matlab中提供的用于灰度图像边缘提取的edge函数提取,例如可以使用Sobel方法、Prewitt方法、Roberts方法、Laplacian-Gaussian方法、过零点方法、或Canny方法中的任意一种进行提取。
具体地,本示例实施方式中,提取与所述原始PET图像各所述角度对应的当前角度下能够观察到的目标对象可以包括:
通过所述原始PET图像灰度值的像素位置确定所述目标对象的位置。
本示例性实施例中,可以首先将原始PET图像转换为灰度图像,再获取原始PET图像的灰度值。对于灰度图像来说,其像素值就是它的灰度值;对于彩色图像,则它的灰度值需要经过函数映射来得到。一般可以通过浮点算法、整数方法、移位方法或平均值法中的任意一种进行灰度转换。在转换为灰度图像之后,可以通过Matlab中的函数或者是其他方式提取灰度值。在获取原始PET图像的灰度值之后,原始PET图像灰度值的像素位置可以通过Matlab程序或者是OpenCV提取原始PET图像灰度值的像素位置,也可以通过其他软件或者是其他工具提取,本示例性实施例中对此不作特殊限定。
PET图像可以反映病灶区域对示踪药物代谢吸收的情况,具体而言,PET图像的灰度值越高,则表示病灶区域器官代谢吸收的药物越多,目标对象处于高灰度值像素所在位置的可能性也越大。举例而言,参考图4所示,可以根据第239个角度的投影增强图像,明显看出高代谢区域以及对应病灶在当前角度下的投影范围,通过多个角度投影范围,可以确定病灶的大概位置。
进一步地,在对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割后,所述方法还可以包括:
获取各所述角度下所述目标区域的最大边界区域的二值化图像。
本示例性实施例中,所述二值化可以使整个图像呈现出明显的黑白效果,最大边界区域可以为分割后的每个角度对应的目标区域的内边界和外边界,该最大边界区域可以准确确定目标区域的范围。可以首先对图像进行自适应的动态二值化,然后分析目标区域的形态特征,确定病灶区域。
具体地,可以通过以下几种方法实现图像二值化:一、对RGB彩色图像灰度化后,扫描图像的每个像素值,将小于127的像素值设为黑色0,大于等于127的像素值设为白色255;二、计算全部像素的平均值,将小于等于平均值的像素值设为黑色0,大于平均值的像素值设为白色255;三、使用直方图方法来寻找二值化阈值,发现图像的两个最高的峰,然后将阈值取值在两个峰之间的峰谷处;四、使用近似一维Means方法寻找二值化阈值,该方法的步骤如下:设置或者根据随机方法生成一个初始化阈值;根据阈值图每个像素数据分为目标像素数据与背景像素数据并分别计算平均值;将两个平均值的一半作为一个新的阈值并用新的阈值继续将像素数据分为目标像素数据与背景像素数据,直到计算出来的新阈值等于上一次阈值,该过程可以通过函数和循环语句实现。
在对图像进行二值化处理之后,可以对其进行边缘追踪。首先要对其进行区域标记,背景区域与目标区域分别标记不同的值,区域标记完后,就可以进行边界追踪。外边界追踪可以通过虫随法活着光栅扫描法等算法来实现,对于内边界追踪,也可以使用虫随法。通过将分割后的原始PET图像各个角度的目标区域的最大边界区域进行二值化处理,可以增强目标区域与背景区域之间的对比度,更准确地确定目标区域。举例而言,在本示例性实施例中,对图像进行投影增强后,可以增强高像素值的代谢异常区域与正常区域之间的对比度,便于后续进行图像分割。
在步骤S130中,对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像。
本示例性实施例中,反投影法又称为总和法,可以利用投影数值近似地复制出原值的二维分布。其基本原理为:反投影将各投影值均匀分配给投影线经过的每个像素,叠合生成断层图像。即可以将测得的投影值按对应的原路径平均的分配到每一个点上,各个方向上投影值进行反投影后,在图像处进行叠加,得出原图像。假设射线在某一角度检测断面上器官或组织的投影表示为:Pθ(R,θ)=∫∫f(x,y)δ(x cosθ+y sinθ-R)dxdy,则在该角度的反投影可以表示为bθ(x,y)=∫Pθ(R,θ)δ(x cosθ+y sinθ-R)dR,其中δ函数用于筛选角度。
反投影可以用于在比较大的输入图像中查找与较小的模板图像最匹配的点或者区域,也就是定位模板图像出现在输入图像的位置。可以通过不断的在输入图像中切割跟模板图像大小一致的图像块,并用直方图对比的方式与模板图像进行比较的方式进行查找。反投影的结果可以包含以每个输入图像像素点为起点的直方图对比结果。可以将反投影图像看成是一个二维的浮点型数组,二维矩阵,或者单通道的浮点型图像。生成的反投影图像周围出现的伪像,可以通过滤波函数与反投影信号进行卷积消除。此处的反投影可以包括直接反投影法、滤波反投影法或卷积反投影法等。
进一步地,本示例实施方式中,对分割后的各所述角度对应的所述投影增强图像进行反投影可以包括:
根据各所述角度对应的所述投影增强图像与所述原始PET图像之间的空间对应关系,对分割后的各所述角度对应的所述投影增强图像进行反投影。
本示例性实施例中,各个角度可以分别对应不同的投影增强图像,各投影增强图像与原始PET图像之间存在由投影角度和投影射线的方位决定的预设空间对应关系,例如,投影增强图像可以垂直于PET图像。在对各个角度的投影增强图像进行分割之后,投影可以用于在比较大的输入图像中查找与较小的模板图像最匹配的点或者区域,也就是定位模板图像出现在输入图像的位置。通过投影增强以及反投影,可以保持不同成像模式获得的目标区域的一致性,提高图像分割的准确性。
在步骤S140中,在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
本示例性实施例中,可以在对各个角度的投影增强图像进行分割,并进行直接反投影或者是滤波反投影生成反投影图像中,获取与各个角度的PET图像对应的分割结果。根据分割结果可以更准确地确定病灶区域或者病灶点的位置,实现病灶区域的有效提取。参考图6所示,在根据本公开的方法对PET乳腺图像冠状面以及矢状面进行分割后,得到对应的分割结果。此处的分割结果与PET图像相比,去除了病灶点周围的边界区域,更清晰的显示病灶的位置及特征。
除此之外,由于PET图像反映的是功能代谢变化,对于如图7所示的多病灶点区域而言,其病变区域异质性高且呈现多病灶弥散分布特征,这种情况下除了需要分析高代谢病灶点外还须对高代谢腺体进行分析,再如图8所示,可以通过投影分割方法,准确地获得第122个角度下的异质性较强的高代谢腺体区域。
本示例实施方式中,提取所述目标区域的所述原始PET图像的分割结果可以包括:
在所述反投影图像中,提取最高像素值区域作为所述原始PET图像的分割结果。
本示例性实施例中,此处的反投影图像可以包括各个角度的投影增强图像分割结果。投影图像像素值对应射线穿过像素的最大值,因此某一区域的灰度值越高,对应的像素值越高,则表示该区域代谢吸收的药物越多,该区域为病灶区域的可能性最大。将像素值最高的区域作为对PET图像的分割结果,可以提高确定病灶区域的准确率。
在本公开的示例性实施例中,还提供了一种PET图像处理装置,参考图9所示,所述装置200可以包括:
投影增强模块201,可以用于对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;
图像分割模块202,可以用于对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;
反投影模块203,可以用于对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;
图像提取模块204,可以用于在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
上述PET图像处理装置中各模块的具体细节已经在对应的PET图像处理方法中进行了详细的描述,因此此处不再赘述。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本发明的这种实施方式的电子设备600。图10显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图11所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种PET图像处理方法,其特征在于,所述方法包括:
对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;
对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;
对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;
在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
2.根据权利要求1所述的PET图像处理方法,其特征在于,对目标区域的原始PET图像进行投影包括:
采用MIP成像原理,通过与多个成像模式对应的投影形成方式,在与射线垂直的平面上形成投影。
3.根据权利要求1所述的PET图像处理方法,其特征在于,对分割后的各所述角度对应的所述投影增强图像进行反投影包括:
根据各所述角度对应的所述投影增强图像与所述原始PET图像之间的空间对应关系,对分割后的各所述角度对应的所述投影增强图像进行反投影。
4.根据权利要求1所述的PET图像处理方法,其特征在于,提取所述目标区域的所述原始PET图像的分割结果包括:
在所述反投影图像中,提取最高像素值区域作为所述原始PET图像的分割结果。
5.根据权利要求1所述的PET图像处理方法,其特征在于,在对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割后,所述方法还包括:
获取各所述角度下所述目标区域的最大边界区域的二值化图像。
6.根据权利要求1所述的PET图像处理方法,其特征在于,对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割包括:
提取与所述原始PET图像各所述角度对应的当前角度下能够观察到的目标对象;
其中,提取与所述原始PET图像各所述角度对应的当前角度下能够观察到的目标对象包括:
通过所述原始PET图像灰度值的像素位置确定所述目标对象的位置。
7.根据权利要求2所述的PET图像处理方法,其特征在于,所述投影形成方式包括所述射线穿过的像素值之和、所述射线穿过像素的最大值、或所述射线穿过像素的最小值中的一种。
8.一种PET图像处理装置,其特征在于,所述装置包括:
投影增强模块,用于对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;
图像分割模块,用于对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;
反投影模块,用于对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;
图像提取模块,用于在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7中任意一项所述的PET图像处理方法。
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,所述计算机程序被处理器执行时实现权利要求1-7中任意一项所述的PET图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711194322.4A CN107945203A (zh) | 2017-11-24 | 2017-11-24 | Pet图像处理方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711194322.4A CN107945203A (zh) | 2017-11-24 | 2017-11-24 | Pet图像处理方法及装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107945203A true CN107945203A (zh) | 2018-04-20 |
Family
ID=61948827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711194322.4A Pending CN107945203A (zh) | 2017-11-24 | 2017-11-24 | Pet图像处理方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107945203A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035208A (zh) * | 2018-06-29 | 2018-12-18 | 上海联影医疗科技有限公司 | 高代谢区域的识别方法、装置及pet系统 |
CN111008976A (zh) * | 2019-12-02 | 2020-04-14 | 中南大学 | Pet图像的筛选方法和装置 |
CN114782624A (zh) * | 2022-04-07 | 2022-07-22 | 重庆大学 | 一种3d图像投影融合方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997005574A1 (en) * | 1995-07-27 | 1997-02-13 | Imperial Cancer Research Technology Limited | Raw data segmentation and analysis in image tomography |
CN102483459A (zh) * | 2009-09-04 | 2012-05-30 | 株式会社岛津制作所 | 核医学用数据处理方法以及核医学诊断装置 |
CN102842141A (zh) * | 2012-07-03 | 2012-12-26 | 东南大学 | 一种旋转x射线造影图像迭代重建方法 |
CN103164863A (zh) * | 2013-04-02 | 2013-06-19 | 中国科学院高能物理研究所 | 用于重建正电子发射计算机断层成像图像的方法 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
-
2017
- 2017-11-24 CN CN201711194322.4A patent/CN107945203A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997005574A1 (en) * | 1995-07-27 | 1997-02-13 | Imperial Cancer Research Technology Limited | Raw data segmentation and analysis in image tomography |
CN102483459A (zh) * | 2009-09-04 | 2012-05-30 | 株式会社岛津制作所 | 核医学用数据处理方法以及核医学诊断装置 |
CN102842141A (zh) * | 2012-07-03 | 2012-12-26 | 东南大学 | 一种旋转x射线造影图像迭代重建方法 |
CN103164863A (zh) * | 2013-04-02 | 2013-06-19 | 中国科学院高能物理研究所 | 用于重建正电子发射计算机断层成像图像的方法 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035208A (zh) * | 2018-06-29 | 2018-12-18 | 上海联影医疗科技有限公司 | 高代谢区域的识别方法、装置及pet系统 |
CN111008976A (zh) * | 2019-12-02 | 2020-04-14 | 中南大学 | Pet图像的筛选方法和装置 |
CN111008976B (zh) * | 2019-12-02 | 2023-04-07 | 中南大学 | Pet图像的筛选方法和装置 |
CN114782624A (zh) * | 2022-04-07 | 2022-07-22 | 重庆大学 | 一种3d图像投影融合方法、装置、计算机设备和存储介质 |
CN114782624B (zh) * | 2022-04-07 | 2023-08-25 | 重庆大学 | 一种3d图像投影融合方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rau et al. | Implicit domain adaptation with conditional generative adversarial networks for depth prediction in endoscopy | |
Cao et al. | Dual-core steered non-rigid registration for multi-modal images via bi-directional image synthesis | |
CN101133431B (zh) | 能够减少物体运动造成的成像伪影的生物医学图像配准方法 | |
WO2019238804A1 (en) | Localization and classification of abnormalities in medical images | |
JP6782051B2 (ja) | オンライン学習により強化されたアトラスベース自動セグメンテーション | |
CN109791692A (zh) | 使用来自感兴趣区域的不同视角的多个图像进行计算机辅助检测以提高检测准确度 | |
US9092867B2 (en) | Methods for segmenting images and detecting specific structures | |
Peng et al. | A region‐appearance‐based adaptive variational model for 3D liver segmentation | |
CN108846830A (zh) | 对ct中腰椎自动定位的方法、装置以及存储介质 | |
US20240193764A1 (en) | Systems and methods for reconstruction of 3d images from ultrasound and camera images | |
Hattab et al. | Kidney edge detection in laparoscopic image data for computer-assisted surgery: Kidney edge detection | |
Paganelli et al. | Quantification of organ motion based on an adaptive image‐based scale invariant feature method | |
CN107945203A (zh) | Pet图像处理方法及装置、电子设备、存储介质 | |
Alam et al. | Evaluation of medical image registration techniques based on nature and domain of the transformation | |
Solves‐Llorens et al. | A complete software application for automatic registration of x‐ray mammography and magnetic resonance images | |
Fang et al. | Supervoxel-based brain tumor segmentation with multimodal MRI images | |
CN108876783B (zh) | 图像融合方法及系统、医疗设备和图像融合终端 | |
Markel et al. | A 4D biomechanical lung phantom for joint segmentation/registration evaluation | |
Piao et al. | Segmentation of cysts in kidney and 3-D volume calculation from CT images | |
Deserno | Fundamentals of medical image processing | |
Beitone et al. | Towards real‐time free‐hand biopsy navigation | |
Zheng | Current Technologies and Applications of Digital Image Processing | |
Jiang et al. | Biomedical imaging: a computer vision perspective | |
Meuschke et al. | Automatic Generation of Web-Based User Studies to Evaluate Depth Perception in Vascular Surface Visualizations. | |
Sreelekshmi et al. | A Review on Multimodal Medical Image Fusion |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180420 |
|
RJ01 | Rejection of invention patent application after publication |