CN108765415A - 一种具有阴影管理监测系统 - Google Patents
一种具有阴影管理监测系统 Download PDFInfo
- Publication number
- CN108765415A CN108765415A CN201810611470.XA CN201810611470A CN108765415A CN 108765415 A CN108765415 A CN 108765415A CN 201810611470 A CN201810611470 A CN 201810611470A CN 108765415 A CN108765415 A CN 108765415A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- target area
- pet
- unit
- 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
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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
Abstract
本发明提供一种具有阴影管理监测系统,包括依次连接的接口单元、图像预处理模块、图像分割模块、特征提取模块和图像判别模块,所述接口单元,用于获取PET图像和CT图像并融合而成的PET/CT图像;所述图像预处理模块,对所述PET/CT图像进行预处理操作,包括对PET/CT图像边缘锐化和对比度增强处理,得出预处理图像;所述图像分割模块,包括目标区域分割单元和假阳性区域去除单元,所述特征提取模块,包括一个动态更新的图像体征计算模块组,所述图像判别模块上分别连接有阴影评价单元、图像数据库和显示控制单元,所述显示控制单元包括显示器,所述图像数据库与所述特征提取模块连接。因此需要一种结构合理、处理高效、操作简单、具有存储和对比功能的优点。
Description
技术领域
本发明属于医疗设备技术领域,具体涉及一种具有阴影管理监测系统。
背景技术
计算机断层扫描(Computer Tomography,简称:CT)是用计算机控制下的X线对人体的体层扫描,它利用人体组织在X线下显现的不同密度来进行对比达到精确显示解剖结构之目的。通常由医生或其同类人员对CT获取的医学图像进行观察和分析,从而获取相应病理信息,以作为诊断的依据。
但是由于CT图像显示的组织比较多,各组织之间的界限模糊,需要非常有经验的医生才能够从CT图像获得准确的相应病理信息,并且经常会由于医生的疏漏而漏掉一些病理信息,致使信息获取的不完整。例如:对腹部进行CT扫描,医生通过CT图像获取一定的病理信息,从而对泌尿系统的结石情况进行分析,经常就会导致结石漏判或者无法准确判断。
因此需要一种结构合理、处理高效、操作简单、具有存储和对比功能的具有阴影管理监测系统。
发明内容
本发明的目的是提供一种具有阴影管理监测系统,以解决现有人工查看CT图像阴影,受限于医生的经验,且容易发生遗漏和误差等问题。
本发明提供了如下的技术方案:
一种具有阴影管理监测系统,包括依次连接的接口单元、图像预处理模块、图像分割模块、特征提取模块和图像判别模块,
所述接口单元,用于获取PET图像和CT图像并融合而成的PET/CT图像;
所述图像预处理模块,对所述PET/CT图像进行预处理操作,包括对PET/CT图像边缘锐化和对比度增强处理,得出预处理图像;
所述图像分割模块,包括目标区域分割单元和假阳性区域去除单元,所述目标区域分割单元,用于通过判断所述PET/CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;所述假阳性区域去除单元,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域;
所述特征提取模块,包括一个动态更新的图像体征计算模块组,计算机自动地调用所述图像体征计算模块组中的各个特征计算子模块,完成对目标区域的多种阴影特征计算的过程,得出阴影特征数据;
所述图像判别模块上分别连接有阴影评价单元、图像数据库和显示控制单元,图像判别模块通过所述图像数据库与所述阴影体征数据对比得出结果,并通过所述阴影评价单元输出评价结果。
所述显示控制单元包括显示器,所述图像数据库与所述特征提取模块连接。
优选的,所述假阳性区域去除单元包括感兴趣区域确定组件和位置去除组件。
优选的,所述感兴趣区域确定组件,用于根据检测需求在所述CT图像中确定感兴趣区域。
优选的,所述位置去除组件,用于判别在所述目标区域中,某个独立区域是否完全或者部分的位于所述感兴趣区域之外,如果是,则去除构成该独立区域的所有点。
优选的,所述精确目标区域包含各个点的坐标、体素参数或者CT值。
本发明的有益效果是:
一种具有阴影管理监测系统,具有结构合理、处理高效、操作简单、具有存储和对比功能的优点;通过对PET/CT图像进行图形预处理,得到预处理图像,再从预处理图像上进行图像分割快速找到目标区域,通过特征提取模块进行阴影特征数据提取,快速获得图像阴影的特征再与图像数据库进行对比,得出阴影评价结构,整个过程合理快捷,提供了一个实时的具有阴影管理的监测系统。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明结构示意图。
具体实施方式
如图1所示,一种具有阴影管理监测系统,一种具有阴影管理监测系统,包括依次连接的接口单元、图像预处理模块、图像分割模块、特征提取模块和图像判别模块,接口单元,用于获取PET图像和CT图像并融合而成的PET/CT图像;图像预处理模块,对PET/CT图像进行预处理操作,包括对PET/CT图像边缘锐化和对比度增强处理,得出预处理图像;图像分割模块,包括目标区域分割单元和假阳性区域去除单元,目标区域分割单元,用于通过判断PET/CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,目标区域包括至少一个独立区域;假阳性区域去除单元,用于去除目标区域中包含的假阳性区域,从而得到精确目标区域;特征提取模块,包括一个动态更新的图像体征计算模块组,计算机自动地调用图像体征计算模块组中的各个特征计算子模块,完成对目标区域的多种阴影特征计算的过程,得出阴影特征数据;图像判别模块上分别连接有阴影评价单元、图像数据库和显示控制单元,图像判别模块通过图像数据库与阴影体征数据对比得出结果,并通过阴影评价单元输出评价结果。显示控制单元包括显示器,图像数据库与特征提取模块连接。
如图1所示,假阳性区域去除单元包括感兴趣区域确定组件和位置去除组件,感兴趣区域确定组件,用于根据检测需求在CT图像中确定感兴趣区域,位置去除组件,用于判别在目标区域中,某个独立区域是否完全或者部分的位于感兴趣区域之外,如果是,则去除构成该独立区域的所有点,精确目标区域包含各个点的坐标、体素参数或者CT值。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种具有阴影管理监测系统,其特征在于,包括依次连接的接口单元、图像预处理模块、图像分割模块、特征提取模块和图像判别模块,
所述接口单元,用于获取PET图像和CT图像并融合而成的PET/CT图像;
所述图像预处理模块,对所述PET/CT图像进行预处理操作,包括对PET/CT图像边缘锐化和对比度增强处理,得出预处理图像;
所述图像分割模块,包括目标区域分割单元和假阳性区域去除单元,所述目标区域分割单元,用于通过判断所述PET/CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;所述假阳性区域去除单元,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域;
所述特征提取模块,包括一个动态更新的图像体征计算模块组,计算机自动地调用所述图像体征计算模块组中的各个特征计算子模块,完成对目标区域的多种阴影特征计算的过程,得出阴影特征数据;
所述图像判别模块上分别连接有阴影评价单元、图像数据库和显示控制单元,图像判别模块通过所述图像数据库与所述阴影体征数据对比得出结果,并通过所述阴影评价单元输出评价结果。
所述显示控制单元包括显示器,所述图像数据库与所述特征提取模块连接。
2.根据权利要求1所述的一种具有阴影管理监测系统,其特征在于,所述假阳性区域去除单元包括感兴趣区域确定组件和位置去除组件。
3.根据权利要求2所述的一种具有阴影管理监测系统,其特征在于,所述感兴趣区域确定组件,用于根据检测需求在所述CT图像中确定感兴趣区域。
4.根据权利要求2所述的一种具有阴影管理监测系统,其特征在于,所述位置去除组件,用于判别在所述目标区域中,某个独立区域是否完全或者部分的位于所述感兴趣区域之外,如果是,则去除构成该独立区域的所有点。
5.根据权利要求1所述的一种具有阴影管理监测系统,其特征在于,所述精确目标区域包含各个点的坐标、体素参数或者CT值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810611470.XA CN108765415A (zh) | 2018-06-14 | 2018-06-14 | 一种具有阴影管理监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810611470.XA CN108765415A (zh) | 2018-06-14 | 2018-06-14 | 一种具有阴影管理监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765415A true CN108765415A (zh) | 2018-11-06 |
Family
ID=64022092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810611470.XA Pending CN108765415A (zh) | 2018-06-14 | 2018-06-14 | 一种具有阴影管理监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765415A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332132A (zh) * | 2021-12-31 | 2022-04-12 | 联影智能医疗科技(成都)有限公司 | 图像分割方法、装置和计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1943513A (zh) * | 2006-11-08 | 2007-04-11 | 沈阳东软医疗系统有限公司 | 一种针对ct图像的处理装置、方法及系统 |
CN101669828A (zh) * | 2009-09-24 | 2010-03-17 | 复旦大学 | 基于pet/ct图像纹理特征的肺部恶性肿瘤与良性结节检测系统 |
CN105760874A (zh) * | 2016-03-08 | 2016-07-13 | 中国科学院苏州生物医学工程技术研究所 | 面向尘肺的ct图像处理系统及其ct图像处理方法 |
ES2608037A1 (es) * | 2015-10-01 | 2017-04-05 | Lucia JÁÑEZ GARCÍA | Sistema y método para segmentación y análisis automatizados de la estructura tridimensional de conductos en imágenes de tomografía computarizada |
-
2018
- 2018-06-14 CN CN201810611470.XA patent/CN108765415A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1943513A (zh) * | 2006-11-08 | 2007-04-11 | 沈阳东软医疗系统有限公司 | 一种针对ct图像的处理装置、方法及系统 |
CN101669828A (zh) * | 2009-09-24 | 2010-03-17 | 复旦大学 | 基于pet/ct图像纹理特征的肺部恶性肿瘤与良性结节检测系统 |
ES2608037A1 (es) * | 2015-10-01 | 2017-04-05 | Lucia JÁÑEZ GARCÍA | Sistema y método para segmentación y análisis automatizados de la estructura tridimensional de conductos en imágenes de tomografía computarizada |
CN105760874A (zh) * | 2016-03-08 | 2016-07-13 | 中国科学院苏州生物医学工程技术研究所 | 面向尘肺的ct图像处理系统及其ct图像处理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332132A (zh) * | 2021-12-31 | 2022-04-12 | 联影智能医疗科技(成都)有限公司 | 图像分割方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11900608B2 (en) | Automatic image segmentation methods and analysis | |
Chawla et al. | A method for automatic detection and classification of stroke from brain CT images | |
CN108133476B (zh) | 一种肺结节自动检测方法及系统 | |
CN109886933A (zh) | 一种医学图像识别方法、装置和存储介质 | |
Camilus et al. | Computer-aided identification of the pectoral muscle in digitized mammograms | |
US10157467B2 (en) | System and method for detecting central pulmonary embolism in CT pulmonary angiography images | |
EP3035287A1 (en) | Image processing apparatus, and image processing method | |
US20090097728A1 (en) | System and Method for Detecting Tagged Material Using Alpha Matting | |
CN111951221A (zh) | 一种基于深度神经网络的肾小球细胞图像识别方法 | |
CN111602173A (zh) | 断层扫描数据分析 | |
US9275452B2 (en) | Method and system for automatically determining compliance of cross sectional imaging scans with a predetermined protocol | |
Maitra et al. | Accurate breast contour detection algorithms in digital mammogram | |
JP2022546344A (ja) | 脳卒中特徴取得のための画像処理 | |
CN111899850A (zh) | 医学影像的信息处理方法、显示方法及可读存储介质 | |
CN108399354A (zh) | 计算机视觉识别肿瘤的方法和装置 | |
CN108765415A (zh) | 一种具有阴影管理监测系统 | |
EP3977400A1 (en) | A computer based method for classifying a mass of an organ as a cyst | |
Chen et al. | An automated approach for fibrin network segmentation and structure identification in 3D confocal microscopy images | |
CN111612755A (zh) | 肺部病灶分析方法、装置、电子设备和存储介质 | |
Carnimeo et al. | A voting procedure supported by a neural validity classifier for optic disk detection | |
Fan et al. | Reconstruction of airway tree based on topology and morphological operations | |
KR20190139721A (ko) | X-ray/CT 영상에서 혈관 조각 병합 방법 및 장치 | |
Li et al. | Segmentation and tracking of coronary artery using graph-cut in CT angiographic | |
Liu et al. | Segmentation of Mammography Images Based on Spectrum Clustering Method | |
Monteiro | Region‐Based Clustering for Lung Segmentation in Low‐Dose CT Images |
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 |