CN110296935B - 一种实体肿瘤三维图像构建方法 - Google Patents

一种实体肿瘤三维图像构建方法 Download PDF

Info

Publication number
CN110296935B
CN110296935B CN201910603591.4A CN201910603591A CN110296935B CN 110296935 B CN110296935 B CN 110296935B CN 201910603591 A CN201910603591 A CN 201910603591A CN 110296935 B CN110296935 B CN 110296935B
Authority
CN
China
Prior art keywords
solid tumor
marking
dimensional
pathological diagnosis
template
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
Application number
CN201910603591.4A
Other languages
English (en)
Other versions
CN110296935A (zh
Inventor
王磊
龚开政
戚庭月
李福东
张勇
袁保锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Affiliated Hospital of Yangzhou University
Original Assignee
Affiliated Hospital of Yangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Affiliated Hospital of Yangzhou University filed Critical Affiliated Hospital of Yangzhou University
Priority to CN201910603591.4A priority Critical patent/CN110296935B/zh
Publication of CN110296935A publication Critical patent/CN110296935A/zh
Application granted granted Critical
Publication of CN110296935B publication Critical patent/CN110296935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Hematology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Urology & Nephrology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了电脑模型构建技术领域内的一种实体肿瘤三维病理诊断方法，其采用离体实体肿瘤，于实体肿瘤一侧插标记针，标记针针头侧依裸露的不同长度作为标记顺序，再进行三维扫描，生成实体肿瘤三维图像模型。于每处标记针标记处按横切面将实体肿瘤分层切开，并置于同一平面拍照。然后将若干层切片按现行方法制作成病理切片，于显微镜下诊断并勾勒并记录病灶信息，再将病灶信息标注在打印的图片上，并备注病理诊断信息，最后将标注好病理诊断信息的各层切片依标记针标注顺序插入到实体肿瘤三维图像模型。该方法可以准确重现实体肿瘤中的各病灶空间分布特点，帮助临床医师做出更全面的临床评判。

Description

一种实体肿瘤三维图像构建方法
技术领域
本发明涉及一种离体组织的电脑模型的构建方法，特别涉及手术切除实体肿瘤的三维图像构建方法。
背景技术
病理诊断是临床诊断的金标准，在肿瘤患者的临床诊治过程中具有指导性作用。目前临床上病理诊断结果均是采用病理诊断结果书写+配图的方式，此种方式从病理学开始之初就沿袭至今，其不足逐渐显现，如：病理诊断“见有肿瘤组织侵犯包膜与血管”，但肿瘤侵犯病灶游离缘还是深部的包膜与血管，这并不能体现；再如病理免疫组化检查，现行传统免疫组化检查只能对某一个蜡块进行检测，但因肿瘤具有异质性的特点，不同蜡块的免疫组化结果表达不同，这样有可能造成诊断结果的不准确等等情况。
发明内容
本发明的目的是提供一种实体肿瘤三维图像构建方法，旨在解决传统病理诊断不能直观反映实体肿瘤中各病灶的空间分布、病灶间及病灶与肿瘤被膜间的解剖关系的问题，通过该方法可以准确重现实体肿瘤中的各病灶空间分布特点、病灶中癌细胞的分化程度、有无血管及淋巴管侵犯、有无神经侵犯、有无肿瘤被膜侵犯等信息，以及可以将免疫组化、特殊染色结果、基因检测结果等病理诊断信息进行三维标注，帮助临床医师做出更全面的临床评判。
本发明的目的是这样实现的：一种实体肿瘤三维图像构建方法，包括如下步骤：
（1）将经手术切除后的离体实体肿瘤标本用中性甲醛固定，固定后将标本取出，置于广口瓶中晾干备用；
（2）参照离体实体肿瘤的解剖位置，于实体肿瘤一侧按照预定间隔插上标记针；所述标记针可以为大头针，插标记针时，控制针头侧裸露的不同长度作为标记顺序，也可以采用不同颜色的标记针作为标记顺序；
（3）将用标记针标注的实体肿瘤用Ein Scan Pro 2X Pluse彩色三维扫描仪进行扫描，连续扫描并经电脑程序生成实体肿瘤三维图像模型；
（4）于每处标记针标记处按横切面将实体肿瘤分层切开，切开后的若干层按统一方向置于同一平面拍照，拍照时放置标准厘米刻度尺以保证组织大小比例；
（5）将若干层切片按现行方法制作成病理切片，于显微镜下诊断并勾勒并记录病灶信息，再将病灶信息标注在打印的图片上，备注的信息包括病灶大小、肿瘤细胞的分化程度、有无血管及淋巴管侵犯、有无神经侵犯、免疫组化结果、分子检查结果的病理诊断信息；
（6）将标注好病理诊断信息的各层切片插入到之前经彩色三维扫描仪扫描所得的实体肿瘤三维模型中，插入顺序依标记针标注顺序，算法的流程如下：
①OpenGL中在标记针标志处进行平面切割保存切割面图像，并提取切割面图像边缘轮廓作为模板；使用sobel边缘检测算子检测切片轮廓边缘点并记录对应梯度方向（Sx，Sy）；
sobel边缘检测横向和纵向的卷积模板分别为：
Figure 100002_DEST_PATH_IMAGE001
②对①中提取的轮廓边缘以2°为步长进行360度旋转，并保存所有旋转模板；
Figure 100002_DEST_PATH_IMAGE002
为减少切片图像中的噪声干扰，对切片图像进行高斯滤波
二维高斯滤波函数为：
Figure 100002_DEST_PATH_IMAGE003
，其中，x、y为纵横坐标值，σ为均方差；
离散5*5 (σ=1.4) 的归一化高斯滤波卷积模板如下：
Figure 100002_DEST_PATH_IMAGE004
Figure 100002_DEST_PATH_IMAGE005
使用sobel边缘检测算子，对切片图像进行边缘点检测，并保存梯度图像；
Figure 100002_DEST_PATH_IMAGE006
使用LineMod模板匹配算法，将360°旋转的模板与
Figure 100002_DEST_PATH_IMAGE007
中的梯度图像进行匹配，得到匹配中心点坐标（x，y）与旋转角度θ。
进一步地，步骤（1）中离体实体肿瘤标本用10%中性甲醛固定8-12小时，步骤（1）中晾干时间为0.5-1小时。
进一步地，步骤（2）中参照离体实体肿瘤的解剖位置是指，依据实体肿瘤自身结构特点，如前列腺中输尿管的走向；若实体肿瘤为均质组织，无结构特征，则以实体肿瘤最长径为计。步骤（2）中按照预定间隔是指，依据离体实体肿瘤的大小选择，若离体实体肿瘤最长大于1cm的，间隔距离为5mm；若离体实体肿瘤最长径小于等于1cm，间隔距离为最长径的1/2。
与现有技术相比，本发明的有益效果在于：
一、通过离体实体肿瘤的三维病理构型，可以将肿瘤内各病灶的空间分布、病灶间的解剖关系、病灶内肿瘤细胞的分化程度、血管及淋巴管侵犯情况、神经侵犯及肿瘤被膜侵犯情况立体的表示出来。与现有的二维病理诊断相比，三维病理诊断更加全面反映实体肿瘤真实情况，有利于临床医师制定更恰当的治疗方案。
二、临床工作中，有部分肿瘤病例的影像学（如超声、CT、MRI）检查不能反映出病灶的大小、分布等信息，通过离体实体肿瘤的三维图像构建方法，可以反映出各病灶的空间分布，有利于临床医师对这类病例的病灶空间分布规律的研究，通过此种方法来提高临床诊断的阳性率。
三、目前某些病理检查项目，如病理免疫组化检查、基因检测、分子检测等，现行的检查方法只时对肿瘤某一个蜡块进行检测，但因肿瘤具有异质性的特点，不同蜡块的检查结果表达不同，这样有可能造成诊断结果的不准确。通过三维病理诊断方法，可以通过将实体肿瘤多层面病理诊断结果进行三维体现，得出更准确的病理诊断结果。
四、三维诊断技术目前在超声、CT、MRI中逐步开展，属于新兴技术范畴。通过实体肿瘤的三维病理诊断可以将传统的病理诊断结果与上述三维诊断技术进行融合，有利于对实体肿瘤整体诊断技术水平的提高与实体肿瘤诊断信息的数字化传输。
具体实施方式
一种实体肿瘤的三维图像构建方法，包括如下步骤：
（1）将经手术切除后的离体实体肿瘤标本用中性甲醛固定，固定后将标本取出，置于广口瓶中晾干备用；例如离体的前列腺标本，可用10%中性甲醛固定8-12小时；晾干时间为0.5-1小时；
（2）参照离体实体肿瘤的解剖位置，于实体肿瘤一侧按照预定间隔插上标记针作为标记，所述标记针可以为大头针，插标记针时，控制针头侧裸露的不同长度作为标记顺序，例如第一层露出1mm，标记为1，第二层露出2mm，标记为2，依此，第N层露出nmm，标记为N；也可以采用不同颜色的标记针作为标记顺序，例如红色标记为第一层，黄色标记为第二层……；参照离体实体肿瘤的解剖位置是指，依据实体肿瘤自身结构特点，如前列腺中输尿管的走向；若实体肿瘤为均质组织，无结构特征，则以实体肿瘤最长径为计按照预定间隔是指，依据离体实体肿瘤的大小选择，若离体实体肿瘤最长大于1cm的，间隔距离为5mm；若离体实体肿瘤最长径小于等于1cm，间隔距离为最长径的1/2；
（3）将用标记针标注的实体肿瘤用Ein Scan Pro 2X Pluse彩色三维扫描仪进行扫描，连续扫描并经电脑程序生成实体肿瘤三维图像模型；
（4）于每处标记针标记处按横切面将实体肿瘤分层切开，切开后的若干层按统一方向置于同一平面拍照，拍照时放置标准厘米刻度尺以保证组织大小比例；
（5）将若干层切片按现行方法制作成病理切片，于显微镜下诊断并勾勒并记录病灶信息，再将病灶信息标注在打印的图片上，备注的信息包括病灶大小、肿瘤细胞的分化程度、有无血管及淋巴管侵犯、有无神经侵犯、免疫组化结果、分子检查结果等所有病理诊断信息；
（6）将标注好病理诊断信息的各层切片经研发的拥有著作权的软件（软件全称：实体肿瘤三维病理诊断系统，受理号：2019R11S0556146）插入到之前经彩色三维扫描仪扫描所得的实体肿瘤三维模型中，插入顺序依标记针标注顺序，算法的流程如下：
①OpenGL中在标记针标志处进行平面切割保存切割面图像，并提取切割面图像边缘轮廓作为模板；使用sobel边缘检测算子检测切片轮廓边缘点并记录对应梯度方向（Sx，Sy）；
sobel边缘检测横向和纵向的卷积模板分别为：
Figure DEST_PATH_IMAGE008
②对①中提取的轮廓边缘以2°为步长进行360度旋转，并保存所有旋转模板；
Figure 476101DEST_PATH_IMAGE002
为减少切片图像中的噪声干扰，对切片图像进行高斯滤波
二维高斯滤波函数为：
Figure DEST_PATH_IMAGE009
，其中，x、y为纵横坐标值，σ为均方差；
离散5*5 (σ=1.4) 的归一化高斯滤波卷积模板如下：
Figure DEST_PATH_IMAGE010
Figure 284919DEST_PATH_IMAGE005
使用sobel边缘检测算子，对切片图像进行边缘点检测，并保存梯度图像；
Figure 736760DEST_PATH_IMAGE006
使用LineMod模板匹配算法，将360°旋转的模板与
Figure 194287DEST_PATH_IMAGE007
中的梯度图像进行匹配，得到匹配中心点坐标（x，y）与旋转角度θ。
本发明通过三维图像构建方法，可以将病理诊断结果进行三维体现，令临床医师更形象客观的判读病理诊断结果；同时通过三维病理诊断方法，可以解决现有一些病理诊断结果不够全面的不足，如免疫组化结果，可通过显示该指标的三维表达分布，准确评判其在肿瘤组织中的表达；还可通过三维病理诊断方法，确定肿瘤中如病灶大小、肿瘤细胞的分化程度、有无血管及淋巴管侵犯、有无神经侵犯、免疫组化结果、分子检查结果等所有病理诊断信息，用于分析研究。
本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims (1)

1.一种实体肿瘤三维图像构建方法，其特征在于将标注好病理诊断信息的各层切片插入到之前经彩色三维扫描仪扫描所得的实体肿瘤三维模型中，插入顺序依标记针标注顺序；插入算法的流程如下：
①OpenGL中在标记针标志处进行平面切割保存切割面图像，并提取切割面图像边缘轮廓作为模板；使用sobel边缘检测算子检测切片轮廓边缘点并记录对应梯度方向（Sx，Sy）；
sobel边缘检测横向和纵向的卷积模板分别为：
Figure DEST_PATH_IMAGE001
②对①中提取的轮廓边缘以2°为步长进行360度旋转，并保存所有旋转模板；
Figure DEST_PATH_IMAGE002
为减少切片图像中的噪声干扰，对切片图像进行高斯滤波
二维高斯滤波函数为：
Figure DEST_PATH_IMAGE003
，其中，x、y为纵横坐标值，σ为均方差；
离散5*5 (σ=1.4) 的归一化高斯滤波卷积模板如下：
Figure DEST_PATH_IMAGE004
Figure DEST_PATH_IMAGE005
使用sobel边缘检测算子，对切片图像进行边缘点检测，并保存梯度图像；
Figure DEST_PATH_IMAGE006
使用LineMod模板匹配算法，将360°旋转的模板与
Figure DEST_PATH_IMAGE007
中的梯度图像进行匹配，得到匹配中心点坐标（x，y）与旋转角度θ。
CN201910603591.4A 2019-07-05 2019-07-05 一种实体肿瘤三维图像构建方法 Active CN110296935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910603591.4A CN110296935B (zh) 2019-07-05 2019-07-05 一种实体肿瘤三维图像构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910603591.4A CN110296935B (zh) 2019-07-05 2019-07-05 一种实体肿瘤三维图像构建方法

Publications (2)

Publication Number Publication Date
CN110296935A CN110296935A (zh) 2019-10-01
CN110296935B true CN110296935B (zh) 2022-09-13

Family

ID=68030495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910603591.4A Active CN110296935B (zh) 2019-07-05 2019-07-05 一种实体肿瘤三维图像构建方法

Country Status (1)

Country Link
CN (1) CN110296935B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113138110A (zh) * 2021-04-27 2021-07-20 吉林大学 病理图片三维重建的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091347A (zh) * 2014-07-26 2014-10-08 刘宇清 一种基于3d打印技术的颅内肿瘤手术规划模拟方法
CN105975793A (zh) * 2016-05-23 2016-09-28 麦克奥迪（厦门）医疗诊断系统有限公司 一种基于数字病理图像的癌症辅助诊断方法
CN108508016A (zh) * 2018-04-09 2018-09-07 扬州大学附属医院 一种前列腺癌三维病理构型方法
CN108629768A (zh) * 2018-04-29 2018-10-09 山东省计算中心（国家超级计算济南中心） 一种食管病理图像中上皮组织的分割方法
CN109493325A (zh) * 2018-10-23 2019-03-19 清华大学 基于ct影像的肿瘤异质性分析系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091347A (zh) * 2014-07-26 2014-10-08 刘宇清 一种基于3d打印技术的颅内肿瘤手术规划模拟方法
CN105975793A (zh) * 2016-05-23 2016-09-28 麦克奥迪（厦门）医疗诊断系统有限公司 一种基于数字病理图像的癌症辅助诊断方法
CN108508016A (zh) * 2018-04-09 2018-09-07 扬州大学附属医院 一种前列腺癌三维病理构型方法
CN108629768A (zh) * 2018-04-29 2018-10-09 山东省计算中心（国家超级计算济南中心） 一种食管病理图像中上皮组织的分割方法
CN109493325A (zh) * 2018-10-23 2019-03-19 清华大学 基于ct影像的肿瘤异质性分析系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于Activiz.Net的医学图像三维重构";张思源;《中国优秀博硕士学位论文全文数据库(硕士) 医药卫生科技辑》;20170215;全文 *
"连续大尺度组织切片自动成像及三维重建系统研究";孟军;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20130715;全文 *

Also Published As

Publication number Publication date
CN110296935A (zh) 2019-10-01

Similar Documents

Publication Publication Date Title
CN105719324B (zh) 图像处理装置以及图像处理方法
CN106462767B (zh) 用于处理和分析图像的检查设备
JP6336391B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2005529311A (ja) コンピュータシステムを使用して生物学的サンプルを解析するための方法および／またはシステム
CN112263217B (zh) 一种基于改进卷积神经网络的非黑素瘤皮肤癌病理图像病变区域检测方法
CN113724785B (zh) 基于二代测序的肿瘤分型方法、装置、存储介质及设备
CN109498046A (zh) 基于核素图像与ct冠脉造影融合的心肌梗死定量评估方法
TW202102832A (zh) 分析組織標本的方法
CN110296935B (zh) 一种实体肿瘤三维图像构建方法
Hughes et al. Robust alignment of prostate histology slices with quantified accuracy
CN105167795A (zh) 一种pet/ct宏观数字信息与病理微观信息匹配的方法
CN112515764B (zh) 颅内肿瘤三维打印方法、三维打印装置及可读存储介质
CN108508016B (zh) 一种前列腺癌三维病理构型方法
CN111127404B (zh) 一种医疗影像轮廓快速提取方法
US20160228068A1 (en) Quality assurance for mri-guided breast biopsy
CN110223774B (zh) 一种实体肿瘤三维病理诊断图像与三维影像诊断图像融合方法
CN111275722A (zh) 肺段、肝段分割方法及系统
CN116616816A (zh) 一种能够自动记录并指导扫查的超声诊断方法和系统
US20220108442A1 (en) Identifying Morphologic, Histopathologic, and Pathologic Features with a Neural Network
WO2022272014A1 (en) Computational techniques for three-dimensional reconstruction and multi-labeling of serially sectioned tissue
US9974521B2 (en) Computer-aided lesion detection and track planning for MRI-guided breast biopsy
CN115880295B (zh) 具有精准定位功能的计算机辅助肿瘤消融导航系统
CN112614118B (zh) 一种基于深度学习的ct图像预测方法及计算机可读存储介质
US20230086976A1 (en) Volumetric Image Guidance for Improved Pathology Sectioning and Analysis of Tissue Samples
US20240037855A1 (en) Method for generating three-dimensional prostate pathological image, and system therefor

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