CN108053400B - 图像处理方法及装置 - Google Patents

图像处理方法及装置 Download PDF

Info

Publication number
CN108053400B
CN108053400B CN201711396812.2A CN201711396812A CN108053400B CN 108053400 B CN108053400 B CN 108053400B CN 201711396812 A CN201711396812 A CN 201711396812A CN 108053400 B CN108053400 B CN 108053400B
Authority
CN
China
Prior art keywords
image
spine
intervertebral disc
point
value
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
CN201711396812.2A
Other languages
English (en)
Other versions
CN108053400A (zh
Inventor
加冯刚
于文君
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201711396812.2A priority Critical patent/CN108053400B/zh
Publication of CN108053400A publication Critical patent/CN108053400A/zh
Priority to US16/225,777 priority patent/US11129582B2/en
Application granted granted Critical
Publication of CN108053400B publication Critical patent/CN108053400B/zh
Priority to US17/449,085 priority patent/US11826191B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5252—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data removing objects from field of view, e.g. removing patient table from a CT image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • 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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Geometry (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明实施例提供一种图像处理方法及装置，涉及医疗设备技术领域，在自动确定椎间盘的位置以及主方向上的基础上，提供一个方便从CT图像中观察椎间盘的系统，提高医生的阅片效率。本发明实施例提供的图像处理方法，包括：获取全脊柱的CT值图像；对所述CT值图像进行阈值分割，得到最佳矢状位图像；对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线；根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向。

Description

图像处理方法及装置
技术领域
本发明涉及医疗设备技术领域，尤其涉及一种图像处理方法及装置。
背景技术
椎间盘疾病是一种十分常见的临床疾病，比如椎间盘突出、椎间盘退化等，常用的检查椎间盘的方式有MR(Magnetic Resonance，磁共振)扫描和CT(Computed Tomography，电子计算机断层)扫描。在实际临床中，因患者的各异性，脊柱弯曲程度不同，椎间盘大小不一，方向差异大，仅仅横断面的扫描不能满足医生的需求。
因此，在实际检测过程中，医生一般会采用如下两种方法进行扫描：第一种，首先是拍摄一幅2D的X光脊柱定位片，医生从定位片中确定椎间盘的中心及方向，然后调整扫描架的倾斜角度(正负30度范围)后，再次扫描，这种方式一次只能扫描一个椎间盘的最佳视野，如果要观察多个椎间盘，需要多次规划、多次CT扫描；第二种，用常规的摆位方式对病人进行一次CT扫描，得到3D图像，医生从矢状位图像中勾画椎间盘的中心和方向，然后利用MPR(multi-plannar reconstruction，多平面重建)可以得到该方向的图像，这种方式一次扫描即可获得所有椎间盘的最佳观察角度的图像。
但是，采用上述两种方法进行扫描，均会受到医生的主观性影响，若医生在确定椎间盘的中心及方向时出现偏差,则直接影响检查的准确性。
发明内容
本发明实施例提供一种图像处理方法及装置，能够自动确认每个椎间盘的位置以及主方向，利用MPR得到每个椎间盘在最佳观察方向的图像，省去传统的手动操作，提高医生的阅片效率。
第一方面，本发明实施例提供一种图像处理方法，包括：
获取全脊柱的CT值图像；
对所述CT值图像进行阈值分割，得到最佳矢状位图像；
对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线；
根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
根据所述每个椎间盘的定位结果及所确定的每个椎间盘的主方向，通过多平面重建算法获取每个椎间盘在三维空间中的最佳多平面重建结果。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取全脊柱的CT值图像，包括：
获取原始CT图像并对所述原始CT图像进行预处理，得到CT值图像；
所述对所述原始CT图像进行预处理，得到CT值图像，包括：
对所述原始CT图像进行去除床板处理后，并将经过去床板处理后的图像中的像素值转换为CT值，得到所述CT值图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对所述CT值图像进行阈值分割，得到最佳矢状位图像，包括：
按照第一指定阈值对所述CT值图像进行分割，得到脊柱骨骼的第一二值图像；
将与所述原始CT图像对应的所有片层的二值图像进行累加得到2D累加图像；
确定所述2D累加图像中的极值点；
根据所述极值点对应的坐标提取最佳矢状位图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线，包括：
对距离所述最佳矢状位图像指定距离阈值范围内的所有矢状位片层进行最小密度投影，得到最小密度投影图像；
按照第二指定阈值对所述最小密度投影图像进行分割，得到脊柱骨骼的第二二值图像；
使用形态学膨胀操作将所述第二二值图像中的断开的骨骼进行连接，得到膨胀结果图；
计算所述膨胀结果图中的最大连通域；
使用形态学闭操作将所述最大连通域中的孔洞进行处理，得到全脊柱区域；
连接所述全脊柱区域中每行的中心点，得到所述全脊柱中心线。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向，包括：
根据所述全脊柱中心线确定点-方向-均值集合；
从所述点-方向-均值集合中确定每个椎间盘对应的点；
根据所述每个椎间盘对应的点计算每个所述椎间盘的中心以及确定每个所述椎间盘的主方向。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述全脊柱中心线确定点-方向-均值集合，包括：
以所述全脊柱中心线上的任意一个点为中心，沿指定方式扩展至所述全脊柱区域的边界，统计所述边界范围内的像素均值；
遍历所有可选方向，得到最小均值以及所述最小均值对应的方向，作为该点的均值和方向；
统计所述全脊柱中心线上的每个点对应的均值和方向，得到所述点-方向-均值集合。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述从所述点-方向-均值集合中确定每个椎间盘对应的点，包括：
根据所述点-方向-均值集合中的每个点对应的均值绘制点-均值图像；
对所述点-均值图像中的曲线进行平滑处理，得到趋势线；
根据所述趋势线确定每个椎间盘对应的点。
第二方面，本发明实施例还提供一种图像处理装置，所述装置包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现如前述第一方面中任意一种所述的方法。
第三方面，本发明实施例还提供一种图像处理装置，包括：
获取单元，用于获取全脊柱的CT值图像；
第一处理单元，用于对所述CT值图像进行阈值分割，得到最佳矢状位图像；
第二处理单元，用于对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线；
确定单元，用于根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向。
本发明实施例提供的图像处理方法及装置，通过对获取的原始CT图像进行预处理得到CT值图像后，对CT值图像进行处理得到矢状位图像，接着对矢状位图像进行处理得到全脊柱中心线，最后根据全脊柱中心线为每个椎间盘定位以及确定每个椎间盘的主方向，在本发明实施例提供的技术方案中，无须医生参与，能够自动确认每个椎间盘的位置以及主方向，提高检测精确度和准确性，并且没有人为参与的过程还可以加快处理速度，有助于提高效率，利用多平面重建得到每个椎间盘在最佳观察方向的图像，省去传统的手动操作，提高医生的阅片效率，解决了现有技术中若医生在确定椎间盘的中心及方向时出现偏差,则直接影响检查的准确性的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的图像处理方法实施例的流程图；
图2为本发明实施例提供的第一场景示意图；
图3为本发明实施例提供的第二场景示意图；
图4为本发明实施例提供的第三场景示意图；
图5为本发明实施例提供的第四场景示意图；
图6为本发明实施例提供的第五场景示意图；
图7为本发明实施例提供的第六场景示意图；
图8为本发明实施例提供的第七场景示意图；
图9为本发明实施例提供的第八场景示意图；
图10为本发明实施例提供的点-均值图像；
图11为本发明实施例提供的根据点-均值图像进行筛选后的结果图；
图12为本发明实施例提供的第九场景示意图；
图13为本发明实施例提供的图像处理装置实施例的结构示意图；
图14为本发明实施例提供的图像处理装置实施例的另一种结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，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。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
为了能够加快确定椎间盘的最佳观察角度的图像，本发明实施例提供一种图像处理方法，使得能够通过对使用CT扫描得到的原始CT图像进行处理，直接得到每个椎间盘的最佳观察角度，具体的，图1为本发明实施例提供的图像处理方法实施例的流程图，如图1所示，本发明实施例提供的图像处理方法，具体可以包括如下步骤：
101、获取全脊柱的原始CT图像。
使用CT扫描对检测对象进行扫描后，得到具有指定顺序的片层，例如，从脚到头的片层顺序。在本发明实施例中，按照从脚到头的片层顺序，将全脊柱的原始CT图像导入指定位置，如图2所示，图2为本发明实施例提供的第一场景示意图，其内容为为某一个人体扫描后得到的原始CT图像，从左至右依次为原始CT图像中的横断位、矢状位以及冠状位的图像。
102、对原始CT图像进行预处理，得到CT值图像。
由于原始CT图像中包含有床板，床板会影响对脊柱骨骼的判断，因此，首先要对原始CT图像进行处理，去掉原始CT图像中的床板。在对原始CT图像进行去除床板处理后，并将经过去床板处理后的图像中的像素值转换为CT值，得到CT值图像。具体的，由于原始CT图像具有像素值，因此，将图像中的像素值(灰度值)转换为CT值。
103、根据阈值对CT值图像进行阈值分割，从处理后的图像中得到最佳矢状位图像。
在本发明实施例中，在一个可行的实现过程中，首先，按照第一指定阈值对CT值图像进行分割，得到脊柱骨骼的第一二值图像。由于人体的脊柱是除了四肢外最长的纵向骨骼结构，骨骼的CT值在150Hu以上，软组织在150Hu以下。因此，使用150Hu作为第一指定阈值对原始图像进行二值分割，得到脊柱骨骼的第一二值图像。需要说明的是，在本发明实施例中，每个片层均会得到一个第一二值图像。
然后，将与原始CT图像对应的所有片层的二值图像进行累加得到2D累加图像，如图3所示，图3为本发明实施例提供的第二场景示意图，其为对图2中的图像进行二值累加后得到的图像。
接着，确定2D累加图像中的极值点；由于2D累加图像是将所有片层的二值图像进行累加得到的，因此，选取2D累加图像中二值最大的点即为极值点，如图4所示，图4为本发明实施例提供的第三场景示意图，其为对图3中的图像进行二值累加后选取2D累加图像中二值最大的点。
最后，根据极值点对应的坐标提取矢状位图像。在本发明实施例中，根据极值点对应的坐标提取的矢状位图像最佳矢状位图像，如图5所示，图5为本发明实施例提供的第四场景示意图。
104、对最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线。
在本发明实施例中，提取全脊柱中心线的方法具体可以包括如下流程：
首先，对距离矢状位图像指定距离阈值范围内的所有矢状位片层进行最小密度投影，得到最小密度投影图像，如图6所示，图6为本发明实施例提供的第五场景示意图；在一个具体的实现过程中，选取4毫米(略小于成人椎孔半径)作为指定距离阈值，对距离矢状位图像4毫米范围内的所有矢状位片层进行最小密度投影，这样可以将脊突和脊柱分离更远且消除部分脊突。
然后，按照第二指定阈值对最小密度投影图像进行分割，得到脊柱骨骼的第二二值图像，如图7所示，图7为本发明实施例提供的第六场景示意图；在一个具体的实现过程中，选取100Hu的阈值作为第二指定阈值，从最小密度投影图像中分割出脊柱骨骼的第二二值图像。
接着，使用形态学膨胀操作将第二二值图像中的断开的骨骼进行连接，得到膨胀结果图；由于全脊柱在纵向上是按照节的方式呈现断开状态，因此，在本发明实施例中，构建纵向的结构子[1,1,1,…]T对骨骼二值图像进行膨胀操作，由于椎间盘的厚度均小于10毫米，因此，将结构子的大小选为10/p，其中，p为CT横断位图像的层厚。
接着，计算膨胀结果图中的最大连通域；在本发明实施例中，计算膨胀结果图中的最大连通域即为完整的全脊柱，并且在该操作还可以去除脊柱以外的骨骼，得到脊柱轮廓。
使用形态学闭操作将最大连通域中的孔洞进行处理，得到全脊柱区域，如图8所示，图8为本发明实施例提供的第七场景示意图；由于膨胀结果图中存在一定的孔洞，因此，在一个具体的实现过程中，选用大于椎间盘厚度的圆形结构子，可以将骨骼图像中椎间盘的孔洞全部填充，以及修饰边缘地区，具体的，设置的结构子半径为8/p，得到的脊柱的区域记为R，沿着中心线以一定的步长(step＝30mm)对中心线进行均值平滑，得到中心线上的点集合：
P＝{…,<xi,yi>,…}
其中，P为中心线上点的集合，xi为第i个点的x坐标，yi为第i个点的y坐标；
最后，连接全脊柱区域R中每行的中心点，得到全脊柱中心线，如图9所示，图9为本发明实施例提供的第八场景示意图；图9中位于脊柱中间的线即为全脊柱中心线。
105、根据全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个椎间盘的主方向。
在本发明实施例中，根据全脊柱中心线为每个椎间盘定位以及确定每个椎间盘的主方向的方法具体可以包括如下流程：
首先，根据全脊柱中心线确定点-方向-均值集合；具体的，以中心线上每个点为中心，沿着选定的方向左右扩展，直至到达脊柱区域R的边界，统计覆盖范围内的像素均值；遍历所有可选方向，得到最小均值以及最小均值对应的方向，作为该点的均值和方向；统计全脊柱中心线上的每个点对应的均值和方向，得到点-方向-均值集合。
计算过程为：
第一步：取点pi＝(xi,yi)∈P，计算脊柱中心线上pi的方向向量di及法向量
Figure BDA0001518659530000091
di＝Norm(pi+1-pi-1)＝Norm(xi+1-xi-1,yi+1-yi-1)；
Figure BDA0001518659530000092
其中，Norm是归一化操作，di及法向量
Figure BDA0001518659530000093
垂直，即
Figure BDA0001518659530000094
第二步：以
Figure BDA0001518659530000095
为初始方向，沿着dcur的正负方向在脊柱区域R的限定范围内统计覆盖的所有像素均值记为mcur。将
Figure BDA0001518659530000096
在(-15°,+15°)度范围内以1度的步长进行旋转，旋转变换矩阵Mrot及旋转后的当前方向dcur为：
Figure BDA0001518659530000097
Figure BDA0001518659530000098
沿着旋转后的方向dcur统计R限定范围内的像素均值，以均值最小的方向作为pi对应的方向向量d′i，对应的均值记为mi。
第三步：遍历完所有的中心点，可以得到点-方向-均值的集合，记为：
S＝{…,<pi,d′i,mi>,…}。
然后，从点-方向-均值集合中确定每个椎间盘对应的点；具体的，图10为本发明实施例提供的点-均值图像，图11为本发明实施例提供的根据点-均值图像进行筛选后的结果图，如图10所示，根据点-方向-均值集合中的每个点对应的均值绘制点-均值图像；如图11所示，对点-均值图像中的曲线进行平滑处理，得到趋势线图；根据趋势线确定每个椎间盘对应的点。
在一个具体的实现过程中，平滑处理使用一维的均值平滑，即：
mi＝Avg(mi-r,mi-r+1,…,mi+r)
其中，Avg是求均值操作，r表示平滑的半径。
如图11所示，采用较大的平滑半径(例如，半径为32毫米)进行平滑处理得到均值曲线的平滑均值趋势线，然后，按照移动阈值(在本发明实施例中，依照经验选取35为移动阈值)对平滑均值趋势线整体下移，得到阈值趋势线，则，阈值趋势线以下中，每个低谷的点对应一个椎间盘。
最后，计算每个椎间盘的中心以及确定每个椎间盘的主方向。具体的，统计阈值趋势线以下、每个低谷所包含的中心点集合即每个椎间盘所包含点的集合，参考点-方向-均值集合，将集合中点的坐标求均值得到该低谷所对应椎间盘的中心点，将集合点的方向求均值得到该低谷所对应椎间盘的主方向，如图12所示，图12为本发明实施例提供的第九场景示意图，每个椎间盘均对应其主方向，通过箭头进行表示。
本发明实施例提供的图像处理方法，通过对获取的原始CT图像进行预处理得到CT值图像后，对CT值图像进行处理得到矢状位图像，接着对矢状位图像进行处理得到全脊柱中心线，最后根据全脊柱中心线为每个椎间盘定位以及确定每个椎间盘的主方向，在本发明实施例提供的技术方案中，无须医生参与，能够自动确认每个椎间盘的位置以及主方向，并且没有人为参与的过程还可以加快处理速度，有助于提高效率，利用多平面重建得到每个椎间盘在最佳观察方向的图像，省去传统的手动操作，提高医生的阅片效率。
此外，本发明实施例提供的图像处理方法，没有使用像动态轮廓、曲线进化这些费时的操作，确认每个椎间盘的位置以及主方向的速度很快，使用I5处理器、3.2GHz，16G内存的设备上1s之内就可以完成。
前述内容中介绍了如何对椎间盘的位置以及方向进行确认以获取每个椎间盘的定位结果，在本发明实施例中，还可以根据所述每个椎间盘的定位结果及所确定的每个椎间盘的主方向，通过多平面重建算法获取每个椎间盘在三维空间中的最佳多平面重建结果。利用上述结果，对每个椎间盘进行MPR(Multipleor Plannar Reconstruction,多平面重建)展示。具体的，获取用户选择的椎间盘，然后根据该椎间盘对应的主方向进行MPR处理，将处理后的结果输出，供用户查看。通过根据椎间盘的主方向进行MPR处理，能够得到最佳的视野，有利于更好的观察椎间盘。
在本发明实施例中，还可以根据每节腰椎的位置对椎间盘进行标记和命名，具体根据前述内容中计算得到的中心点坐标来完成。例如：L1(第一腰椎)在LPS病人坐标系中的Z坐标为a，L2(第二腰椎)在LPS病人坐标系中的Z坐标为b，从计算出的椎间盘中心点集中搜索Z坐标位于a、b中间的点，即为L1-L2椎间盘，按照此方法对所有定位到的椎间盘进行命名。
并且，在本发明实施例中，当对每个椎间盘分别进行命名后，就可以利用椎间盘的命名将全脊柱进行分段，分为颈椎、胸椎、腰椎。并可以分段输出，呈现给用户查看。用户可以根据需要，选择性查看某一段的脊柱。例如，用户选择查看颈椎，则显示页面内输出颈椎部分的图像，图像中包含标记的各个椎间盘。
为了实现上述方法流程，本发明实施例还提供一种图像处理装置，图像处理装置中包括处理器以及存储器；存储器用于存储指令，指令被所述处理器执行时，导致所述装置实现如前述方法流程中任意一种方法。
图13为本发明实施例提供的图像处理装置实施例的结构示意图，如图13所示，本发明实施例提供的图像处理装置，具体可以包括：获取单元11、第一处理单元12、第二处理单元13、第三处理单元14以及确定单元15。
获取单元11，用于获取全脊柱的CT值图像；
第一处理单元12，用于对所述CT值图像进行阈值分割，得到最佳矢状位图像；
第二处理单元13，用于对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线；
确定单元14，用于根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向。
在一个具体的实现过程中，获取单元11，具体用于：
获取全脊柱的原始CT图像并对所述全脊柱的原始CT图像进行预处理，得到全脊柱的CT值图像。
第一处理单元12，具体用于：
对所述全脊柱的原始CT图像进行去除床板处理后，并将经过去床板处理后的图像中的像素值转换为CT值，得到所述全脊柱的CT值图像。
在一个具体的实现过程中，第一处理单元12，具体用于：
按照第一指定阈值对CT值图像进行阈值分割，得到脊柱骨骼的第一二值图像；
将与原始CT图像对应的所有片层的二值图像进行累加得到2D累加图像；
确定2D累加图像中的极值点；
根据极值点对应的坐标提取最佳矢状位图像。
在一个具体的实现过程中，第二处理单元13，具体用于：
对距离最佳矢状位图像指定距离阈值范围内的所有矢状位片层进行最小密度投影，得到最小密度投影图像；
按照第二指定阈值对最小密度投影图像进行分割，得到脊柱骨骼的第二二值图像；
使用形态学膨胀操作将第二二值图像中的断开的骨骼进行连接，得到膨胀结果图；
计算膨胀结果图中的最大连通域；
使用形态学闭操作将最大连通域中的孔洞进行处理，得到全脊柱区域；
连接全脊柱区域中每行的中心点，得到全脊柱中心线。
在一个具体的实现过程中，确定单元14，具体用于：
根据全脊柱中心线确定点-方向-均值集合；
从点-方向-均值集合中确定每个椎间盘对应的点；
计算每个椎间盘的中心以及确定每个椎间盘的主方向。
在一个具体的实现过程中，确定单元14，具体用于：
以全脊柱中心线上的任意一个点为中心，沿指定方式扩展至全脊柱区域的边界，统计边界范围内的像素均值；
遍历所有可选方向，得到最小均值以及最小均值对应的方向，作为该点的均值和方向；
统计全脊柱中心线上的每个点对应的均值和方向，得到点-方向-均值集合。
在一个具体的实现过程中，确定单元14，具体用于：
根据点-方向-均值集合中的每个点对应的均值绘制点-均值图像；
对点-均值图像中的曲线进行平滑处理，得到趋势线；
根据趋势线确定每个椎间盘对应的点。
本发明实施例提供的图像处理装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例提供的图像处理装置，在图13的基础上，如图14所示，该装置还包括：重建单元15；
重建单元15，具体用于根据所述每个椎间盘的定位结果及所确定的每个椎间盘的主方向，通过多平面重建算法获取每个椎间盘在三维空间中的最佳多平面重建结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (9)

1.一种图像处理方法，其特征在于，包括：
获取全脊柱的CT值图像；
对所述CT值图像进行阈值分割，得到最佳矢状位图像；
对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线；
根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向；
所述获取全脊柱的CT值图像，包括：
获取全脊柱的原始CT图像并对所述全脊柱的原始CT图像进行预处理，得到全脊柱的CT值图像；
所述对所述CT值图像进行阈值分割，得到最佳矢状位图像，包括：
按照第一指定阈值对所述CT值图像进行阈值分割，得到脊柱骨骼的第一二值图像；
将与所述全脊柱的原始CT图像对应的所有片层的二值图像进行累加得到2D累加图像；
确定所述2D累加图像中的极值点；
根据所述极值点对应的坐标提取最佳矢状位图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述每个椎间盘的定位结果及所确定的每个椎间盘的主方向，通过多平面重建算法获取每个椎间盘在三维空间中的最佳多平面重建结果。
3.根据权利要求1所述的方法，其特征在于，
所述对所述全脊柱的原始CT图像进行预处理，得到全脊柱的CT值图像，包括：
对所述全脊柱的原始CT图像进行去除床板处理后，并将经过去床板处理后的图像中的像素值转换为CT值，得到所述全脊柱的CT值图像。
4.根据权利要求1所述的方法，其特征在于，所述对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线，包括：
对距离所述最佳矢状位图像指定距离阈值范围内的所有矢状位片层进行最小密度投影，得到最小密度投影图像；
按照第二指定阈值对所述最小密度投影图像进行分割，得到脊柱骨骼的第二二值图像；
使用形态学膨胀操作将所述第二二值图像中的断开的骨骼进行连接，得到膨胀结果图；
计算所述膨胀结果图中的最大连通域；
使用形态学闭操作将所述最大连通域中的孔洞进行处理，得到全脊柱区域；
连接所述全脊柱区域中每行的中心点，得到所述全脊柱中心线。
5.根据权利要求1所述的方法，其特征在于，所述根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向，包括：
根据所述全脊柱中心线确定点-方向-均值集合；
从所述点-方向-均值集合中确定每个椎间盘对应的点；
根据所述每个椎间盘对应的点计算每个椎间盘的中心以及确定每个椎间盘的主方向。
6.根据权利要求5所述的方法，其特征在于，所述根据所述全脊柱中心线确定点-方向-均值集合，包括：
以所述全脊柱中心线上的任意一个点为中心，沿指定方式扩展至所述全脊柱区域的边界，统计所述边界范围内的像素均值；
遍历所有可选方向，得到最小均值以及所述最小均值对应的方向，作为该点的均值和方向；
统计所述全脊柱中心线上的每个点对应的均值和方向，得到所述点-方向-均值集合。
7.根据权利要求5所述的方法，其特征在于，所述从所述点-方向-均值集合中确定每个椎间盘对应的点，包括：
根据所述点-方向-均值集合中的每个点对应的均值绘制点-均值图像；
对所述点-均值图像中的曲线进行平滑处理，得到趋势线；
根据所述趋势线确定每个椎间盘对应的点。
8.一种图像处理装置，其特征在于，所述装置包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现如权利要求1至7任一项所述的方法。
9.一种图像处理装置，其特征在于，包括：
获取单元，用于获取全脊柱的CT值图像；
第一处理单元，用于对所述CT值图像进行阈值分割，得到最佳矢状位图像；
第二处理单元，用于对所述最佳矢状位图像中的脊柱部分进行连通域处理，从处理后的图像中得到全脊柱中心线；
确定单元，用于根据所述全脊柱中心线为每个椎间盘定位以获取每个椎间盘的定位结果以及确定每个所述椎间盘的主方向;
所述获取单元，具体用于获取全脊柱的原始CT图像并对所述全脊柱的原始CT图像进行预处理，得到全脊柱的CT值图像；
所述第一处理单元，具体用于按照第一指定阈值对CT值图像进行阈值分割，得到脊柱骨骼的第一二值图像；将与原始CT图像对应的所有片层的二值图像进行累加得到2D累加图像；确定2D累加图像中的极值点；根据极值点对应的坐标提取最佳矢状位图像。
CN201711396812.2A 2017-12-21 2017-12-21 图像处理方法及装置 Active CN108053400B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711396812.2A CN108053400B (zh) 2017-12-21 2017-12-21 图像处理方法及装置
US16/225,777 US11129582B2 (en) 2017-12-21 2018-12-19 System and method for medical imaging of intervertebral discs
US17/449,085 US11826191B2 (en) 2017-12-21 2021-09-27 System and method for medical imaging of intervertebral discs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711396812.2A CN108053400B (zh) 2017-12-21 2017-12-21 图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN108053400A CN108053400A (zh) 2018-05-18
CN108053400B true CN108053400B (zh) 2021-06-15

Family

ID=62130396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711396812.2A Active CN108053400B (zh) 2017-12-21 2017-12-21 图像处理方法及装置

Country Status (2)

Country Link
US (2) US11129582B2 (zh)
CN (1) CN108053400B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3471054B1 (en) * 2017-10-16 2022-02-09 Siemens Healthcare GmbH Method for determining at least one object feature of an object
CN109166114A (zh) * 2018-08-24 2019-01-08 武汉轻工大学 脊柱椎间隙识别方法、设备、存储介质及装置
CN109965797B (zh) * 2019-03-07 2021-08-24 深圳市愚公科技有限公司 扫地机器人地图的生成方法、扫地机器人控制方法及终端
CN110544245B (zh) * 2019-08-30 2020-11-27 北京推想科技有限公司 图像处理方法、装置、计算机可读存储介质及电子设备
CN110569854B (zh) * 2019-09-12 2022-03-29 上海商汤智能科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110992243B (zh) * 2019-10-29 2023-12-22 平安科技（深圳）有限公司 椎间盘截面图像构建方法、装置、计算机设备及存储介质
CN111063424B (zh) * 2019-12-25 2023-09-19 上海联影医疗科技股份有限公司 一种椎间盘数据处理方法、装置、电子设备及存储介质
CN111652300A (zh) * 2020-05-27 2020-09-11 联影智能医疗科技(北京)有限公司 脊柱曲度分类方法、计算机设备和存储介质
CN112164027B (zh) * 2020-09-01 2023-10-27 联影智能医疗科技(北京)有限公司 脊柱硬膜囊受压检测方法、设备和存储介质
CN112690778B (zh) * 2021-01-14 2023-02-14 东莞安科医疗科技有限公司 一种生成脊柱椎间盘定位线的方法及系统
TWI806047B (zh) * 2021-05-11 2023-06-21 宏碁智醫股份有限公司 影像分析方法與影像分析裝置
CN114170114B (zh) * 2021-12-14 2022-11-15 北京柏惠维康科技股份有限公司 脊柱ct图像的增强方法及装置、脊柱手术机器人
CN114782375B (zh) * 2022-04-27 2023-06-23 影图(成都)医疗科技有限公司 骨质密度测量方法、装置和设备
CN115330753B (zh) * 2022-10-10 2022-12-20 博志生物科技(深圳)有限公司 椎骨识别方法、装置、设备及存储介质
CN115640417B (zh) * 2022-12-22 2023-03-21 北京理贝尔生物工程研究所有限公司 人工椎间盘库的构建方法、装置、存储介质及处理器

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1661390A (zh) * 2004-02-27 2005-08-31 西门子公司 用于自动确定矢状面的方法
CN105455837A (zh) * 2014-09-30 2016-04-06 富士胶片株式会社 椎骨分割装置、方法及程序
CN106157288A (zh) * 2015-04-03 2016-11-23 东芝医疗系统株式会社 医学图像处理装置和方法以及医学成像设备
CN106485704A (zh) * 2016-09-30 2017-03-08 上海联影医疗科技有限公司 血管中心线的提取方法
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
CN106709925A (zh) * 2016-12-30 2017-05-24 上海联影医疗科技有限公司 医学图像中椎块的定位方法及其装置
CN106960439A (zh) * 2017-03-28 2017-07-18 安徽医科大学第二附属医院 一种脊椎骨识别装置及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI268148B (en) * 2004-11-25 2006-12-11 Univ Chung Yuan Christian Image analysis method for vertebral disease which comprises 3D reconstruction method and characteristic identification method of unaligned transversal slices
US8331635B2 (en) * 2006-07-06 2012-12-11 University Of South Florida Cartesian human morpho-informatic system
US8165376B2 (en) * 2006-12-11 2012-04-24 Siemens Corporation System and method for automatic detection of rib metastasis in computed tomography volume
US8423124B2 (en) * 2007-05-18 2013-04-16 Siemens Aktiengesellschaft Method and system for spine visualization in 3D medical images
WO2012118109A1 (ja) * 2011-03-03 2012-09-07 株式会社 日立メディコ 医用画像処理装置及び医用画像処理方法
US10140543B2 (en) * 2015-04-03 2018-11-27 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image processing method, and medical imaging device
EP3369072A4 (en) * 2015-10-29 2019-05-15 Broncus Medical Inc. LEARNED SWIVEL COLUMN LOCALIZATION AND SEGMENTATION IN 3D CT
US10874460B2 (en) * 2017-09-29 2020-12-29 K2M, Inc. Systems and methods for modeling spines and treating spines based on spine models

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1661390A (zh) * 2004-02-27 2005-08-31 西门子公司 用于自动确定矢状面的方法
CN105455837A (zh) * 2014-09-30 2016-04-06 富士胶片株式会社 椎骨分割装置、方法及程序
CN106157288A (zh) * 2015-04-03 2016-11-23 东芝医疗系统株式会社 医学图像处理装置和方法以及医学成像设备
CN106485704A (zh) * 2016-09-30 2017-03-08 上海联影医疗科技有限公司 血管中心线的提取方法
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
CN106709925A (zh) * 2016-12-30 2017-05-24 上海联影医疗科技有限公司 医学图像中椎块的定位方法及其装置
CN106960439A (zh) * 2017-03-28 2017-07-18 安徽医科大学第二附属医院 一种脊椎骨识别装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Automated detection of spinal centrelines, vertebral bodies and intervertebral discs in CT and MR images of lumbar spine;Darko Štern等;《Physics in Medicine and Biology》;20100131;参见第2节 *
颈动脉磁共振图像的血管中心线提取;程诗音等;《中国体视学与图像分析》;20161231;第21卷(第4期);参见引言，第3.2节 *

Also Published As

Publication number Publication date
US11129582B2 (en) 2021-09-28
US20220008028A1 (en) 2022-01-13
US20190192099A1 (en) 2019-06-27
US11826191B2 (en) 2023-11-28
CN108053400A (zh) 2018-05-18

Similar Documents

Publication Publication Date Title
CN108053400B (zh) 图像处理方法及装置
US9317661B2 (en) Automatic implant detection from image artifacts
US7873192B1 (en) Method for providing a smoothed image
CN106600609B (zh) 一种医学图像中脊柱的分割方法及系统
US9594975B2 (en) Image processing device and spinal canal evaluation method
CN110363765B (zh) 基于ct影像的骨质疏松参数自动测量方法
JP4545807B2 (ja) 骨番号認識装置およびそのプログラム
WO2019020048A1 (zh) 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统
JP5486197B2 (ja) 椎骨中心検出装置および方法並びにプログラム
US20080044074A1 (en) System and Method for Spinal Cord and Vertebrae Segmentation
US9241634B2 (en) Analytic morphomics: high speed medical image automated analysis method
CN112116004B (zh) 病灶分类方法及装置、病灶分类模型的训练方法
CN113870098A (zh) 一种基于脊柱分层重建的Cobb角自动测量方法
US7421100B2 (en) Method, computer program and system of visualizing image data
JP5296981B2 (ja) アフィン変換を用いたモダリティ内医療体積画像の自動位置合わせ
WO2011050454A1 (en) Bone imagery segmentation method and apparatus
US10950015B2 (en) Medical image processing method, and computer readable storage medium
EP1447772B1 (en) A method of lung lobe segmentation and computer system
Zhang et al. Automatic rib segmentation in chest CT volume data
CN115619943A (zh) 一种外科图像三维重建方法及系统
JP7346546B2 (ja) Ｃｔ仮想単色撮像のための自動的適応エネルギ設定を行う方法
EP2890299B1 (en) Analytic morphomics: high speed medical image automated analysis method
Yookwan et al. Region of interest of human lumbar spine segmentation using geometric triangular analysis
Čech et al. Piecewise rigid multimodal spine registration
US20240122562A1 (en) Method To Superimpose Rendering Over Spine Hardware Implants On Images Produced By Cbct Scanner System

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
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.

GR01 Patent grant
GR01 Patent grant