CN109685816A - 一种图像分割方法、装置、设备及存储介质 - Google Patents
一种图像分割方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109685816A CN109685816A CN201811613655.0A CN201811613655A CN109685816A CN 109685816 A CN109685816 A CN 109685816A CN 201811613655 A CN201811613655 A CN 201811613655A CN 109685816 A CN109685816 A CN 109685816A
- Authority
- CN
- China
- Prior art keywords
- model
- wall thickness
- thickness coefficient
- edge
- image
- 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
- G06T7/12—Edge-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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Abstract
本发明实施例公开了一种图像分割方法、装置、设备及存储介质。该方法包括:将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型;其中,所述模型包括参数、数据和/或公式;基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整;根据调整结果对图像进行分割,得到环状结构的分割图像。本发明实施例的技术方案,解决了环状结构的图像分割时,因为内环边缘和外环边缘之间的壁厚不合适而导致的欠分割或是过分割的问题,提高了图像分割的精确度。
Description
技术领域
本发明实施例涉及医学图像处理技术,尤其涉及一种图像分割方法、装置、设备及存储介质。
背景技术
心功能疾病和心肌病是造成老年人死亡的重要疾病,基于电子计算机X射线断层扫描(Computed Tomography,CT)技术的心脏腔室分割可以提取出心脏各个腔室的边缘和区域,尤其是左心室和左心肌的正确提取,可以为医生对心功能分级和心功能相关疾病的早期预防和诊断提供依据。
现有的环状包含结构例如心脏腔室和心肌的分割多是基于心脏腔室网格模型技术,首先利用初定位将腔室网格模型定位到心脏附近,然后利用模型特性和边缘特征再实现腔室边缘的精确定位。但是,左心室外乳头肌的存在使得左心室和左心肌的边缘成散状边缘,现有技术方案容易出现左心肌欠分割或是过分割的技术问题。
发明内容
本发明实施例提供了一种图像分割方法、装置、设备及存储介质,解决了环状结构的图像分割时,因为内环边缘和外环边缘之间的壁厚不合适而导致的欠分割或是过分割的问题,提高了图像分割的精确度。
第一方面,本发明实施例提供了一种图像分割方法,可以包括:
将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型;其中,所述模型包括参数、数据和/或公式;
基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整;
根据调整结果对图像进行分割,得到环状结构的分割图像。
可选的,确定模型中内环边缘和外环边缘之间的壁厚系数,可以包括:
通过如下公式确定模型中内环边缘和外环边缘之间的壁厚系数:
其中,f(x)是壁厚系数,x是内环边缘和外环边缘相匹配的点之间的壁厚,ε是调节因子,a是预设的第一壁厚阈值,b是预设的第二壁厚阈值。
可选的,根据壁厚系数对模型进行调整,可以包括:
根据壁厚系数确定内环区域和外环区域的目标能量函数,并根据目标能量函数对模型进行调整;其中,所述模型包括内环区域和外环区域。
可选的,在根据壁厚系数对模型进行调整之后,所述方法还可以包括:
根据调整结果更新模型,并重复执行确定模型中内环边缘和外环边缘之间的壁厚系数的操作,直至目标能量函数满足预设条件。
可选的,根据壁厚系数确定内环区域和外环区域的目标能量函数,包括:
基于预设的目标点查找函数和壁厚系数查找内环区域的至少一个内环目标点和外环区域的至少一个外环目标点;
根据各内环目标点和壁厚系数确定内环能量函数,以及,根据各外环目标点和壁厚系数确定外环能量函数,并根据预设函数选择条件将内环能量函数或是外环能量函数作为目标能量函数。
可选的,基于预设的目标点查找函数和壁厚系数查找内环区域的至少一个内环目标点,可以包括:
基于预设的法向量确定函数分别确定内环区域中各个点的法向量;
根据预设的步长和搜索范围,沿着各个点的法向量的方向进行搜索,分别确定与各个点匹配的至少一个候选点;
基于预设的目标点获取函数和壁厚系数分别确定与点匹配的候选点中的内环目标点。
可选的,当模型是心脏模型时,壁厚系数是心脏模型中左心室边缘和左心肌边缘之间的壁厚系数。
第二方面,本发明实施例还提供了一种图像分割装置,该装置可以包括:
模型更新模块,用于将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型;其中,所述模型包括参数、数据和/或公式;
模型调整模块,用于基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整;
环状结构分割模块,用于根据调整结果对图像进行分割,得到环状结构的分割图像。
第三方面,本发明实施例还提供了一种设备,该设备可以包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明任意实施例所提供的图像分割方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明任意实施例所提供的图像分割方法。
本发明实施例的技术方案,将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型,使得模型和图像大致匹配,缩小了模型和图像之间的差异性,实现了模型在图像中的初定位;基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整,以此将模型的内环边缘和外环边缘之间的壁厚约束在合理的区间;根据调整结果对图像进行分割,得到环状结构的分割图像。上述技术方案解决了环状结构的图像分割时,因为内环边缘和外环边缘之间的壁厚不合适而导致的欠分割或是过分割的问题,提高了图像分割的精确度。
附图说明
图1是本发明实施例一中的一种图像分割方法的流程图;
图2a是本发明实施例一中的一种图像分割方法中左心肌欠分割的示意图;
图2b是本发明实施例一中的一种图像分割方法中左心肌分割的示意图;
图3是本发明实施例一中的一种图像分割方法中壁厚系数的示意图;
图4是本发明实施例二中的一种图像分割方法的流程图;
图5是本发明实施例三中的一种图像分割装置的结构框图;
图6是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中提供的一种图像分割方法的流程图。本实施例可适用于具有环状结构特征的图像分割的情况,尤其适合于心脏左心肌的图像分割的情况。该方法可以由本发明实施例提供的图像分割装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本发明实施例的方法具体可以包括如下步骤:
S110、将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型;其中,所述模型包括参数、数据和/或公式。
其中,所述模型可以是适合于环状结构的模型,所述模型的建立过程可以是:获取至少两个适合于环状结构的参考模型,并对各参考模型进行图像配准;在配准后的各参考模型中标注环状结构的边缘,并根据标注信息确定各参考模型的控制点;根据各控制点建立上述模型。另外,所述模型可以包括模型的参数、数据和/或公式,其中,所述数据可以根据模型参数和/或模型公式得到;根据数据可以得到模型图像。那么,对模型进行建立和调整可以包括调整模型参数和/或模型数据。可以理解的是,预设模型可以是网格模型,还可以是点状模型;可以是三角模型,还可以是圆环模型;当然,也可以是其他的适合于环状结构的模型。而且,所述环状结构可以是完整的环状结构例如圆环,还可以是非完整的环状结构例如圆弧环。
示例性的,当模型是心脏腔室模型时,其可以采用三角网格模型,分为六个相互独立且可连接的子网格:左心室、左心房、右心室、右心房、主动脉以及心肌。心脏腔室模型具体的建立过程可以是:基于腔室的边缘进行网格采样后,利用自动配准或者人为标定的技术将多套网格数据进行对齐,并基于主动形状模型(Active Shape Model,ASM)的思想计算平均网格和点分布模型。而且,在网格采样的过程中,可以充分考虑到曲面的曲率特征,根据曲率大小不同来采样相应密度的网格点分布,使得网格更加贴合腔室真实数据;还可以充分考虑到腔室的形状特征,通过定位各腔室的轴,并且经过轴的垂直面或者水平面来进行网格点采样,使模型更加符合真实的腔室特性。另外,可以采用网格平滑技术对建立的整体网格的平均模型进行平滑,使得平均网格模型的光滑度和鲁棒性得以增强。
那么,在上述预设模型的基础上,可以基于预设的概率计算函数计算已获取的环状结构的图像中各数据的概率值,并将大于预设的概率阈值的数据作为图像边缘点;基于预设的广义霍夫变换函数或是预设的配准函数得到中心位置和/或旋转、缩放等参数,并基于上述参数使用相似变换调整模型中各点的坐标,使得调整后的模型和图像近似匹配,并根据匹配果更新所述模型。上述步骤设置的好处在于,可以使得模型和图像大致匹配,缩小了模型和图像之间的差异性,实现了模型在图像中的初定位。
S120、基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整。
其中,环状结构的图像可以包括内环边缘和外环边缘,考虑到医学图像的内环边缘和外环边缘之间的壁厚通常是在预设的区间内,壁厚过大或是过小都是不符合人体的生理结构。因此,可以基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,所述壁厚系数和壁厚之间具有对应关系,即根据内环边缘和外环边缘之间的壁厚可以唯一地确定壁厚系数。
当然,可以理解的是,所述壁厚可以认为是内环边缘和外环边缘之间距离。具体地,预设模型包括至少两个采样点,根据所述模型可以获知各采样点中哪些是内环边缘的采样点,哪些是外环边缘的采样点。那么,壁厚可以认为是内环边缘的采样点和外环边缘的采样点之间的距离。
进一步地,可以根据预设的映射表获知内环边缘中的哪个采样点和外环边缘中的哪个采样点具有一一对应关系,因此,所述壁厚可以认为是这些具有对应关系的点与点之间的距离。当然,也可以在图像分割的过程中,循环内环边缘中的各个采样点,并判断当前采样点与外环边缘中的哪个采样点的距离最近,将所述距离作为壁厚。
根据壁厚系数可以对模型进行调整,示例性的,模型调整的过程可能涉及到相似性变换、仿射变换、基于能量函数的微变等,那么通过壁厚系数可以调整上述变换的参数,进而实现了通过壁厚系数调整模型的效果。
S130、根据调整结果对图像进行分割,得到环状结构的分割图像。
其中,根据调整结果,即调整后的模型对图像进行分割,示例性的,可以通过掩膜运算的方式对图像进行分割,得到环状结构的分割图像。
一种可选的技术方案,示例性的,当模型是心脏腔室模型时,壁厚系数可以是心脏模型中左心室边缘和左心肌边缘之间的壁厚系数。通常情况下,预设的心脏腔室模型并没有考虑到左心肌和左心室的环状结构,即左心肌包含在左心室的外部的结构,容易出现如下情况:当左心室边缘和左心肌边缘之间的壁厚过近时,将左心肌的边缘分割在左心室的边缘,即左心肌欠分割;当壁厚过远时,将左心肌的边缘分割在心脏边缘,即左心肌过分割。示例性的,如图2a所示,未结合壁厚系数时心脏腔室分割的效果图,其中,区域10是分割后的左心室,区域20是分割后的左心肌。由此可以看出,左心肌的部分边缘与左心室部分边缘几乎重合,出现了左心肌欠分割的问题。
当考虑到左心肌和左心室的环状结构后,可以在模型的左心室边缘和左心肌边缘之间加入壁厚系数作为约束条件,使得左心室边缘和左心肌边缘同时受到心脏腔室模型和壁厚系数的约束,将两个边缘之间的壁厚约束在合理的区间,从而有效的避免左心室边缘和左心肌边缘之间的壁厚过近或者壁厚过远的情形,提高了左心肌分割的精准度。示例性的,如图2b所示,相较于图2a,是结合壁厚系数后同一幅图像的心脏腔室分割的效果图,其中,区域10仍是分割后的左心室,区域30是分割后的左心肌。由此可以看出,左心肌分割完好,未出现欠分割或是过分割的问题,壁厚系数起到了较好的约束效果。
当然,本领域技术人员可以理解的是,心脏腔室模型仅是一个示例性说明,模型还可以是脑部模型、颅骨模型、胸部模型等任何适用于环状结构的模型。
本发明实施例的技术方案,将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型,使得模型和图像大致匹配,缩小了模型和图像之间的差异性,实现了模型在图像中的初定位;基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整,以此将模型的内环边缘和外环边缘之间的壁厚约束在合理的区间;根据调整结果对图像进行分割,得到环状结构的分割图像。上述技术方案解决了环状结构的图像分割时,因为内环边缘和外环边缘之间的壁厚不合适而导致的欠分割或是过分割的问题,提高了图像分割的精确度。
一种可选的技术方案,确定模型中内环边缘和外环边缘之间的壁厚系数,可以包括:通过如下公式确定模型中内环边缘和外环边缘之间的壁厚系数:
其中,f(x)是壁厚系数,x是内环边缘和外环边缘相匹配的点之间的壁厚,ε是调节因子,a是预设的第一壁厚阈值,b是预设的第二壁厚阈值。
其中,为了使得图像的内环边缘和外环边缘之间的壁厚在合理区间,符合人体生理结构的特点,可以认为:当壁厚x处于合理区间时,壁厚系数f(x)趋近于1;当壁厚x远离合理区间时,壁厚系数f(x)趋近于0。当然,可以理解的是,壁厚和壁厚系数的关系并非只能是上述一种映射关系,例如,还可以认为:当壁厚x处于合理区间时,壁厚系数f(x)趋近于0;当壁厚x远离合理区间时,壁厚系数f(x)趋近于1。总之,壁厚和壁厚系数无论采用何种映射关系,其目的都是为了通过壁厚系数直接体现出内环边缘和外环边缘之间的壁厚,实现了通过壁厚对模型进行约束和调整的目的。
具体的,当采用上述公式表示壁厚和壁厚系数的映射关系时,第一壁厚阈值a可以是壁厚的合理区间的最小值,第二壁厚阈值b可以是壁厚的合理区间的最大值。如图3所示,示例性的,当壁厚x处于合理区间[a,b]时,壁厚系数f(x)=1;当壁厚x离合理区间越远,即当壁厚x越大或是越小时,壁厚系数f(x)越趋近于0。可以理解是,调节因子ε可以用于调节壁厚系数f(x)的收敛速率。另外,对于不同的部位,阈值a和b可以有所不同,以心脏的左心肌为例,在心尖的地方心肌的壁厚相对较薄,而在靠近右心室的地方心肌的壁厚相对较厚,因此可以根据人体生理结构确定阈值a和b。
实施例二
图4是本发明实施例二中提供的一种图像分割方法的流程图。本实施例以上述技术方案为基础进行优化。在本实施例中,将“根据壁厚系数对模型进行调整”具体优化为“根据壁厚系数确定内环区域和外环区域的目标能量函数,并根据目标能量函数对模型进行调整;其中,所述模型包括内环区域和外环区域”。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。相应的,如图4所示,本实施例的方法可以包括如下步骤:
S210、将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型;其中,所述模型包括参数、数据和/或公式。
S220、基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数。
S230、根据壁厚系数确定内环区域和外环区域的目标能量函数,并根据目标能量函数对模型进行调整;其中,所述模型包括内环区域和外环区域。
其中,考虑到基于能量函数的微变可以使得模型和图像更为接近,那么,可以根据壁厚系数确定模型的内环区域和模型的外环区域的目标能量函数,并根据所述目标能量函数对模型进行调整,以实现通过壁厚系数对模型进行约束和调整的目的。所述目标能量函数可以认为是内环区域的能量函数,外环区域的能量函数,内环区域和外环区域共同的能量函数,或者,基于预设的准则从内环区域的能量函数和外环区域的能量函数中确定的一个能量函数。
示例性的,可以通过如下公式确定根据壁厚系数得到目标能量函数Etotal:其中,f(x)是壁厚系数;Eext是外部能量函数,可以体现分割图像与边缘的贴合程度;Eint是内部能量函数,可以体现分割图像与模型的匹配程度;γ为权重,用来衡量内部能量和外部能量。当图像中的各个点越接近边缘、图像的形状与模型的形状越相似、壁厚在合理区间时,可以认为目标能量函数Etotal越小,分割结果越准确。因此,基于上述公式确定的目标能量函数Etotal可以约束分割图像中的各个点尽可能在边缘上、分割图像的形状与模型的形状相似,特别地,可以约束分割图像的内环边缘和外环边缘之间的壁厚在合理区间。
S240、根据调整结果对图像进行分割,得到环状结构的分割图像。
本发明实施例的技术方案,根据壁厚系数确定内环区域和外环区域的目标能量函数,并根据目标能量函数对模型进行调整,实现了基于壁厚系数,特别是基于壁厚对目标能量函数进行调整,进而对模型进行调整的过程,使得模型受到了内环边缘和外环边缘之间的壁厚的约束,提高了环状结构的图像的分割的准确率。
一种可选的技术方案,在根据壁厚系数对模型进行调整之后,所述方法可以还包括:根据调整结果更新模型,并重复执行确定模型中内环边缘和外环边缘之间的壁厚系数的操作,直至目标能量函数满足预设条件。
其中,为了不断优化模型,使得模型和图像的匹配度达到最佳状态,可以不断地对模型进行调整,直至到达预设条件。所述预设条件可以是操作重复次数达到预设阈值;还可以是收敛条件,例如上一次目标能量函数和当次目标能量函数的差值小于预设阈值。
示例性的,模型调整的过程可能涉及到相似性变换,使得模型的边缘和图像的边缘更为相似,那么可以重复执行相似性变换的操作;可能涉及到仿射变换,使得模型的点和图像的点更为接近,那么可以重复执行仿射变换的操作;特别地,还可能涉及到基于能量函数的微变,从整体上使得模型和图像的匹配度更佳,那么可以重复执行基于能量函数的微变的操作。
具体地,在根据壁厚系数对模型进行调整之后,可以根据调整结果更新模型。可以理解的是,更新后的模型的内环边缘和外环边缘之间的壁厚系数也发生了更新,更新后的壁厚系数更加符合人体生理结构。那么,可以根据更新后的壁厚系数优化目标能量函数,并根据优化后的目标能量函数对模型再次进行调整。多次执行上述操作后,直至目标能量函数满足预设条件,此时图像中的各个点最接近边缘、图像的形状与模型的形状最相似、壁厚在合理区间,图像分割效果最佳。上述步骤设置的好处在于,可以根据上一次模型调整的结果对壁厚系数进行更新,并根据更新后的壁厚系数对模型再次进行调整,多次重复操作使得模型与突袭那个的匹配度达到最佳状态。
一种可选的技术方案,根据壁厚系数确定内环区域和外环区域的目标能量函数,包括:基于预设的目标点查找函数和壁厚系数查找内环区域的至少一个内环目标点和外环区域的至少一个外环目标点;根据各内环目标点和壁厚系数确定内环能量函数,以及,根据各外环目标点和壁厚系数确定外环能量函数,并根据预设函数选择条件将内环能量函数或是外环能量函数作为目标能量函数。
其中,内环目标点可以认为是符合边缘特征的点,例如,当所述点的数值是属于图像边缘的概率值时,可以将数值大于预设概率阈值的点作为符合边缘特征的点;或者,为了更好的约束内环边缘和外环边缘之间的壁厚,可以将所述点的概率值和壁厚系数的乘积作为所述点的数值,将数值大于预设概率阈值的点作为符合边缘特征的点。
特别地,如果将内环区域划分为至少一个预设区域,且在预设区域内存在至少两个符合边缘特征的点时,可以将数值最大的点作为预设区域的内环目标点,由此确定出内环区域的至少一个内环目标点。或者,可以以模型的内环区域的边缘点为基础,基于预设准则确定与所述边缘点对应的预设区域,进而得到与所述边缘点对应的内环目标点。可以理解的是,外环区域的至少一个外环目标点的查找过程类似。
进一步地,根据各内环目标点和壁厚系数可以确定内环区域的能量函数即内环能量函数,以及,根据各外环目标点和壁厚系数可以确定外环区域的能量函数即外环能量函数。并且,可以通过比较内环能量函数和外环能量函数的大小关系,将满足预设函数选择条件的能量函数作为目标能量函数。例如,预设函数选择条件可以是数值较小的能量函数。上述步骤设置的好处在于,基于预设的目标点查找函数和壁厚系数可以查找到目标点以及目标能量函数,进而可以对模型的边缘点执行基于能量函数的微变调整。
一种可选的技术方案,基于预设的目标点查找函数和壁厚系数查找内环区域的至少一个内环目标点,可以包括:基于预设的法向量确定函数分别确定内环区域中各个点的法向量;根据预设的步长和搜索范围,沿着各个点的法向量的方向进行搜索,分别确定与各个点匹配的至少一个候选点;基于预设的目标点获取函数和壁厚系数分别确定与点匹配的候选点中的内环目标点。
其中,基于预设的法向量确定函数分别确定内环区域中各个点的法向量的过程可以是:分别对内环区域中各个点进行网格化处理,得到至少一个预设多边形,所述预设多边形可以是三角型、四边形等;依次将内环区域中的各个点作为当前点,确定与所述当前点相邻的至少一个预设多边形的所属平面的至少一条法向量,所述各法向量可以位于所述模型的同侧;根据各法向量的加法运算或是平均运算确定当前点的法向量。可以理解的是,法向量的方向可以是由模型的内部指向外部的方向。特别地,内环区域中的各个点可以具体限定在内环区域的边缘的各个点。
其中,根据预设的步长和搜索范围,沿着各个点的法向量的方向进行搜索,例如,可以是以模型中的一个边缘点为起始点,沿着法向量所在直线的两个方向,即模型的外侧或是内侧方向中的至少一个方向进行搜索,分别确定与各个点匹配的至少一个候选点。示例性的,搜索范围为10厘米,步长为1厘米,可以沿着法向量所在直线的两个方向分别确定10个点,共21个候选点。当然,可以理解的是,也可以根据预设的步长和步数确定候选点。示例性的,步长为0.5厘米,步数为3,可以沿着法向量所在直线的两个方向分别确定3个点,最远的候选点距离边缘点1.5cm,共7个候选点。
其中,预设的目标点获取函数和壁厚系数相互配合,可以通过如下公式确定与所述点匹配的候选点中的内环目标点:Fx=max[f(x)*(Px-γ*dx 2)]。Px为候选点是图像边缘的概率值;dx为候选点与模型边缘点的欧氏距离;γ为权重,可以用于平衡距离与概率值的关系。上述步骤设置的好处在于,通过壁厚系数确定的目标点可以更好的调整模型,提高模型与图像的匹配度。
为了更好的理解上述步骤,示例性的,在心脏左心肌分割中的目标能量函数的优化过程可以通过如下步骤实现:
对于模型中左心室网格上的每个点,在其法向量上查找最符合边缘特征的目标点;固定左心室的边缘,并在模型中左心肌网格上查找壁厚系数约束后的最符合边缘特征的外环目标点,并根据外环目标点确定外环能量函数。先固定左心室再查找外环目标点的目的在于控制变量,简化外环能量函数中的变量,以便得到理想的拟合结果。
类似的,对于模型中左心肌网格上的每个点,在其法向量上查找最符合边缘特征的目标点;固定左心肌的边缘,并在模型中左心室网格上查找壁厚系数约束后的最符合边缘特征的内环目标点,并根据内环目标点确定内环能量函数。
比较上述得到的内环能量函数和外环能量函数,并将符合预设函数选择条件的能量函数作为目标能量函数,并基于目标能函数对模型进行调整。重复执行上述步骤,直至目标能量函数满足预设条件。上述目标能量函数的优化过程同时考虑左心室边缘、左心肌边缘和壁厚系数三方面的约束,更加符合心脏的生理结构,提高了左心肌分割的准确率。
实施例三
图5为本发明实施例三提供的图像分割装置的结构框图,该装置用于执行上述任意实施例所提供的图像分割方法。该装置与上述各实施例的图像分割方法属于同一个发明构思,在图像分割装置的实施例中未详尽描述的细节内容,可以参考上述图像分割方法的实施例。参见图5,该装置具体可包括:模型更新模块310、模型调整模块320和环状结构分割模块330。
其中,模型更新模块310,用于将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型;其中,所述模型包括参数、数据和/或公式;
模型调整模块320,用于基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整;
环状结构分割模块330,用于根据调整结果对图像进行分割,得到环状结构的分割图像。
可选的,模型调整模块320,可以包括:
壁厚系数确定子模块,用于通过如下公式确定模型中内环边缘和外环边缘之间的壁厚系数:
其中,f(x)是壁厚系数,x是内环边缘和外环边缘相匹配的点之间的壁厚,ε是调节因子,a是预设的第一壁厚阈值,b是预设的第二壁厚阈值。
可选的,模型调整模块320,还可以包括:
模型调整子模块,用于根据壁厚系数确定内环区域和外环区域的目标能量函数,并根据目标能量函数对模型进行调整;其中,所述模型包括内环区域和外环区域。
可选的,上述图像分割装置,还可以包括:
模型重复调整模块,用于根据调整结果更新模型,并重复执行确定模型中内环边缘和外环边缘之间的壁厚系数的操作,直至目标能量函数满足预设条件。
可选的,模型调整子模块,可以包括:
目标点确定单元,用于基于预设的目标点查找函数和壁厚系数查找内环区域的至少一个内环目标点和外环区域的至少一个外环目标点;
目标能量函数确定单元,用于根据各内环目标点和壁厚系数确定内环能量函数,以及,根据各外环目标点和壁厚系数确定外环能量函数,并根据预设函数选择条件将内环能量函数或是外环能量函数作为目标能量函数。
可选的,目标点确定单元,可以包括:
法向量确定子单元,用于基于预设的法向量确定函数分别确定内环区域中各个点的法向量;
候选点确定子单元,用于根据预设的步长和搜索范围,沿着各个点的法向量的方向进行搜索,分别确定与各个点匹配的至少一个候选点;
目标点确定子单元,用于基于预设的目标点获取函数和壁厚系数分别确定与点匹配的候选点中的内环目标点。
可选的,当模型更新模块310中的模型是心脏腔室模型时,模型调整模块320中的壁厚系数是心脏模型中左心室边缘和左心肌边缘之间的壁厚系数。
本发明实施例三提供的图像分割装置,通过模型更新模块,使得模型和图像大致匹配,缩小了模型和图像之间的差异性,实现了模型在图像中的初定位;模型调整模块和环状结构分割模块相互配合,使得模型的内环边缘和外环边缘之间的壁厚约束在合理的区间。上述装置解决了环状结构的图像分割时,因为内环边缘和外环边缘之间的壁厚不合适而导致的欠分割或是过分割的问题,提高了图像分割的精确度。
本发明实施例所提供的图像分割装置可执行本发明任意实施例所提供的图像分割方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述图像分割装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图6为本发明实施例四提供的一种设备的结构示意图,如图6所示,该设备包括存储器410、处理器420、输入装置430和输出装置440。设备中的处理器420的数量可以是一个或多个,图6中以一个处理器420为例;设备中的存储器410、处理器420、输入装置430和输出装置440可以通过总线或其它方式连接,图6中以通过总线450连接为例。
存储器410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的图像分割方法对应的程序指令/模块(例如,图像分割装置中模型更新模块310、模型调整模块320和环状结构分割模块330)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述图像分割方法。
存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种图像分割方法,该方法包括:
将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新模型;其中,所述模型包括参数、数据和/或公式;
基于预设的壁厚系数设置函数确定模型中内环边缘和外环边缘之间的壁厚系数,并根据壁厚系数对模型进行调整;
根据调整结果对图像进行分割,得到环状结构的分割图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的图像分割方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。依据这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像分割方法,其特征在于,包括:
将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新所述模型;其中,所述模型包括参数、数据和/或公式;
基于预设的壁厚系数设置函数确定所述模型中内环边缘和外环边缘之间的壁厚系数,并根据所述壁厚系数对所述模型进行调整;
根据调整结果对所述图像进行分割,得到环状结构的分割图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述模型中内环边缘和外环边缘之间的壁厚系数,包括:
通过如下公式确定所述模型中内环边缘和外环边缘之间的壁厚系数:
其中,f(x)是壁厚系数,x是内环边缘和外环边缘相匹配的点之间的壁厚,ε是调节因子,a是预设的第一壁厚阈值,b是预设的第二壁厚阈值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述壁厚系数对所述模型进行调整,包括:
根据所述壁厚系数确定内环区域和外环区域的目标能量函数,并根据所述目标能量函数对所述模型进行调整;其中,所述模型包括所述内环区域和所述外环区域。
4.根据权利要求3所述的方法,其特征在于,在所述根据所述壁厚系数对所述模型进行调整之后,所述方法还包括:
根据调整结果更新所述模型,并重复执行确定所述模型中内环边缘和外环边缘之间的壁厚系数的操作,直至所述目标能量函数满足预设条件。
5.根据权利要求3所述的方法,其特征在于,所述根据所述壁厚系数确定内环区域和外环区域的目标能量函数,包括:
基于预设的目标点查找函数和所述壁厚系数查找所述内环区域的至少一个内环目标点和所述外环区域的至少一个外环目标点;
根据各所述内环目标点和所述壁厚系数确定内环能量函数,以及,根据各所述外环目标点和所述壁厚系数确定外环能量函数,并根据预设函数选择条件将所述内环能量函数或是所述外环能量函数作为所述目标能量函数。
6.根据权利要求5所述的方法,其特征在于,所述基于预设的目标点查找函数和所述壁厚系数查找内环区域的至少一个内环目标点,包括:
基于预设的法向量确定函数分别确定所述内环区域中各个点的法向量;
根据预设的步长和搜索范围,沿着各个所述点的所述法向量的方向进行搜索,分别确定与各个所述点匹配的至少一个候选点;
基于预设的目标点获取函数和所述壁厚系数分别确定与所述点匹配的所述候选点中的所述内环目标点。
7.根据权利要求1所述的方法,其特征在于,当所述模型是心脏腔室模型时,所述壁厚系数是所述心脏模型中左心室边缘和左心肌边缘之间的壁厚系数。
8.一种图像分割装置,其特征在于,包括:
模型更新模块,用于将预设模型与已获取的环状结构的图像进行匹配,根据匹配结果更新所述模型;其中,所述模型包括参数、数据和/或公式;
模型调整模块,用于基于预设的壁厚系数设置函数确定所述模型中内环边缘和外环边缘之间的壁厚系数,并根据所述壁厚系数对所述模型进行调整;
环状结构分割模块,用于根据调整结果对所述图像进行分割,得到环状结构的分割图像。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像分割方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的图像分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613655.0A CN109685816B (zh) | 2018-12-27 | 2018-12-27 | 一种图像分割方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613655.0A CN109685816B (zh) | 2018-12-27 | 2018-12-27 | 一种图像分割方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685816A true CN109685816A (zh) | 2019-04-26 |
CN109685816B CN109685816B (zh) | 2022-05-13 |
Family
ID=66190614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811613655.0A Active CN109685816B (zh) | 2018-12-27 | 2018-12-27 | 一种图像分割方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685816B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362327A (zh) * | 2021-08-10 | 2021-09-07 | 杭州晟视科技有限公司 | 一种胸腔图像中的区域分割方法、装置、终端及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102138159A (zh) * | 2008-04-04 | 2011-07-27 | 皇家飞利浦电子股份有限公司 | 满足预定义空间关系的对象的基于模型的同步分割 |
CN102890823A (zh) * | 2011-07-19 | 2013-01-23 | 株式会社东芝 | 运动对象轮廓提取及左心室图像分割方法和装置 |
CN103996194A (zh) * | 2014-05-23 | 2014-08-20 | 华中科技大学 | 一种基于超声颈动脉图像的内中膜自动分割方法 |
US20160171711A1 (en) * | 2014-12-12 | 2016-06-16 | Lightlab Imaging, Inc. | Systems and methods to detect and display endovascular features |
CN106600596A (zh) * | 2016-12-21 | 2017-04-26 | 南昌航空大学 | 一种心脏腔室动态显示方法及系统 |
US20170132793A1 (en) * | 2015-08-31 | 2017-05-11 | Shenzhen Institutes Of Advanced Technology | Method for acquiring retina structure from optical coherence tomographic image and system thereof |
CN107424162A (zh) * | 2017-05-05 | 2017-12-01 | 上海联影医疗科技有限公司 | 一种图像分割方法及系统 |
CN108898606A (zh) * | 2018-06-20 | 2018-11-27 | 中南民族大学 | 医学图像的自动分割方法、系统、设备及存储介质 |
CN109035268A (zh) * | 2018-07-03 | 2018-12-18 | 南方医科大学 | 一种自适应图像分割方法 |
-
2018
- 2018-12-27 CN CN201811613655.0A patent/CN109685816B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102138159A (zh) * | 2008-04-04 | 2011-07-27 | 皇家飞利浦电子股份有限公司 | 满足预定义空间关系的对象的基于模型的同步分割 |
CN102890823A (zh) * | 2011-07-19 | 2013-01-23 | 株式会社东芝 | 运动对象轮廓提取及左心室图像分割方法和装置 |
CN103996194A (zh) * | 2014-05-23 | 2014-08-20 | 华中科技大学 | 一种基于超声颈动脉图像的内中膜自动分割方法 |
US20160171711A1 (en) * | 2014-12-12 | 2016-06-16 | Lightlab Imaging, Inc. | Systems and methods to detect and display endovascular features |
US20170132793A1 (en) * | 2015-08-31 | 2017-05-11 | Shenzhen Institutes Of Advanced Technology | Method for acquiring retina structure from optical coherence tomographic image and system thereof |
CN106600596A (zh) * | 2016-12-21 | 2017-04-26 | 南昌航空大学 | 一种心脏腔室动态显示方法及系统 |
CN107424162A (zh) * | 2017-05-05 | 2017-12-01 | 上海联影医疗科技有限公司 | 一种图像分割方法及系统 |
CN108898606A (zh) * | 2018-06-20 | 2018-11-27 | 中南民族大学 | 医学图像的自动分割方法、系统、设备及存储介质 |
CN109035268A (zh) * | 2018-07-03 | 2018-12-18 | 南方医科大学 | 一种自适应图像分割方法 |
Non-Patent Citations (2)
Title |
---|
TAKEYASU.K等: "Higher-order architectures of human and bacterial genomes revealed by atomic force microscopy", 《ANATOMICAL SCIENCE INTERNATIONAL》 * |
段侪杰等: "磁共振虚拟膀胱镜中膀胱壁分割与壁厚估算", 《清华大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362327A (zh) * | 2021-08-10 | 2021-09-07 | 杭州晟视科技有限公司 | 一种胸腔图像中的区域分割方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109685816B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11880972B2 (en) | Tissue nodule detection and tissue nodule detection model training method, apparatus, device, and system | |
US8682074B2 (en) | Method for checking the segmentation of a structure in image data | |
US9042620B2 (en) | Method and system for multi-organ segmentation using learning-based segmentation and level set optimization | |
RU2677764C2 (ru) | Координатная привязка медицинских изображений | |
CN101331517B (zh) | 利用可变形格网的帮助图像后处理的方法 | |
WO2018023917A1 (zh) | 一种下肢血管的提取方法及系统 | |
US9795351B2 (en) | Three-dimensional cardiac image segmentation method and apparatus | |
KR102251830B1 (ko) | 초음파 및 ct 영상의 정합에 관한 시스템 및 작동 방법 | |
CN105139377B (zh) | 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法 | |
CN107292928B (zh) | 一种血管定位的方法及装置 | |
CN110189352A (zh) | 一种基于口腔cbct图像的牙根提取方法 | |
JP2013022463A (ja) | 運動対象輪郭抽出装置、左心室画像分離装置、運動対象輪郭抽出方法及び左心室画像分離方法 | |
US9462952B2 (en) | System and method for estimating artery compliance and resistance from 4D cardiac images and pressure measurements | |
JP2004529713A (ja) | Mr心臓画像における左心室のセグメンテーションに対する様々なアプローチ | |
CN108805923B (zh) | 生理参数获取方法和装置 | |
CN104240287B (zh) | 一种利用ct图像生成冠脉全景图的方法及系统 | |
CN107545579B (zh) | 一种心脏分割方法、设备和存储介质 | |
US9042619B2 (en) | Method and system for automatic native and bypass coronary ostia detection in cardiac computed tomography volumes | |
CN109712161A (zh) | 一种图像分割方法、装置、设备及存储介质 | |
JP2007061607A (ja) | 第1のオブジェクト及び1つ以上の他のオブジェクトを含む画像を処理するための方法及び画像データからの画像を処理するためのシステム | |
JP2009517163A (ja) | 画像内の参照構造に関連付けられた構造をセグメント化する方法、システム及びコンピュータ・プログラム | |
JP2016087433A (ja) | 医用画像処理装置および医用画像処理方法 | |
CN112329699A (zh) | 一种像素级精度的人眼注视点定位方法 | |
CN110610491B (zh) | 一种腹部ct图像的肝脏肿瘤区域分割方法 | |
Heo et al. | Segmentation of tooth in CT images for the 3D reconstruction of teeth |
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, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |