CN108778134A - 用于根据3d解剖图像表征骨骼的中心轴的系统和方法 - Google Patents
用于根据3d解剖图像表征骨骼的中心轴的系统和方法 Download PDFInfo
- Publication number
- CN108778134A CN108778134A CN201680083577.0A CN201680083577A CN108778134A CN 108778134 A CN108778134 A CN 108778134A CN 201680083577 A CN201680083577 A CN 201680083577A CN 108778134 A CN108778134 A CN 108778134A
- Authority
- CN
- China
- Prior art keywords
- bone
- interest
- filling
- processor
- mask
- 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
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 450
- 238000000034 method Methods 0.000 title claims abstract description 108
- 238000000338 in vitro Methods 0.000 claims abstract description 8
- 238000001727 in vivo Methods 0.000 claims abstract description 6
- 230000015654 memory Effects 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 27
- 241000124008 Mammalia Species 0.000 claims description 22
- 238000002591 computed tomography Methods 0.000 claims description 16
- 210000002303 tibia Anatomy 0.000 claims description 16
- 238000002955 isolation Methods 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 12
- 210000000689 upper leg Anatomy 0.000 claims description 11
- 230000001054 cortical effect Effects 0.000 claims description 10
- 201000010099 disease Diseases 0.000 claims description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 239000007787 solid Substances 0.000 claims description 10
- 210000001519 tissue Anatomy 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 9
- 230000002969 morbid Effects 0.000 claims description 8
- 210000001696 pelvic girdle Anatomy 0.000 claims description 8
- 210000003484 anatomy Anatomy 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 210000003109 clavicle Anatomy 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 5
- 210000002082 fibula Anatomy 0.000 claims description 5
- 210000002758 humerus Anatomy 0.000 claims description 5
- 210000000236 metacarpal bone Anatomy 0.000 claims description 5
- 210000001872 metatarsal bone Anatomy 0.000 claims description 5
- 210000002320 radius Anatomy 0.000 claims description 5
- 210000000824 sesamoid bone Anatomy 0.000 claims description 5
- 210000000623 ulna Anatomy 0.000 claims description 5
- 238000010603 microCT Methods 0.000 abstract description 23
- 241001465754 Metazoa Species 0.000 abstract description 14
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000000638 solvent extraction Methods 0.000 abstract description 4
- 238000003860 storage Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 238000009966 trimming Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 5
- 238000009877 rendering Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 240000002299 Symphytum officinale Species 0.000 description 2
- 235000005865 Symphytum officinale Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 238000010245 stereological analysis Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000029918 bioluminescence Effects 0.000 description 1
- 238000005415 bioluminescence Methods 0.000 description 1
- 210000003557 bones of lower extremity Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000007876 drug discovery Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011503 in vivo imaging Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 210000004417 patella Anatomy 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/505—Clinical applications involving diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed 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
- G06T2207/10081—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
- G06T2207/30172—Centreline of tubular or elongated structure
Abstract
本文提出的是用于计算和提取动物受试者的骨骼的三维中心轴的有效且可靠的系统和方法——例如,通过体内或体外microCT平台扫描的动物受试者——以捕获所述骨骼的一般和局部切线方向,连同其形状、形式、曲率和取向。利用骨骼检测和分割算法,可以检测、分割和可视化由CT或microCT扫描仪扫描的动物受试者的骨架骨。使用这些方法确定的三维中心轴提供关于所述骨架骨的重要信息。
Description
技术领域
本发明总体上涉及图像分析的方法和系统。更具体地,在某些实施例中,本发明涉及从受试者(例如,哺乳动物)的图像检测和定位骨中心轴,例如,用计算机断层摄影(CT)扫描仪捕获。
背景技术
有许多针对哺乳动物体内和体外成像的技术——例如,生物发光、荧光、X射线计算机断层扫描和多模成像技术。小型哺乳动物的体内成像和来自小型哺乳动物的样本的体外成像由各种领域的大量研究人员进行,例如肿瘤学、传染病和药物发现。
微型计算机断层摄影(以下称为“microCT”)成像是一种基于X射线的技术,可以以极高的分辨率对组织、器官和非有机结构进行成像。MicroCT发展迅速,需要低剂量扫描和快速成像协议,以促进多模式应用并实现纵向实验模型。类似地,现在还使用设计用于体外样本的高分辨率成像的纳米计算机断层摄影(nanoCT)系统。多模式成像涉及以不同方式获得的图像的融合,例如,通过组合荧光分子断层摄影(FMT)、PET、MRI、CT和/或SPECT成像数据。
传统的图像分析应用和/或成像系统通常允许生物医学图像的可视化、分析、处理、分割、配准和测量。这些应用和系统还提供体绘制工具(例如,体积合成、深度着色、渐变着色、最大强度投影、总体素投影、信号投影);操纵功能(例如,定义所关注的结构区域,删除不需要的对象,编辑图像和对象图);以及测量功能(例如,表面体素数量,暴露面的数量,区域的平面面积,区域的估计表面积的计算)。
获取动物图像可能是耗时的,并且对所获取图像的快速分析是该过程效率的关键。包含microCT图像分析的三维(3D)成像软件能够从图像中提取结构、生物和解剖学属性,如骨骼等所关注器官的厚度、孔隙度、各向异性和其它测量。由于microCT系统提供的解剖学对比度和高空间分辨率,它们被广泛用于研究骨架骨形成、结构和疾病。这种分析的自动化提高了吞吐量、准确性和功效。在经典的骨骼分析方法中,研究人员需要使用microCT平台生成的印刷图像,视觉上和手动地量化骨骼的结构属性。虽然已经开发了一些用于计算机辅助骨骼分析的图像分析系统,但骨骼分析软件提供的数字工作流程仍然需要来自用户和研究人员的大量手动输入和交互。例如,目前需要这种手动反馈来获得皮质骨和骨小梁隔室的体视学测量,例如,手动选择3-D骨骼图像的离散2-D切片,从中确定平均厚度或其它性质。
一些传统的图像分析系统专注于定位骨骼的主轴以提取骨骼的2-D切片的方向。但主轴不带有详细的形状和方向信息。主轴表示骨骼的主要和次要方向轴,如图1中所示出的,并且被定义为骨体积惯性矩张量的特征向量。如图1中所示出的,主轴不捕获关于骨骼的形状、形式、局部切线方向和曲率的详细信息——所有这些都影响骨科结构和疾病评估的自动立体学研究的精确度。主轴主要指示骨骼作为实体对象的大致方向,而不完全捕获其形状和曲率。此外,主轴不能用于表征部分圆形骨骼,例如骨盆带。因此,它们不适用于自动化2-D逐切片测量和分析。
需要用于如microCT图像等图像中的骨骼的立体学分析和逐切片表征的自动的、精确的和改进的方法。
发明内容
自动检测骨骼的中心轴显着提高了骨架骨的逐切片测量和分析的速度、效率和自动化。长骨的中心轴(例如,长度大于宽度的四肢骨,例如股骨)可以有效地封装长骨的空间特征,方向,取向和形状。中心轴的计算对于执行自动且准确的2-D逐切片平面研究,如对例如股骨和胫骨等骨骼的立体学研究是必不可少的。垂直于中心轴的2-D平面构成用于2-D骨骼分析或立体学测量的切片。自动检测骨中心轴和2-D立体学切片允许对骨骼进行全自动的基于计算机的立体学测量。
本文提出的是用于计算和提取动物受试者的骨架骨的三维中心轴的有效且可靠的系统和方法——例如,通过体内microCT平台扫描的动物受试者和通过microCT或nanoCT平台扫描的动物受试者的体外样本——以捕获骨骼的一般和局部切线方向,连同其形状、形式、曲率和取向。利用骨骼检测和分割算法,可以自动检测、分割和可视化通过CT、nanoCT或microCT扫描仪扫描的动物受试者的骨骼。使用这些方法确定的三维中心轴提供关于骨骼的重要信息。
对中心轴的检测和定位提高了视觉和手动进行的立体学研究的速度和准确性,并且避免了主轴的限制,并且尤其提供了关于骨骼的方向、形状和曲率信息。对中心轴的检测和定位揭示了与骨骼的形状、方向和曲率相关的各种特征,这些特征不可通过使用主轴的现有方法获得。这对于弯曲或非直线长骨的分析以及2-D逐切片分析,例如,胫骨或骨盆带的2-D平面逐切片立体学研究,特别有用。骨骼的中心轴表示描述骨骼的主中心线、形状和取向的内侧路径。
用于识别中心骨轴的自动过程不是一个简单的问题,因为该过程将需要在没有用户交互或训练的情况下准确地识别广泛尺寸和形状的被成像骨骼的中心骨轴(例如,它将需要考虑不同类型的骨骼以及跨多个受试者的相同骨骼之间的可变性),并且它将需要是计算上有效的过程。
在某些实施例中,本文中所呈现的是用于从3D解剖图像自动计算骨中心轴的系统和方法。受试者(例如,哺乳动物)的包括所关注骨骼的区域被扫描(例如,利用microCT系统),并且获得受试者的区域的3D解剖图像。在一些实施例中,在第一步骤中,使用形态学处理填充所关注骨骼的二值掩码。在一些实施例中,骨骼的二值掩码通过形态学处理填充以更准确地反映骨骼的内部构成(例如,以准确地为骨骼的区别的小梁和皮质组分建模)。在一些实施例中,在第二步骤中,通过迭代的3-D细化对填充的骨骼执行骨架化(例如,形态学骨架化)。在一些实施例中,在第三步骤中,骨架被修剪(例如,细化)并简化为单个(例如,主要和/或中央)分支。在一些实施例中,骨架被向下修剪为单个分支并被平滑,产生遵循骨骼的内侧路径的单分支曲线,有效地识别和隔离所述骨骼的中心轴。
本文还描述了用于有效地填充三维(以下称为“3-D”)二值图像的六个外表面上的形态学孔的系统和方法。本文描述的一些实施例涉及用于填充跨三个面延伸的2-D形态学孔的系统和方法。在一些实施例中,边界上的这些形态学孔是由于部分视外骨骼的中空内部隔室。
本文描述的一些实例实施例涉及计算和提取骨架骨(例如,长骨)的中心轴以捕获骨骼的一般和局部切线方向。对中心轴的计算还识别骨骼的形状、形式和曲率等。也就是说,中心轴表示内侧路径,所述内侧路径描述了长骨的主中心线、形状和取向等。
在一个方面,本发明涉及一种用于自动识别的三维(3-D)图像中所关注骨骼的3-D中心轴的方法,所述方法包括:由计算装置的处理器接收一个或多个骨骼的所述3-D图像,包括哺乳动物的所述所关注骨骼(即,至少所述所关注骨骼的一部分);由所述处理器将所述所关注骨骼与所述3-D图像中的所述一个或多个骨骼隔离(例如,产生所述所关注骨骼的皮质组织的外表面的隔离图像);由所述处理器(例如,在隔离所述所关注骨骼之后)生成所述所关注骨骼的二值骨骼掩码;由所述处理器使用所述二值骨骼掩码生成所述所关注骨骼的填充的骨骼掩码;由所述处理器生成所述所关注骨骼的骨架(例如,通过对所述填充的骨骼掩码进行迭代的3-D细化);以及由所述处理器生成已修剪骨架以将所述骨架简化为与所述所关注骨骼的所述3-D中心轴相对应的分支(例如,单个分支、中央分支和/或主分支)。
在某些实施例中,所述所关注骨骼是所述哺乳动物的长骨(例如,股骨、胫骨、腓骨、肱骨、桡骨、尺骨、掌骨、跖骨、趾骨和锁骨)。在某些实施例中,所述所关注骨骼是所述哺乳动物的非长骨(例如,短骨、扁骨、籽骨或不规则骨)(例如,骨盆带)。
在某些实施例中,所述3-D图像由计算机断层摄影扫描仪(例如,微计算机或纳米计算机断层摄影扫描仪)获得。在某些实施例中,所述3-D的图像在体内捕获。在某些实施例中,所述3-D的图像在体外捕获。在某些实施例中,所述3-D图像是所述一个或多个骨骼的皮质组织的外表面的计算机断层摄影图像。
在某些实施例中,生成所述所关注骨骼的所述填充的骨骼掩码包括由所述处理器对所述3-D图像的与所述所关注骨骼相对应的所述部分执行形态学处理,所述处理包括:对所述所关注骨骼的所述二值骨骼掩码执行3-D二值扩张(例如,用球形结构元件)以形成扩张的骨骼掩码;以及识别并填充所述扩张的骨骼掩码的边界和/或形态学孔(例如,间隙和/或间断点),然后处理结果(例如,对所述边界和孔填充操作的结果执行3-D二值腐蚀)以生成所述所关注骨骼的所述填充的骨骼掩码。
在某些实施例中,所述方法包括通过以下方式填充所述所关注骨骼的边界:将来自所述所关注骨骼的所述二值骨骼掩码的图像数据数字地表示为一个或多个数据立方体;识别数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);在如此形成的2-D图像中填充形态学孔以产生填充的表面;以及将所述填充的表面映射回所述数据立方体的三个相应面。
在某些实施例中,生成所述所关注骨骼的所述3-D骨架包括由所述处理器对所述填充的骨骼掩码执行形态学处理,所述处理包括对所述填充的骨骼掩码执行迭代的3-D细化。
在某些实施例中,生成所述已修剪3-D骨架包括由所述处理器对所述所关注骨骼的所述骨架执行形态学处理,所述处理包括:将所述骨架的单分支中心线树或单周期主环识别为主路径;通过移除所述主路径中未包含的次要分支来修剪所述骨架;以及平滑所述已修剪骨架(例如,通过点平均),从而生成所述已修剪3-D骨架。
在某些实施例中,所述方法包括根据与所述所关注骨骼相对应的所述3-D中心轴表征所述所关注骨骼(例如,识别所述骨骼的异常和/或将所述骨骼识别为所述哺乳动物的特定骨骼)。
在某些实施例中,所述方法包括至少使用所述所关注骨骼的所述3-D中心轴渲染图像。
在某些实施例中,所述方法包括由所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴对所述所关注骨骼执行立体学测量,所述执行所述立体学测量包括:在沿着所述所关注骨骼的长度的各位置处在垂直于所述所识别的3-D中心轴的平面中产生所述所关注骨骼的多个图形2-D横截面(例如,2-D图像切片);对于所述图形2-D横截面中的每一个,如所述图形2-D横截面中所描绘的,确定所述骨骼的测量值(例如,识别所述2-D图像切片中的每一个的皮质厚度);以及使用根据所述多个图形2-D横截面确定的所述测量值获得所述所关注骨骼的所述立体学测量值(例如,获得所述所关注骨骼的平均皮质厚度作为根据所述2-D图像切片确定的所述测量值的平均值)。
在某些实施例中,所述方法包括由所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴(例如,基于所述所关注骨骼的使用所述所关注骨骼的所述所识别的3-D中心轴确定的一个或多个立体学测量值)确定(i)到(iii)中的一个或多个——(i)疾病状态的存在,(ii)疾病状态风险,和/或(iii)疾病发展的程度(例如,疾病的分阶段)。
在另一个方面,本发明涉及一种自动填充所关注对象(例如,骨骼)的图像中的边界的方法,所述方法包括:将来自对象(例如,所关注骨骼)的二值掩码的图像数据数字地表示为一个或多个数据立方体;由计算装置的处理器识别所述一个或多个数据立方体的数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;由所述处理器根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);由所述处理器填充如此形成的2-D图像中的形态学孔以产生填充的表面;以及由所述处理器将所述填充的表面映射回所述数据立方体的三个相应面。
在另一个方面,本发明涉及一种用于在三维(3-D)图像中自动识别所关注骨骼的3-D中心轴的系统,所述系统包括:处理器;以及具有存储在其上的指令的存储器,其中所述指令在由所述处理器执行时使所述处理器:接收一个或多个骨骼的所述3-D图像,包括哺乳动物的所述所关注骨骼(即,至少所述所关注骨骼的一部分);将所述所关注骨骼与所述3-D图像中的所述一个或多个骨骼隔离(例如,产生所述所关注骨骼的皮质组织的外表面的隔离图像);生成(例如,在所述隔离所述所关注骨骼之后)所述所关注骨骼的二值骨骼掩码;使用所述二值骨骼掩码生成所述所关注骨骼的填充的骨骼掩码;生成所述所关注骨骼的骨架(例如,通过对所述填充的骨骼掩码执行迭代的3-D细化);以及生成已修剪骨架以将所述骨架简化为与所述所关注骨骼的所述3-D中心轴相对应的分支(例如,单个分支、中央分支和/或主分支)。
在某些实施例中,所述所关注骨骼是所述哺乳动物的长骨(例如,股骨、胫骨、腓骨、肱骨、桡骨、尺骨、掌骨、跖骨、趾骨和锁骨)。在某些实施例中,所述所关注骨骼是所述哺乳动物的非长骨(例如,短骨、扁骨、籽骨或不规则骨)(例如,骨盆带)。在某些实施例中,所述3-D图像由计算机断层摄影扫描仪(例如,微计算机或纳米计算机断层摄影扫描仪)获得。
在某些实施例中,所述3-D图像在体内捕获。在某些实施例中,所述3-D图像在体外捕获。在某些实施例中,所述3-D图像是所述一个或多个骨骼的皮质组织的外表面的计算机断层摄影图像。
在某些实施例中,所述指令使所述处理器通过对所述3-D图像的与所述所关注骨骼相对应的所述部分执行形态学处理而生成所述所关注骨骼的所述填充的骨骼掩码,所述处理包括:对所述所关注骨骼的所述二值骨骼掩码执行3-D二值扩张(例如,用球形结构元件)以形成扩张的骨骼掩码;以及识别并填充所述扩张的骨骼掩码的边界和/或形态学孔(例如,间隙和/或间断点),然后处理结果(例如,对所述边界和孔填充操作的结果执行3-D二值腐蚀)以生成所述所关注骨骼的所述填充的骨骼掩码。
在某些实施例中,所述指令使所述处理器通过以下方式填充所述所关注骨骼的边界:将来自所述所关注骨骼的所述二值骨骼掩码的图像数据数字地表示为一个或多个数据立方体;识别数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);在如此形成的2-D图像中填充形态学孔以产生填充的表面;以及将所述填充的表面映射回所述数据立方体的三个相应面。
在某些实施例中,所述指令使所述处理器通过对所述填充的骨骼掩码执行形态学处理来生成所述所关注骨骼的所述3-D骨架,所述处理包括执行对所述填充的骨骼掩码执行迭代的3-D细化。
在某些实施例中,指令使所述处理器通过对所述所关注骨骼的所述骨架执行形态学处理而生成所述已修剪3-D骨架,所述处理包括:将所述骨架的单分支中心线树或单周期主环识别为主路径;通过移除所述主路径中未包含的次要分支来修剪所述骨架;以及平滑所述已修剪骨架(例如,通过点平均),从而生成所述已修剪3-D骨架。
在某些实施例中,所述指令使所述处理器根据与所述所关注骨骼相对应的中心轴表征所述所关注骨骼(例如,识别的所述骨骼的异常和/或将所述骨骼识别为所述哺乳动物的特定骨骼)。在某些实施例中,所述指令使所述处理器至少使用所述所关注骨骼的所述3-D中心轴渲染图像。在某些实施例中,所述指令使所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴对所述所关注骨骼执行立体学测量,所述执行所述立体学测量包括:在沿着所述所关注骨骼的长度的各位置处在垂直于所述所识别的3-D中心轴的平面中产生所述所关注骨骼的多个图形2-D横截面(例如,2-D图像切片);对于所述图形2-D横截面中的每一个,如所述图形2-D横截面中所描绘的,确定所述骨骼的测量值(例如,识别所述2-D图像切片中的每一个的皮质厚度);以及使用根据所述多个图形2-D横截面确定的所述测量值获得所述所关注骨骼的所述立体学测量值(例如,获得所述所关注骨骼的平均皮质厚度作为根据所述2-D图像切片确定的所述测量值的平均值)。在某些实施例中,所述指令使所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴(例如,基于所述所关注骨骼的使用所述所关注骨骼的所述所识别的3-D中心轴确定的一个或多个立体学测量值)确定(i)到(iii)中的一个或多个——(i)疾病状态的存在,(ii)疾病状态风险,和/或(iii)疾病发展的程度(例如,疾病的分阶段))。
在另一个方面,本发明涉及一种用于自动填充所关注的对象(例如,骨骼)的图像中的边界的系统,所述系统包括:处理器;以及具有存储在其上的指令的存储器,其中所述指令在由所述处理器执行时使所述处理器:将来自对象(例如,所关注骨骼)的二值掩码的图像数据数字地表示为一个或多个数据立方体;识别所述一个或多个数据立方体中的数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);在如此形成的2-D图像中填充形态学孔以产生填充的表面;以及将所述填充的表面映射回所述数据立方体的三个相应面。
关于本发明的一个方面描述的实施例可以应用于本发明的另一个方面(例如,关于一个独立权利要求描述的实施例的特征被预期适用于其它独立权利要求的其它实施例)。
附图说明
本发明的前述和其它目的、方面、特征和优点将变得更加明显,并且可以通过结合附图参考以下说明书被更好地理解,在附图中:
图1是示出通过microCT扫描仪成像的小鼠胫骨的主轴的图像;
图2是示出由顶部和底部的锥形部分附加的椭圆形棱镜的自动3D骨架化的图像;
图3是示出根据本公开的说明性实施例的通过使用分裂滤波器分割的microCT扫描仪成像的小鼠后肢的骨骼的3-D表示的图像;
图4是示出根据本公开的说明性实施例的自动表征和计算中心骨轴的方法的流程图;
图5是示出根据本公开的说明性实施例的通过microCT扫描仪成像的小鼠胫骨的中心轴的图像;
图6是示出根据本公开的说明性实施例的形态学骨骼填充方法的流程图;
图7A到图7E是根据本公开的说明性实施例的在图6的形态学骨骼填充方法的步骤之后创建的实例图像;
图8是示出根据本公开的说明性实施例的3D二值骨骼图像(数据立方体)上的边界填充方法的流程图;
图9A到图9F是根据本公开的说明性实施例的在图8的边界填充方法的步骤之后创建的实例图像;
图10是示出根据本公开的说明性实施例的通过microCT扫描仪成像的小鼠胫骨的骨架的图像,所述图像使用填充的骨骼上的迭代的3-D细化来计算;
图11是示出根据本公开的说明性实施例的用于修剪和平滑骨骼的形态学骨架的方法的流程图;
图12A到图12H是根据本公开的说明性实施例的在图11的应用于小鼠胫骨的3D图像的修剪和平滑方法的步骤之后创建的图像;
图13A到图13D是示出根据本公开的说明性实施例的在中心轴确定之后对小鼠胫骨的3D图像自动执行的2-D逐切片立体学操作的结果的实例图像。
图14是用于在本公开的说明性实施例中使用的实例计算装置和实例移动计算装置的框图;
图15是用于在本公开的说明性实施例中使用的实例计算环境的框图。
具体实施方式
可以设想要求保护的发明的系统、装置、方法和过程包括使用来自本文描述的实施例的信息开发的变型和改编。本文描述的系统、装置、方法和过程的改编和/或修改可以由相关领域的普通技术人员执行。
在整个说明书中,物品,装备和系统被描述为具有,包含或包括特定组件,或者其中过程和方法被描述为具有,包含或包括特定步骤,另外,可以设想,存在本发明的基本上由所述组件组成或由所述组件组成的物品、装置和系统,并且存在根据本发明的基本上由所述处理步骤组成或由所述处理步骤组成的过程和方法。
应当理解,只要本发明仍然可操作,步骤的顺序或执行某个动作的顺序就是不重要的。此外,可以同时进行两个或更多个步骤或动作。
本文提到的任何出版物,例如,在背景技术部分中,并不是承认所述出版物作为关于本文提出的任何权利要求的现有技术。背景技术部分是出于清楚的目的而给出的,并不意味着对任何权利要求的现有技术的描述。
如本文所使用的,“图像”——例如,哺乳动物的3-D图像——包含任何视觉表示,如照片、视频帧、流式视频、以及照片、视频帧或流式视频的任何电子、数字或数学模拟。在某些实施例中,本文描述的任何设备包含用于显示图像或由处理器产生的任何其它结果的显示器。在某些实施例中,本文描述的任何方法包含显示图像或通过所述方法产生的任何其它结果的步骤。
如本文所使用的,骨轴的“提取(extracting)”或“提取(extraction)”是指骨轴(例如,中心轴)的检测,分割,计算,可视化等。
如本文所使用的,参考“图像”的“3-D”或“三维”是指传达关于三个维度的信息。3-D图像可以被渲染为三维数据集和/或可以被显示为一组二维表示,或者显示为三维表示。
如本文所使用的,“长骨”是指肢体(例如,哺乳动物,例如小鼠,大鼠等)的长度大于宽度的骨骼(例如,股骨)。在一些实施例中,长骨是腿、手臂、手、脚、手指、脚趾或颈骨的骨骼。在一些实施例中,长骨选自以下:股骨、胫骨、腓骨、肱骨、桡骨、尺骨、掌骨、跖骨、趾骨和锁骨(例如,颈骨)。本文描述的某些实施例适用于长骨或非长骨,包含,例如,短骨、扁骨、籽骨和不规则骨。在某些实施例中,非长骨包含具有部分圆形形状的骨骼,例如,骨盆带。
如本文所使用的,“掩码”是图形图案,所述图形图案识别2-D或3-D区域,并且用于控制图像或其它图形图案的部分的消除或保留。
本文描述了用于从体内或体外图像(例如,3-D图像)自动检测骨中心轴的系统和方法。在一些实例实施例中,3-D图像是动物受试者(例如,哺乳动物,如小鼠)的体内图像。在一些实施例中,3-D图像是来自动物受试者(例如,哺乳动物,如小鼠)的样本(例如,骨骼样本)的体外图像。在一些实施例中,图像可以由如CT扫描仪、microCT扫描仪等医学成像装置获取和/或处理。应当理解,如3-D图像等图像可以是单个图像或一组或一系列多个图像。
骨骼的中心轴可以有效地概括骨骼的特性和数据,包含例如骨骼的空间特征,方向,取向和形状。使用骨骼检测和分割算法检测、分割和可视化动物受试者的骨架骨(例如,通过CT或microCT扫描仪扫描),如图3中示出的。当可视化骨骼集合时,骨轴有效地表示骨骼相对于彼此的取向。骨轴还用于确定骨骼方向(例如,在基于计算机的分析期间),因为轴承载定量结构信息,如骨骼取向的空间角度。重要的是,垂直于中心轴的2-D平面用于骨骼的逐切片立体学分析。通过沿着中心轴移动并提取垂直于中心轴的2-D平面,可以执行如立体学的2-D逐切片分析,如以下更加详细描述的图13A到13D中示出的。
本文描述的一些实例实施例涉及计算和提取骨架骨的中心轴以捕获骨骼的一般和局部切线方向。对中心轴的计算还识别骨骼的形状,形式和曲率等。也就是说,中心轴表示内侧路径,所述内侧路径描述了骨骼的主中心线、形状和取向等。
骨中心轴的描述和计算具有挑战性,因为骨骼不是具有简单规则形状的均匀固体对象;它们可以采用任意形状并且包含具有各种密度和孔隙度的中空区域和孔。此外,二值骨骼掩码的将3D区域简化为线组的形态学骨架可能不由单分支轴表示,而是它们可能包含多个分支,尤其是在远端,使传统分析混淆。因此,在某些实施例中,发现仅二值骨骼掩码或甚至填充的骨骼掩码的3D骨架化不足以提取中心轴。如图2中示出的,固体对象的骨架化导致无法用作内侧或中心轴的多分支的树或图形。骨架的外围分支仅反映固体对象的某些区域空间属性。3D骨架化将固体对象简化为一组曲线,仅所述曲线中的一些带有对计算固体对象的中心轴有用的信息;因此,在某些实施例中,如本文描述的,可以执行进一步步骤,以便以精确、自动化和可再现的方式从其形态学骨架中提取固体对象的中心轴。
在某些实施例中,从形态学骨架中提取骨中心轴。骨架通常针对填充的2-D或3-D二值对象定义。在一些实施例中,骨架可以表示和/或示出为骨架树。在一些实施例中,在填充的3-D对象中,通过对3-D对象二值掩码执行迭代的细化来提取形态学骨架。提取形态学骨架的过程称为骨架化。在一些实施例中,骨架化涉及提取3-D对象中所有最大内切球的中心的轨迹。参考图2,显示了由锥形截面附加的椭圆棱镜的直接骨架化的结果。对于在某个方向上伸长的3-D对象,骨架通常包括延伸穿过对象的主分支,以及从主分支延伸到对象边界的一些次要分支,类似于图2中示出的骨架。
由于两个主要原因,骨骼的直接3-D骨架化的结果通常不是用于中心轴计算和提取的有用候选项。首先,骨架骨几乎从不是均匀填充的3-D对象,并且其内部隔室(例如,小梁)是分布在骨髓上的多孔结构。骨骼掩码的直接3-D骨架化(不进行填充操作)将表示跨越骨骼的皮质壳和小梁网络的内侧树,而不是整个骨骼的形态学骨架,包含皮质、小梁和骨髓隔室。第二,由于外围分支(例如,延伸到锥形部分210、212中的多分支区段),骨架以其原始形式不是表示3-D对象的取向和形式的单分支中心轴。3-D骨架的外围分支仅携带局部结构信息,尤其是在远端处,并且不用于引导和自动化逐切片测量。
图3示出了根据示例性实施例的包括哺乳动物的多个骨骼的3-D图像。更具体地,图3示出了使用分裂滤波器分割成股骨,胫骨和髌骨的小鼠后肢的骨骼(例如,通过microCT扫描仪成像)。
在图3中,骨骼302、304、306、308已经在形态上彼此隔离和/或分割。其它骨骼也已经隔离,包含单独椎骨310。可以采取各种常见方法来隔离和/或分割3-D图像的单独骨骼,如图3中示出的,例如,在2015年7月29日提交的题为“用于在3D解剖图像中自动分割单独骨架骨的系统和方法(Systems and Methods for Automated Segmentation of IndividualSkeletal Bones in 3D Anatomical Images)”的美国专利申请号14/812,483中描述的系统和方法,所述专利申请的文本通过引用以其整体并入本文。在某些实施例中,隔离和/或分割采用线性分类或回归,并且与一个或多个特征相对应的信噪比(S/N)可以用于测量分类或回归的质量。在某些实施例中,根据经验选择用于分类或回归的约束。例如,在一些实施例中,通过使用变化的约束多次运行相同的一组实例来选择用于分类或回归的约束。可以选择适当的约束以在所选择的隔离和/或分割算法中在准确度和计算时间之间取得平衡。
图4示出了根据示例性实施例的用于从隔离二值骨骼掩码中提取中心骨轴的流程图。在识别(例如,提取)骨中心轴之前,例如从CT或micro-CT扫描仪接收哺乳动物的骨骼的3-D图像(或一系列3-D图像)[402]。骨骼(从中计算轴)在形态上与骨骼集合分离和/或分割[404],使得仅分析感兴趣所关注骨骼(例如,长骨)。以上参考图3更详细地描述了形态学隔离和/或分割。
在形态学隔离之后,一个或多个骨骼的3-D图像转换为二值骨骼掩码[406]。在若干实施例中,3-D二值骨骼掩码是包括包含状态(例如,二值真)或排除状态(例如,二值假)的体素的三维数组。掩码中处于二值真状态的体素与一个或多个骨骼的3-D图像中包含骨组织的区域相对应。相反,掩码中处于二值假状态的体素与3-D图像中的空或非骨组织相对应。如此,在某些实施例中,二值骨骼掩码至少表示一个或多个骨骼的皮质和小梁隔室。在进一步的实施例中,二值骨骼掩码最初由二值真体素填充(例如,内部部分内容物,如骨髓)(例如,二值骨骼掩码表示由皮质、小梁和骨髓隔室构成的固体3D骨骼体积)。用于生成二值骨骼掩码的实例技术在2014年1月23日提交的美国专利申请14/162,693中进一步详细地描述,所述专利申请通过引用以其整体并入本文。
在某些实施例中,骨骼的二值掩码通过形态学处理填充[408],这在图6中描绘的流程图中更详细地描述。在某些实施例中,填充3-D对象(例如,二值骨骼掩码)通常是指识别对象的内部体素(例如,由表面限定的内部子体积)并将它们全部添加到二值骨骼掩码(例如,通过将其状态更改为二值真)的过程。在一些实施例中,通过迭代的3-D细化对填充的骨骼执行骨骼化[410],这将在下面详细描述。在一些实施例中,骨架被向下修剪(例如,移除次要分支)到单个分支(例如,主干)并被平滑[412],其说明性方法在图。11描绘的流程图中详细描述。在某些实施例中,这三个步骤(408、410和412)产生遵循骨骼的内侧路径的单分支曲线,有效地识别和隔离骨骼的中心轴。
参考图5,示出了参考图4描述的中心骨轴识别方法的结果。中心骨轴502在图4中概括的步骤被执行之后获得,包含修剪和平滑填充的二值骨骼掩码的3D形态学骨架。
图6是根据示例性实施例的使用形态学处理填充骨的二值掩码(例如,骨填充)的过程的流程图。骨骼填充是提取骨骼的中心轴的步骤,例如,图4中描绘的方法的步骤408。例如,在某些实施例中,通过将骨骼的内部隔室(例如,骨髓)添加到骨骼掩码来执行骨骼填充。骨壳中存在将骨骼的内部部分或骨髓连接到骨骼掩码的背景的裂缝或静脉使得骨骼填充更具挑战性。由于骨壳中的静脉和/或裂缝,内部隔室在形态上与背景连接,并且需要额外的步骤来准确地、稳健地检测骨骼的内部隔室。例如,在一些实施例中,通过在形态学填充之前和之后在骨骼的扩张的掩码之间执行二值减法(例如,AND NOT操作)来检测内部隔室。在某些实施例中,扩张是指沿任何轴线或方向成比例地或不成比例地扩展图像。在一些实施例中,扩张是使用尺寸范围为3到5的球形结构元件执行的3-D球形扩张。可以采用各种扩张方法。在2011年9月12日提交的公开为国际专利申请公开号WO/2013/038225的国际申请PCT/IB2011/002757中进一步讨论扩张和相关操作,所述专利申请的全部内容通过引用以其整体并入本文。在一些实施例中,骨骼的内部隔室通过扩张该减法的结果而获得。在一些实施例中,通过将2-D填充应用于包含骨骼图像堆叠的数据立方体的边界平面来执行骨骼填充过程中的边界填充,如图8的流程图中详细概述的。
仍然参考图6,从医学图像,如哺乳动物的一个或多个骨骼的CT或microCT扫描,中生成[602](例如,检索)二值骨骼掩码。在某些实施例中,图像中包含的各种骨骼被自动隔离和/或分割(参见图3)。出于说明性目的,在步骤602中生成的二值骨骼掩码在本文中称为Image0,尽管所述方法不依赖于分配给任何图像的任何特定名称。反过来,二值骨骼掩码(Image0)通过球形结构元件扩张例如尺寸3到10,取决于图像的度量体素尺寸,并且将扩张的二值骨骼掩码存储为Image1[604]。
然后识别并填充Image1的边界[606]。还填充形态学孔(例如,间隙和/或间断点)[608]。下面参考图8更详细地描述边界填充。然后,执行3D二值腐蚀[610]以产生填充的骨骼掩码[622]。
在某些实施例中,将3D孔填充和边界填充操作的结果存储为Image2。然后从Image2中减去Image1[610],得到有效地表示填充的孔和裂缝的位置的掩码。在某些实施例中,从所得到的掩码中移除被定义为具有小于凭经验确定的边界的体积的连通组件的小斑点,并且图像被再次扩张并且被存储为Image3。反过来,通过将Image0与Image3组合生成新图像,得到Image0的与Image3表示的填充孔叠加的二值骨骼掩码。填充所得图像(Image0+Image3)的边界,然后填充3D图像的孔。孔被识别为位于扩张的骨骼掩码的内部隔室中的空或二值假体素(通过扩张的骨骼掩码与背景图像形态学断开)。通过添加到骨骼掩码(或其体素值被更新为1或二值真)来填充孔。
图7A到图7E示出了参考图6描述的步骤的结果。图7A描绘了二值骨骼掩码的结果的两个视图——外部视图和剖视图,图6的方法的步骤602。图7B描绘了3D二值扩张的结果,图6的方法的步骤604。图7C描绘了边界填充操作的结果,图6的方法的步骤606。图7D描绘了形态学孔填充的结果、图6的方法的步骤608。图7E描绘了由3D二值腐蚀产生的填充的骨骼掩码、图6的方法的步骤610。
图8示出了根据示例性实施例的用于执行边界填充的过程。在一些实例实施例中,在生成二值骨骼掩码的过程期间执行边界填充(例如,图6)。对未加工或加工的骨骼掩码(例如,由图6的步骤604产生的扩张的骨骼图像)执行边界填充。
更具体地,为了发起边界填充,检索在图6的示例性实施例中使用的二值骨骼掩码[602]。在一些实施例中,图像数据(例如,二值骨骼掩码的图像数据)被数字地表示为一个或多个数据立方体。在各实施例中,数据立方体包括与3-D骨骼掩码中的体素相对应的值的3D数组,其包括十二个边缘和八个顶点,顶点中的每一个与三个边缘相关联。数据立方体的每个边缘都与两个面相关联。从八个顶点中选择第一数据立方体顶点[804],其实例在图9A中示出。检查所选顶点以确保连接到顶点的所有三个边缘包含属于二值掩码的体素[806]。如果连接到顶点的边缘包含二值掩码体素,则它与真(例如,二值真)状态相关联和/或分配有所述真状态。如果连接到所选顶点的所有边缘都与真体素相关联,则满足顶点检查。否则,如果顶点检查未通过,则选择下一个顶点。如果顶点通过体素检查,则通过将连接到顶点的三个面与全零面连接作为象限来形成2-D图像[808],其实例在图9B中示出。然后通过将全零象限的对应像素的值更新为二值真来对角地连接具有与全零象限接界的二值真值的像素[810],如图9C中所描绘。然后填充所得连接的2-D图像中的形态学孔,并将填充的表面映射回数据立方体的三个相应面[812],如图9D(2-D图像)以及图9E和图9F(所产生的数据立方体的两个视图)中描绘的。
如果已经检查并处理(例如,完成)了所有顶点[816],则方法前进到步骤818。否则,方法返回以在步骤804中选择数据立方体中的下一个顶点。在完成所有顶点的情况下,选择第一个数据立方体边缘[818]。检查边缘以确保连接到边缘的面和边缘本身都包含二值真体素[820]。如果边缘检查通过(例如,边缘与真体素相关联),则通过将连接到边缘的两个面连接来形成2-D图像[822]。否则,如步骤818中选择下一个数据立方体边缘。填充2-D图像中的形态学孔并将填充的表面映射回数据立方体的两个相应面[824]。如果所有边缘都已完成[826],则方法继续到步骤828,否则选择下一个边缘。在完成所有边缘之后,填充数据立方体的每个单独面上的孔[830],从而生成边界填充的骨骼掩码。将边界填充的骨骼掩码存储在存储器中[828]。
如上所述,识别中心骨轴还包含3-D细化的步骤。3-D细化的概念在经由3-D内侧表面/轴线细化算法的建筑物骨架模型(Lee,T.C.,图形模型和图像处理,第56卷,第6号,十一月,第462页到478页,1994年)中更详细地描述,所述文献通过引用以其整体并入本文。
通常,3–D细化会将固体对象、区域或体积如填充的3-D对象(例如,骨骼)收缩或简化为形态学骨架(参见图10),具有主要和次要分支。在一些实施例中,结构的骨架(或内侧表面)是3-D空间(例如,欧几里德空间)中的对象的所有最大内切球体的中心的轨迹,其中每个球体接触边界多于一点。在一些实施例中,距离变换用于使3-D图像细化。在一些实施例中,在拓扑和几何约束下重复删除边界点,直到获得较小的一组连接点。在一些实施例中,3-D骨架基本上表示或是3-D欧几里德空间中“真”骨架的近似。在一些实施例中,执行水平集行进方法。
更具体地说,边界点的迭代删除提供了3-D细化,同时保持图像的拓扑属性被细化。在一些实施例中,根据边界点的类型(例如,北,南,西,东,上,下)将每个细化迭代划分为子循环。基于拓扑和几何约束限制被删除的边界点,例如,以避免图像中不期望的对象分离或消除。在一些实施方式中,内侧表面细化(MST)和/或中轴细化(MAT)可以用作3-D细化操作的边界删除过程的几何约束。也就是说,MST用于识别在细化期间未删除的表面点。也就是说,内侧表面细化识别大致位于中心线的表面。MAT与MST的不同之处在于,提取的骨架由弧和/或曲线组成,而不是近似于中心线的表面。MST和MAT都在经由3-D内侧表面/轴线细化算法的建筑物骨架模型(Lee,T.C.,图形模型和图像处理,第56卷,第6号,十一月,第462页到478页,1994年)中更详细地描述,所述文献通过引用以其整体并入本文。
图10示出了根据示例性实施例的来自小鼠胫骨的填充的骨骼掩码的3-D骨架化。骨架902可以被进一步修剪和平滑,如下面参考图11示出的。
图11示出了根据示例性实施例的修剪和平滑骨架以产生骨中心轴的过程[1100]。首先,检索二值骨架掩模码[1102]。随后,例如通过找到以下各项来识别骨架中的特定路径(主路径或中心路径)[1104]:(i)骨架的中心线树(例如,通过“《TEASAR:用于准确且稳健的骨架的树结构提取算法》,Sato,M.;Bitter,I.;Bender,M.A.;Kaufman,A.E.;Nakajima,M.,计算机图形和应用,2000年会议记录第八届太平洋会议,卷号,期号,2000年,页:281-449”)或(ii)骨架的单周期主环,取决于骨骼形态学骨架是否具有没有环的通常是哺乳动物骨骼的树结构(例如,长骨,如股骨),或具有环的骨骼形态学骨架(例如,骨盆带)。在某些实施例中,使用上面引用的TEASAR算法找到骨架的中心线树,其包含(1)读取对象内的二值分段体素;(2)将体积裁剪为对象;(3)计算距边界场的距离(DBF);(4)计算与任何体素场(DAF)的距离;(5)计算根体素场(PDRF)的惩罚距离;(6)找到标记为内部的最远PDRF体素;(7)提取从该体素到根的最短路径;(8)将路径附近的所有体素标记为“曾经在内部”;(9)重复步骤6到8,直到没有内部体素残留。
在修剪步骤[1106]中,从所识别的主路径移除骨架的次要分支,从而将骨架简化为单个分支。为了防止骨骼远端的不规则形状影响中心轴确定,通过点平均进一步平滑已修剪分支[1108]。该步骤的最终结果是骨中心轴[1110],其实例在参考的图5中示出[502]。
图12A到图12H是在图11的修剪和平滑方法的步骤之后创建的图像,如在如图3中示出的骨骼分割之后应用于由microCT成像平台扫描的小鼠的胫骨(图12A到图12D)和股骨(图12E到图12H)。从左到右,图像示出骨骼掩码(图12A/12E),骨架化步骤[1104]的结果(图12B/12F),修剪步骤[1106]的结果(图12C/12G)以及平滑步骤[1108]的结果(图12D/12H),从而产生胫骨和股骨的中心轴。
在一些实施方式中,所识别的骨中心轴用于量化骨骼的结构特性(例如,特征),如骨骼的形状、形式、局部切线方向、曲率等。反过来,这些特性可用于表征骨骼,例如,通过识别异常,将骨骼识别为特定骨骼等。在一些实施方式中,所识别的中心轴用于渲染与骨骼相关联的骨骼或骨骼组的图像。应当理解,使用骨骼的中心轴识别的骨骼的特性可以用于例如其它成像(例如,渲染)、诊断和治疗目的,以及用于其它应用。
例如,在某些实施例中,所识别的骨中心轴用于骨骼的立体学测量和逐切片研究。图13A到图13D是示出在中心轴确定之后准确且自动地执行的2-D逐切片立体学操作的结果的实例图像。垂直于中心轴的平面用于产生骨骼横截面的2-D图像切片。然后可以根据这些2-D切片自动计算如平均皮质厚度等参数。例如,图13A示出了在根据本文描述的方法确定骨中心轴之后的小鼠胫骨1300。识别平面1302、1306和1310。这些平面在沿骨骼长度的各位置垂直于中心轴。获得在这些平面处的2-D横截面的图像,例如,图13B到图13D的图像。图13B与平面1302相对应,图13C与平面1306相对应,并且图13D与平面1310相对应。从2-D横截面可以确定各种骨骼特性,例如,平均皮质(壳)厚度。可以采用任何数量的横截面。在图13中示出的情况下,平均皮质厚度被自动确定为3.98体素或198微米。本文公开的方法提供了从扫描(例如,micro-CT扫描)中直接获得该信息的自动、稳健的方式,从而消除了由于“手动”测量引起的操作者错误和可变性。
如上所述,本文描述的过程的某些实施例涉及提取骨中心轴以引导立体学测量或捕获例如骨骼的方向、整体形状和空间特性。各种其它实施例将本文描述的图像处理方法,包含如边界填充、骨骼填充和修剪/平滑等过程用于其它应用。例如,本文描述的图像处理方法可以用于使用如分水岭等形态学分离方法的骨骼分割/分离。在一些实施例中,形态学分离对填充的骨骼而不是原始骨骼掩码进行。此外,例如,边界和骨骼填充也可用于分割骨骼的皮质和小梁隔室。
图14示出了在本文描述的方法和系统中使用的说明性网络环境1400。简而言之,现在参考图14,示出并描述了示例性云计算环境1400的框图。云计算环境1400可以包含一个或多个资源提供方1402a、1402b、1402c(统称为1402)。每个资源提供方1402可以包含计算资源。在一些实施方式中,计算资源可以包含用于处理数据的任何硬件和/或软件。例如,计算资源可以包含能够执行算法、计算机程序和/或计算机应用程序的硬件和/或软件。在一些实施方式中,示例性计算资源可以包含具有存储和检索能力的应用服务器和/或数据库。每个资源提供方1402可以连接到云计算环境1400中的任何其它资源提供方1402。在一些实施方式中,资源提供方1402可以通过计算机网络1408连接。每个资源提供方1402可以通过计算机网络1408连接到一个或多个计算装置1404a、1404b、1404c(统称为1404)。
云计算环境1400可以包含资源管理器1406。资源管理器1406可以通过计算机网络1408连接到资源提供方1402和计算装置1404。在一些实施方式中,资源管理器1406可以促进一个或多个资源提供方1402向一个或多个计算装置1404提供计算资源。资源管理器1406可以从特定计算装置1404接收对计算资源的请求。资源管理器1406可以识别能够提供计算装置1404所请求的计算资源的一个或多个资源提供方1402。资源管理器1406可以选择资源提供方1402来提供计算资源。资源管理器1406可以促进资源提供方1402与特定计算装置1404之间的连接。在一些实施方式中,资源管理器1406可以在特定资源提供方1402与特定计算装置1404之间建立连接。在一些实施方式中,资源管理器1406可以使用所请求的计算资源将特定计算装置1404重定向到特定资源提供方1402。
图15示出了可以在本公开中描述的方法和系统中使用的计算装置1500和移动计算装置1550的实例。计算装置1500旨在表示各种形式的数字计算机,如膝上型计算机、台式机、工作站、个人数字助理、服务器、刀片服务器、大型机和其它适当的计算机。移动计算装置1550旨在表示各种形式的移动装置,如个人数字助理、蜂窝电话、智能电话和其它类似的计算装置。这里示出的组件,它们的连接和关系以及它们的功能仅仅是实例,并不意味着限制。
计算装置1500包括处理器1502、存储器1504、存储装置1506、连接到存储器1504和多个高速扩展端口1510的高速接口1508、以及连接到低速扩展端口1514和存储装置1506的低速接口1512。处理器1502、存储器1504、存储装置1506、高速接口1508、高速扩展端口1510和低速接口1512中的每一个使用各种总线互连,并且可以安装在公共主板上或以其它适当的方式安装。处理器1502可以处理用于在计算装置1500内执行的指令,包含存储在存储器1504中或存储装置1506上的指令,所述指令用于在外部输入/输出装置,如耦合到高速接口1508的显示器1516,上显示GUI的图形信息。在其它实施方式中,可以适当地使用多个处理器和/或多个总线连同多个存储器和存储器类型。而且,可以连接多个计算装置,每个装置提供必要操作的部分(例如,作为服务器库,一组刀片服务器或多处理器系统)。
存储器1504将信息存储在计算装置1500内。在一些实施方式中,存储器1504是一个或多个易失性存储器单元。在一些实施方式中,存储器1504是一个或多个非易失性存储器单元。存储器1504还可以是另一种形式的计算机可读媒体,如磁盘或光盘。
存储装置1506能够为计算装置1500提供大容量存储。在一些实施方式中,存储装置1506可以是或包含计算机可读媒体,如软盘装置、硬盘装置、光盘装置或磁带装置、闪存或其它类似的固态存储装置、或一组装置,包含存储区域网络或其它配置中的装置。指令可以存储在信息载体中。当由一个或多个处理装置(例如,处理器1502)执行时,所述指令执行一个或多个方法,如上面描述的那些方法。指令还可以由一个或多个存储装置存储,如计算机或机器可读媒体(例如,存储器1504,存储装置1506或处理器1502上的存储器)。
高速接口1508管理计算装置1500的带宽密集型操作,而低速接口1512管理较低带宽密集型操作。这种功能分配仅是实例。在一些实施方式中,高速接口1508耦合到存储器1504、显示器1516(例如,通过图形处理器或加速器),并且耦合到高速扩展端口1510,所述高速扩展端口可以接受各种扩展卡(未示出)。在所述实施方式中,低速接口1512耦合到存储装置1506和低速扩展端口1514。可以包含各种通信端口(例如,USB,以太网,无线以太网)的低速扩展端口1514可以例如通过网络适配器耦合到一个或多个输入/输出装置,如键盘、定点装置、扫描仪或者如交换机或路由器等联网装置。
计算装置1500可以以多种不同的形式实施,如图中所示。例如,它可以被实施为标准服务器1520或者在一组这样的服务器中实施多次。另外,它可以在如膝上型计算机1522等个人计算机中实施。它还可以被实施为机架服务器系统1524的一部分。或者,来自计算装置1500的组件可以与移动装置(未示出)中如移动计算装置1550等其它组件组合。这种装置中的每一个可以包含计算装置1500和移动计算装置1550中的一个或多个,并且整个系统可以由彼此通信的多个计算装置构成。
移动计算装置1550包含处理器1552、存储器1564、如显示器1554等输入/输出装置、通信接口1566和收发器1568、以及其它组件。移动计算装置1550还可以设置有存储装置,如微驱动器或其它装置,以提供额外的存储。处理器1552、存储器1564、显示器1554、通信接口1566和收发器1568中的每一个使用各种总线互连,并且若干组件可以适当地安装在公共主板上或以其它方式安装。
处理器1552可以执行移动计算装置1550内的指令,包含存储在存储器1564中的指令。处理器1552可以被实施为芯片的芯片组,所述芯片包括单独的和多个模数处理器。处理器1552可以提供例如移动计算装置1550的其它组件的协调,如用户界面的控制,由移动计算装置1550运行的应用程序,以及由移动计算装置1550进行的无线通信。
处理器1552可以通过耦合到显示器1554的控制接口1558和显示接口1556与用户通信。显示器1554可以是例如TFT(薄膜晶体管液晶显示器)显示器或OLED(有机发光二极管)显示器,或其它适当的显示技术。显示接口1556可以包括用于驱动显示器1554以向用户呈现图形和其它信息的适当电路系统。控制接口1558可以从用户接收命令并将它们转换以提交给处理器1552。另外,外部接口1562可以提供与处理器1552的通信,以便实现移动计算装置1550与其它装置的近区通信。外部接口1562可以例如在一些实施方式中提供有线通信,或者在其它实施方式中提供无线通信,并且还可以使用多个接口。
存储器1564将信息存储在移动计算装置1550中。存储器1564可以被实施为一个或多个计算机可读媒体、一个或多个易失性存储器单元、或者一个或多个非易失性存储器单元中的一个或多个。扩展存储器1574还可以被提供并通过扩展接口1572连接到移动计算装置1550,所述扩展接口可以包含例如SIMM(单列直插存储器模块)卡接口。扩展存储器1574可以为移动计算装置1550提供额外的存储空间,或者还可以存储用于移动计算装置1550的应用程序或其它信息。具体地,扩展存储器1574可以包含用于执行或补充上述过程的指令,并且还可以包含安全信息。因此,例如,扩展存储器1574可以被提供为用于移动计算装置1550的安全模块,并且可以用允许安全使用移动计算装置1550的指令编程。另外,可以通过SIMM卡提供安全应用程序连同额外信息,如以不可黑客方式将识别信息置于SIMM卡上。
存储器可以包含例如闪存和/或NVRAM存储器(非易失性随机存取存储器),如下所述。在一些实施方式中,指令存储在信息载体中,并且当由一个或多个处理装置(例如,处理器1552)执行时,所述指令执行一个或多个方法,如上面描述的那些方法。指令还可以由一个或多个存储装置存储,如一个或多个计算机或机器可读媒体(例如,存储器1564、扩展存储器1574或处理器1552上的存储器)。在一些实施方式中,可以例如通过收发器1568或外部接口1562在传播信号中接收指令。
移动计算装置1550可以通过通信接口1566无线地通信,所述通信接口在必要时可以包含数字信号处理电路系统。通信接口1566可以提供各种模式或协议下的通信,如GSM语音呼叫(全球移动通信系统)、SMS(短消息服务)、EMS(增强消息服务)或MMS消息(多媒体消息服务)、CDMA(码分多址)、TDMA(时分多址)、PDC(个人数字蜂窝)、WCDMA(宽带码分多址)、CDMA2000或GPRS(通用分组无线业务)等。这种通信可以例如通过使用射频的收发器1568发生。另外,可能发生短距离通信,如使用Wi-FiTM或其它这样的收发器(未示出)。另外,GPS(全球定位系统)接收器模块1570可以向移动计算装置1550提供额外的导航和位置相关的无线数据,所述无线数据可以由在移动计算装置1550上运行的应用程序适当地使用。
移动计算装置1550还可以使用音频编解码器1560进行可听地通信,所述音频编解码器可以从用户接收语音信息并将其转换为可用的数字信息。音频编解码器1560同样可以为用户产生可听声音,如通过例如移动计算装置1550的手机中的扬声器,。这样的声音可以包含来自语音电话呼叫的声音,可以包含记录的声音(例如,语音消息,音乐文件等),并且还可以包含由在移动计算装置1550上操作的应用程序生成的声音。
移动计算装置1550可以以多种不同的形式实施,如图中所示。例如,它可以被实施为蜂窝电话1580。它还可以被实施为智能电话1582、个人数字助理或其它类似移动装置的一部分。
这里描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合中实现。这些各种实施方式可以包含可在可编程系统上执行和/或解释的一个或多个计算机程序中的实施方式,所述可编程系统包含至少一个可编程处理器、至少一个输入装置以及至少一个输出装置,所述至少一个可编程处理器可以是专用的或通用的,耦合以从存储系统接收数据和指令并向所述存储系统传输数据和指令。
这些计算机程序(也称为程序,软件,软件应用程序或代码)包含用于可编程处理器的机器指令,并且可以用高级程序和/或面向对象的编程语言,和/或在汇编/机器语言中实施。如本文所使用的,术语机器可读媒体和计算机可读媒体是指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、设备和/或装置(例如,磁盘,光盘,存储器,可编程逻辑装置(PLD)),包含接收机器指令作为机器可读信号的机器可读媒体。术语机器可读信号是指用于向可编程处理器提供机器指令和/或数据的任何信号。
为了提供与用户的交互,这里描述的系统和技术可以在具有显示装置(例如,CRT(阴极射线管)或LCD(液晶显示器)监视器)的计算机上实施,所述显示装置或LCD用于向用户以及键盘和定点装置(例如,鼠标或轨迹球)显示信息,用户可以通过所述键盘和所述定点装置向计算机提供输入。其它类型的装置也可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感官反馈(例如,视觉反馈,听觉反馈或触觉反馈);并且可以以任何形式接收来自用户的输入,包含声学、语音或触觉输入。
这里描述的系统和技术可以在包含后端组件(例如,作为数据服务器),或者包括中间件组件(例如,应用服务器),或者包括前端组件(例如,具有图形用户界面或Web浏览器的客户端计算机,用户可以通过所述图形用户界面或所述浏览器与这里描述的系统和技术的实现进行交互),或者这种后端、中间件或前端组件的任何组合的计算系统中实施。系统的组件可以通过任何形式或媒体的数字数据通信(例如,通信网络)互连。通信网络的实例包含局域网(LAN),广域网(WAN)和互联网。
计算系统可以包含客户端和服务器。客户端和服务器通常彼此远离,并且通常通过通信网络进行交互。客户端和服务器的关系由于在各自的计算机上运行并且彼此具有客户端-服务器关系的计算机程序而产生。
虽然已经参考特定的优选实施例具体示出和描述了本发明,但是本领域技术人员应该理解,在不脱离由所附权利要求书定义的本发明的精神和范围的情况下,可以在形式和细节上作出各种改变。
Claims (32)
1.一种用于自动识别三维(3-D)图像中的所关注骨骼的3-D中心轴的方法,所述方法包括:
由计算装置的处理器接收一个或多个骨骼的所述3-D图像,包括哺乳动物的所述所关注骨骼(即,至少所述所关注骨骼的一部分);
由所述处理器将所述所关注骨骼与所述3-D图像中的所述一个或多个骨骼隔离(例如,产生所述所关注骨骼的皮质组织的外表面的隔离图像);
由所述处理器生成(例如,在所述隔离所述所关注骨骼之后)所述所关注骨骼的二值骨骼掩码;
由所述处理器使用所述二值骨骼掩码生成所述所关注骨骼的填充的骨骼掩码;
由所述处理器生成所述所关注骨骼的骨架(例如,通过对所述填充的骨骼掩码进行迭代的3-D细化);以及
由所述处理器生成已修剪骨架以将所述骨架简化为与所述所关注骨骼的所述3-D中心轴相对应的分支(例如,单个分支、中央分支和/或主分支)。
2.根据权利要求1所述的方法,其中所述所关注骨骼是所述哺乳动物的长骨(例如,股骨、胫骨、腓骨、肱骨、桡骨、尺骨、掌骨、跖骨、趾骨和锁骨)。
3.根据权利要求1所述的方法,其中所述所关注骨骼是所述哺乳动物的非长骨(例如,短骨、扁骨、籽骨或不规则骨)(例如,骨盆带)。
4.根据前述权利要求中任一项所述的方法,其中所述3-D图像由计算机断层摄影扫描仪(例如,微计算机或纳米计算机断层摄影扫描仪)获得。
5.根据前述权利要求中任一项所述的方法,其中所述3-D图像在体内捕获。
6.根据前述权利要求中任一项所述的方法,其中所述3-D图像在体外捕获。
7.根据前述权利要求中任一项所述的方法,其中所述3-D图像是所述一个或多个骨骼的皮质组织的外表面的计算机断层摄影图像。
8.根据前述权利要求中任一项所述的方法,其中生成所述所关注骨骼的所述填充的骨骼掩码包括由所述处理器对所述3-D图像的与所述所关注骨骼相对应的所述部分执行形态学处理,所述处理包括:
对所述所关注骨骼的所述二值骨骼掩码执行3-D二值扩张(例如,用球形结构元件)以形成扩张的骨骼掩码;以及
识别并填充所述扩张的骨骼掩码的边界和/或形态学孔(例如,间隙和/或间断点),然后处理结果(例如,对所述边界和孔填充操作的结果执行3-D二值腐蚀)以生成所述所关注骨骼的所述填充的骨骼掩码。
9.根据权利要求7所述的方法,其包括通过以下方式填充所述所关注骨骼的边界:
将来自所述所关注骨骼的所述二值骨骼掩码的图像数据数字地表示为一个或多个数据立方体;
识别数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;
根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);
在如此形成的所述2-D图像中填充形态学孔以产生填充的表面;以及
将所述填充的表面映射回所述数据立方体的三个相应面。
10.根据前述权利要求中任一项所述的方法,其中生成所述所关注骨骼的所述3-D骨架包括由所述处理器对所述填充的骨骼掩码执行形态学处理,所述处理包括对所述填充的骨骼掩码执行迭代的3-D细化。
11.根据前述权利要求中任一项所述的方法,其中生成所述已修剪3-D骨架包括由所述处理器对所述所关注骨骼的所述骨架执行形态学处理,所述处理包括:
将所述骨架的单分支中心线树或单周期主环识别为主路径;
通过移除所述主路径中未包含的次要分支来修剪所述骨架;以及
平滑所述已修剪骨架(例如,通过点平均),从而生成所述已修剪3-D骨架。
12.根据前述权利要求中任一项所述的方法,所述方法包括:
根据与所述所关注骨骼相对应的所述3-D中心轴表征所述所关注骨骼(例如,
识别所述骨骼的异常和/或将所述骨骼识别为所述哺乳动物的特定骨骼)。
13.根据前述权利要求中任一项所述的方法,所述方法包括:
至少使用所述所关注骨骼的所述3-D中心轴渲染图像。
14.根据前述权利要求中任一项所述的方法,所述方法包括由所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴对所述所关注骨骼执行立体学测量,所述执行所述立体学测量包括:
在沿着所述所关注骨骼的长度的各位置处在垂直于所述所识别的3-D中心轴的平面中产生所述所关注骨骼的多个图形2-D横截面(例如,2-D图像切片);
对于所述图形2-D横截面中的每一个,如所述图形2-D横截面中所描绘的,确定所述骨骼的测量值(例如,识别所述2-D图像切片中的每一个的皮质厚度);以及
使用根据所述多个图形2-D横截面确定的所述测量值获得所述所关注骨骼的所述立体学测量值(例如,获得所述所关注骨骼的平均皮质厚度作为根据所述2-D图像切片确定的所述测量值的平均值)。
15.根据前述权利要求中任一项所述的方法,所述方法包括由所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴(例如,基于所述所关注骨骼的使用所述所关注骨骼的所述所识别的3-D中心轴确定的一个或多个立体学测量值)确定(i)到(ⅲ)中的一个或多个—(i)疾病状态的存在,(ⅱ)疾病状态风险,和/或(iii)疾病发展的程度(例如,疾病的分阶段)。
16.一种自动填充所关注对象(例如,骨骼)的图像中的边界的方法,所述方法包括:
将来自对象(例如,所关注骨骼)的二值掩码的图像数据数字地表示为一个或多个数据立方体;
由计算装置的处理器识别所述一个或多个数据立方体中的数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;
由所述处理器根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);
由所述处理器填充如此形成的所述2-D图像中的形态学孔以产生填充的表面;以及
由所述处理器将所述填充的表面映射回所述数据立方体的三个相应面。
17.一种用于自动识别三维(3-D)图像中的所关注骨骼的3-D中心轴的系统,所述系统包括:
处理器;以及
具有存储在其上的指令的存储器,其中所述指令在由所述处理器执行时使所述处理器:
接收一个或多个骨骼的所述3-D图像,包括哺乳动物的所述所关注骨骼(即,至少所述所关注骨骼的一部分);
将所述所关注骨骼与所述3-D图像中的所述一个或多个骨骼隔离(例如,产生所述所关注骨骼的皮质组织的外表面的隔离图像);
生成(例如,在所述隔离所述所关注骨骼之后)所述所关注骨骼的二值骨骼掩码;
使用所述二值骨骼掩码生成所述所关注骨骼的填充的骨骼掩码;
生成所述所关注骨骼的骨架(例如,通过对所述填充的骨骼掩码执行迭代的3-D细化);并且
生成已修剪骨架以将所述骨架简化为与所述所关注骨骼的所述3-D中心轴相对应的分支(例如,单个分支,中央分支和/或主分支)。
18.根据权利要求17所述的系统,其中所述所关注骨骼是所述哺乳动物的长骨(例如,股骨、胫骨、腓骨、肱骨、桡骨、尺骨、掌骨、跖骨、趾骨和锁骨)。
19.根据权利要求17所述的系统,其中所述所关注骨骼是所述哺乳动物的非长骨(例如,短骨、扁骨、籽骨或不规则骨)(例如,骨盆带)。
20.根据权利要求17到19中任一项所述的系统,其中所述3-D图像由计算机断层摄影扫描仪(例如,微计算机或纳米计算机断层摄影扫描仪)获得。
21.根据权利要求17到20中任一项所述的系统,其中所述3-D图像在体内捕获。
22.根据权利要求17到21中任一项所述的系统,其中所述3-D图像在体外捕获。
23.根据权利要求17到22中任一项所述的系统,其中所述3-D图像是所述一个或多个骨骼的皮质组织的外表面的计算机断层摄影图像。
24.根据权利要求17到23中的任一项所述的系统,其中所述指令使所述处理器通过对所述3-D图像的与所述所关注骨骼相对应的所述部分执行形态学处理而生成所述所关注骨骼的所述填充的骨骼掩码,所述处理包括:
对所述所关注骨骼的所述二值骨骼掩码执行3-D二值扩张(例如,用球形结构元件)以形成扩张的骨骼掩码;以及
识别并填充所述扩张的骨骼掩码的边界和/或形态学孔(例如,间隙和/或间断点),然后处理结果(例如,对所述边界和孔填充操作的结果执行3-D二值腐蚀)以生成所述所关注骨骼的所述填充的骨骼掩码。
25.根据权利要求23所述的系统,其中所述指令使所述处理器通过以下方式填充所述所关注骨骼的边界:
将来自所述所关注骨骼的所述二值骨骼掩码的图像数据数字地表示为一个或多个数据立方体;
识别数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;
根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);
在如此形成的所述2-D图像中填充形态学孔以产生填充的表面;以及
将所述填充的表面映射回所述数据立方体的三个相应面。
26.根据权利要求17到25中任一项所述的系统,其中所述指令使所述处理器通过对所述填充的骨骼掩码执行形态学处理而生成所述所关注骨骼的所述3-D骨架,所述处理包括对所述填充的骨骼掩码执行迭代的3-D细化。
27.根据权利要求17到26中任一项所述的系统,其中所述指令使所述处理器通过对所述所关注骨骼的所述骨架执行形态学处理而生成所述已修剪3-D骨架,所述处理包括:
将所述骨架的单分支中心线树或单周期主环识别为主路径;
通过移除所述主路径中未包含的次要分支来修剪所述骨架;以及
平滑所述已修剪骨架(例如,通过点平均),从而生成所述已修剪3-D骨架。
28.根据权利要求17到27中任一项所述的系统,其中所述指令使所述处理器根据与所述所关注骨骼相对应的中心轴表征所述所关注骨骼(例如,识别所述骨骼的异常和/或将所述骨骼识别为所述哺乳动物的特定骨骼)。
29.根据权利要求17到28中任一项所述的系统,其中所述指令使所述处理器至少使用所述所关注骨骼的所述3-D中心轴渲染图像。
30.根据权利要求17到29中任一项所述的系统,其中所述指令使所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴对所述所关注骨骼执行立体学测量,所述执行所述立体学测量包括:
在沿着所述所关注骨骼的长度的各位置处在垂直于所识别的3-D中心轴的平面中产生所述所关注骨骼的多个图形2-D横截面(例如,2-D图像切片);
对于所述图形2-D横截面中的每一个,如所述图形2-D横截面中所描绘的,确定所述骨骼的测量值(例如,识别所述2-D图像切片中的每一个的皮质厚度);以及
使用根据所述多个图形2-D横截面确定的所述测量值获得所述所关注骨骼的所述立体学测量值(例如,获得所述所关注骨骼的平均皮质厚度作为根据所述2-D图像切片确定的所述测量值的平均值)。
31.根据权利要求17到30中任一项所述的系统,其中所述指令使所述处理器使用所述所关注骨骼的所述所识别的3-D中心轴(例如,基于所述所关注骨骼的使用所述所关注骨骼的所述所识别的3-D中心轴确定的一个或多个立体学测量值)确定(i)到(ⅲ)中的一个或多个——(i)疾病状态的存在,(ⅱ)疾病状态风险,和/或(iii)疾病发展的程度(例如,疾病的分阶段)。
32.一种用于自动填充所关注对象(例如,骨骼)的图像中的边界的系统,所述系统包括:
处理器;以及
具有存储在其上的指令的存储器,其中所述指令在由所述处理器执行时使所述处理器:
将来自对象(例如,所关注骨骼)的二值掩码的图像数据数字地表示为一个或多个数据立方体;
识别所述一个或多个数据立方体中的数据立方体的顶点,所述顶点具有连接到与真(例如,二值真)体素相关联的所述顶点的所有边缘;
根据连接到所述所识别的顶点的三个面形成2-D图像(例如,通过添加全零面作为象限之一并且在所述全零面象限的边界上对角连接二值真体素);
在如此形成的2-D图像中填充形态学孔以产生填充的表面;并且
将所述填充的表面映射回所述数据立方体的三个相应面。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2016/024372 WO2017164893A1 (en) | 2016-03-25 | 2016-03-25 | Systems and methods for characterizing a central axis of a bone from a 3d anatomical image |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108778134A true CN108778134A (zh) | 2018-11-09 |
CN108778134B CN108778134B (zh) | 2022-09-13 |
Family
ID=55702119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680083577.0A Active CN108778134B (zh) | 2016-03-25 | 2016-03-25 | 用于根据3d解剖图像表征骨骼的中心轴的系统和方法 |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP3432797B1 (zh) |
JP (1) | JP6734390B2 (zh) |
CN (1) | CN108778134B (zh) |
CA (1) | CA3014608C (zh) |
RU (1) | RU2703699C1 (zh) |
WO (1) | WO2017164893A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008506A (zh) * | 2019-02-22 | 2019-07-12 | 南京航空航天大学 | 一种骨肿瘤仿生修复方法 |
CN110930485A (zh) * | 2019-12-09 | 2020-03-27 | 米哈游科技(上海)有限公司 | 基于动画的角色旋转方法、装置、服务器及存储介质 |
CN113269890A (zh) * | 2021-07-21 | 2021-08-17 | 广州中望龙腾软件股份有限公司 | 边界面网格生成方法、智能终端以及存储装置 |
CN113647965A (zh) * | 2021-08-30 | 2021-11-16 | 北京理工大学 | 一种前臂骨识别方法及系统 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10136869B2 (en) | 2016-03-25 | 2018-11-27 | Perkinelmer Health Sciences, Inc. | Systems and methods for characterizing a central axis of a bone from a 3D anatomical image |
US10813614B2 (en) | 2017-05-24 | 2020-10-27 | Perkinelmer Health Sciences, Inc. | Systems and methods for automated analysis of heterotopic ossification in 3D images |
JP7472845B2 (ja) | 2020-07-21 | 2024-04-23 | 株式会社島津製作所 | X線撮影装置および画像処理方法 |
RU2767918C1 (ru) * | 2021-12-21 | 2022-03-22 | Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр реабилитации и курортологии" Министерства здравоохранения Российской Федерации (ФГБУ "НМИЦ РК" Минздрава России) | Способ определения степени адаптации пациента при наследственных системных заболеваниях скелета |
RU2767921C1 (ru) * | 2021-12-21 | 2022-03-22 | Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр реабилитации и курортологии" Министерства здравоохранения Российской Федерации (ФГБУ "НМИЦ РК" Минздрава России) | Способ оценки динамики состояния пациента при наследственных системных заболеваниях скелета |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09294740A (ja) * | 1996-05-07 | 1997-11-18 | Teijin Ltd | 骨計測方法 |
US20070031019A1 (en) * | 2005-07-28 | 2007-02-08 | David Lesage | System and method for coronary artery segmentation of cardiac CT volumes |
JP2008220406A (ja) * | 2007-03-08 | 2008-09-25 | Hitachi Medical Corp | 画像処理装置及び画像処理プログラム |
US7539332B1 (en) * | 2003-09-19 | 2009-05-26 | Compumed, Inc. | Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image |
EP2194505A1 (en) * | 2008-11-25 | 2010-06-09 | Algotec Systems Ltd. | Method and system for segmenting medical imaging data according to a skeletal atlas |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006102353A (ja) * | 2004-10-08 | 2006-04-20 | Toshiba Corp | 関節動作解析装置、関節動作解析方法及び関節動作解析プログラム |
JP4934786B2 (ja) * | 2006-10-13 | 2012-05-16 | 国立大学法人 東京大学 | 膝関節診断支援方法及び装置並びにプログラム |
RU2342077C1 (ru) * | 2007-08-08 | 2008-12-27 | Государственное образовательное учреждение высшего профессионального образования "БАШКИРСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ Федерального Агентства по здравоохранению и социальному развитию" (ГОУ ВПО БГМУ РОСЗДРАВА) | Способ трехмерной визуализации длинных трубчатых костей при диафизарных переломах |
WO2013038225A1 (en) | 2011-09-12 | 2013-03-21 | Perkinelmer Cellular Technologies Germany Gmbh Eesti Filiaal | Methods and apparatus for image analysis and modification using fast sliding parabola erosion |
JP2013172792A (ja) * | 2012-02-24 | 2013-09-05 | Toshiba Corp | 医用画像診断装置 |
JP2015066311A (ja) * | 2013-09-30 | 2015-04-13 | 国立大学法人徳島大学 | 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体 |
-
2016
- 2016-03-25 RU RU2018136627A patent/RU2703699C1/ru active
- 2016-03-25 CN CN201680083577.0A patent/CN108778134B/zh active Active
- 2016-03-25 CA CA3014608A patent/CA3014608C/en active Active
- 2016-03-25 JP JP2018549919A patent/JP6734390B2/ja active Active
- 2016-03-25 EP EP16715704.9A patent/EP3432797B1/en active Active
- 2016-03-25 WO PCT/US2016/024372 patent/WO2017164893A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09294740A (ja) * | 1996-05-07 | 1997-11-18 | Teijin Ltd | 骨計測方法 |
US7539332B1 (en) * | 2003-09-19 | 2009-05-26 | Compumed, Inc. | Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image |
US20070031019A1 (en) * | 2005-07-28 | 2007-02-08 | David Lesage | System and method for coronary artery segmentation of cardiac CT volumes |
JP2008220406A (ja) * | 2007-03-08 | 2008-09-25 | Hitachi Medical Corp | 画像処理装置及び画像処理プログラム |
EP2194505A1 (en) * | 2008-11-25 | 2010-06-09 | Algotec Systems Ltd. | Method and system for segmenting medical imaging data according to a skeletal atlas |
Non-Patent Citations (1)
Title |
---|
李涛: "医学CT图像的三维重建", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008506A (zh) * | 2019-02-22 | 2019-07-12 | 南京航空航天大学 | 一种骨肿瘤仿生修复方法 |
CN110930485A (zh) * | 2019-12-09 | 2020-03-27 | 米哈游科技(上海)有限公司 | 基于动画的角色旋转方法、装置、服务器及存储介质 |
CN110930485B (zh) * | 2019-12-09 | 2023-11-14 | 米哈游科技(上海)有限公司 | 基于动画的角色旋转方法、装置、服务器及存储介质 |
CN113269890A (zh) * | 2021-07-21 | 2021-08-17 | 广州中望龙腾软件股份有限公司 | 边界面网格生成方法、智能终端以及存储装置 |
CN113269890B (zh) * | 2021-07-21 | 2021-11-19 | 广州中望龙腾软件股份有限公司 | 边界面网格生成方法、智能终端以及存储装置 |
CN113647965A (zh) * | 2021-08-30 | 2021-11-16 | 北京理工大学 | 一种前臂骨识别方法及系统 |
CN113647965B (zh) * | 2021-08-30 | 2023-11-28 | 北京理工大学 | 一种前臂骨识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6734390B2 (ja) | 2020-08-05 |
EP3432797A1 (en) | 2019-01-30 |
WO2017164893A1 (en) | 2017-09-28 |
CA3014608C (en) | 2023-02-28 |
EP3432797B1 (en) | 2021-06-16 |
CN108778134B (zh) | 2022-09-13 |
CA3014608A1 (en) | 2017-09-28 |
JP2019510565A (ja) | 2019-04-18 |
RU2703699C1 (ru) | 2019-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108778134A (zh) | 用于根据3d解剖图像表征骨骼的中心轴的系统和方法 | |
US10178982B2 (en) | System and methods for automated segmentation of individual skeletal bones in 3D anatomical images | |
US11219424B2 (en) | Systems and methods for characterizing a central axis of a bone from a 3D anatomical image | |
CN109615636B (zh) | Ct影像的肺叶段分割中的血管树构造方法、装置 | |
CN107851312B (zh) | 用于在三维解剖图像中自动分割个别骨骼骨的系统及方法 | |
CN102460471B (zh) | 用于胸腔层析x射线合成成像中的计算机辅助肺结节检测的系统 | |
EP2840553A1 (en) | 3d model data generation device, method and program | |
Oghli et al. | Automatic fetal biometry prediction using a novel deep convolutional network architecture | |
CN112116562A (zh) | 基于肺部影像数据检测病灶的方法、装置、设备及介质 | |
WO2019023909A1 (zh) | 一种肝段分割方法与设备 | |
Karner et al. | Single-shot deep volumetric regression for mobile medical augmented reality | |
Wang et al. | Robust bone shadow segmentation from 2D ultrasound through task decomposition | |
JP6970783B2 (ja) | 3d解剖学的画像から骨の中心軸を特徴付けるためのシステム及び方法 | |
JP2010504796A (ja) | 解剖学的形状情報を用いた医学画像データベースへのアクセス | |
JP2019171200A (ja) | 3d解剖画像における個々の骨格の骨の自動化されたセグメンテーションのためのシステムおよび方法 | |
Pei et al. | Mixed metric random forest for dense correspondence of cone-beam computed tomography images | |
Fuster-Guilló et al. | Multidimensional measurement of virtual human bodies acquired with depth sensors | |
Marcal et al. | Measuring Surface and Volume of a Spheroid-Shaped 3D Object from a Single Image | |
Pezeshk et al. | Realistic Lesion Insertion for Medical Data Augmentation | |
Ren et al. | Reconstruction of the Volume of Affected Lymph Nodes on Positron Emission and Computed Tomography 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |