CN108537750A - 一种快速的脊柱ct图像三维重建方法 - Google Patents
一种快速的脊柱ct图像三维重建方法 Download PDFInfo
- Publication number
- CN108537750A CN108537750A CN201810274384.4A CN201810274384A CN108537750A CN 108537750 A CN108537750 A CN 108537750A CN 201810274384 A CN201810274384 A CN 201810274384A CN 108537750 A CN108537750 A CN 108537750A
- Authority
- CN
- China
- Prior art keywords
- spine
- dimensional reconstruction
- quick
- image
- voxel
- 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 22
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000002146 bilateral effect Effects 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 3
- 208000020307 Spinal disease Diseases 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000007812 deficiency Effects 0.000 abstract description 2
- 239000003814 drug Substances 0.000 abstract description 2
- 238000001356 surgical procedure Methods 0.000 abstract description 2
- 238000009472 formulation Methods 0.000 abstract 1
- 238000002513 implantation Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/50—Lighting effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种快速的脊柱CT图像三维重建方法,属于医学领域,为了弥补临床医学实际操作和教学研究中,尤其在椎弓根螺钉置入手术中,脊柱模型三维重建时间过长,光滑度不足的问题,本发明提供一种快速的脊柱CT图像三维重建方法,依据三维重建的面绘制理论,采用特征选择的双边滤波去噪算法进行预处理,在传统移动立方体(Marching Cubes,MC)算法基础之上进行改进,先选择种子体素,利用区域生长思想,提取出全部包含等值面的体素,再确定体素内等值面的三角剖分构型,由可视化工具包VTK和Open GL借助GPU并行处理,完成脊柱CT图像的快速、精准三维重建,对脊柱疾病的分析、研究、实时操作及制定手术方案具有重要意义。
Description
技术领域
本发明属于医疗领域,特别涉及了脊柱外科和教学研究中快速的脊柱CT图像三维重建的方法。
背景技术
手术治疗是对脊柱疾病最有效的方式,在传统的诊断和治疗中,医生通过二维CT图像来观察病灶位置和具体细节,有时需要同时观察多张图像,不仅效率低,诊断的错误率也比较高,多数依靠医生的个人经验,给手术造成了很大不确定性,而术前进行准确的病灶分析是非常重要的,为了更好的掌握脊柱各节椎骨内部细节和具体病灶信息以及设计手术方案,需要对脊柱CT图像进行三维重建,以弥补二维断层图像获取信息受限的问题,脊柱手术危险系数高,对于重建模型的实时性要求很高,因此,设计出更适合脊柱CT图像,更快、更精准的获得脊柱三维图像尤为重要。
发明内容
本发明目的在于针对目前教学研究和临床操作中脊柱模型三维重建时间过长,光滑度不足的问题,提供一种快速的脊柱CT图像三维重建方法以解决上述背景技术中的问题。
为实现上述目的,本发明提供如下技术方案:
一种快速的脊柱CT图像三维重建方法,采用图像预处理模块,对获取的原始CT图像进行增强和去噪处理,并对结果进行保存,利用数学形态学运算和双边滤波去噪算法对原始CT图像进行去噪处理,体素选择模块实现对包含脊柱兴趣区域的体素进行有效筛选,加速遍历速度,完成对脊柱兴趣区域的特征提取及肌肉组织等无关区域的去噪处理,并利用提取的脊柱图像构造三维数据场,可视化模块调用可视化工具包VTK中Render和RenderWindow将绘制结果在电脑窗口中渲染显示,设置vtk Render类中的光照、原点位置、视角等信息实现对Actor的渲染,并实现旋转、平移、缩放等交互操作。
作为本发明优选:图像预处理采用基于特征选择的双边滤波去噪方法,可以将脊柱区域周围的噪声分为3类依次除去。
作为本发明优选:在进行特征提取时并未遍历全部体素,是通过选定种子体素再利用区域生长的思想,进一步提取全部兴趣体素。
与现有技术相比,本发明的有益效果为:所述脊柱CT图像三维重建方法,与传统面绘制中移动立方体算法相比较,在遍历体素个数和棱边与等值面交点计算量方面大幅度降低,进而减少了重建时间,效率更高,对临床医学操作和教学研究需要提供技术支持。
附图说明
图1为快速的脊柱CT图像三维重建方法流程图。
具体实施方式:
下面将结合本发明中的附图,对本发明中的具体实施方案进行详细的说明,很明显,所说明的实施例只是本发明中的一部分,并不是全部实施例,对于本发明中的实施例,在本领域的普通技术人员在没有付出创造性劳动而获得的,都属于本发明所保护的范围。
如图1所示,本发明实施例中:一种快速的脊柱CT图像三维重建方法,采用图像预处理模块,对获取的原始CT图像进行增强和去噪处理,利用数学形态学运算和双边滤波去噪算法对原始CT图像进行去噪处理,并对结果进行保存,体素选择模块实现对包含脊柱兴趣区域的体素进行有效筛选,加速遍历速度,完成对脊柱兴趣区域的特征提取及肌肉组织等无关区域的去噪处理,并利用提取的脊柱区域图像构造三维数据场,可视化模块调用可视化工具包VTK中Render和Render Window读入数据,将绘制结果在电脑窗口中渲染显示,设置vtk Render类中的光照、原点位置、视角等信息实现对Actor的渲染,并实现旋转、平移、缩放等交互操作。
具体的工作流程为:采用图像预处理模块,对获取的原始CT图像进行增强和去噪处理,利用数学形态学运算和双边滤波去噪算法对原始CT图像进行去噪处理,并对结果进行保存,体素选择模块实现对包含脊柱兴趣区域的体素进行有效筛选,加速遍历速度,完成对脊柱兴趣区域的特征提取及肌肉组织等无关区域的去噪处理,并利用提取的脊柱区域图像构造三维数据场,可视化模块调用可视化工具包VTK中Render和Render Window读入数据,将绘制结果在电脑窗口中渲染显示,设置vtk Render类中的光照、原点位置、视角等信息实现对Actor的渲染,并实现旋转、平移、缩放等交互操作。
1、CT图像预处理
图像预处理可以使重建后的三维图像精度更高、质量更好,对于许多图像处理算法来说滤波都是关键的处理步骤,在脊柱CT图像中不仅包含我们需要的椎骨信息,还存在肌肉、组织等无关因素,在三维重建之前的图像预处理可以消除在医学研究中的无关区域,同时增强兴趣区域,对后期的重建结果至关重要,脊柱CT图像在断层扫描设备获取的过程中,会受到扫描脊柱形状、表层状态因素等方面的影响,所以在进行三维可视化操作前应将脊,柱体数据进行去噪处理,目的是在保证脊柱本身特征的同时,改善可视化操作后三维模型的精确度。
在进行去噪处理时,需要根据图像数据的独特性采取不同的去噪算法,相关学者提出了去除无规律散乱点云噪声的移动最小二次曲面法等,本发明采用的是基于特征选择的双边滤波去噪算法,该算法适用于骨骼数据去噪,将点云进行网格化,将噪声点云分成三类依次除去,对于偏离脊柱兴趣区域较远而稀疏的点云和与脊柱中心距离远但是较密集的这两类点云,通过判断网格中点云数量来消除这些噪声点,但对于与脊柱兴趣区域混在一起的噪声点,需要通过不同范围的点云分别计算特征点云和非特征点云的双边滤波因子,再利用双边滤波去噪算法,在保证脊柱本身特征信息的同时消除噪声。
2、图像特征提取
为了能加快体素的遍历速度,基于传统的移动立方体算法(Marching Cubesalgorithm)进行相应改进,在特征区域提取时,并不是遍历全部体素,而是先选择种子体素,再利用区域生长思想,提取出全部包含等值面的体素,种子体素的选择至关重要,本发明中通过二次取样的方法进行种子体素的选择,在不影响数据精确度的同时加快遍历速度,找到一个包含等值面的体素作为种子体素,确定种子体素后就可以监察六邻域体素是否包含等值面,其中采用一个栈一个哈希表辅助算法运行。
通过改进的移动立方体算法(Marching Cubes algorithm),经过试验获得实验结果。
上述描述清楚的说明了本发明的技术方案、流程及优势,本领域的技术人员显然理解,本发明不因上述实施例而受到限制,上述描述的实施例与说明书只是本发明的技术方案及原理并不代表全部,在不背弃本发明精神和内容的前提下,本发明进行相应算法的改进,都在本发明要求保护的范围之内,以特有的形式实现本发明的实验结果,本发明所保护的范围由所附的权利要求书及等同要件限定。
Claims (3)
1.一种快速的脊柱CT图像三维重建方法,采用图像预处理模块,对获取的原始CT图像进行增强和去噪处理,并对结果进行保存,利用数学形态学的顶帽运算和双边滤波去噪算法,完成对脊柱兴趣区域的特征提取及肌肉组织等无关区域的去噪处理,并利用提取的脊柱图像构造三维数据场,体素选择模块实现对包含脊柱兴趣区域的体素进行有效筛选,加速遍历速度,顶点计算模块实现对提取出的包含等值面的体素内三角剖分构型的确定,包括三角面片的顶点及法向量,可视化模块调用可视化工具包VTK中Render和Render Window将绘制结果在电脑窗口中渲染显示,设置vtk Render类中的光照、原点位置、视角等信息实现对Actor的渲染。
2.根据权利要求1所述一种快速的脊柱CT图像三维重建方法,其特征在于,图像预处理采用基于特征选择的双边滤波去噪方法,可以将脊柱区域周围的噪声分为3类依次除去。
3.根据权利要求1所述一种快速的脊柱CT图像三维重建方法,其特征在于,在选择兴趣体素时并未遍历全部体素,是通过兴趣种子体素进行区域生长,进一步提取全部兴趣体素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810274384.4A CN108537750A (zh) | 2018-03-29 | 2018-03-29 | 一种快速的脊柱ct图像三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810274384.4A CN108537750A (zh) | 2018-03-29 | 2018-03-29 | 一种快速的脊柱ct图像三维重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108537750A true CN108537750A (zh) | 2018-09-14 |
Family
ID=63481988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810274384.4A Pending CN108537750A (zh) | 2018-03-29 | 2018-03-29 | 一种快速的脊柱ct图像三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537750A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598784A (zh) * | 2018-11-20 | 2019-04-09 | 哈尔滨理工大学 | 一种高效的脊柱断层扫描图像三维重建方法 |
CN109727306A (zh) * | 2018-11-20 | 2019-05-07 | 哈尔滨理工大学 | 一种基于vtk的脊柱医学图像三维可视化方法 |
CN109741265A (zh) * | 2018-11-20 | 2019-05-10 | 哈尔滨理工大学 | 一种基于特征选择的脊柱ct图像双边滤波去噪方法 |
CN110084882A (zh) * | 2019-04-02 | 2019-08-02 | 哈尔滨理工大学 | 一种基于超像素的椎骨ct图像三维重建与可视化方法 |
CN111127636A (zh) * | 2019-12-24 | 2020-05-08 | 诸暨市人民医院 | 一种智能的复杂关节内骨折桌面级三维诊断系统 |
CN114119872A (zh) * | 2021-11-25 | 2022-03-01 | 四川大学华西医院 | 基于人工智能大数据分析3d打印脊柱内植物的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393644A (zh) * | 2008-08-15 | 2009-03-25 | 华中科技大学 | 一种肝门静脉血管树建模方法及其系统 |
CN102592311A (zh) * | 2011-03-10 | 2012-07-18 | 上海大学 | 利用vtk进行肠道三维重建的方法 |
CN102895031A (zh) * | 2012-09-19 | 2013-01-30 | 深圳市旭东数字医学影像技术有限公司 | 肾脏虚拟手术方法及其系统 |
CN103330616A (zh) * | 2013-07-02 | 2013-10-02 | 北京大学第三医院 | 一种基于计算机视觉的人工耳蜗植入手术系统 |
WO2013170360A1 (en) * | 2012-05-17 | 2013-11-21 | Eiffel Medtech Inc. | Method and system for the three-dimensional reconstruction of structures |
CN105912874A (zh) * | 2016-04-29 | 2016-08-31 | 青岛大学附属医院 | 基于dicom医学图像构建的肝脏三维数据库系统 |
-
2018
- 2018-03-29 CN CN201810274384.4A patent/CN108537750A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393644A (zh) * | 2008-08-15 | 2009-03-25 | 华中科技大学 | 一种肝门静脉血管树建模方法及其系统 |
CN102592311A (zh) * | 2011-03-10 | 2012-07-18 | 上海大学 | 利用vtk进行肠道三维重建的方法 |
WO2013170360A1 (en) * | 2012-05-17 | 2013-11-21 | Eiffel Medtech Inc. | Method and system for the three-dimensional reconstruction of structures |
CN102895031A (zh) * | 2012-09-19 | 2013-01-30 | 深圳市旭东数字医学影像技术有限公司 | 肾脏虚拟手术方法及其系统 |
CN103330616A (zh) * | 2013-07-02 | 2013-10-02 | 北京大学第三医院 | 一种基于计算机视觉的人工耳蜗植入手术系统 |
CN105912874A (zh) * | 2016-04-29 | 2016-08-31 | 青岛大学附属医院 | 基于dicom医学图像构建的肝脏三维数据库系统 |
Non-Patent Citations (1)
Title |
---|
艾婷: "基于VTK实现二维医学图像的三维可视化系统", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598784A (zh) * | 2018-11-20 | 2019-04-09 | 哈尔滨理工大学 | 一种高效的脊柱断层扫描图像三维重建方法 |
CN109727306A (zh) * | 2018-11-20 | 2019-05-07 | 哈尔滨理工大学 | 一种基于vtk的脊柱医学图像三维可视化方法 |
CN109741265A (zh) * | 2018-11-20 | 2019-05-10 | 哈尔滨理工大学 | 一种基于特征选择的脊柱ct图像双边滤波去噪方法 |
CN110084882A (zh) * | 2019-04-02 | 2019-08-02 | 哈尔滨理工大学 | 一种基于超像素的椎骨ct图像三维重建与可视化方法 |
CN111127636A (zh) * | 2019-12-24 | 2020-05-08 | 诸暨市人民医院 | 一种智能的复杂关节内骨折桌面级三维诊断系统 |
CN111127636B (zh) * | 2019-12-24 | 2023-07-25 | 诸暨市人民医院 | 一种智能的复杂关节内骨折桌面级三维诊断系统 |
CN114119872A (zh) * | 2021-11-25 | 2022-03-01 | 四川大学华西医院 | 基于人工智能大数据分析3d打印脊柱内植物的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537750A (zh) | 一种快速的脊柱ct图像三维重建方法 | |
CN101271574B (zh) | 三维可视化的方法、装置 | |
Saha et al. | Digital topology and geometry in medical imaging: a survey | |
CN107230206A (zh) | 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法 | |
CN110013306B (zh) | Ct引导肝肿瘤热消融治疗穿刺路径规划方法 | |
WO2017020580A1 (zh) | 一种医学组织的切片图像三维重建的方法及设备 | |
CN105912874A (zh) | 基于dicom医学图像构建的肝脏三维数据库系统 | |
CN107045721A (zh) | 一种从胸部ct图像中提取肺血管的方法及装置 | |
CN102106741A (zh) | 一种二维超声图像的三维重建方法 | |
CN106408576B (zh) | 基于三维超声图像的感兴趣区域的自动分割方法及系统 | |
CN106570930A (zh) | 一种基于三维超体素描述的数字化生理生物体建模方法 | |
CN106960439B (zh) | 一种脊椎骨识别装置及方法 | |
CN112446862A (zh) | 一种基于人工智能的动态乳腺超声视频全病灶实时检测和分割装置、系统及图像处理方法 | |
Qiu et al. | Lung Nodules Detection in CT Images Using Gestalt‐Based Algorithm | |
CN108510580A (zh) | 一种椎骨ct图像三维可视化方法 | |
CN100541541C (zh) | 基于单层表面跟踪的超大规模医学图像表面重建方法 | |
CN104240180A (zh) | 一种实现图像自动调整的方法及装置 | |
CN108961278B (zh) | 基于影像数据的腹壁肌肉分割的方法及其系统 | |
CN109801268A (zh) | 一种基于三维卷积神经网络的ct造影图像肾动脉分割方法 | |
CN110458949A (zh) | 三维模型的二维切平面的重建方法、移动终端及电子设备 | |
CN105869169B (zh) | 一种肿瘤组织微排列图像的自动分割方法 | |
CN1296874C (zh) | 基于点重建的超大规模医学影像三维可视化方法 | |
Ylä-Jääski et al. | Fast direct display of volume data for medical diagnosis | |
Cameron et al. | Patient-Specific Anatomic Models-Geometric Surface Generation from Three-Dimensional Medical Images Using a Specified Polygonal Budget | |
CN110533667A (zh) | 基于图像金字塔融合的肺部肿瘤ct影像3d分割方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180914 |
|
WD01 | Invention patent application deemed withdrawn after publication |