CN108573494A - 一种管状结构提取方法及装置 - Google Patents
一种管状结构提取方法及装置 Download PDFInfo
- Publication number
- CN108573494A CN108573494A CN201810404455.8A CN201810404455A CN108573494A CN 108573494 A CN108573494 A CN 108573494A CN 201810404455 A CN201810404455 A CN 201810404455A CN 108573494 A CN108573494 A CN 108573494A
- Authority
- CN
- China
- Prior art keywords
- tubular structure
- frame
- map
- point
- seed point
- 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.)
- Granted
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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例提供了一种管状结构提取方法及装置,涉及医学图像处理领域,能够提取到精确而完整的管状结构。该方法包括获取指定起始种子点;基于指定起始种子点所在的待提取管状结构,截取第n个边框,并针对第n个边框计算Map图,在Map图中进行区域生长得到管状结构主干图像;其中,当n=1时,区域生长的起点为指定起始种子点,当N≥n>1时,区域生长的起点为第n‑1个边框的管状结构主干图像内指定层中Map值最小的点;选取第N个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点;基于指定起始种子点和终止种子点提取所述待提取管状结构。发明实施例提供的技术方案适用于提取管状结构相关的医疗图像处理过程中。
Description
【技术领域】
本发明涉及医学图像处理领域,尤其涉及一种管状结构提取方法及装置。
【背景技术】
在血管类疾病,比如动脉瘤、血管狭窄等的诊断过程中,为了更好的观察血管,通常需要将血管图像与其他组织图像分开,也即提取血管。
目前,基于血管造影术(Computed Tomography Angiography,简称CTA)提取血管的技术中,头颈部的CTA血管提取是较具挑战的工作。因为颈内动脉穿过颅骨为大脑的前部和中部供血;并且左右椎动脉在一节节椎骨中穿行,最后合并成基底动脉穿过枕骨,为大脑后部供血。血管与周围骨头紧邻,空间位置错综复杂。
现有技术中,由于血管与周围骨头的紧密相邻,血管的空间位置错综复杂,通过区域生长、水平集等简单算法提取血管时,由于周围骨头对血管连通性的影响,以及血管与周围骨头灰度值的相似性,特别容易造成血管提取不完整的问题。
【发明内容】
有鉴于此,本发明实施例提供了一种管状结构提取方法及装置,通过分边框的区域生长确定终止种子点,基于指定起始种子点和终止种子点可以提取到精准而完整的管状结构。
第一方面,本发明实施例提供一种管状结构提取方法,所述方法包括:
获取指定起始种子点;
基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,并针对第n个边框计算Map图,在Map图中进行区域生长得到管状结构主干图像;其中,第n个边框包含至少一层管状结构造影图像,n依次取1、2、3…N-1、N,N为所述待提取管状结构包含的最多边框数;其中,当n=1时,区域生长的起点为所述指定起始种子点,当n>1时,区域生长的起点为第n-1个边框的管状结构主干图像内指定层中Map值最小的点;
选取第N个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点;
基于所述指定起始种子点和所述终止种子点提取所述待提取管状结构。
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,所述在Map图中进行区域生长得到管状结构主干图像,包括:
在Map图中进行区域生长得到管状结构主干图像;其中,当生长至m层时,将大于预设阈值的指定值作为第s层中非生长区域的Map值,以屏蔽非生长区域,m、s均大于0,m>s,预设阈值用于在生长过程中筛选管状结构区域。
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,所述基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,包括:
根据所述待提取管状结构的横断面大小和生长方向,截取第n个指定大小的边框。
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,所述针对第n个边框计算Map图,包括:通过中快进(Fasting Marching)算法计算第n个边框的Map图。
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,所述在Map图中进行区域生长得到管状结构主干图像,包括:
基于若干个预设阈值依次在Map图中进行循环区域生长,若干个预设阈值随着生长过程依次递增;
当相邻预设阈值生长出管状结构的层数一致时,则停止区域生长,得到管状结构主干图像。
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,在所述停止区域生长,得到管状结构主干图像之前,所述方法还包括:
获取每个预设阈值下在Map图中进行区域生长得到的初始主干图像;
获取初始主干图像内所述待提取管状结构中心线上所有点的Map值总和,并根据所述Map值总和判断当前预设阈值是否正确;
当所述Map值总和在指定范围内时,确定当前预设阈值正确;
当所述Map值总不在指定范围内时,确定当前预设阈值错误,并停止区域生长,将当前预设阈值的前一预设阈值的初始主干图像作为管状结构主干图像。
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,所述指定值为无穷大。
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,m减s的取值为2。
第二方面,本发明实施例提供一种管状结构提取装置,所述装置包括:
获取单元,用于获取指定起始种子点;
处理单元,用于基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,并针对第n个边框计算Map图,在Map图中进行区域生长得到管状结构主干图像;其中,第n个边框包含至少一层管状结构造影图像,n依次取1、2、3…N-1、N,N为所述待提取管状结构包含的最多边框数;其中,当n=1时,区域生长的起点为所述指定起始种子点,当n>1时,区域生长的起点为第n-1个边框的管状结构主干图像内指定层中Map值最小的点;
选取单元,用于选取第N个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点;
提取单元,用于基于所述指定起始种子点和所述终止种子点提取所述待提取管状结构。
第三方面,本发明实施例提供一种管状结构提取装置,所述装置包括处理器和存储器,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上任一方面及任一可能的实现方式所述的方法。
本发明实施例提供了一种管状结构提取方法及装置,对待提取管状结构分边框处理,基于每个边框的Map图进行区域生长,第n个边框进行区域生长的起始种子点(起点)为第n-1个边框指定层中Map值最小的点,依次由多个边框循序渐进确定到待提取管状结构的终止种子点,确定的终止种子点更加精确。进一步的基于终止种子点和指定起始种子点提取管状结构,可以提取到精确而完整的管状结构,本发明实施例提供的管状结构提取方法具有较高的准确性和鲁棒性。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种管状结构提取方法流程图;
图2是本发明实施例提供的一种Map图;
图3是本发明实施例提供的一种血管提取结果的示意图;
图4是本发明实施例提供的一种管状结构提取装置的组成框图;
图5是本发明实施例提供的一种管状结构提取装置的实体组成图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅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它实施例,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)”。
本发明实施例提供了一种管状结构提取方法,适用于提取管状结构相关的医疗图像处理过程中。
具体的,管状结构包括血管、淋巴管、神经组织等各类管状的生物体的结构组织。
如图1所示,所述方法包括:
101、获取指定起始种子点。
其中,指定起始种子点位于待提取管状结构中,可以用于进行区域生长得到管状结构主干图像。管状结构主干图像指的是显示出管状结构大致形状的图像。
102、基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,并针对第n个边框计算Map图,在Map图中进行区域生长得到管状结构主干图像;其中,n依次取1、2、3…N-1、N,N为所述待提取管状结构包含的最多边框数;其中,当n=1时,区域生长的起点为所述指定起始种子点,当n>1时,区域生长的起点为第n-1个边框的管状结构主干图像内指定层中Map值最小的点。
具体的,待提取管状结构的原始图像是包含很多二维片层图像的三维管状结构造影图像,因而针对待提取管状结构而截取的边框中,每个边框包含至少一层管状结构造影图像。在实际应用过程中,每个边框包含的管状结构造影图像的层数可以随着管状结构的复杂程度(比如弯曲程度)相应的增多或减少,对于极度复杂的管状结构,例如穿颅血管,紧贴头部,增强后的血管CT值和骨的CT值重叠,空间位置取向复杂,血管弯曲程度较大,每个边框甚至可以只包含一层图像。
需要解释的是,边框在本领域中一般称为Bounding Box。Map图通俗来讲,指的是以Map值标识像素点的医学图像,例如图2所示的边框内某两层的Map图,其中圆圈内为血管(管状结构),从图2的左图可以明显看出血管和周围组织Map值的差别,因此可以基于Map图进行区域生长得到血管主干图像。
其中,为了前后边框能够有效衔接,选取前一个边框内指定层中Map值最小的点作为后一个边框的区域生长起点时,指定层一般选取最后一层之前两层。
步骤102是一个循环的区域生长过程,实现过程可参考如下详细描述:基于指定起始种子点和待提取管状结构,截取第1个边框,计算第1个边框的Map图,以指定起始种子点为起点,在Map图中进行区域生长,直至由指定起始种子点生长至所述Map图中的最后一层,得到第1个边框内的管状结构主干图像;选取第1个边框的管状结构主干图像内指定层中Map值最小的点,作为第2个边框的起始种子点,基于此起始种子点和待提取管状结构,截取第2个边框,计算第2个边框的Map图,并以此起始种子点为起点,在Map图中进行区域生长,直至由指定起始种子点生长至所述Map图中的最后一层,得到第2个边框内的管状结构主干图像;选取第2个边框的管状结构主干图像内指定层中Map值最小的点,作为第3个边框的起始种子点,循环上述过程,直至得到第N个边框的管状结构主干图像。
具体的,对根据起始种子点和待提取管状结构截取第n个边框进一步解释,在本发明实施例一种可能的实现方式中根据起始种子点的位置,确定截取第n个边框时的起始截取位置;根据待提取管状结构的横断面大小和生长方向,确定截取边框的大小。其中,待提取管状结构的横断面大小可以由起始种子点计算得到。比如对于椎动脉(VertebralArtery,VA)血管,根据起始种子点初步提取种子点所在横断面上的血管(具体方法可以是基于阈值梯度等),进而计算该血管的直径(一般VA是3.0mm到6.0mm左右),确定该边框的X轴为左右8mm(毫米),Y轴为前后8mm,若是生长方向向下,则可以进一步确定Z轴下部选取16mm,上部选取2mm。
103、选取第N个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点。
选取第N个边框,也即是最后一个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点。这里,指定区域可以是管状结构的远端区域,比如可以是最后一层的管状结构上。
需要说明的是,在管状结构主干图像内的指定层中,Map值最小的点为该指定层中为管状结构可能性最大的点。例如,在血管主干图像内的指定层中,Map值最小的点最有可能是血管。因此将指定层中Map值最小的点为区域生长的起点,并将指定区域中Map值最小的点作为终止种子点,可以提取到更加精确的管状结构。
104、基于所述指定起始种子点和所述终止种子点提取所述待提取管状结构。
在一种具体的实现过程中,提取指定起始种子点和终止种子点间的中心线,并基于所述中心线提取所述待提取管状结构。
本发明实施例至此提取出一段待提取管状结构,若管状结构造影图像中的所有待提取血管还未提取完毕,则可以更换指定起始种子点,重新执行上述步骤,提取下一段待提取管状结构,直至提取完毕。
本发明实施例提供的管状结构提取方法,对待提取管状结构分边框处理,基于每个边框的Map图进行区域生长,第n个边框进行区域生长的起始种子点(起点)为第n-1个边框指定层中Map值最小的点,依次由多个边框循序渐进确定到待提取管状结构的终止种子点,确定的终止种子点更加精确。进一步的基于终止种子点和指定起始种子点提取管状结构,可以提取到精确而完整的管状结构,本发明实施例提供的管状结构提取方法具有较高的准确性和鲁棒性。
进一步来说,结合前述方法流程,在每个边框的区域生长过程中,为了有效减小周围组织对提取管状结构的精确度影响(比如骨头对提取血管的影响),本发明实施例的另一种可能的实现方式,针对步骤102的实现还提供了屏蔽周围组织的方法流程,因此步骤102中在Map图中进行区域生长得到管状结构主干图像,具体执行为以下步骤:
1021、在Map图中进行区域生长得到管状结构主干图像;其中,当生长至m层时,将大于预设阈值的指定值作为第s层中非生长区域的Map值,以屏蔽非生长区域,预设阈值用于在生长过程中筛选管状结构区域。
其中,m、s均大于0,m>s。并且根据经验,当m减s的取值为2时,屏蔽非生长区域的效果较好。
具体的,大于预设阈值的指定值可以为无穷大。
进一步来说,结合前述方法流程,可以根据待提取管状结构的详细信息(横断面大小、生长方向等),确定待截取边框的大小,因此针对步骤102中基于所述指定起始种子点所在的待提取管状结构,截取第n个边框的具体实现方式,本发明实施例的另一种可能的实现方式还提供了以下方法流程,包括:
1022、根据所述待提取管状结构的横断面大小和生长方向,截取第n个指定大小的边框。
进一步来说,结合前述方法流程,本发明实施例的另一种可能的实现方式,基于具体的算法,针对步骤102中针对第n个边框计算Map图的详细实现过程,还提供了以下方法流程,包括:
1023、基于公式(1)和(2),通过中快进(Fasting Marching)算法计算第n个边框的Map图:
Pi,j,k=(Grad(x)+fabs(Std(x)–Std(x0)))/Vesselness(x) (2)
其中,x表示当前点,u为当前点的Map值,i、j、k为当前点的三维坐标,U为邻域内点的Map值,Grad(x)为当前点的梯度值,Std(x)为当前点与邻域内点的方差,x0表示区域生长的起点,Std(x0)为区域生长的起点与领域内点的方差,Vesselness(x)为通过Adaboost计算的Vesselness增强值。
具体的,当n=1时,x0表示指定起始种子点;当n>1时,x0表示边框内的起始种子点,也即第n-1个边框的管状结构主干图像内指定层中Map值最小的点。
其中,为了节省时间,以免将每个边框内的点都计算Map值,Fast Marching算法的停止条件是计算至每个边框中最后一层管状结构造影图像的Map值。
进一步来说,结合前述方法流程,在Map图中进行区域生长是基于若干个预设阈值的循环区域生长,因此本发明实施例的另一种可能的实现方式,基于预设阈值,针对步骤102中在Map图中进行区域生长得到管状结构主干图像的具体实现过程,还提供了以下可能的实现方法,包括:
1024、基于若干个预设阈值依次在Map图中进行循环区域生长。
其中,预设阈值表示符合管状结构特征一个Map值上限。若干个预设阈值随着生长过程依次递增,若起始种子点的Map值为0,预设阈值的范围一般在0至9.5之间。
1025、当相邻预设阈值生长出管状结构的层数一致时,则停止区域生长,得到管状结构主干图像。
当相邻预设阈值生长出管状结构的层数一致时,说明再增加预设阈值也生长不出更多层的管状结构,此时可以停止继续生成,得到最终的管状结构主干图像。
进一步来说,结合前述方法流程,为了保证最终提取到准确的管状结构,首先需要通过判断预设阈值的选取是否符合要求范围,也即是否正确,来确定正确的管状结构主干图像。因此本发明实施例的另一种可能的实现方式还提供了以下方法流程,执行在步骤1025之前,包括:
1025A、获取每个预设阈值下在Map图中进行区域生长得到的初始主干图像。
其中,初始主干图像指的是截止到当前预设阈值在Map图中进行区域生长得到的管状结构主干图像。
1025B、获取初始主干图像内所述待提取管状结构中心线上所有点的Map值总和,并根据所述Map值总和判断当前预设阈值是否正确:
当所述Map值总和在指定范围内时,确定当前预设阈值正确;
当所述Map值总不在指定范围内时,确定当前预设阈值错误,并停止区域生长,将当前预设阈值的前一预设阈值的初始主干图像作为管状结构主干图像。
需要说明的是,若基于当前预设阈值,初始主干图像内待提取管状结构中心线穿过其他组织(比如图2右图所示的情况,血管中心线可能穿过旁边骨头),则中心线上所有点的Map值总和与前一预设阈值相比会发生突变,即不在指定范围内,此时可以判定当前预设阈值不正确,提前停止区域生长,并将前一预设阈值的初始主干图像作为管状结构主干图像。
为了更加直观的展示本技术方案的提取效果,如图3所示,为基于本发明实施例进行血管提取得到的部分结果。图3中第一行各图为血管未提取完整的图像,见椭圆内所标识位置处的不完整血管,第二行各图为基于本发明实施例所提供的技术方案进行血管提取,得到的更加精确而完整血管。其中,第一行各图与第二行各图上下一一对应。
本发明实施例提供了一种管状结构提取装置,适用于上述方法流程,如图4所示,所述装置包括:
获取单元21,用于获取指定起始种子点。
处理单元22,用于基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,并针对第n个边框计算Map图,在Map图中进行区域生长得到管状结构主干图像;其中,第n个边框包含至少一层管状结构造影图像,n依次取1、2、3…N-1、N,N为所述待提取管状结构包含的最多边框数;其中,当n=1时,区域生长的起点为所述指定起始种子点,当n>1时,区域生长的起点为第n-1个边框的管状结构主干图像内指定层中Map值最小的点。
选取单元23,用于选取第N个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点。
提取单元24,用于基于所述指定起始种子点和所述终止种子点提取所述待提取管状结构。
本发明实施例提供了一种管状结构提取装置,如图5所示,所述装置包括处理器31和存储器32,所述存储器32用于存储指令,所述指令被所述处理器31执行时,导致所述装置实现如上任一可能的实现方式所实现的方法。
本发明实施例提供的管状结构提取装置,对待提取管状结构分边框处理,基于每个边框的Map图进行区域生长,第n个边框进行区域生长的起始种子点(起点)为第n-1个边框指定层中Map值最小的点,依次由多个边框循序渐进确定到待提取管状结构的终止种子点,确定的终止种子点更加精确。进一步的基于终止种子点和指定起始种子点提取管状结构,可以提取到精确而完整的管状结构,本发明实施例提供的管状结构提取装置具有较高的准确性和鲁棒性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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 (10)
1.一种管状结构提取方法,其特征在于,所述方法包括:
获取指定起始种子点;
基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,并针对第n个边框计算Map图,在Map图中进行区域生长得到管状结构主干图像;其中,第n个边框包含至少一层管状结构造影图像,n依次取1、2、3…N-1、N,N为所述待提取管状结构包含的最多边框数;其中,当n=1时,区域生长的起点为所述指定起始种子点,当n>1时,区域生长的起点为第n-1个边框的管状结构主干图像内指定层中Map值最小的点;
选取第N个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点;
基于所述指定起始种子点和所述终止种子点提取所述待提取管状结构。
2.根据权利要求1所述的方法,其特征在于,所述在Map图中进行区域生长得到管状结构主干图像,包括:
在Map图中进行区域生长得到管状结构主干图像;其中,当生长至m层时,将大于预设阈值的指定值作为第s层中非生长区域的Map值,以屏蔽非生长区域,m、s均大于0,m>s,预设阈值用于在生长过程中筛选管状结构区域。
3.根据权利要求1所述的方法,其特征在于,所述基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,包括:
根据所述待提取管状结构的横断面大小和生长方向,截取第n个指定大小的边框。
4.根据权利要求1所述的方法,其特征在于,所述针对第n个边框计算Map图,包括:通过中快进(Fasting Marching)算法计算第n个边框的Map图。
5.根据权利要求1所述的方法,其特征在于,所述在Map图中进行区域生长得到管状结构主干图像,包括:
基于若干个预设阈值依次在Map图中进行循环区域生长,若干个预设阈值随着生长过程依次递增;
当相邻预设阈值生长出管状结构的层数一致时,则停止区域生长,得到管状结构主干图像。
6.根据权利要求5所述的方法,其特征在于,在所述停止区域生长,得到管状结构主干图像之前,所述方法还包括:
获取每个预设阈值下在Map图中进行区域生长得到的初始主干图像;
获取初始主干图像内所述待提取管状结构中心线上所有点的Map值总和,并根据所述Map值总和判断当前预设阈值是否正确;
当所述Map值总和在指定范围内时,确定当前预设阈值正确;
当所述Map值总不在指定范围内时,确定当前预设阈值错误,并停止区域生长,将当前预设阈值的前一预设阈值的初始主干图像作为管状结构主干图像。
7.根据权利要求2所述的方法,其特征在于,所述指定值为无穷大。
8.根据权利要求2所述的方法,其特征在于,m减s的取值为2。
9.一种管状结构提取装置,其特征在于,所述装置包括:
获取单元,用于获取指定起始种子点;
处理单元,用于基于所述指定起始种子点所在的待提取管状结构,截取第n个边框,并针对第n个边框计算Map图,在Map图中进行区域生长得到管状结构主干图像;其中,第n个边框包含至少一层管状结构造影图像,n依次取1、2、3…N-1、N,N为所述待提取管状结构包含的最多边框数;其中,当n=1时,区域生长的起点为所述指定起始种子点,当n>1时,区域生长的起点为第n-1个边框的管状结构主干图像内指定层中Map值最小的点;
选取单元,用于选取第N个边框的管状结构主干图像内指定区域中Map值最小的点作为终止种子点;
提取单元,用于基于所述指定起始种子点和所述终止种子点提取所述待提取管状结构。
10.一种管状结构提取装置,其特征在于,所述装置包括处理器和存储器,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8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810404455.8A CN108573494B (zh) | 2018-04-28 | 2018-04-28 | 一种管状结构提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810404455.8A CN108573494B (zh) | 2018-04-28 | 2018-04-28 | 一种管状结构提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108573494A true CN108573494A (zh) | 2018-09-25 |
CN108573494B CN108573494B (zh) | 2021-06-15 |
Family
ID=63575624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810404455.8A Active CN108573494B (zh) | 2018-04-28 | 2018-04-28 | 一种管状结构提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573494B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472803A (zh) * | 2018-10-26 | 2019-03-15 | 强联智创(北京)科技有限公司 | 一种颅内动脉血管分割方法及系统 |
CN109741360A (zh) * | 2019-01-07 | 2019-05-10 | 上海联影医疗科技有限公司 | 一种骨关节分割方法、装置、终端及可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886312A (zh) * | 2014-03-21 | 2014-06-25 | 华东师范大学 | 一种快速选择并显示磁共振血管图像中感兴趣血管的方法 |
US20160093096A1 (en) * | 2013-06-05 | 2016-03-31 | Agfa Healthcare | Automated aorta detection in a cta volume |
CN105741251A (zh) * | 2016-03-17 | 2016-07-06 | 中南大学 | 一种肝脏cta序列图像的血管分割方法 |
CN106408645A (zh) * | 2016-09-05 | 2017-02-15 | 上海联影医疗科技有限公司 | 一种医学图像绘制的方法和设备 |
CN106408576A (zh) * | 2016-09-08 | 2017-02-15 | 飞依诺科技(苏州)有限公司 | 基于三维超声图像的感兴趣区域的自动分割方法及系统 |
US20170154435A1 (en) * | 2015-11-30 | 2017-06-01 | Lexmark International Technology Sa | System and Methods of Segmenting Vessels from Medical Imaging Data |
CN107203741A (zh) * | 2017-05-03 | 2017-09-26 | 上海联影医疗科技有限公司 | 血管提取方法、装置及其系统 |
-
2018
- 2018-04-28 CN CN201810404455.8A patent/CN108573494B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160093096A1 (en) * | 2013-06-05 | 2016-03-31 | Agfa Healthcare | Automated aorta detection in a cta volume |
CN103886312A (zh) * | 2014-03-21 | 2014-06-25 | 华东师范大学 | 一种快速选择并显示磁共振血管图像中感兴趣血管的方法 |
US20170154435A1 (en) * | 2015-11-30 | 2017-06-01 | Lexmark International Technology Sa | System and Methods of Segmenting Vessels from Medical Imaging Data |
CN105741251A (zh) * | 2016-03-17 | 2016-07-06 | 中南大学 | 一种肝脏cta序列图像的血管分割方法 |
CN106408645A (zh) * | 2016-09-05 | 2017-02-15 | 上海联影医疗科技有限公司 | 一种医学图像绘制的方法和设备 |
CN106408576A (zh) * | 2016-09-08 | 2017-02-15 | 飞依诺科技(苏州)有限公司 | 基于三维超声图像的感兴趣区域的自动分割方法及系统 |
CN107203741A (zh) * | 2017-05-03 | 2017-09-26 | 上海联影医疗科技有限公司 | 血管提取方法、装置及其系统 |
Non-Patent Citations (2)
Title |
---|
MATTHIAS SCHNEIDER ET AL.: "Joint 3-D vessel segmentation and centerline extraction using oblique Hough forests with steerable filters", 《MEDICAL IMAGE ANALYSIS》 * |
任国印等: "改进的体素生长算法在心脏局部血管提取中的应用", 《激光与光电子学进展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472803A (zh) * | 2018-10-26 | 2019-03-15 | 强联智创(北京)科技有限公司 | 一种颅内动脉血管分割方法及系统 |
CN109472803B (zh) * | 2018-10-26 | 2021-03-02 | 强联智创(北京)科技有限公司 | 一种颅内动脉血管分割方法及系统 |
CN109741360A (zh) * | 2019-01-07 | 2019-05-10 | 上海联影医疗科技有限公司 | 一种骨关节分割方法、装置、终端及可读介质 |
CN109741360B (zh) * | 2019-01-07 | 2022-02-22 | 上海联影医疗科技股份有限公司 | 一种骨关节分割方法、装置、终端及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108573494B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544566B (zh) | 冠脉图像分割方法、装置、计算机设备和存储介质 | |
WO2018120644A1 (zh) | 血管提取方法及系统 | |
CN107203741B (zh) | 血管提取方法、装置及其系统 | |
WO2018001099A1 (zh) | 一种血管提取方法与系统 | |
CN109741344A (zh) | 血管分割方法、装置、医疗影像设备及存储介质 | |
CN107545584A (zh) | 医学图像中定位感兴趣区域的方法、装置及其系统 | |
CN107808156A (zh) | 感兴趣区域提取方法 | |
JP6771931B2 (ja) | 医用画像処理装置およびプログラム | |
CN109493325A (zh) | 基于ct影像的肿瘤异质性分析系统 | |
JP2018509216A (ja) | T1 mriからの自動3dセグメンテーション及び皮質表面再構築 | |
JP2011120897A (ja) | 医用画像中の人工物体を抑制するためのシステムおよび方法 | |
US9384413B2 (en) | Method and device for automatic or semi-automatic segmentation of a 3D image data set | |
US20230097849A1 (en) | Creation method of trained model, image generation method, and image processing device | |
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 | |
CN108573494A (zh) | 一种管状结构提取方法及装置 | |
CN111260703A (zh) | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 | |
JP2012179360A (ja) | 医用画像処理装置、x線コンピュータ断層撮像装置及び医用画像処理プログラム | |
CN109740602A (zh) | 肺动脉期血管提取方法及系统 | |
EP2484286B1 (en) | Device and method for displaying medical image and program | |
CN113222974B (zh) | 一种侧支循环的自动评价方法和装置 | |
US20150206300A1 (en) | Method and apparatus for extraction and quantification of hematoma from a brain scan such as computed tomography data | |
WO2017076618A1 (en) | Method for tissue classification, computer program product and magnetic resonance imaging system | |
CN112862850A (zh) | 数字剪影血管造影影像处理方法及装置 | |
CN105096332B (zh) | 医学图像分割方法和装置 | |
CN112767332B (zh) | 一种基于cta影像的血管区域判断方法及系统 |
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 |