CN109949408A - 一种基于图割算法的医学图像重建方法及其系统 - Google Patents
一种基于图割算法的医学图像重建方法及其系统 Download PDFInfo
- Publication number
- CN109949408A CN109949408A CN201910188529.3A CN201910188529A CN109949408A CN 109949408 A CN109949408 A CN 109949408A CN 201910188529 A CN201910188529 A CN 201910188529A CN 109949408 A CN109949408 A CN 109949408A
- Authority
- CN
- China
- Prior art keywords
- image
- algorithm
- reconstructing
- cut
- medical 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000010410 layer Substances 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 11
- 239000002356 single layer Substances 0.000 claims abstract description 9
- 238000013523 data management Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 3
- 238000013334 tissue model Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于图割算法的医学图像重建方法及其系统，其步骤包括：S1:导入图像数据：导入图像数据，作为图割算法处理的原始数据；S2:窗宽窗位调节：导入图像后，根据显示器官组织的清晰度，调节窗宽窗位；S3:单层上执行图割算法：在横断面、矢状面、冠状面中的一面，选取一层图像；S4:多层上执行图割算法：假设S3步骤中，选取的是横断面，则该步骤我们选取矢状面或者冠状面，遍历该断面的所有图层。本发明所述的一种基于图割算法的医学图像重建方法及其系统，能充分利用图像资源、窗宽窗位映射、图割算法、多层迭代方法，有效地实现医学图像的三维分割和模型重建，带来更好的使用前景。
Description
技术领域
本发明涉及医学图像重建及应用领域，特别涉及一种基于图割算法的医学图像重建方法及其系统。
背景技术
目前，CT、MRI、PET等医学成像技术已经广泛普及和应用，基于计算机辅助诊断的分割技术是医生处理海量医学影像资料的一种有效方法，图割是一种十分有用和流行的能量优化算法，在医学图像领域普遍应用于分割技术；现有的医学图像重建系统在使用时存在一定的弊端，没有利用图割算法配合多层迭代方法，进行医学图像三维分割，重建出需要的器官、组织结构，以辅助医生诊疗，没有充分利用图像资源、窗宽窗位映射、图割算法、多层迭代方法，以有效地实现医学图像的三维分割和模型重建，需要进一步的完善，在实际使用时带来了一定的影响，为此，我们提出一种基于图割算法的医学图像重建方法及其系统。
发明内容
本发明的主要目的在于提供一种基于图割算法的医学图像重建方法及其系统，可以有效解决背景技术中的问题。
为实现上述目的，本发明采取的技术方案为：
一种基于图割算法的医学图像重建方法及其系统，其步骤包括：
S1:导入图像数据：导入图像数据，作为图割算法处理的原始数据；
S2:窗宽窗位调节：导入图像后，根据显示器官组织的清晰度，调节窗宽窗位，使需要重建的器官组织边界清晰，再进行高斯平滑，优化图像；
S3:单层上执行图割算法：在横断面、矢状面、冠状面中的一面，选取一层图像，在图像上取前景、背景，将优化过的单层图像、前景点、背景点，输入图割算法，运算得到该层分割图像；
S4:多层上执行图割算法：假设S3步骤中，选取的是横断面，则该步骤我们选取矢状面或者冠状面，遍历该断面的所有图层；每层图像与（3）步骤得出的分割图像的相交线，线上点作为前景点、背景点，将每层优化图像与对应的前景点、背景点输入图割算法，得到一个三维的分割图像；
S5:重建过程：利用S4得出的三维分割图像，使用立方体重建算法，重建出需要的器官、组织模型。
优选的，所述图像数据包括CT、MRI等医学图像数据。
优选的，该系统包括图像数据管理模块、预处理模块、图像交互模块图割运算模块、重建模块。
优选的，所述图像数据管理模块用于导入DICOM、MRI等类型的医学图像、图像数据传递转换。
优选的，所述预处理模块支持用户对图像进行窗宽窗位调节、高斯平滑等预处理操作，预处理后的图像更清晰。
优选的，所述图像交互模块支持用户对在图像中画取前景、背景，自由切换断面、图层，图割运算模块对预处理后的数据，配合前景点、背景点，进行图割运算，自动变化切面取图，运算得到三维分割图像。
优选的，所述重建模块根据得到分割图像，进行立方体重建，得到最终的立体组织器官模型，提供给用户作为诊疗参考。
与现有技术相比，本发明具有如下有益效果：
本发明中，利用图割算法，配合多层迭代方法，进行医学图像三维分割，重建出需要的器官、组织结构，辅助医生诊疗，能充分利用图像资源、窗宽窗位映射、图割算法、多层迭代方法，有效地实现医学图像的三维分割和模型重建，带来更好的使用前景。
附图说明
图1为本发明一种基于图割算法的医学图像重建方法及其系统的流程示意图；
图2为本发明一种基于图割算法的医学图像重建方法及其系统的结构示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1-2所示，一种基于图割算法的医学图像重建方法及其系统，其步骤包括：
S1:导入图像数据：导入图像数据，作为图割算法处理的原始数据；
S2:窗宽窗位调节：导入图像后，根据显示器官组织的清晰度，调节窗宽窗位，使需要重建的器官组织边界清晰，再进行高斯平滑，优化图像；
S3:单层上执行图割算法：在横断面、矢状面、冠状面中的一面，选取一层图像，在图像上取前景、背景，将优化过的单层图像、前景点、背景点，输入图割算法，运算得到该层分割图像；
S4:多层上执行图割算法：假设S3步骤中，选取的是横断面，则该步骤我们选取矢状面或者冠状面，遍历该断面的所有图层；每层图像与（3）步骤得出的分割图像的相交线，线上点作为前景点、背景点，将每层优化图像与对应的前景点、背景点输入图割算法，得到一个三维的分割图像；
S5:重建过程：利用S4得出的三维分割图像，使用立方体重建算法，重建出需要的器官、组织模型；
图像数据包括CT、MRI等医学图像数据；包括图像数据管理模块、预处理模块、图像交互模块图割运算模块、重建模块；图像数据管理模块用于导入DICOM、MRI等类型的医学图像、图像数据传递转换；预处理模块支持用户对图像进行窗宽窗位调节、高斯平滑等预处理操作，预处理后的图像更清晰；图像交互模块支持用户对在图像中画取前景、背景，自由切换断面、图层，图割运算模块对预处理后的数据，配合前景点、背景点，进行图割运算，自动变化切面取图，运算得到三维分割图像；重建模块根据得到分割图像，进行立方体重建，得到最终的立体组织器官模型，提供给用户作为诊疗参考。
需要说明的是，本发明为一种基于图割算法的医学图像重建方法及其系统，在使用时，图像数据管理模块：导入图像数据，保存在内存中，提供给其他模块调用、操作接口，便于后续过程操作图像数据，使用ITK读取数据，使用VTK显示图像，图像数据包括CT数据、MRI数据，提供给后续过程使用，预处理模块：用户根据经验和视觉效果，调节图像显示窗口的窗宽窗位，使图像显示清晰，再进行高斯平滑，强化边界显示；浏览各层图像，选取靠近器官组织中心位置的图层，交互过程使用VTK可以实现，图像交互模块：用户在选取图层中，使用笔刷工具，画取前景点和背景点，用户可以根据情况重新选取断面、图层，使用VTK可以支持这步操作，图割运算模块：将过程中产生的前景点、背景点、图片数据，传入GraphCut模块，模块中使用当前图层数据、前景点、背景点，图割运算出单层分割图像，然后，从图像数据管理模块中，获取原图像数据，依次提取另外一个断面的图层，按照当前窗宽窗位处理，从单层分割图像中，提取与每个图层相交线上的点，白色为前景点，黑色为背景点，依次对各层进行图割运算，得出三维分割图像，重建模块：导入得出的三维分割图像，使用立方体重建算法，重建出器官组织的三维模型，较为实用。
在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量，由此，限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括至少一个该特征。
在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于图割算法的医学图像重建方法及其系统，其步骤包括：
S1:导入图像数据：导入图像数据，作为图割算法处理的原始数据；
S2:窗宽窗位调节：导入图像后，根据显示器官组织的清晰度，调节窗宽窗位，使需要重建的器官组织边界清晰，再进行高斯平滑，优化图像；
S3:单层上执行图割算法：在横断面、矢状面、冠状面中的一面，选取一层图像，在图像上取前景、背景，将优化过的单层图像、前景点、背景点，输入图割算法，运算得到该层分割图像；
S4:多层上执行图割算法：假设S3步骤中，选取的是横断面，则该步骤我们选取矢状面或者冠状面，遍历该断面的所有图层；每层图像与（3）步骤得出的分割图像的相交线，线上点作为前景点、背景点，将每层优化图像与对应的前景点、背景点输入图割算法，得到一个三维的分割图像；
S5:重建过程：利用S4得出的三维分割图像，使用立方体重建算法，重建出需要的器官、组织模型。
2.根据权利要求1所述的一种基于图割算法的医学图像重建方法及其系统，其特征在于：所述图像数据包括CT、MRI等医学图像数据。
3.根据权利要求1所述的一种基于图割算法的医学图像重建方法及其系统，其特征在于：该系统包括图像数据管理模块、预处理模块、图像交互模块图割运算模块、重建模块。
4.根据权利要求3所述的一种基于图割算法的医学图像重建方法及其系统，其特征在于：所述图像数据管理模块用于导入DICOM、MRI等类型的医学图像、图像数据传递转换。
5.根据权利要求3所述的一种基于图割算法的医学图像重建方法及其系统，其特征在于：所述预处理模块支持用户对图像进行窗宽窗位调节、高斯平滑等预处理操作，预处理后的图像更清晰。
6.根据权利要求3所述的一种基于图割算法的医学图像重建方法及其系统，其特征在于：所述图像交互模块支持用户对在图像中画取前景、背景，自由切换断面、图层，图割运算模块对预处理后的数据，配合前景点、背景点，进行图割运算，自动变化切面取图，运算得到三维分割图像。
7.根据权利要求3所述的一种基于图割算法的医学图像重建方法及其系统，其特征在于：所述重建模块根据得到分割图像，进行立方体重建，得到最终的立体组织器官模型，提供给用户作为诊疗参考。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910188529.3A CN109949408A (zh) | 2019-03-13 | 2019-03-13 | 一种基于图割算法的医学图像重建方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910188529.3A CN109949408A (zh) | 2019-03-13 | 2019-03-13 | 一种基于图割算法的医学图像重建方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109949408A true CN109949408A (zh) | 2019-06-28 |
Family
ID=67009767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910188529.3A Pending CN109949408A (zh) | 2019-03-13 | 2019-03-13 | 一种基于图割算法的医学图像重建方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109949408A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116977320A (zh) * | 2023-08-14 | 2023-10-31 | 中山火炬开发区人民医院 | Ct+mri病变区域突出预估系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080030497A1 (en) * | 2005-12-08 | 2008-02-07 | Yangqiu Hu | Three dimensional modeling of objects |
| CN104809723A (zh) * | 2015-04-13 | 2015-07-29 | 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 |
| CN107527341A (zh) * | 2017-08-30 | 2017-12-29 | 上海联影医疗科技有限公司 | 血管造影图像的处理方法和系统 |
| CN108510506A (zh) * | 2018-04-14 | 2018-09-07 | 深圳市图智能科技有限公司 | 一种管状结构图像分割方法 |
-
2019
- 2019-03-13 CN CN201910188529.3A patent/CN109949408A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080030497A1 (en) * | 2005-12-08 | 2008-02-07 | Yangqiu Hu | Three dimensional modeling of objects |
| CN104809723A (zh) * | 2015-04-13 | 2015-07-29 | 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 |
| CN107527341A (zh) * | 2017-08-30 | 2017-12-29 | 上海联影医疗科技有限公司 | 血管造影图像的处理方法和系统 |
| CN108510506A (zh) * | 2018-04-14 | 2018-09-07 | 深圳市图智能科技有限公司 | 一种管状结构图像分割方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116977320A (zh) * | 2023-08-14 | 2023-10-31 | 中山火炬开发区人民医院 | Ct+mri病变区域突出预估系统 |
| CN116977320B (zh) * | 2023-08-14 | 2024-04-26 | 中山火炬开发区人民医院 | Ct+mri病变区域突出预估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7046240B2 (ja) | 医療撮像および医療撮像情報の効率的共有 | |
| US10671255B2 (en) | Facilitating transitioning between viewing native 2D and reconstructed 3D medical images | |
| CN109063710A (zh) | 基于多尺度特征金字塔的3d cnn鼻咽癌分割方法 | |
| Jeong et al. | Ssecrett and neurotrace: interactive visualization and analysis tools for large-scale neuroscience data sets | |
| CN109697741A (zh) | 一种pet图像重建方法、装置、设备及介质 | |
| EP3547178A1 (en) | Medical imaging system based on hmds | |
| US20210391040A1 (en) | Systems and methods for tracking, accessing and merging protected health information | |
| CN110517238A (zh) | Ct医学影像ai三维重建与人机交互可视化网络系统 | |
| Du et al. | Accelerated super-resolution MR image reconstruction via a 3D densely connected deep convolutional neural network | |
| CN115953494B (zh) | 基于低剂量和超分辨率的多任务高质量ct图像重建方法 | |
| CN110859642B (zh) | 一种基于AlexNet网络模型实现医学影像辅助诊断的方法、装置、设备及存储介质 | |
| CN110327146A (zh) | 一种矫形器设计方法、装置和服务器 | |
| Zhang et al. | 3D remote healthcare for noisy CT images in the Internet of things using edge computing | |
| CN110443839A (zh) | 一种骨骼模型空间配准方法及装置 | |
| CN109949408A (zh) | 一种基于图割算法的医学图像重建方法及其系统 | |
| CN105631931A (zh) | 一种低复杂度的心脏表面三维形态在线建模系统及方法 | |
| CN103366348B (zh) | 一种抑制x线图像中骨骼影像的方法及处理设备 | |
| CN104166979A (zh) | 一种血管提取方法 | |
| Tian et al. | Efficient tooth gingival margin line reconstruction via adversarial learning | |
| CN110084809A (zh) | 糖尿病视网膜疾病数据处理方法、装置及电子设备 | |
| Zhao et al. | Medical images super resolution reconstruction based on residual network | |
| CN110930391A (zh) | 一种基于VggNet网络模型实现医学影像辅助诊断的方法、装置、设备及存储介质 | |
| CN113096779A (zh) | 一种基于分布式ct终端机的医学影像云影像系统 | |
| Zhang et al. | Optimal modeling and simulation of the relationship between athletes' high-intensity training and sports injuries | |
| CN117437350B (zh) | 一种用于手术术前规划的三维重建系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
| RJ01 | Rejection of invention patent application after publication |