CN108470331B - 图像处理装置和图像处理方法 - Google Patents

图像处理装置和图像处理方法 Download PDF

Info

Publication number
CN108470331B
CN108470331B CN201710099564.9A CN201710099564A CN108470331B CN 108470331 B CN108470331 B CN 108470331B CN 201710099564 A CN201710099564 A CN 201710099564A CN 108470331 B CN108470331 B CN 108470331B
Authority
CN
China
Prior art keywords
region
slice image
trachea
bifurcation point
determining
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
CN201710099564.9A
Other languages
English (en)
Other versions
CN108470331A (zh
Inventor
王梦蛟
刘汝杰
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to CN201710099564.9A priority Critical patent/CN108470331B/zh
Priority to US15/827,570 priority patent/US10410345B2/en
Priority to JP2017243363A priority patent/JP6973024B2/ja
Publication of CN108470331A publication Critical patent/CN108470331A/zh
Application granted granted Critical
Publication of CN108470331B publication Critical patent/CN108470331B/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
    • G06T7/187—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
    • G06T7/10—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
    • G06T7/174—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
    • 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
    • G06T2207/20156—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)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像处理装置和图像处理方法。根据本发明的图像处理装置包括：获取单元，用于获取按序排列的多个切片图像；选择单元，用于依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及分叉点确定单元，用于将所述参考气管区域作为种子区域，利用区域生长法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，其中，所述分叉点切片图像的气管区域包括两个不连通的区域。使用根据本发明的图像处理装置和图像处理方法，可以减少人工干预，并更加准确地确定分叉点的位置。

Description

图像处理装置和图像处理方法
技术领域
本发明的实施例涉及图像处理领域，具体地涉及可以确定气管和支气管的分叉点的位置的图像处理装置和图像处理方法，以及可以确定肺部区域的图像处理装置和图像处理方法。
背景技术
这个部分提供了与本发明有关的背景信息，这不一定是现有技术。
在确定肺部的三维形状时，需要借助肺部的三维标志点，包括主气管和支气管的分叉点以及左右肺的上下缘。在现有的对主气管和支气管的分叉点进行检测的方法中，从整个肺部三维图像中提取气管区域，然后通过细化算法对气管的骨架结构进行分析，从而将主气管与一级支气管骨架之间的连接点作为分叉点。在这种方法中，为了提取气管区域，需要手动选取用于区域生长的种子点，这不适用于处理大量的图像数据。此外，采用细化算法不够鲁棒，容易导致气管骨架结构上的噪声，并导致分叉点的误检测。
在现有的对肺部上下缘进行检测的方法中，在肺部图像中提取像素灰度值在一定范围内的像素点作为肺部区域，从而确定肺部区域的上下缘。在这种方法中，仅仅考虑了像素的灰度信息，可能将具有相似灰度信息的其他部分也识别为肺部区域，例如肠道区域，这些误检测的区域会给肺部上下缘的检测带来影响。
针对以上技术问题，本发明希望提出一种方案，可以准确地检测分叉点位置和肺部区域。
发明内容
这个部分提供了本发明的一般概要，而不是其全部范围或其全部特征的全面披露。
本发明的目的在于提供一种图像处理装置和图像处理方法，能够准确地检测分叉点位置和肺部区域。
根据本发明的一方面，提供了一种图像处理装置，包括：获取单元，用于获取按序排列的多个切片图像；选择单元，用于依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及分叉点确定单元，用于将所述参考气管区域作为种子区域，利用区域生长法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，其中，所述分叉点切片图像的气管区域包括两个不连通的区域。
根据本发明的另一方面，提供了一种图像处理方法，包括：获取按序排列的多个切片图像；依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及将所述参考气管区域作为种子区域，利用区域生长法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，其中，所述分叉点切片图像的气管区域包括两个不连通的区域。
根据本发明的另一方面，提供了一种程序产品，该程序产品包括存储在其中的机器可读指令代码，其中，所述指令代码当由计算机读取和执行时，能够使所述计算机执行根据本发明的图像处理方法。
根据本发明的另一方面，提供了一种机器可读存储介质，其上携带有包括存储在其中的机器可读指令代码的程序产品，其中，所述指令代码当由计算机读取和执行时，能够使所述计算机执行根据本发明的图像处理方法。
使用根据本发明的图像处理装置和图像处理方法，可以在多个切片图像中确定参考切片图像以及用作种子区域的参考气管区域，并可以利用区域生长法依次确定参考切片图像后面的切片图像中的气管区域的连通性，从而确定分叉点切片图像。这样一来，可以自动确定用作种子区域的参考气管区域，减少人工干预，并提高了种子区域的准确性。进一步，根据气管区域的连通性来确定分叉点使得确定的分叉点更加准确，避免引入噪声，从而使得后续对肺部区域的检测也更加准确。
这个概要中的描述和特定例子只是为了示意的目的，而不旨在限制本发明的范围。
附图说明
在此描述的附图只是为了所选实施例的示意的目的而非全部可能的实施，并且不旨在限制本发明的范围。在附图中：
图1示出了根据本发明的实施例的图像处理装置的结构框图；
图2示出了根据本发明的实施例的按序排列的多个切片图像；
图3示出了根据本发明的实施例的图像处理装置中的选择单元的结构框图；
图4示出了根据本发明的实施例的切片图像的二值图；
图5示出了根据本发明的实施例的切片图像的胸廓区域中的孔洞区域；
图6示出了根据本发明的实施例确定的参考气管区域；
图7示出了图2中的N1切片图像的示意图；
图8示出了图2中的N2切片图像的示意图；
图9示出了图2中的N3切片图像的示意图；
图10示出了根据本发明的另一个实施例的图像处理装置的结构框图；
图11示出了根据本发明的实施例确定的气管和肺部的三维形状；
图12示出了根据本发明的实施例确定的肺部的三维形状；
图13示出了根据本发明的实施例的图像处理方法的流程图；以及
图14为其中可以实现根据本发明的图像处理方法的通用个人计算机的示例性结构的框图。
虽然本发明容易经受各种修改和替换形式，但是其特定实施例已作为例子在附图中示出，并且在此详细描述。然而应当理解的是，在此对特定实施例的描述并不打算将本发明限制到公开的具体形式，而是相反地，本发明目的是要覆盖落在本发明的精神和范围之内的所有修改、等效和替换。要注意的是，贯穿几个附图，相应的标号指示相应的部件。
具体实施方式
现在参考附图来更加充分地描述本发明的示例。以下描述实质上只是示例性的，而不旨在限制本发明、应用或用途。
下面提供了示例实施例，以便本发明将会变得详尽，并且将会向本领域技术人员充分地传达其范围。阐述了众多的特定细节如特定单元、装置和方法的示例，以提供对本发明的实施例的详尽理解。对于本领域技术人员而言将会明显的是，不需要使用特定的细节，示例实施例可以用许多不同的形式来实施，它们都不应当被解释为限制本发明的范围。在某些示例实施例中，没有详细地描述众所周知的过程、众所周知的结构和众所周知的技术。
下面结合图1来描述根据本发明的图像处理装置100。
根据本发明的图像处理装置100包括获取单元110、选择单元120和分叉点确定单元130。
根据本发明的实施例，获取单元110可以获取按序排列的多个切片图像。这里，获取单元110可以将获取的多个切片图像发送到选择单元120。
根据本发明的实施例，选择单元120可以依次对多个切片图像进行检测，以确定参考切片图像以及参考切片图像中的参考气管区域。这里，选择单元120可以从获取单元110获取多个切片图像，并可以将确定的参考切片图像和参考气管区域发送到分叉点确定单元130。
根据本发明的实施例，分叉点确定单元130可以将参考气管区域作为种子区域，利用区域生长法依次确定参考切片图像后面的切片图像的气管区域，并依次确定参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止。这里，分叉点切片图像的气管区域包括两个不连通的区域。根据本发明的实施例，分叉点确定单元130可以从选择单元120获取参考切片图像和参考气管区域，并可以将确定的分叉点切片图像输出。
由此可见，使用根据本发明的图像处理装置100，可以在多个切片图像中确定参考切片图像以及用作种子区域的参考气管区域，并可以利用区域生长法依次确定参考切片图像后面的切片图像中的气管区域的连通性，从而确定分叉点切片图像。这样一来，可以自动确定用作种子区域的参考气管区域，减少人工干预，并提高了种子区域的准确性。进一步，根据气管区域的连通性来确定分叉点使得确定的分叉点更加准确，避免引入噪声，从而使得后续对肺部区域的检测也更加准确。
根据本发明的实施例，获取单元110可以对人体的肺部进行计算机断层扫描来获取多个切片图像，并且多个切片图像可以按照人体从头到脚的顺序排列。由于本发明的目的在于确定气管和支气管的分叉点以及肺部区域，因此多个切片图像可以为包括气管、支气管和肺部区域的多个切片图像，例如从人体的颈部到腹部，更具体的为人体的肺部的多个切片图像。进一步，这多个切片图像可以按照人体从头到脚的顺序排列。也就是说，在选择单元120和分叉点确定单元130对切片图像依次进行检测时是按照人体从头到脚的顺序依次检测切片图像的。在一个示例性的实施例中，对人体的肺部进行计算机断层扫描，获取多个切片图像，然后将多个切片图像按照从头到脚的顺序排列。
图2示出了根据本发明的实施例的按序排列的多个切片图像。如图2所示，包括气管区域的三个切片图像分别编号为N1、N2和N3。这里，为了便于说明，仅仅示出了三个切片图像，而多个切片图像的数量还可以为多于三个。此外，图2中示出的切片图像都包括气管区域，而包括气管区域下部的支气管区域和肺部区域的切片图像并未示出。
根据本发明的实施例，在获取单元110获取了多个切片图像之后，选择单元120可以依次对多个切片图像进行检测，以确定参考切片图像以及参考切片图像中的参考气管区域。这里，选择单元120可以按照切片图像排列的顺序依次对多个切片图像进行检测，直到确定参考切片图像和参考气管区域为止。也就是说，当选择单元120确定了参考切片图像之后，不再检测参考切片图像之后的切片图像。
图3示出了根据本发明的实施例的图像处理装置100中的选择单元120的结构框图。如图3所示，选择单元120可以包括参考气管区域确定单元121和参考切片图像确定单元122。
根据本发明的实施例，参考气管区域确定单元121可以依次对多个切片图像中的每个切片图像执行如下操作，直到确定参考气管区域为止：确定切片图像的胸廓区域中的一个或者多个孔洞区域；以及确定一个或者多个孔洞区域中满足第一预定条件的孔洞区域作为参考气管区域。
也就是说，参考气管区域确定单元121可以从第一张切片图像开始，依次确定切片图像的胸廓区域中的孔洞区域，并判定是否存在满足第一预定条件的孔洞区域。当确定满足第一预定条件的孔洞区域时，确定该孔洞区域作为参考气管区域。
根据本发明的实施例，参考气管区域确定单元121可以确定切片图像的胸廓区域，并可以将切片图像的胸廓区域转换为二值图像。
图4示出了根据本发明的实施例的切片图像的二值图像。如图4所示，白色区域为胸廓区域。
根据本发明的实施例，参考气管区域确定单元121可以确定切片图像的胸廓区域中的一个或者多个孔洞区域。例如，参考气管区域确定单元121可以确定二值图像中胸廓区域中的像素值接近0的区域或者点作为孔洞区域。例如，在二值图像中胸廓区域中寻找像素值与0的差值小于预设阈值的像素，将这样的像素构成的区域或者点作为孔洞区域。这里，孔洞区域可以包括一个或者多个像素，当孔洞区域包括一个像素时，孔洞区域实际上表示的是一个点；当孔洞区域包括多个像素时，孔洞区域表示的是一个区域。
图5示出了根据本发明的实施例的切片图像的胸廓区域中的孔洞区域。如图5中白色的部分所示，图4中的胸廓区域中包括三个孔洞区域。
根据本发明的实施例，参考气管区域确定单元121可以确定一个或者多个孔洞区域中是否存在满足第一预定条件的孔洞区域。
根据本发明的实施例，第一预定条件包括对孔洞区域的圆度、空气密度和尺寸的约束。也就是说，参考气管区域确定单元121确定圆度、空气密度和尺寸都满足一定条件的孔洞为满足第一预定条件的孔洞区域，并作为参考气管区域。作为一个非限制性示例，满足第一预定条件的孔洞区域的圆度大于圆度阈值，空气密度大于空气密度阈值，并且尺寸大于第一尺寸阈值并小于第二尺寸阈值。
根据本发明的实施例，参考气管区域确定单元121可以根据下式计算孔洞区域的圆度：
Circularity＝4πS2/C2。
其中，Circularity表示孔洞区域的圆度，S表示孔洞区域的面积，C表示孔洞区域的周长。
这里，参考气管区域确定单元121可以确定满足第一预定条件的孔洞区域的圆度满足下述条件：
Circularity>THC。
其中，THC表示圆度阈值，可以根据实际需求设定。
根据本发明的实施例，参考气管区域确定单元121可以根据下式计算孔洞区域的空气密度：
Density＝Nair/Ntotal。
其中，Density表示孔洞区域的空气密度，Nair表示孔洞区域内像素值位于空气密度范围内的像素的数目，Ntotal表示孔洞区域内的像素的总数目。这里，可以根据实际需求或者经验值来设定位于空气密度范围内的像素值，并计算孔洞区域内所有像素值位于空气密度范围内的像素的数目，从而得到Nair的值。进一步，还可以计算孔洞区域内所有像素的数目，从而得到Ntotal的值。
这里，参考气管区域确定单元121可以确定满足第一预定条件的孔洞区域的空气密度满足下述条件：
Density>THD。
其中，THD表示空气密度阈值，可以根据实际需求设定。
根据本发明的实施例，参考气管区域确定单元121还可以确定满足第一预定条件的孔洞区域的尺寸Size满足下述条件：
THS1>Size>THS2。
其中，THS1表示第二尺寸阈值，THS2表示第一尺寸阈值，可以根据实际需求设定。这里，可以用各种参数来表征孔洞区域的尺寸，例如孔洞区域的面积、外接圆形的半径、外接矩形的长度和宽度等等，本发明对此不做限定。
上面描述了参考气管区域确定单元121确定参考气管区域的一个示例，但是这样的实施方式并不是限制性的，参考气管区域确定单元121还可以根据其它方式来确定参考气管区域。如上所述，参考气管区域确定单元121可以从第一张切片图像开始，依次确定后面的切片图像中是否存在满足第一预定条件的孔洞区域。当确定满足第一预定条件的孔洞区域时，确定该孔洞区域作为参考气管区域。
根据本发明的实施例，参考切片图像确定单元122可以将参考气管区域所在的切片图像作为参考切片图像。
图6示出了根据本发明的实施例确定的参考气管区域。如图6所示，当图5中较大的孔洞被确定为参考气管区域时，图5所在的切片图像即为参考切片图像。
根据本发明的实施例，当选择单元120确定了参考气管区域和参考切片图像之后，分叉点确定单元130可以从参考切片图像开始依次对参考切片图像后面的切片图像执行以下操作直到确定气管与支气管的分叉点所在的分叉点切片图像为止：将前一个切片图像的气管区域作为种子区域，利用区域生长法确定当前切片图像的气管区域，并确定当前切片图像的气管区域的连通性。这里，分叉点切片图像的气管区域包括两个不连通的区域。
例如，分叉点确定单元130可以将参考切片图像中的参考气管区域作为种子区域，利用区域生长法确定紧挨着参考切片图像后面的切片图像的气管区域，并确定其连通性。如果紧挨着参考切片图像后面的切片图像的气管区域没有包括两个不连通的区域，则将紧挨着参考切片图像后面的切片图像的气管区域作为种子区域，利用区域生长法确定下一个切片图像的气管区域，并确定其是否包括两个不连通的区域。以此类推，直到找到包括两个不连通的区域的气管区域为止。接下来，分叉点确定单元130可以将找到的包括两个不连通的区域的气管区域所在的切片图像作为分叉点切片图像。
下面将以图7-9为例详细说明分叉点确定单元130的操作。图7、8和9分别示出了图2中的N1切片图像、N2切片图像和N3切片图像的示意图。
这里，假定N1切片图像为参考切片图像，图7示出了其中的参考气管区域，这里的参考气管区域位于胸廓中。根据本发明的实施例，分叉点确定单元130可以以参考气管区域为种子区域，利用区域生长法确定N2切片图像中的气管区域，如图8所示。在图8中，N2切片图像中的气管区域位于左肺和右肺之间。接下来，分叉点确定单元130确定N2切片图像中的气管区域的连通性，从而确定该气管区域没有包括两个不连通的区域。接下来，分叉点确定单元130以N2切片图像中的气管区域为种子区域，利用区域生长法确定N3切片图像中的气管区域，如图9所示。接下来，分叉点确定单元130确定N3切片图像中的气管区域的连通性，从而确定该气管区域包括两个不连通的区域。根据本发明的实施例，分叉点确定单元130确定N3切片图像为分叉点切片图像。进一步，在确定了分叉点切片图像之后，分叉点确定单元130停止对分叉点切片图像之后的切片图像的检测。
如上所述，分叉点确定单元130可以确定分叉点所在的分叉点切片图像。这里，可以例如用切片图像的编号来表示分叉点切片图像。进一步，分叉点确定单元130还可以确定分叉点在分叉点切片图像中的位置。
根据本发明的实施例，分叉点确定单元130可以根据以下操作来确定分叉点在分叉点切片图像中的位置：分别确定分叉点切片图像的气管区域包括的两个不连通区域的质心；以及确定两个质心连线的中点为分叉点在分叉点切片图像中的位置。例如，分叉点确定单元130可以确定图9中所示的两个不连通的区域的质心，并确定质心连线的中点为分叉点在分叉点切片图像中的位置。
根据本发明的实施例，分叉点确定单元130还可以根据以下操作来确定分叉点在分叉点切片图像中的位置：确定分叉点切片图像的气管区域包括的两个不连通区域中距离彼此最近的点；以及将距离彼此最近的点的连线中点作为分叉点在分叉点切片图像中的位置。
以上说明了分叉点确定单元130确定分叉点在分叉点切片图像中位置的两个实施例。值得注意的是，这两个实施例仅仅是示例性的而并非限制性的。分叉点确定单元130当然还可以采用其它方式来确定分叉点在分叉点切片图像中的位置。这里，可以例如用二维坐标来表示分叉点在分叉点切片图像中的位置。
根据本发明的图像处理装置100，可以确定分叉点的位置，包括分叉点所在的分叉点切片图像以及分叉点在分叉点切片图像中的位置。由此可见，在本发明中确定的种子区域是选择单元120自动获取的，并未是人工指定的从而减少人工干预，并提高了种子区域的准确性。进一步，分叉点确定单元130并没有使用细化算法，也没有确定整个气管和肺部区域的骨架结构，而是当检测到分叉点时停止对其它切片图像的检测，从而使得确定的分叉点更加准确，避免引入噪声，从而使得后续对肺部区域的检测也更加准确。
以上详细描述了根据本发明的实施例的确定气管与支气管的分叉点的位置的图像处理装置100。根据本发明的实施例，图像处理装置100还可以确定肺部区域。
图10示出了根据本发明的另一个实施例的图像处理装置的结构框图。如图10所示，图像处理装置100可以包括获取单元110、选择单元120、分叉点确定单元130和肺部确定单元140。这里，获取单元110、选择单元120和分叉点确定单元130在前文已经详细叙述过，在此不再赘述。
根据本发明的实施例，肺部确定单元140可以将分叉点切片图像的气管区域包括的两个不连通区域作为种子区域，利用区域生长法从分叉点切片图像开始确定其前面和后面的切片图像(包括分叉点切片图像)的肺部区域。
如前文所述，分叉点确定单元130可以确定分叉点切片图像的气管区域包括的两个不连通的区域。根据本发明的实施例，肺部确定单元140可以从分叉点确定单元130获取分叉点切片图像(例如该切片图像的编号)以及分叉点切片图像的气管区域包括的两个不连通的区域。接下来，肺部确定单元140可以将这两个不连通的区域作为种子区域，利用区域生长法从分叉点切片图像开始沿着切片图像排列的顺序和与切片图像排列的顺序相反的方向两个方向确定肺部区域。
这里，肺部确定单元140利用区域生长法确定肺部区域的过程与分叉点确定单元130确定气管区域的过程类似。即，利用前一个切片图像的肺部区域作为种子区域寻找当前切片图像的肺部区域。不同的是，在分叉点确定单元130确定气管区域时，从参考切片图像开始按照切片图像的排列顺序依次确定气管区域，即沿着切片图像的排列顺序这一个方向确定气管区域；而在肺部确定单元140确定肺部区域时，从分叉点切片图像开始，沿着切片图像的排列顺序以及与切片图像的排列顺序相反的方向两个方向确定肺部区域。
此外，肺部确定单元140利用区域生长法确定肺部区域的过程与分叉点确定单元130确定气管区域的过程还存在一个差别，即在区域生长法中使用的阈值不同。
众所周知，区域生长法的主要原理是：已知种子区域的位置和种子区域包括的像素的像素值，然后从种子区域周围的连通域中寻找像素值与种子区域中的像素值类似的像素，并将这样的像素构成的区域作为下一个种子区域继续寻找。在本发明中使用的区域生长法可以应用于3D领域，也就是说，在种子区域周围的各个方向上寻找满足条件的像素。在一般情况下，通过设置阈值的方式来判定像素值与种子区域中的像素值类似的像素。也就是说，当一个像素的像素值与种子区域中的像素值的差值小于预设阈值时，可以将这样的像素构成的区域作为下一个种子区域。由此可见，阈值是区域生长法中的重要参数。
在本领域中，使用区域生长法来确定气管区域时，由于肺部组织的密度接近于气管区域的密度，所以很容易“泄漏”到肺部区域，即误将肺部区域也确定为气管区域。这种效应被称为区域生长法的“泄漏”特性。本发明正是利用了区域生长法的“泄漏”特性，当确定气管区域之后，继续以分叉点的连通域作为种子区域，利用区域生长法来确定肺部区域。然而，由于气管中充满了气体，而肺部区域中除了气体之外还有肺泡和组织等其他成分，因而虽然气管区域与肺部区域密度相似，但又不完全相同。因此，在本发明中，在使用区域生长法来确定气管区域和肺部区域时，使用的阈值应当不同。
根据本发明的实施例，分叉点确定单元130利用区域生长法确定气管区域包括使用第一阈值作为像素差值的阈值，肺部确定单元140利用区域生长法确定肺部区域包括使用第二阈值作为像素差值的阈值，并且第二阈值大于第一阈值。
也就是说，在利用区域生长法确定肺部区域时，判定条件比确定气管区域时的判定条件要宽松一些。
这里，可以合理地设置第一阈值和第二阈值，以使得分叉点确定单元130可以精确地确定气管区域，并且肺部确定单元140可以精确地确定肺部区域。优选地，第二阈值与第一阈值的差值大于或等于200。更优选地，第一阈值为100，第二阈值为300。
如上所述，肺部确定单元140利用了区域生长法可以确定分叉点切片图像及其前面和后面的切片图像中的肺部区域。
根据本发明的实施例，分叉点确定单元140根据参考切片图像至分叉点切片图像之间的每个切片图像(包括参考切片图像和分叉点切片图像)上的气管区域可以确定气管的三维形状，而肺部确定单元140根据分叉点切片图像及其前面和后面的切片图像上的肺部区域可以确定肺部的三维形状。进一步，根据本发明的实施例，肺部确定单元140可以将肺部的三维图像从图像处理装置100输出。
图11示出了根据本发明的实施例确定的气管和肺部的三维形状。图12示出了根据本发明的实施例确定的肺部的三维形状。在图12中，去掉了气管区域，仅仅示出了肺部的三维形状。
根据本发明的实施例，肺部确定单元140还可以根据肺部的三维形状和分叉点的位置确定左肺和右肺的三维形状。也就是说，肺部确定单元140可以确定位于分叉点左侧的区域为左肺，并可以确定位于分叉点右侧的区域为右肺。
根据本发明的实施例，肺部确定单元140还可以根据左肺的三维形状确定左肺的上缘和下缘，并且根据右肺的三维形状确定右肺的上缘和下缘。具体地，肺部确定单元140可以确定左肺的上缘所在的切片图像、左肺的下缘所在的切片图像、右肺的上缘所在的切片图像以及右肺的下缘所在的切片图像。这里，例如可以用切片图像的编号来表示左肺和右肺的上缘和下缘所在的切片图像。
如上所述，根据本发明的图像处理装置100，可以确定肺部的三维形状，还可以确定肺部的位置，包括左肺的上缘所在的切片图像、左肺的下缘所在的切片图像、右肺的上缘所在的切片图像和右肺的下缘所在的切片图像。由此可见，在本发明中，利用区域生长法的“泄漏”特性来提取肺部区域，将分叉点切片图像的气管区域作为种子区域来逐渐寻找肺部区域，从而充分考虑了肺部的位置信息，避免了对其他部分的误检测，使得对肺部区域的检测更加准确。
以上详细描述了根据本发明的实施例的图像处理装置100。接下来将详细描述根据本发明的实施例的图像处理方法。
图13为根据本发明的实施例的图像处理方法的流程图。
如图13所示，在步骤S1310中，获取按序排列的多个切片图像。
接下来，在步骤S1320中，依次对多个切片图像进行检测，以确定参考切片图像以及参考切片图像中的参考气管区域。
接下来，在步骤S1330中，将参考气管区域作为种子区域，利用区域生成法依次确定参考切片图像后面的切片图像的气管区域，并依次确定参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止。
这里，分叉点切片图像的气管区域包括两个不连通的区域。
优选地，确定参考切片图像以及参考气管区域包括：依次对多个切片图像中的每个切片图像执行如下操作，直到确定参考气管区域为止：确定切片图像的胸廓区域中的一个或者多个孔洞区域；以及确定一个或者多个孔洞区域中满足第一预定条件的孔洞区域作为参考气管区域；以及将参考气管区域所在的切片图像作为参考切片图像。
优选地，第一预定条件包括对孔洞区域的圆度、空气密度和尺寸的约束。
优选地，方法还包括确定分叉点在分叉点切片图像中的位置。
优选地，确定分叉点在分叉点切片图像中的位置包括：分别确定分叉点切片图像的气管区域包括的两个不连通区域的质心；以及确定两个质心连线的中点为分叉点在分叉点切片图像中的位置。
优选地，方法还包括：将分叉点切片图像的气管区域包括的两个不连通区域作为种子区域，利用区域生成法从分叉点切片图像开始确定分叉点切片图像及其前面和后面的切片图像的肺部区域。
优选地，利用区域生长法确定气管区域包括使用第一阈值作为像素差值的阈值，利用区域生长法确定肺部区域包括使用第二阈值作为像素差值的阈值，并且第二阈值大于第一阈值。
优选地，方法还包括：根据利用区域生长法确定的肺部区域确定肺部的三维形状；根据肺部的三维形状和分叉点的位置确定左肺和右肺的三维形状；以及根据左肺的三维形状确定左肺的上缘和下缘，并且根据右肺的三维形状确定右肺的上缘和下缘。
优选地，确定左肺的上缘和下缘包括确定左肺的上缘所在的切片图像以及确定左肺的下缘所在的切片图像，并且确定右肺的上缘和下缘包括确定右肺的上缘所在的切片图像以及确定右肺的下缘所在的切片图像。
前面所描述的图像处理方法可以由根据本发明的实施例的图像处理装置100来实现，因此，前面所描述的图像处理装置100的各种实施方式都适用于此，在此不再重复说明。
由此可见，使用根据本发明的图像处理装置和图像处理方法，可以自动确定用作种子区域的参考气管区域，减少人工干预，并提高了种子区域的准确性。进一步，根据气管区域的连通性来确定分叉点使得确定的分叉点更加准确，避免引入噪声，从而使得后续对肺部区域的检测也更加准确。此外，利用区域生长法的“泄漏”特性来提取肺部区域，将分叉点切片图像的气管区域作为种子区域来逐渐寻找肺部区域，从而充分考虑了肺部的位置信息，避免了对其他部分的误检测。综上，使用根据本发明的图像处理装置和图像处理方法可以更加准确地检测分叉点和肺部区域。
显然，根据本发明的图像处理方法的各个操作过程可以以存储在各种机器可读的存储介质中的计算机可执行程序的方式实现。
而且，本发明的目的也可以通过下述方式实现：将存储有上述可执行程序代码的存储介质直接或者间接地提供给系统或设备，并且该系统或设备中的计算机或者中央处理单元(CPU)读出并执行上述程序代码。此时，只要该系统或者设备具有执行程序的功能，则本发明的实施方式不局限于程序，并且该程序也可以是任意的形式，例如，目标程序、解释器执行的程序或者提供给操作系统的脚本程序等。
上述这些机器可读存储介质包括但不限于：各种存储器和存储单元，半导体设备，磁盘单元例如光、磁和磁光盘，以及其它适于存储信息的介质等。
另外，计算机通过连接到因特网上的相应网站，并且将依据本发明的计算机程序代码下载和安装到计算机中然后执行该程序，也可以实现本发明的技术方案。
图14为其中可以实现根据本发明的图像处理方法的通用个人计算机的示例性结构的框图。
如图14所示，CPU 1401根据只读存储器(ROM)1402中存储的程序或从存储部分1408加载到随机存取存储器(RAM)1403的程序执行各种处理。在RAM 1403中，也根据需要存储当CPU 1401执行各种处理等等时所需的数据。CPU 1401、ROM 1402和RAM 1403经由总线1404彼此连接。输入/输出接口1405也连接到总线1404。
下述部件连接到输入/输出接口1405：输入部分1406(包括键盘、鼠标等等)、输出部分1407(包括显示器，比如阴极射线管(CRT)、液晶显示器(LCD)等，以及扬声器等)、存储部分1408(包括硬盘等)、通信部分1409(包括网络接口卡比如LAN卡、调制解调器等)。通信部分1409经由网络比如因特网执行通信处理。根据需要，驱动器1410也可连接到输入/输出接口1405。可拆卸介质1411比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1410上，使得从中读出的计算机程序根据需要被安装到存储部分1408中。
在通过软件实现上述系列处理的情况下，从网络比如因特网或存储介质比如可拆卸介质1411安装构成软件的程序。
本领域的技术人员应当理解，这种存储介质不局限于图14所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1411。可拆卸介质1411的示例包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者，存储介质可以是ROM 1402、存储部分1408中包含的硬盘等等，其中存有程序，并且与包含它们的设备一起被分发给用户。
在本发明的系统和方法中，显然，各单元或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上虽然结合附图详细描述了本发明的实施例，但是应当明白，上面所描述的实施方式只是用于说明本发明，而并不构成对本发明的限制。对于本领域的技术人员来说，可以对上述实施方式作出各种修改和变更而没有背离本发明的实质和范围。因此，本发明的范围仅由所附的权利要求及其等效含义来限定。
关于包括以上实施例的实施方式，还公开下述的附记：
附记1.一种图像处理装置，包括：
获取单元，用于获取按序排列的多个切片图像；
选择单元，用于依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及
分叉点确定单元，用于将所述参考气管区域作为种子区域，利用区域生成法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，
其中，所述分叉点切片图像的气管区域包括两个不连通的区域。
附记2.根据附记1所述的图像处理装置，其中，所述选择单元包括：
参考气管区域确定单元，用于依次对所述多个切片图像中的每个切片图像执行如下操作，直到确定所述参考气管区域为止：确定所述切片图像的胸廓区域中的一个或者多个孔洞区域；以及确定所述一个或者多个孔洞区域中满足第一预定条件的孔洞区域作为所述参考气管区域；以及
参考切片图像确定单元，用于将所述参考气管区域所在的切片图像作为所述参考切片图像。
附记3.根据附记2所述的图像处理装置，其中，所述第一预定条件包括对所述孔洞区域的圆度、空气密度和尺寸的约束。
附记4.根据附记1所述的图像处理装置，其中，所述分叉点确定单元还用于确定所述分叉点在所述分叉点切片图像中的位置。
附记5.根据附记4所述的图像处理装置，其中，所述分叉点确定单元根据以下操作来确定所述分叉点在所述分叉点切片图像中的位置：
分别确定所述分叉点切片图像的气管区域包括的两个不连通区域的质心；以及
确定两个质心连线的中点为所述分叉点在所述分叉点切片图像中的位置。
附记6.根据附记1所述的图像处理装置，其中，所述图像处理装置还包括肺部确定单元，用于将所述分叉点切片图像的气管区域包括的两个不连通区域作为种子区域，利用区域生长法从所述分叉点切片图像开始确定所述分叉点切片图像及其前面和后面的切片图像的肺部区域。
附记7.根据附记6所述的图像处理装置，其中，所述分叉点确定单元利用区域生长法确定所述气管区域包括使用第一阈值作为像素差值的阈值，所述肺部确定单元利用区域生长法确定所述肺部区域包括使用第二阈值作为像素差值的阈值，并且所述第二阈值大于所述第一阈值。
附记8.根据附记6所述的图像处理装置，其中，所述肺部确定单元还用于：
根据利用区域生长法确定的肺部区域确定所述肺部的三维形状；
根据所述肺部的三维形状和所述分叉点的位置确定左肺和右肺的三维形状；以及
根据所述左肺的三维形状确定所述左肺的上缘和下缘，并且根据所述右肺的三维形状确定所述右肺的上缘和下缘。
附记9.根据附记8所述的图像处理装置，其中，所述肺部确定单元还用于确定所述左肺的上缘所在的切片图像、所述左肺的下缘所在的切片图像、所述右肺的上缘所在的切片图像以及所述右肺的下缘所在的切片图像。
附记10.根据附记1所述的图像处理装置，其中，所述获取单元通过对人体的肺部进行计算机断层扫描来获取所述多个切片图像。
附记11.一种图像处理方法，包括：
获取按序排列的多个切片图像；
依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及
将所述参考气管区域作为种子区域，利用区域生成法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，
其中，所述分叉点切片图像的气管区域包括两个不连通的区域。
附记12.根据附记11所述的图像处理方法，其中，确定所述参考切片图像以及所述参考气管区域包括：
依次对所述多个切片图像中的每个切片图像执行如下操作，直到确定所述参考气管区域为止：
确定所述切片图像的胸廓区域中的一个或者多个孔洞区域；以及
确定所述一个或者多个孔洞区域中满足第一预定条件的孔洞区域
作为所述参考气管区域；以及
将所述参考气管区域所在的切片图像作为所述参考切片图像。
附记13.根据附记12所述的图像处理方法，其中，所述第一预定条件包括对所述孔洞区域的圆度、空气密度和尺寸的约束。
附记14.根据附记11所述的图像处理方法，其中，所述方法还包括确定所述分叉点在所述分叉点切片图像中的位置。
附记15.根据附记14所述的图像处理方法，其中，确定所述分叉点在所述分叉点切片图像中的位置包括：
分别确定所述分叉点切片图像的气管区域包括的两个不连通区域的质心；以及
确定两个质心连线的中点为所述分叉点在所述分叉点切片图像中的位置。
附记16.根据附记11所述的图像处理方法，其中，所述方法还包括：
将所述分叉点切片图像的气管区域包括的两个不连通区域作为种子区域，利用区域生长法从所述分叉点切片图像开始确定所述分叉点切片图像及其前面和后面的切片图像的肺部区域。
附记17.根据附记16所述的图像处理方法，其中，利用区域生长法确定所述气管区域包括使用第一阈值作为像素差值的阈值，利用区域生长法确定所述肺部区域包括使用第二阈值作为像素差值的阈值，并且所述第二阈值大于所述第一阈值。
附记18.根据附记16所述的图像处理方法，其中，所述方法还包括：
根据利用区域生长法确定的肺部区域确定所述肺部的三维形状；
根据所述肺部的三维形状和所述分叉点的位置确定左肺和右肺的三维形状；以及
根据所述左肺的三维形状确定所述左肺的上缘和下缘，并且根据所述右肺的三维形状确定所述右肺的上缘和下缘。
附记19.根据附记18所述的图像处理方法，其中，确定所述左肺的上缘和下缘包括确定所述左肺的上缘所在的切片图像以及确定所述左肺的下缘所在的切片图像，并且确定所述右肺的上缘和下缘包括确定所述右肺的上缘所在的切片图像以及确定所述右肺的下缘所在的切片图像。
附记20.一种机器可读存储介质，其上携带有包括存储在其中的机器可读指令代码的程序产品，其中，所述指令代码当由计算机读取和执行时，能够使所述计算机执行根据附记11-19中任何一项所述的图像处理方法。

Claims (8)

1.一种图像处理装置，包括：
获取单元，用于获取按序排列的多个切片图像；
选择单元，用于依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及
分叉点确定单元，用于将所述参考气管区域作为种子区域，利用区域生长法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，
其中，所述分叉点切片图像的气管区域包括两个不连通的区域，
其中，所述图像处理装置还包括肺部确定单元，用于将所述分叉点切片图像的气管区域包括的两个不连通区域作为种子区域，利用区域生长法从所述分叉点切片图像开始确定所述分叉点切片图像及其前面和后面的切片图像的肺部区域，并且
其中，所述分叉点确定单元利用区域生长法确定所述气管区域包括使用第一阈值作为像素差值的阈值，所述肺部确定单元利用区域生长法确定所述肺部区域包括使用第二阈值作为像素差值的阈值，并且所述第二阈值大于所述第一阈值。
2.根据权利要求1所述的图像处理装置，其中，所述选择单元包括：
参考气管区域确定单元，用于依次对所述多个切片图像中的每个切片图像执行如下操作，直到确定所述参考气管区域为止：确定所述切片图像的胸廓区域中的一个或者多个孔洞区域；以及确定所述一个或者多个孔洞区域中满足第一预定条件的孔洞区域作为所述参考气管区域；以及
参考切片图像确定单元，用于将所述参考气管区域所在的切片图像作为所述参考切片图像。
3.根据权利要求2所述的图像处理装置，其中，所述第一预定条件包括对所述孔洞区域的圆度、空气密度和尺寸的约束。
4.根据权利要求1所述的图像处理装置，其中，所述分叉点确定单元还用于确定所述分叉点在所述分叉点切片图像中的位置。
5.根据权利要求4所述的图像处理装置，其中，所述分叉点确定单元根据以下操作来确定所述分叉点在所述分叉点切片图像中的位置：
分别确定所述分叉点切片图像的气管区域包括的两个不连通区域的质心；以及
确定两个质心连线的中点为所述分叉点在所述分叉点切片图像中的位置。
6.根据权利要求1所述的图像处理装置，其中，所述肺部确定单元还用于：
根据利用区域生长法确定的肺部区域确定所述肺部的三维形状；
根据所述肺部的三维形状和所述分叉点的位置确定左肺和右肺的三维形状；以及
根据所述左肺的三维形状确定所述左肺的上缘和下缘，并且根据所述右肺的三维形状确定所述右肺的上缘和下缘。
7.根据权利要求6所述的图像处理装置，其中，所述肺部确定单元还用于确定所述左肺的上缘所在的切片图像、所述左肺的下缘所在的切片图像、所述右肺的上缘所在的切片图像以及所述右肺的下缘所在的切片图像。
8.一种图像处理方法，包括：
获取按序排列的多个切片图像；
依次对所述多个切片图像进行检测，以确定参考切片图像以及所述参考切片图像中的参考气管区域；以及
将所述参考气管区域作为种子区域，利用区域生长法依次确定所述参考切片图像后面的切片图像的气管区域，并依次确定所述参考切片图像后面的切片图像的气管区域的连通性，直到确定气管与支气管的分叉点所在的分叉点切片图像为止，
其中，所述分叉点切片图像的气管区域包括两个不连通的区域，
其中，所述方法还包括：将所述分叉点切片图像的气管区域包括的两个不连通区域作为种子区域，利用区域生长法从所述分叉点切片图像开始确定所述分叉点切片图像及其前面和后面的切片图像的肺部区域，并且
其中，利用区域生长法确定所述气管区域包括使用第一阈值作为像素差值的阈值，利用区域生长法确定所述肺部区域包括使用第二阈值作为像素差值的阈值，并且所述第二阈值大于所述第一阈值。
CN201710099564.9A 2017-02-23 2017-02-23 图像处理装置和图像处理方法 Active CN108470331B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710099564.9A CN108470331B (zh) 2017-02-23 2017-02-23 图像处理装置和图像处理方法
US15/827,570 US10410345B2 (en) 2017-02-23 2017-11-30 Image processing device and image processing method
JP2017243363A JP6973024B2 (ja) 2017-02-23 2017-12-20 画像処理装置及び画像処理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710099564.9A CN108470331B (zh) 2017-02-23 2017-02-23 图像处理装置和图像处理方法

Publications (2)

Publication Number Publication Date
CN108470331A CN108470331A (zh) 2018-08-31
CN108470331B true CN108470331B (zh) 2021-12-21

Family

ID=63167956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710099564.9A Active CN108470331B (zh) 2017-02-23 2017-02-23 图像处理装置和图像处理方法

Country Status (3)

Country Link
US (1) US10410345B2 (zh)
JP (1) JP6973024B2 (zh)
CN (1) CN108470331B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6396597B2 (ja) * 2015-09-09 2018-09-26 富士フイルム株式会社 マッピング画像表示制御装置および方法並びにプログラム
WO2020044840A1 (ja) * 2018-08-31 2020-03-05 富士フイルム株式会社 領域分割装置、方法およびプログラム、類似度決定装置、方法およびプログラム、並びに特徴量導出装置、方法およびプログラム
CN114565599A (zh) * 2022-03-07 2022-05-31 推想医疗科技股份有限公司 一种肺部模型获取装置、方法、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1973298A (zh) * 2004-06-22 2007-05-30 皇家飞利浦电子股份有限公司 显示气管支气管树
CN1981706A (zh) * 2005-09-16 2007-06-20 美国西门子医疗解决公司 可视化用于评估的气道的系统和方法
JP2008142482A (ja) * 2006-12-13 2008-06-26 Med Solution Kk 縦隔リンパ節郭清で切除される領域を複数の区域にセグメンテーションする装置およびプログラム
CN101763652A (zh) * 2009-06-03 2010-06-30 中国科学院自动化研究所 一种基于分叉特征的三维骨架快速提取方法
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
CN104992437A (zh) * 2015-06-29 2015-10-21 北京欣方悦医疗科技有限公司 一种冠脉三维图像分割的方法
WO2016177337A1 (en) * 2015-05-05 2016-11-10 Shanghai United Imaging Healthcare Co., Ltd. System and method for image segmentation

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6246784B1 (en) * 1997-08-19 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Method for segmenting medical images and detecting surface anomalies in anatomical structures
US20050207630A1 (en) * 2002-02-15 2005-09-22 The Regents Of The University Of Michigan Technology Management Office Lung nodule detection and classification
CN100370952C (zh) * 2004-12-30 2008-02-27 中国医学科学院北京协和医院 一种肺部图像处理方法
JP4818846B2 (ja) * 2006-08-16 2011-11-16 富士フイルム株式会社 医用画像処理装置及び医用画像処理プログラム
JP2010510815A (ja) * 2006-11-28 2010-04-08 スーパーディメンション， リミテッド 身体の通路または腔を通してカテーテルをナビゲートする適応的ナビゲーション技術
CN100583164C (zh) * 2007-01-24 2010-01-20 中国科学院自动化研究所 一种树状形体的立体分解和分级骨架提取方法
US8150113B2 (en) * 2008-01-23 2012-04-03 Carestream Health, Inc. Method for lung lesion location identification
US8811700B2 (en) * 2009-04-15 2014-08-19 Virginia Tech Intellectual Properties, Inc. Exact local computed tomography based on compressive sampling
CN102842132B (zh) * 2012-07-12 2015-12-09 上海联影医疗科技有限公司 一种ct肺结节检测方法
CN102982531B (zh) * 2012-10-30 2015-09-16 深圳市旭东数字医学影像技术有限公司 支气管的分割方法及系统
AU2015284303B2 (en) * 2014-07-02 2019-07-25 Covidien Lp System and method for detecting trachea
CN106659453B (zh) * 2014-07-02 2020-05-26 柯惠有限合伙公司 用于分割肺部的系统和方法
US10152651B2 (en) * 2014-10-31 2018-12-11 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing method
US10181191B2 (en) * 2014-12-02 2019-01-15 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for identifying spine or bone regions in computed tomography image sequence
CN104933709B (zh) * 2015-06-04 2018-09-14 西安理工大学 基于先验信息的随机游走ct肺组织图像自动分割方法
CN105640577A (zh) * 2015-12-16 2016-06-08 深圳市智影医疗科技有限公司 一种自动检测放射影像中局部性病变的方法和系统
CN105574882B (zh) * 2015-12-30 2018-08-10 中国科学院深圳先进技术研究院 基于胸部横断面ct图像的肺部分割提取方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1973298A (zh) * 2004-06-22 2007-05-30 皇家飞利浦电子股份有限公司 显示气管支气管树
CN1981706A (zh) * 2005-09-16 2007-06-20 美国西门子医疗解决公司 可视化用于评估的气道的系统和方法
JP2008142482A (ja) * 2006-12-13 2008-06-26 Med Solution Kk 縦隔リンパ節郭清で切除される領域を複数の区域にセグメンテーションする装置およびプログラム
CN101763652A (zh) * 2009-06-03 2010-06-30 中国科学院自动化研究所 一种基于分叉特征的三维骨架快速提取方法
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
WO2016177337A1 (en) * 2015-05-05 2016-11-10 Shanghai United Imaging Healthcare Co., Ltd. System and method for image segmentation
CN104992437A (zh) * 2015-06-29 2015-10-21 北京欣方悦医疗科技有限公司 一种冠脉三维图像分割的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Method for Extraction of Bronchus Regions from 3D Chest X-ray CT Images by Analyzing Structural Features of the Bronchus;Takayuki KITASAKA等;《Forma》;20021231;第17卷;第321-338页 *
结合区域生长与模糊连接度的肺气管树分割;彭双 and 肖昌炎;《计算机工程与应用》;20160701;第52卷(第13期);第201-205页 *

Also Published As

Publication number Publication date
CN108470331A (zh) 2018-08-31
JP6973024B2 (ja) 2021-11-24
US20180240232A1 (en) 2018-08-23
US10410345B2 (en) 2019-09-10
JP2018134389A (ja) 2018-08-30

Similar Documents

Publication Publication Date Title
US9471989B2 (en) Vascular anatomy modeling derived from 3-dimensional medical image processing
US8483467B2 (en) Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same
US8150132B2 (en) Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program
JP4931027B2 (ja) 医用画像診断支援装置および方法、並びにプログラム
KR101899866B1 (ko) 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치
US8199986B2 (en) Vertebra center detection apparatus using spinal-cord region detection, method and recording medium storing a program
US8385614B2 (en) Slice image display apparatus, method and recording-medium having stored therein program
US20140343586A1 (en) Surgery assistance apparatus, surgery assistance method and non-transitory computer-readable recording medium having stored therein surgery assistance program
US20110243403A1 (en) Medical image processing apparatus and method, and computer readable recording medium on which is recorded program for the same
US20080071160A1 (en) Displaying A Tracheobronchial Tree
CN108470331B (zh) 图像处理装置和图像处理方法
JP2009082307A (ja) 画像処理方法および画像処理装置並びにプログラム
JP2008212396A (ja) 画像処理装置およびそのプログラム
JP2013090799A (ja) 画像処理装置および方法並びにプログラム
JP5105997B2 (ja) 医用画像処理装置、医用画像診断装置、及びプログラム
US9275452B2 (en) Method and system for automatically determining compliance of cross sectional imaging scans with a predetermined protocol
JP6571687B2 (ja) 画像処理装置及び画像処理方法
CN109740602A (zh) 肺动脉期血管提取方法及系统
JP2000172829A (ja) 領域抽出手法
US20180184987A1 (en) Cross-sectional image generating apparatus, cross-sectional image generating method, and recording medium
Özsavaş et al. Automatic segmentation of anatomical structures from CT scans of thorax for RTP
Zahel et al. Rapid assessment of liver volumetry by a novel automated segmentation algorithm
JP2006042998A (ja) 領域抽出方法およびその装置
JP2012096085A (ja) 医用画像診断支援装置および方法、並びにプログラム
Pinho et al. Robust region growing based intrathoracic airway tree segmentation

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