CN109949322B - 一种基于磁共振t1增强图像的脑血管图像分割方法 - Google Patents
一种基于磁共振t1增强图像的脑血管图像分割方法 Download PDFInfo
- Publication number
- CN109949322B CN109949322B CN201910235490.6A CN201910235490A CN109949322B CN 109949322 B CN109949322 B CN 109949322B CN 201910235490 A CN201910235490 A CN 201910235490A CN 109949322 B CN109949322 B CN 109949322B
- Authority
- CN
- China
- Prior art keywords
- image
- enhanced image
- segmentation
- preprocessing
- arteries
- 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.)
- Active
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及医学影像处理技术领域,涉及一种基于T1增强图像的脑血管图像分割方法,该方法包括:1.对头部磁共振T1增强图像数据进行预处理;2.对脑血管进行自动分割,可利用交互式方法对自动分割结果进行修正;3.根据分割结果自动标记出动脉和静脉;4.交互式对血管进行颜色渲染。本发明利用T1增强图像数据对脑血管进行全体或局部提取,并区分出其中的动脉和静脉,最后进行三维重构,允许用户交互式的对提取过程以及展示效果进行修改,全面的展示出脑血管三维分布状态。
Description
技术领域
本发明涉及医学影响处理技术领域,尤其涉及一种基于磁共振T1增强图像的脑血管图像分割方法。
背景技术
近年来,随着人民生活水平的提高,高强度的生活、不健康的生活方式、逐渐增大工作压力,使得脑血管疾病的患病率不断上升,而且逐步向年轻化发展。这些脑血管疾病的突发性、严重性已经严重危及了人们的生命。因此,脑血管分割和提取对脑血管疾病的早期发现和正确诊断具有非常重要的作用。
T1增强图像是通过提前往人体内注入造影剂,再进行核磁共振扫描获得的图像数据。其原理是:造影剂的分布与血液的分布一致,在进行数据获取时,由于造影剂的存在,血流多的部分成像结果会增强为白色,这样血管的分布就可以清晰的呈现出来。利用T1增强图像的特性,可以对血管进行分割与提取,进一步获得更为精确的血管分布情况。
目前三维可视化技术发展越来越成熟,尤其被广泛应用于心脑组织、骨骼等医学领域,也成为医学图像与计算机结合的研究热点。通过三维技术的重建,可以将身体的部分结构、器官从不同的角度进行展示,应用于临床可以帮助医生更方便、快速、准确地进行疾病的诊断或手术治疗。目前脑血管的提取主要是基于数字减影血管造影(DigitalSubtraction Angiography,DSA)、计算机断层血管造影技术(Computed TomographyAngiography,CTA)等,但由于大脑组织结构的复杂性以及脑血管造影图像中还存在脑白质、脑灰质等结构,很难将脑血管进行准确提取,也无法实现脑血管中的动脉与静脉区分,导致脑血管图像提分割提取结果不准确。
发明内容
为了解决现有脑血管图像技术提取存在的问题,本发明提供了一种基于T1增强图像的脑血管图像分割方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于T1增强图像的脑血管图像分割方法,包括以下步骤:
S1.对头部磁共振T1增强图像数据进行预处理;
S2.对预处理后的脑血管图像进行自动分割,利用交互式方法对自动分割结果进行修正,得到修正分割结果;
S3.根据分割结果自动标记出动脉和静脉;
S4.对血管用不同颜色进行渲染。
进一步,所述S1中对T1增强图像进行预处理包括空间、灰度的基本预处理以及颅骨去除;
空间基本预处理为对不同来源的图像数据进行重采样;
灰度基本预处理为对图像进行灰度调整以及强度归一化;
颅骨去除采用掩模法,即,导入当前采集的脑部掩模以提取脑部体素,该脑部掩模可利用其他模态的脑影像数据得到,例如CT或者磁共振T1像。
进一步,所述步骤S2中对预处理后的脑血管图像进行自动分割,利用交互式方法对自动分割结果进行修正,具体为:根据T1增强图像的脑血管图像与其他组织的灰度差异进行脑血管的自动分割,分割结果是以体素为基本元素的影像数据。
进一步,所述交互式分割结果修正的方法包括:基于参数的修正和基于标记点/控制点的修正。
进一步,所述步骤S3中根据分割结果自动标记出动脉和静脉,具体包括:首先识别出具有明显特征的动脉和静脉区域,然后将这些区域作为种子点进行区域生长并对动脉和静脉进行建模,建模结果是以顶点为基本元素的图形学数据。
进一步,所述建模是对分割出的动脉和静脉血管进行面绘制,所述面绘制是将血管表面用细小网格进行划分,形成密布于血管表面的顶点,相邻顶点连接成边,由此进一步形成非常多三角形的面。
进一步,所述步骤S4中交互式对血管进行颜色渲染,具体为:基于分割出的动脉与静脉的结果,允许用户对脑血管进行交互式的颜色渲染,即用户自定义不同的颜色对脑血管进行渲染;具体是对分属于静脉和动脉血管表面的三角形用不同的颜色进行绘制。
与现有技术相比,本发明技术方案的有益效果是:
本发明利用T1增强图像数据对脑血管进行全体或局部提取,并区分出其中的动脉和静脉,最后进行三维重构,允许用户交互式的对提取过程以及展示效果进行修改,全面的展示出脑血管三维分布状态。
附图说明
图1为本发明实施例的流程图。
图2为磁共振T1增强图像的示例图。
图3为进行颅骨去除预处理之后的结果示例图。
图4为脑血管的分割效果示例图。
图5为对不同血管可以用不同颜色渲染的示例图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。
本发明提供一种基于磁共振T1增强图像的脑血管分割方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参考图1,其为本发明所述基于磁共振T1增强图像的脑血管图像分割方法较佳实施例的流程图。如图1所示,所述基于磁共振T1增强图像的脑血管图像分割方法包括以下步骤:
S1.对头部磁共振T1增强图像数据进行预处理;
S2.对脑血管进行自动分割,可利用交互式方法对自动分割结果进行修正;
S3.根据分割结果自动标记出动脉和静脉;
S4.对血管用不同颜色进行渲染。
本发明所采用的方案,具体的实现过程如下:
1)首先对患者在医院进行头部磁共振T1增强图像数据的采集,如图2所示,为患者的头部磁共振T1增强图像,未经任何处理。
2)对患者的原始T1增强数据进行预处理,包括但不限于空间、灰度的基本预处理以及颅骨去除等步骤,具体为:首先对不同来源的图像数据进行重采样,保证具有相同的标准分辨率;再对图像的灰度处理,主要是进行灰度调整以及强度归一化;颅骨去除采用掩模法,即,可导入当前患者的脑部掩模以提取脑部体素以便进行后续处理,该掩模可利用其他模态的脑影像数据得到,例如CT或者磁共振T1像;结果如图3所示。
3)对预处理之后的数据,采用自动分割,具体为:根据T1增强图像脑血管与其他组织的灰度差异进行脑血管的自动分割,分割结果是以体素为基本元素的影像数据。交互式分割结果修正的方法包括:基于参数的修正和基于标记点/控制点的修正,处理后可以对血管做出标记,如图4所示,红色为可检测到的大脑皮层血管,包括了动脉与静脉。
4)根据自动分割的结果标记出动脉预静脉。具体包括:首先识别出具有明显特征的动脉和静脉区域,然后将这些区域作为种子点进行区域生长并对动脉和静脉进行建模。建模过程为:对分割出的动脉和静脉血管进行面绘制,面绘制是将血管表面用细小网格进行划分的过程,形成密布于血管表面的顶点,相邻顶点连接成边,由此进一步形成非常多三角形的面;建模结果是以顶点为基本元素的图形学数据。
5)对分割得到的血管进行颜色渲染,具体为:基于分割出的动脉预静脉的结果,允许用户对脑血管进行交互式的颜色渲染,即用户自定义不同的颜色对脑血管进行渲染。图5为交互渲染的结果,用户可以手动对不同的血管进行不同的染色,在本实施例中分别采用绿色和黄色。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种基于T1增强图像的脑血管图像分割方法,其特征在于,包括以下步骤:
S1.对头部磁共振T1增强图像数据进行预处理;
S2.对预处理后的脑血管图像进行自动分割,利用交互式方法对自动分割结果进行修正,得到修正分割结果;具体为:根据T1增强图像的脑血管图像与其他组织的灰度差异进行脑血管的自动分割,分割结果是以体素为基本元素的影像数据;
交互式方法对自动分割结果进行修正是:基于参数的修正和基于标记点或控制点的修正;
S3.根据修正分割结果自动标记出动脉和静脉;具体包括:首先识别出具有明显特征的动脉和静脉区域,然后将这些区域作为种子点进行区域生长并对动脉和静脉进行建模,建模结果是以顶点为基本元素的图形学数据;所述建模是对分割出的动脉和静脉血管进行面绘制,所述面绘制是将血管表面用细小网格进行划分,形成密布于血管表面的顶点,相邻顶点连接成边,由此形成非常多三角形的面;
S4.对血管用不同颜色进行渲染。
2.如权利要求1所述的分割方法,其特征在于,所述S1中对T1增强图像进行预处理包括空间、灰度的基本预处理以及颅骨去除;
空间基本预处理为对不同来源的图像数据进行重采样;
灰度基本预处理为对图像进行灰度调整以及强度归一化;
颅骨去除采用掩模法,即,导入当前采集的脑部掩模以提取脑部体素。
3.如权利要求1所述的分割方法,其特征在于,所述步骤S4中对血管不同颜色进行渲染,具体为:基于分割出的动脉与静脉的结果,允许用户对脑血管进行交互式的颜色渲染,即用户自定义不同的颜色对脑血管进行渲染。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235490.6A CN109949322B (zh) | 2019-03-27 | 2019-03-27 | 一种基于磁共振t1增强图像的脑血管图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235490.6A CN109949322B (zh) | 2019-03-27 | 2019-03-27 | 一种基于磁共振t1增强图像的脑血管图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109949322A CN109949322A (zh) | 2019-06-28 |
CN109949322B true CN109949322B (zh) | 2023-06-23 |
Family
ID=67011637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910235490.6A Active CN109949322B (zh) | 2019-03-27 | 2019-03-27 | 一种基于磁共振t1增强图像的脑血管图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949322B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102272741B1 (ko) * | 2019-07-11 | 2021-07-02 | 가톨릭대학교 산학협력단 | 4차원 자기공명 혈관조영술의 영상정보 후처리를 통한 3차원 감산 동맥조영술과 3차원 감산 정맥조영술 및 4차원 컬러 혈관조영술의 동시 구현 방법과 의료영상 시스템 |
CN112150477B (zh) * | 2019-11-15 | 2021-09-28 | 复旦大学 | 脑影像动脉全自动分割方法及装置 |
CN111932575B (zh) * | 2020-06-24 | 2023-07-18 | 山东师范大学 | 基于模糊c均值和概率标签融合的图像分割方法及系统 |
CN111899245B (zh) * | 2020-07-30 | 2021-03-09 | 推想医疗科技股份有限公司 | 图像分割、模型的训练方法及装置,电子设备及存储介质 |
JP7250166B2 (ja) | 2020-07-30 | 2023-03-31 | インファービジョン メディカル テクノロジー カンパニー リミテッド | 画像分割方法及び装置、画像分割モデルのトレーニング方法及び装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101999885A (zh) * | 2010-12-21 | 2011-04-06 | 中国人民解放军国防科学技术大学 | 一种自动分离动静脉血管的内源光学成像方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5782762A (en) * | 1994-10-27 | 1998-07-21 | Wake Forest University | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
WO2001075469A1 (en) * | 1999-05-18 | 2001-10-11 | Wisconsin Alumni Research Foundation | Magnetic resonance angiography with automated vessel segmentation |
US6845260B2 (en) * | 2001-07-18 | 2005-01-18 | Koninklijke Philips Electronics N.V. | Automatic vessel indentification for angiographic screening |
US7620501B2 (en) * | 2004-05-06 | 2009-11-17 | Siemens Medical Solutions Usa, Inc. | Artery-vein separation and vessel modeling |
CN1700254A (zh) * | 2004-05-06 | 2005-11-23 | 西门子共同研究公司 | 动脉-静脉分离及脉管建模 |
US20070249912A1 (en) * | 2006-04-21 | 2007-10-25 | Siemens Corporate Research, Inc. | Method for artery-vein image separation in blood pool contrast agents |
WO2008060629A2 (en) * | 2006-11-17 | 2008-05-22 | Icad, Inc. | Automated method for generation of arterial and venous reference points for contrast-enhanced magnetic resonance angiography |
US7953262B2 (en) * | 2007-02-05 | 2011-05-31 | General Electric Company | Vascular image extraction and labeling system and method |
CN101896939A (zh) * | 2007-12-14 | 2010-11-24 | 皇家飞利浦电子股份有限公司 | 标记被分割对象 |
CN101425186B (zh) * | 2008-11-17 | 2012-03-28 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
CN101697871B (zh) * | 2009-11-16 | 2011-10-26 | 华中科技大学 | 一种自动分割动静脉血管的激光成像方法和装置 |
CN102411795B (zh) * | 2011-08-16 | 2014-12-10 | 中国人民解放军第三军医大学第一附属医院 | 一种关于冠状动脉的多模图像的联合显示方法 |
CN104463860A (zh) * | 2014-12-01 | 2015-03-25 | 冯炳和 | 一种肝脏分段的方法 |
JP6271458B2 (ja) * | 2015-02-25 | 2018-01-31 | 富士フイルム株式会社 | 画像処理装置、方法、及びプログラム |
CN104809723B (zh) * | 2015-04-13 | 2018-01-19 | 北京工业大学 | 基于超体素和图割算法的三维肝脏ct图像自动分割方法 |
CN105139030A (zh) * | 2015-08-18 | 2015-12-09 | 青岛海信医疗设备股份有限公司 | 一种肝脏血管的分类方法 |
CN109308680A (zh) * | 2018-08-30 | 2019-02-05 | 迈格生命科技(深圳)有限公司 | 一种基于磁共振影像的大脑解剖教学系统 |
CN109448003B (zh) * | 2018-10-26 | 2021-03-02 | 强联智创(北京)科技有限公司 | 一种颅内动脉血管图像分割方法及系统 |
CN109431531B (zh) * | 2018-12-25 | 2023-04-07 | 上海联影医疗科技股份有限公司 | 基于灌注成像的血管分割方法及装置和计算机装置 |
-
2019
- 2019-03-27 CN CN201910235490.6A patent/CN109949322B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101999885A (zh) * | 2010-12-21 | 2011-04-06 | 中国人民解放军国防科学技术大学 | 一种自动分离动静脉血管的内源光学成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109949322A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949322B (zh) | 一种基于磁共振t1增强图像的脑血管图像分割方法 | |
US11062449B2 (en) | Method and system for extracting vasculature | |
EP2157905B1 (en) | A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures | |
CN107563998B (zh) | 医学图像中心脏图像处理方法 | |
CN107945169B (zh) | 一种冠状动脉影像分析方法 | |
CN110880366B (zh) | 一种医学影像处理系统 | |
CN106997594B (zh) | 一种眼部组织的定位方法及装置 | |
CN109934829B (zh) | 一种基于三维图割算法的肝脏分割方法 | |
CN108335270A (zh) | 一种多帧图像血管特征识别及信息融合的彩色编码方法 | |
CN111932665A (zh) | 一种基于血管管状模型的肝血管三维重建及可视化方法 | |
EP2484286B1 (en) | Device and method for displaying medical image and program | |
CN113470060B (zh) | 基于ct影像的冠状动脉多角度曲面重建可视化方法 | |
KR20150113393A (ko) | 의료 영상에서 아티팩트와 병변을 구분하는 방법 | |
US8873817B2 (en) | Processing an image dataset based on clinically categorized populations | |
Zhu et al. | 3D automatic MRI level set segmentation of inner ear based on statistical shape models prior | |
CN110858412B (zh) | 基于图像配准的心脏冠脉cta模型建立方法 | |
CN111798468B (zh) | 图像处理方法及装置、存储介质及电子终端 | |
Bouchana et al. | Semi-automatic algorithm for 3D volume reconstruction of inner ear structures based on CT-scan images | |
CN112669439B (zh) | 基于迁移学习的颅内血管造影增强三维模型的建立方法 | |
KR102608783B1 (ko) | 컴퓨터 단층촬영 영상 재구성 방법 및 장치 | |
US20240087132A1 (en) | Segment shape determination | |
Reska et al. | HIST-an application for segmentation of hepatic images | |
CN112950646A (zh) | 一种基于深度学习的hrct图像听小骨自动分割方法 | |
Saporito et al. | Automatic indicator dilution curve extraction in dynamic-contrast enhanced imaging using spectral clustering | |
Martin et al. | Semi-automatic feature delineation in medical 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 |