CN108074229A - 一种气管树提取方法及装置 - Google Patents
一种气管树提取方法及装置 Download PDFInfo
- Publication number
- CN108074229A CN108074229A CN201711226621.1A CN201711226621A CN108074229A CN 108074229 A CN108074229 A CN 108074229A CN 201711226621 A CN201711226621 A CN 201711226621A CN 108074229 A CN108074229 A CN 108074229A
- Authority
- CN
- China
- Prior art keywords
- region
- threshold
- bronchiolar
- lung
- average 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 210000004072 lung Anatomy 0.000 claims abstract description 49
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000002591 computed tomography Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 abstract description 10
- 210000000621 bronchi Anatomy 0.000 description 5
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000027515 Tracheal disease Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
-
- 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
- G06T2207/30061—Lung
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)
Abstract
本申请的主要目的在于提供一种气管树提取方法及装置，以解决相关技术中在基于肺部CT图像提取气管树的精度较低的问题。公开的气管树提取方法包括：从肺部CT图像中识别支气管区域；基于识别出的支气管区域获取第一阈值；在支气管区域根据种子点以及第一阈值进行区域增长；判断是否出现泄露；在出现泄露的情况下，对出现泄露的部分进行填充；基于填充后的支气管区域获取第一阈值，并使用获取到的第一阈值重新在填充后的支气管区域进行区域增长，直至不再出现泄露时，获得气管树。本申请提高了气管树的分割精度。
Description
技术领域
本发明涉及计算机图像处理技术领域，尤其涉及一种气管树提取方法及装置。
背景技术
随着CT(Computed Tomography，计算机体层摄影)技术的发展，CT的扫描分辨率越来越高，这使得根据扫描的图像提取气管的有关特征参数进而研究肺结节、慢性阻塞性肺病等其他肺内疾病的诊断技术成为可能。然而，CT的发展也使得扫描片的数目速度增加，一个病例所包含的扫描片已高达几百张，在进行气管病变的检测时，放射科医生必须阅读大量的扫描片，漏诊与误诊的机率随着CT扫描片数目的增加而增高。使用CAD(Computer-Aided Design，计算机辅助诊断系统)进行气管疾病的检测，有助于减少医生的阅片时间，提高气管检测与量化过程的客观性。
在最初的基于CT图像的气管检测使用手动跟踪的方法中，医生根据已有经验，通过调整窗宽、窗位对气管感兴趣区域进行观察，在CT图像上进行气管的标定。但这种方法已经被半自动和全自动的方法取代。半自动或全自动的气管检测方式通常可分为二维气管断面的检测和三维气管树的提取。半自动的方法一般由医生进行气管断面的定位或给出气管树提取的种子点，并对气断面分割结果或气管树的提取结果进行修补。全自动的方法不需要人工的干预，气管的检测、分割、量化均是自动完成的。有研究者提出基于阈值与区域增长的三维气管树提取算法，但使用该算法提取气管树时，容易出现泄露的情况，使气管树过分割到肺实值组织。目前，一般确保不出现泄露的方法是通过对CT图像进行预处理(例如，图像滤波)，但此类方法也使得图像模糊，从而降低区域增长的分割精度。此外，区域增长分割后仍需要一些后处理操作来改进分割的效果，操作较为复杂。
发明内容
本申请的主要目的在于提供一种气管树提取方法及装置，以解决相关技术中在基于肺部CT图像提取气管树的精度较低的问题。
根据本申请的一个方面，提供了一种气管树提取方法，包括：从肺部计算机体层摄影CT图像中识别支气管区域；基于所述支气管区域获取第一阈值；在所述支气管区域根据种子点以及第一阈值进行区域增长；判断是否出现泄露；在出现泄露的情况下，对出现泄露的部分进行填充；基于填充后的所述支气管区域获取所述第一阈值，并使用获取到的所述第一阈值重新在填充后的所述支气管区域进行区域增长，直至不再出现泄露或进行区域增长的次数达到预设次数时，获得气管树。
可选地，所述从肺部CT图像中识别支气管区域，包括：对所述肺部CT图像进行检测，得到空气组织区域以及人体组织区域；对所述人体组织区域进行检测，得到肺部区域；根据所述肺部区域与所述空气组织区域得到支气管区域。
可选地，所述基于所述支气管区域获取第一阈值，或基于填充后的所述支气管区域获取所述第一阈值，包括：计算所述肺部区域的像素中大于初始阈值的像素的第一平均值以及小于所述初始阈值的像素的第二平均值；计算所述第一平均值与所述第二平均值之间的差值的绝对值；在所述绝对值小于第三阈值的情况下，确定所述第一平均值与所述第二平均值之间的差值为进行区域增长的阈值。
可选地，所述方法还包括：在对出现泄露的部分进行填充之后，以填充后的支气管区域的边缘作为初始轮廓线进行活动轮廓处理。
可选地，所述判断是否出现泄露，包括：在每次进行区域增长后，计算得到的气管树的体积，如果相邻两次计算得到的体积的差值大于预设数值，则确定出现泄露。
根据本申请的另一个方面，提供了一种气管树提取装置，包括：识别模块，用于从肺部计算机体层摄影CT图像中识别支气管区域；获取模块，用于基于所述支气管区域获取第一阈值；增长模块，用于在所述支气管区域根据种子点以及第一阈值进行区域增长；判断模块，用于判断是否出现泄露；填充模块，用于在出现泄露的情况下，对出现泄露的部分进行填充；获得模块，用于基于填充后的所述支气管区域获取所述第一阈值，并使用获取到的所述第一阈值重新在填充后的所述支气管区域进行区域增长，直至不再出现泄露时或进行区域增长的次数达到预设次数，获得气管树。
可选地，所述识别模块，包括：第一检测单元，用于对所述肺部CT图像进行检测，得到空气组织区域以及人体组织区域；第二检测单元，用于对所述人体组织区域进行检测，得到肺部区域；获得单元，用于根据所述肺部区域与所述空气组织区域得到支气管区域。
可选地，所述获取模块，以及所述获得模块均包括如下单元：第一计算单元，用于计算所述肺部区域的像素中大于初始阈值的像素的第一平均值以及小于所述初始阈值的像素的第二平均值；第二计算单元，用于计算所述第一平均值与所述第二平均值之间的差值的绝对值；确定单元，用于在所述绝对值小于第三阈值的情况下，确定所述第一平均值与所述第二平均值的之间的差值作为进行区域增长的阈值。
可选地，所述装置还包括：处理模块，用于在对出现泄露的部分进行填充之后，以填充后的支气管区域的边缘作为初始轮廓线进行活动轮廓处理。
可选地，所述判断模块包括：判断单元，用于在每次进行区域增长后，计算得到的气管树的体积，如果相邻两次计算得到的体积的差值大于预设数值，则确定出现泄露。
本申请的实施例提供的方案，基于第一阈值在支气管区域进行区域增长，找到泄露部分，在对泄露部分进行填充后，继续以第一阈值在支气管区域进行区域增长，直至不再出现泄露时，获得气管树，该方案通过对泄露进行填充，以及在填充后继续进行区域增长，可以尽可能的获取较多的气管树，从而实现在未对肺部CT图像进行预处理的基础上也可以保证气管树分割的精确程度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本申请实施例的一种气管树提取方法的流程图；
图2在提取气管树过程中获取第一阈值的流程图；
图3是本申请实施例的另一种气管树提取方法的流程图；
图4是本申请实施例的进行气管树提取过程中的支气管提取算法的流程图；
图5是本申请实施例的气管树提取装置的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的实施例提供了一种气管树提取方法，图1是该方法的流程图，如图1所示，该方法包括如下处理：
步骤101：从肺部计算机体层摄影CT图像中识别支气管区域；
在本实施例中，从肺部CT图像中识别支气管区域的操作可以包括：对肺部CT图像进行检测，得到空气组织区域以及人体组织区域；对得到的人体组织区域进行检测，得到肺部区域；根据肺部区域与空气组织区域得到支气管区域。
步骤102：基于支气管区域获取第一阈值；
在本实施例中，第一阈值即为用于进行区域增长的阈值，图2示出了在本实施例中获取第一阈值的流程，如图2所示，基于支气管区域获取第一阈值，或基于填充后的支气管区域获取第一阈值的操作可以包括：
设置初始阈值T，示例的，该阈值可以设置为-1000，计算肺部区域的像素中大于初始阈值的像素的第一平均值T1以及小于初始阈值的像素的第二平均值T2；计算第一平均值T1与第二平均值T2的之间的差值的绝对值，即abs(T1+T2)/2；在计算出的绝对值小于第三阈值eps(例如10∧(-7))的情况下，确定第一平均值与第二平均值的差值作为进行区域增长的阈值。
步骤103：在支气管区域根据种子点以及第一阈值进行区域增长；
其中，种子点可以预先设置，也可以由计算机自动选择。
步骤104：判断是否出现泄露；
在本实施例中，判断是否出现泄露的操作具体可以包括：在每次进行区域增长后，计算得到的气管树的体积，如果相邻两次计算得到的体积的差值大于预设数值，则确定出现泄露，示例的，该预设数值可以是200，单位为立方厘米，即如果相邻两次计算得到的体积的差值大于200立方厘米，则确定出现泄露。
步骤105：在出现泄露的情况下，对出现泄露的部分进行填充；
对出现泄露的部分进行填充可以使得下一次进行区域增长时，该泄露部分不会被识别出来，。
步骤106：基于填充后的支气管区域获取第一阈值，并使用获取到的第一阈值重新在填充后的支气管区域进行区域增长，直至不再出现泄露时或进行区域增长的次数达到预设次数，获得气管树。
可选地，本实施例的气管树提取方法还包括：在对出现泄露的部分进行填充之后，以填充后的支气管区域的边缘作为初始轮廓线进行活动轮廓处理，以对进行区域增长分割得到的区域进行改进。
图3示出了本申请的实施例的另一种气管树提取方法，如图3所示，该方法包括如下处理：
获取肺部CT数据；
对肺部CT数据进行初始分割，得到空气组织区域以及人体组织区域；
对得到的人体组织区域进行检测，得到肺部区域；
对得到的空气组织区域进行区域提取，得到肺部区域组织中的空气区域，即支气管区域；
对支气管区域进行支气管提取，得到支气管树，以及初始肺区域；
对支气管树进行检测，得到肺叶和分割后的支气管树；
对初始肺区域进行检侧，得到左肺区域以及右肺区域。
图4示出了本实施例在进行气管树提取过程中的支气管提取算法的流程，如图4所示，该流程包括：
基于肺区域中的空气区域，即支气管区域进行种子点检测，得到种子点；
使用阈值th对支气管区域进行三维区域增长；
在进行三维区域增长的过程中检测是否出现泄露；
在出现泄露的情况下，检测泄露区域；
对泄露区域进行标记，以使该泄露区域不参与后续进行的区域增长过程；
获取新的阈值th’＝th+1，基于标记后的支气管区域重新进行区域增长，直至进行区域增长的次数达到预设次数N，得到分割后的气管树。
本申请的实施例还提供了一种气管树提取装置，该装置用于实现本申请的气管数据提取方法，图5是该装置的框图，如图5所示，该装置50包括如下组成部分：
识别模块51，用于从肺部CT图像中识别支气管区域；
获取模块52，用于基于支气管区域获取第一阈值；
增长模块53用于在支气管区域根据种子点以及第一阈值进行区域增长；
判断模块54，用于判断是否出现泄露；
填充模块55，用于在出现泄露的情况下，对出现泄露的部分进行填充；
获得模块56，用于基于填充后的支气管区域获取第一阈值，并使用获取到的第一阈值重新在填充后的支气管区域进行区域增长，直至不再出现泄露时或进行区域增长的次数达到预设次数，获得气管树。
可选地，上述识别模块51进一步可以包括：第一检测单元，用于对肺部CT图像进行检测，得到空气组织区域以及人体组织区域；第二检测单元，用于对人体组织区域进行检测，得到肺部区域；获得单元，用于根据肺部区域与空气组织区域得到支气管区域。
可选地，上述获取模块52，以及获得模块56均包括如下单元：第一计算单元，用于计算肺部区域的像素中大于初始阈值的像素的第一平均值以及小于初始阈值的像素的第二平均值；第二计算单元，用于计算第一平均值与第二平均值之间的差值的绝对值；确定单元，用于在绝对值小于第三阈值的情况下，确定第一平均值与第二平均值的之间的差值作为进行区域增长的阈值。
可选地，本申请的气管树提取装置还可以进一步包括：处理模块，用于在对出现泄露的部分进行填充之后，以填充后的支气管区域的边缘作为初始轮廓线进行活动轮廓处理。
可选地，上述判断模块54具体可以包括：判断单元，该单元用于在每次进行区域增长后，计算得到的气管树的体积，如果相邻两次计算得到的体积的差值大于预设数值，则确定出现泄露。
本申请的实施例提供的方案，基于第一阈值在支气管区域进行区域增长，找到泄露部分，在对泄露部分进行填充后，重新以第一阈值在支气管区域进行区域增长，可以尽可能的获取较多的气管树，从而实现在未对肺部CT图像进行预处理的基础上也可以保证气管树分割的精确程度。此外，通过活动轮廓法对进行区域增长得到区域进行改进，也进一步提高了气管树分割的效果。
以上所述仅为本申请的实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种气管树提取方法，其特征在于，包括：
从肺部计算机体层摄影CT图像中识别支气管区域；
基于所述支气管区域获取第一阈值；
在所述支气管区域根据种子点以及第一阈值进行区域增长；
判断是否出现泄露；
在出现泄露的情况下，对出现泄露的部分进行填充；
基于填充后的所述支气管区域获取所述第一阈值，并使用获取到的所述第一阈值重新在填充后的所述支气管区域进行区域增长，直至不再出现泄露或进行区域增长的次数达到预设次数时，获得气管树。
2.根据权利要求1所述的方法，其特征在于，所述从肺部CT图像中识别支气管区域，包括：
对所述肺部CT图像进行检测，得到空气组织区域以及人体组织区域；
对所述人体组织区域进行检测，得到肺部区域；
根据所述肺部区域与所述空气组织区域得到支气管区域。
3.根据权利要求1所述的方法，其特征在于，所述基于所述支气管区域获取第一阈值，或基于填充后的所述支气管区域获取所述第一阈值，包括：
计算当前肺部区域的像素中大于初始阈值的像素的第一平均值以及小于所述初始阈值的像素的第二平均值；
计算所述第一平均值与所述第二平均值之间的差值的绝对值；
在所述绝对值小于第三阈值的情况下，确定所述第一平均值与所述第二平均值的之间的差值为进行区域增长的阈值。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在对出现泄露的部分进行填充之后，以填充后的支气管区域的边缘作为初始轮廓线进行活动轮廓处理。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述判断是否出现泄露，包括：
在每次进行区域增长后，计算得到的气管树的体积，如果相邻两次计算得到的体积的差值大于预设数值，则确定出现泄露。
6.一种气管树提取装置，其特征在于，包括：
识别模块，用于从肺部计算机体层摄影CT图像中识别支气管区域；
获取模块，用于基于所述支气管区域获取第一阈值；
增长模块，用于在所述支气管区域根据种子点以及第一阈值进行区域增长；
判断模块，用于判断是否出现泄露；
填充模块，用于在出现泄露的情况下，对出现泄露的部分进行填充；
获得模块，用于基于填充后的所述支气管区域获取所述第一阈值，并使用获取到的所述第一阈值重新在填充后的所述支气管区域进行区域增长，直至不再出现泄露时或进行区域增长的次数达到预设次数，获得气管树。
7.根据权利要求6所述的装置，其特征在于，所述识别模块，包括：
第一检测单元，用于对所述肺部CT图像进行检测，得到空气组织区域以及人体组织区域；
第二检测单元，用于对所述人体组织区域进行检测，得到肺部区域；
获得单元，用于根据所述肺部区域与所述空气组织区域得到支气管区域。
8.根据权利要求6所述的装置，其特征在于，所述获取模块，以及所述获得模块均包括如下单元：
第一计算单元，用于计算当前肺部区域的像素中大于初始阈值的像素的第一平均值以及小于所述初始阈值的像素的第二平均值；
第二计算单元，用于计算所述第一平均值与所述第二平均值的之间的差值的绝对值；
确定单元，用于在所述绝对值小于第三阈值的情况下，确定所述第一平均值与所述第二平均值之间的差值为进行区域增长的阈值。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：
处理模块，用于在对出现泄露的部分进行填充之后，以填充后的支气管区域的边缘作为初始轮廓线进行活动轮廓处理。
10.根据权利要求6至9任意一项所述的装置，其特征在于，所述判断模块包括：
判断单元，用于在每次进行区域增长后，计算得到的气管树的体积，如果相邻两次计算得到的体积的差值大于预设数值，则确定出现泄露。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711226621.1A CN108074229A (zh) | 2017-11-29 | 2017-11-29 | 一种气管树提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711226621.1A CN108074229A (zh) | 2017-11-29 | 2017-11-29 | 一种气管树提取方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108074229A true CN108074229A (zh) | 2018-05-25 |
Family
ID=62157973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711226621.1A Pending CN108074229A (zh) | 2017-11-29 | 2017-11-29 | 一种气管树提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108074229A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108765445A (zh) * | 2018-05-29 | 2018-11-06 | 上海联影医疗科技有限公司 | 一种肺气管分割方法及装置 |
| CN112712540A (zh) * | 2021-01-13 | 2021-04-27 | 杭州小呈向医疗科技有限公司 | 一种基于ct影像的肺部支气管提取方法 |
| CN114419077A (zh) * | 2022-03-31 | 2022-04-29 | 深圳市一图智能科技有限公司 | 一种基于ct图像的肺支气管自动分割方法及系统 |
| CN114638840A (zh) * | 2020-12-16 | 2022-06-17 | 上海微创卜算子医疗科技有限公司 | 图像分割方法、装置及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521833A (zh) * | 2011-12-08 | 2012-06-27 | 东软集团股份有限公司 | 一种从胸部ct图像中获得气管树的方法及装置 |
| CN104036484A (zh) * | 2013-03-06 | 2014-09-10 | 株式会社东芝 | 图像分割装置、图像分割方法和医学图像设备 |
| CN104143184A (zh) * | 2013-05-10 | 2014-11-12 | 上海联影医疗科技有限公司 | 一种肺部分割的方法 |
| CN104156935A (zh) * | 2013-05-14 | 2014-11-19 | 株式会社东芝 | 图像分割装置、图像分割方法和医学图像设备 |
| CN105488796A (zh) * | 2015-11-27 | 2016-04-13 | 上海联影医疗科技有限公司 | 肺分割方法 |
| CN106097305A (zh) * | 2016-05-31 | 2016-11-09 | 上海理工大学 | 双行程区域生长结合形态学重建的肺部气管树分割方法 |
-
2017
- 2017-11-29 CN CN201711226621.1A patent/CN108074229A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521833A (zh) * | 2011-12-08 | 2012-06-27 | 东软集团股份有限公司 | 一种从胸部ct图像中获得气管树的方法及装置 |
| CN104036484A (zh) * | 2013-03-06 | 2014-09-10 | 株式会社东芝 | 图像分割装置、图像分割方法和医学图像设备 |
| CN104143184A (zh) * | 2013-05-10 | 2014-11-12 | 上海联影医疗科技有限公司 | 一种肺部分割的方法 |
| CN104156935A (zh) * | 2013-05-14 | 2014-11-19 | 株式会社东芝 | 图像分割装置、图像分割方法和医学图像设备 |
| CN105488796A (zh) * | 2015-11-27 | 2016-04-13 | 上海联影医疗科技有限公司 | 肺分割方法 |
| CN106097305A (zh) * | 2016-05-31 | 2016-11-09 | 上海理工大学 | 双行程区域生长结合形态学重建的肺部气管树分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| 宋红等: "基于动态自适应区域生长的肝脏CT图像肿瘤分割算法", 《北京理工大学学报》 * |
| 张丹枫: "基于胃肠道体数据的虚拟外翻技术研究", 《中国博士学位论文全文数据库医药卫生科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108765445A (zh) * | 2018-05-29 | 2018-11-06 | 上海联影医疗科技有限公司 | 一种肺气管分割方法及装置 |
| CN108765445B (zh) * | 2018-05-29 | 2021-08-20 | 上海联影医疗科技股份有限公司 | 一种肺气管分割方法及装置 |
| CN114638840A (zh) * | 2020-12-16 | 2022-06-17 | 上海微创卜算子医疗科技有限公司 | 图像分割方法、装置及可读存储介质 |
| CN112712540A (zh) * | 2021-01-13 | 2021-04-27 | 杭州小呈向医疗科技有限公司 | 一种基于ct影像的肺部支气管提取方法 |
| CN114419077A (zh) * | 2022-03-31 | 2022-04-29 | 深圳市一图智能科技有限公司 | 一种基于ct图像的肺支气管自动分割方法及系统 |
| CN114419077B (zh) * | 2022-03-31 | 2022-07-05 | 深圳市一图智能科技有限公司 | 一种基于ct图像的肺支气管自动分割方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6189477B2 (ja) | 領域拡張アルゴリズム | |
| Gan et al. | Toward accurate tooth segmentation from computed tomography images using a hybrid level set model | |
| CN107045721B (zh) | 一种从胸部ct图像中提取肺血管的方法及装置 | |
| CN106097305B (zh) | 双行程区域生长结合形态学重建的肺部气管树分割方法 | |
| CN108074229A (zh) | 一种气管树提取方法及装置 | |
| CN105678746B (zh) | 一种医学图像中肝脏范围的定位方法及装置 | |
| JP2013518611A5 (zh) | ||
| CN107169975B (zh) | 超声图像的分析方法及装置 | |
| CN108510493A (zh) | 医学图像内目标对象的边界定位方法、存储介质及终端 | |
| CN107481251A (zh) | 一种从肺部ct图像中提取末端支气管树的方法 | |
| CN111179298A (zh) | 基于ct图像的三维肺自动分割与左右肺分离方法及其系统 | |
| Gao et al. | Accurate lung segmentation for X-ray CT images | |
| KR102255592B1 (ko) | 마진 라인의 정밀도 향상을 위한 치과용 ct 영상 처리 방법 | |
| CN106308836A (zh) | 计算机断层扫描图像校正系统及方法 | |
| CN100370952C (zh) | 一种肺部图像处理方法 | |
| Lassen et al. | Interactive lung lobe segmentation and correction in tomographic images | |
| JP6634186B2 (ja) | 画像処理システム及び画像処理方法 | |
| CN111261285A (zh) | 诊断信息界面的显示方法、交互方法及存储介质 | |
| AU2015238846B2 (en) | Region-growing algorithm | |
| Pinho et al. | Efficient approaches to intrathoracic airway tree segmentations | |
| AU2014201021B2 (en) | Region-growing algorithm | |
| CN116258853A (zh) | 一种基于动态种子点的图像分割方法及装置 | |
| Busayarat et al. | Bronchopulmonary segments approximation using anatomical atlas | |
| CN119648733A (zh) | 肝分割后矫正方法、装置、电子设备及存储介质 | |
| CN119379779A (zh) | 病灶定位方法、系统、电子设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190723 Address after: 215200 South Side of 4th Floor of No. 2358 Building, Chang'an Road, Wujiang Economic and Technological Development Zone, Suzhou City, Jiangsu Province Applicant after: SUZHOU LUNG CARE MEDICAL TECHNOLOGIES Co.,Ltd. Address before: 215200 South Side of 4th Floor of No. 2358 Building, Chang'an Road, Wujiang Economic and Technological Development Zone, Suzhou City, Jiangsu Province Applicant before: SUZHOU LANGKAI XINTONG INFORMATION TECHNOLOGY CO.,LTD. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180525 |