CN110400286A - 一种x射线ct图像中金属针的检测定位方法 - Google Patents
一种x射线ct图像中金属针的检测定位方法 Download PDFInfo
- Publication number
- CN110400286A CN110400286A CN201910483678.2A CN201910483678A CN110400286A CN 110400286 A CN110400286 A CN 110400286A CN 201910483678 A CN201910483678 A CN 201910483678A CN 110400286 A CN110400286 A CN 110400286A
- Authority
- CN
- China
- Prior art keywords
- image
- metal needle
- projection
- needle
- detection
- 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
- 239000002184 metal Substances 0.000 title claims abstract description 71
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 230000004807 localization Effects 0.000 title claims abstract description 20
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 14
- 210000004872 soft tissue Anatomy 0.000 claims abstract description 14
- 229910052704 radon Inorganic materials 0.000 claims abstract description 11
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 238000013517 stratification Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 230000000877 morphologic effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000009466 transformation Effects 0.000 abstract description 2
- 238000001883 metal evaporation Methods 0.000 abstract 1
- 238000002679 ablation Methods 0.000 description 17
- 238000001574 biopsy Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 206010019695 Hepatic neoplasm Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000004020 conductor Substances 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
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007674 radiofrequency ablation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30056—Liver; Hepatic
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种X射线CT图像中金属针的检测定位方法，具体涉及医学CT成像技术和图像处理技术领域。该检测定位方法通过先校正由金属针导致的图像伪影，获得高质量的CT图像，再检测金属针的形态学信息，主要包括：首先重建由CT设备获得的含有金属针的检测部位多能投影数据、通过分割获得仅包含软组织和骨头的先验图像以及金属针、分层化处理多能投影数据、插值金属投影区域并重建得到校正后的图像；然后对校正后图像进行预处理得到二值图像；再利用面积分型方法实现Radon变换进行线段检测；最后使用DBSCAN聚类法实现金属针的“针点”定位。该方法可为CT图像引导的临床诊疗中“针状”器械提供快速、精准的检测和定位。
Description
技术领域
本发明涉及CT成像技术和图像处理技术领域，具体涉及一种X射线CT图像中金属针的检测定位方法。
背景技术
图像引导下的介入治疗通过影像设备使医生对病变进行精确定位和深度观察，利用血管导管技术或是经皮穿刺器械，对体内器官的病变进行诊断和治疗。因该治疗方法损伤小、恢复快，越来越受到人们欢迎，并且一些国家将图像引导下微创治疗的研究列入了国家发展的战略高度。与其他影像技术相比，CT引导下的介入治疗是目前临床常用的一种微创治疗手段。但是由于治疗介入的“针状”器械，如活检针、穿刺针、消融针等金属针，会导致CT图像出现金属伪影，难以获得“针”形物尤其是针尖的准确位置，严重影响医生或是手术导航系统的判断以及手术效果。一般情况下，临床诊疗中医生通过对图像灰度进行调窗或是凭借经验获得消融针的位置，这样一方面增加手术时间且容易引起误判，另一方面无法适用于手术自动导航系统。
CT图像引导介入手术中“针状”器械不同于常规图像的线段，它的针尖部位比其余部位要细小的多，而针尖和与其相连部位的准确定位对于肿瘤穿刺、消融、活检的精准率具有十分重要的意义。尽管目前已有一些关于金属伪影消除方法的研究工作，但是仍没有一种比较通用的消除或是消减金属伪影的方法，尤其是对于“针状”引起的伪影；另外，当原始图像质量不理想时，现有图像分割技术也难以对“针”形物尤其是针尖进行准确定位。
目前已有一些基于硬件和软件的检测和定位手术中“针状”装置的方法。前者有通过外部系统或外部设备来检测定位针，如使用安装在超声探头上的摄像机估计“针”在超声图像中的位置；将光束转向方法与基于机器学习的“针”分割相结合获得定位。后者有利用FFT滤波、改进的Ostu方法、梯度边缘检测算法等，对于CT图像导引中穿刺针进行快速分割；有设计两个特征参数进行针的定位，一个是特征量化针引起的运动和第二个特征提供了强度不变的检测与针方向匹配的边缘，再结合Radon变换近似估计针的位置。这些方法一方面对于存在伪影的图像时无法实现“针形”的准确分割，另一方面难以对“针”尖、角度、长度等姿态特征进行准确获取和定位。
目前也有一些研究涉及到CT图像中“针状”器械的定位问题和方法，例如：专利号为CN108618844A的中国专利，公开了一种CT引导肝肿瘤射频消融术中穿刺导航方法与流程，其主要通过预先设置CT识别的标志物，从消融术中CT图像提取有关组织和结构，利用实时自动规划方法得到最优穿刺路径及其起点、终点、长度、角度等几何信息，当消融针的针尖移动到最优穿刺路径的起点之后，执行对消融针穿刺的实时导航。
专利号为CN 107361823 A的中国专利公开了一种多角度穿刺探针定位器，其设计了步进电机和设置在步进电机一端的联轴器等硬件构成定位器，可以实现穿刺探针的多角度定位。
专利号为CN 108309411A的中国专利公开了一种超声引导下穿刺针定位装置，其包括超声波引导器、探测板等本体组件和一些定位组件，以准确、方便确定穿刺针的进针方向。
专利号为US201615056160的美国专利公开了一种消融针引导定位方法，其将电极引入目标组织中，利用具有延展性的、多个狭槽的直线棒实现消融针的定位。
上述专利技术涉及到某类“针状”器械的定位的软件和硬件方法，但都没有考虑一种普遍的现象——CT图像中金属针造成的伪影使得图像质量下降，难以直接获取针的定位，导致消融或是穿刺的精度不够，使得介入手术未达到理想的效果。
本发明给出了一种先校正由金属针导致的CT图像伪影再检测金属针的形态学信息的方法，其可为CT图像引导的临床诊疗中“针状”器械提供快速、精准的检测定位。
发明内容
本发明的目的是针对上述不足，提出了一种能够快速、准确检测定位CT图像中金属针的方法，首先校正由金属针导致的图像伪影，获得高质量的CT图像后，再检测金属针的形态学信息。
本发明具体采用如下技术方案：
一种X射线CT图像中金属针的检测定位方法，包括：
获取仅包含软组织和骨头的先验图像以及金属针图像；
获取分层后的投影数据；
获取校正后的CT图像；
获取二值化后的图像；
获取图像中金属针的检测。
优选地，
在获取仅包含软组织和骨头的先验图像以及金属针图像中，首先利用X射线CT系统获得含金属针的检测部位多能投影数据，并使用滤波反投影算法进行重建，得到含有金属伪影的CT图像；再利用软组织、骨头和金属的线性衰减系数的差异，用阈值分割方法，获得仅包含软组织和骨头的先验图像以及金属针图像。
优选地，
在获取分层后的投影数据中，首先求出先验图像的投影数据，通过减法用其对原始多能投影数据进行分层，然后利用基于金属图像的投影数据对该投影区域进行线性插值，最后将插值后的数据加上先验图像的投影数据和校正值，得到分层化后的投影数据。
更优选地，分层中加上一个校正值，避免负值出现。
优选地，
在获取校正后的CT图像中，对校正后的投影数据进行滤波反投影算法重建，加上分割出金属针图像，得到校正后的CT图像。
优选地，
在获取二值化后的图像中，首先利用非局部均值滤波算法进行降噪，再使用高斯滤波与拉普拉斯算子相结合的Log算子进行边缘检测和二值化，得到二值化图像。
优选地，
在获取图像中“针状”器械的检测中，对二值化的图像利用面积分方法求Radon变换检测出针状装置图像，面积分型Radon变换为式(1)所示，
对任意一条具有一定宽度的射束求面积分pf(Ω)，其计算通过式(2)离散形式实现，
其中，μj表示像素j的线性衰减系数，Δωj是射线在像素j中加权面积。
本发明具有如下有益效果：
本发明涉及到检测定位方法，该定位方法可以准确检测和定位CT图像中金属针的位置，其先对CT图像利用分层化方法进行金属伪影校正再进行检测，为临床提供“针状”器械(如活检针、穿刺针、消融针等金属针)位置的有效、精准的判断，也可为基于CT图像的手术导航系统中“针状”器械的检测定位设计提供重要参考；
与以往CT图像中“针状”器械检测方法比较，该方法能快速校正由“针”形物导致的CT图像金属伪影；准确检测定位CT图像中“针”形物，适用于CT图像中线段的检测和端点定位。
附图说明
图1为X射线CT图像中金属针的检测定位方法的流程框图；
图2a为待检测的CT图像；
图2b为图2a分层化金属伪影校正后图像；
图3分层化方法校正金属伪影方法的流程图；
图4a为二值图像；
图4b为图像中消融针定位结果图像；
图5为求解任意一条具有一定宽度的射束的面积分示意图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：
如图1所示，一种X射线CT图像中金属针的检测定位方法，包括：
获取仅包含软组织和骨头的先验图像以及金属针图像；在获取包含软组织和骨头的先验图像以及金属针图像中，首先利用X射线CT系统获得含金属针的检测部位的原始多能投影数据，并使用滤波反投影算法进行重建，获得含有金属伪影的图像；再利用软组织、骨头和金属的线性衰减系数的差异，用阈值分割方法，获得包含软组织和骨头的先验图像和金属图像。
获取分层后的投影数据；在获取分层后的投影数据中，首先求出先验图像的投影数据，通过减法用其对原始多能投影数据进行分层，分层中加上一个校正值，避免负值出现，然后利用基于金属图像的投影数据对该投影区域进行线性插值，最后将插值后的数据加上先验图像的投影数据和校正值，得到分层化后的投影数据。
获取校正后的CT图像；在获取校正后的CT图像中，对校正后的投影数据进行经典滤波反投影算法重建，加上分割出的金属图像，得到校正后的CT图像。
获取二值化后的图像；在获取二值化后的图像中，首先利用非局部均值滤波算法进行降噪，再使用高斯滤波与拉普拉斯算子相结合的Log算子进行边缘检测和二值化，得到二值化图像。
获取图像中针状装置的检测；在获取图像中针状装置的检测中，对二值化的图像利用面积分方法求Radon变换检测出针状装置图像，面积分型Radon变换为式(1)所示，
由于对于离散的数字图像进行检测时，其最小单元像素(小正方形)，“针状”装置作为线段是有宽度的，其宽度通常占有一个像素或是多个像素，对任意一条具有一定宽度的射束求面积分pf(Ω)，其计算通过式(2)离散形式实现，
其中，μj表示像素j的线性衰减系数，Δωj是射线在像素j中加权面积，可以通过图5中斜线部分的面积比上整个像素的面积计算。
获取图像中的金属针以及“针点”的定位：利用变半径邻域度量寻找核心像素的DBSCAN聚类算法快速提取中金属针特征点构成的图像，并获得有关定位参数。其将密度足够大的相邻区域连接且聚类簇的形状没有偏倚，可有效去除噪点。其中结合待检测图像的密度分布特征，利用变半径邻域距离度量方式，找到核心像素集xj的ε-领域(N∈(xj)＝{xj∈D|Dist(xj,xj)≤ε})。
本发明主要提供了一种X射线CT图像中金属针的检测定位方法，包括提出的“分层”化校正金属伪影的方法、改进的Radon线检测和聚类相结合的线段检测定位方法，通过获得多能投影数据、CT重建、图像分割、先验图像的应用、图像二值化、线段检测等过程实现金属针和“针”点准确定位。目标是给出高分辨的CT图像进而实现“针”形物的准确定位，得到其有关几何参数等多姿态信息，为医生和导航系统设计提供准确的信息依据。其实施主要包括以下步骤：
a、获得先验图像Image_Pr和消融针图像Image_Ne：首先对扫描的多能谱投影数据Projection_Or使用经典的算法进行重建，得到含有金属伪影图像Image_Ma，再利用组织分类模型的阈值分割方法，从Image_Ma中分割出先验图像Image_Pr和消融针图像Image_Ne；并利用前向投影，获得他们的投影数据Projection_Pr和Projection_Ne；
b、获得分层后的投影数据Projection_Co：利用前向投影获得先验图像的投影数据Projection_Pr，再用Projection_Pr对Projection_Or进行“分层”，即数据相减Projection_Or-Projection_Pr，其中为了避免负值出现可以加上一个正值e，然后基于的金属区域投影数据Projection_Ne对该投影区域进行线性插值，将插值后的数据加上Projection_Pr得到校正后的投影数据Projection_Co；
c、获取校正后的CT图像Image_Co：对校正后的投影数据Projection_Co进行经典滤波反投影算法重建，加上消融针图像Image_Ne，得到校正后的图像Image_Co；
d、获取二值化后的图像Image_CoBi：获取二值化后的图像：首先对Image_Co利用非局部均值滤波算法(Nlm算法)进行降噪，再使用高斯滤波与拉普拉斯算子相结合的Log算子进行边缘检测和二值化，得到二值化图像Image_CoBi；
e、获取图像中的“针状”装置：对Image_CoBi利用面积分型方法求Radon变换检测出金属针图像Image_Nd1；
f、获取图像中的金属针的“针点”的定位：利用变半径邻域度量寻找核心像素的DBSCAN聚类算法快速提取Image_Nd1中“针状”特征点构成的图像Image_Nd2，并获得有关定位参数。
以基于CT图像引导对其肝部肿瘤进行消融为例，使用钢质消融针，对获得的CT图像中消融针进行检测定位。利用医学CT系统中扇束等角扫描模式对检测部位进行扫描，其有关系统参数为：扫描参数是X射线源与旋转中心的距离为743.7500cm，探测器单元的长度为0.776cm，两个相邻的光线之间的角度为0.0573弧度，扫描角度个数为984，探测器单元的个数为1025，扫描电压为120Kvp，重建的CT图像矩阵大小为512×512。
利用附图3的校正金属伪影和附图5中检测定位方法对含有金属伪影的CT图像进行消融针的检测和定位，主要包括如下内容：
根据上面的实施方式中步骤a，对附图2a含金属伪影的图像Image_Ma，通过组织分类模型的阈值方法进行分割，软组织(包括肌肉、脂肪以及其他人体组织)使用阈值60HU，骨组织，为1500HU，金属为3000HU。
根据上面的实施方式中步骤b，获得分层化校正的投影数据Projection_Co：利用前向投影获得先验图像的投影数据Projection_Pr，对Projection_Or进行“分层”，即数据相减Projection_Or-Proiection_Pr，其中为了避免负值出现可以加上一个校正值1.0，然后基于的金属区域投影数据Projection_Ne对该投影区域进行线性插值，将插值后的数据加上Projection_Pr和校正值得到校正后的投影数据Proiection_Co(见附图3)；
根据上面的实施方式中步骤c，获取校正后的CT图像Image_Co：对投影数据Projection_Co使用经典算法重建，再加上Image_Ne，得到校正后图像Image_Co，，如附图2b所示；
根据上面的实施方式中步骤d，利用去噪和Log算子获取二值化后的图像Image_CoBi，如附图4a所示；
根据上面的实施方式中步骤e，利用面积分方法计算Radon变换，获取图像中的“针状”装置图像Image_Ndl；
根据上面的实施方式中步骤f，利用改进的DBSCAN聚类算法快速提取Image_Nd1中“针状”特征点，获得最终检测的图像Image_Nd2，如附图4b和有关定位参数(如表1)所示。
表1
| 长度 | 角度 | 针头(x，y) | 针尾(x，y) | |
| 原图 | 76.896034 | -70.395912 | (116，119) | (90，47) |
| 检测聚类图 | 76.550637 | -70.144786 | (115，118) | (90，48) |
将最后检测的Image_Nd2与原图中消融针有关几何信息进行比较，可以看出使用本发明提出的方法能够很好的接近原始信息，是一种准确的定位方法。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (6)
1.一种X射线CT图像中金属针的检测定位方法，其特征在于，包括：
获取仅包含软组织和骨头的先验图像以及金属针图像；
获取分层后的投影数据；
获取校正后的CT图像；
获取二值化后的图像；
获取图像中金属针的检测和定位。
2.如权利要求1所述的一种X射线CT图像中金属针的检测定位方法，其特征在于，
在获取仅包含软组织和骨头的先验图像以及金属针图像中，首先利用X射线CT系统获得含金属针的检测部位多能投影数据，并使用滤波反投影算法进行重建，得到含有金属伪影的CT图像；再利用软组织、骨头和金属的线性衰减系数的差异，用阈值分割方法，获得仅包含软组织和骨头的先验图像以及金属针图像。
3.如权利要求1或2所述的一种X射线CT图像中金属针的检测定位方法，其特征在于，
在获取分层后的投影数据中，首先求出先验图像的投影数据，通过减法用其对原始多能投影数据进行分层，然后利用基于金属针图像的投影数据对该投影区域进行线性插值，最后将插值后的数据加上先验图像的投影数据和校正值，得到分层化后的投影数据。
4.如权利要求1或3所述的一种X射线CT图像中金属针的检测定位方法，其特征在于，
在获取校正后的CT图像中，对校正后的投影数据进行滤波反投影算法重建，加上分割出的金属针图像，得到校正后的CT图像。
5.如权利要求1或4所述的一种X射线CT图像中金属针的检测定位方法，其特征在于，
在获取二值化后的图像中，首先利用非局部均值滤波算法进行降噪，再使用高斯滤波与拉普拉斯算子相结合的Log算子进行边缘检测和二值化，得到二值图像。
6.如权利要求1或5所述的一种X射线CT图像中金属针的检测定位方法，其特征在于，
在获取图像中金属针的检测中，对二值图像利用面积分型方法求Radon变换检测出“针”形物图像，面积分型Radon变换为式(1)所示，
对任意一条具有一定宽度的射束求面积分pf(Ω)，其计算通过式(2)离散形式实现，
其中，μj表示像素j的线性衰减系数，Δωj是射线在像素j中加权面积。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910483678.2A CN110400286A (zh) | 2019-06-05 | 2019-06-05 | 一种x射线ct图像中金属针的检测定位方法 |
| PCT/CN2019/106877 WO2020244098A1 (zh) | 2019-06-05 | 2019-09-20 | 一种x射线ct图像中金属针的检测定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910483678.2A CN110400286A (zh) | 2019-06-05 | 2019-06-05 | 一种x射线ct图像中金属针的检测定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110400286A true CN110400286A (zh) | 2019-11-01 |
Family
ID=68323632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910483678.2A Pending CN110400286A (zh) | 2019-06-05 | 2019-06-05 | 一种x射线ct图像中金属针的检测定位方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110400286A (zh) |
| WO (1) | WO2020244098A1 (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111419399A (zh) * | 2020-03-17 | 2020-07-17 | 京东方科技集团股份有限公司 | 定位跟踪件、定位球的识别方法、存储介质及电子设备 |
| CN112950536A (zh) * | 2021-01-25 | 2021-06-11 | 上海联影医疗科技股份有限公司 | 高衰减区域检测方法、装置及计算机设备 |
| CN113450345A (zh) * | 2021-07-19 | 2021-09-28 | 西门子数字医疗科技(上海)有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| CN113808233A (zh) * | 2021-09-24 | 2021-12-17 | 北京万东医疗科技股份有限公司 | 一种金属穿刺针伪影处理方法和装置 |
| CN114332270A (zh) * | 2021-12-02 | 2022-04-12 | 赛诺威盛科技(北京)股份有限公司 | 用于微创介入手术的ct图像金属伪影去除方法及装置 |
| CN115115664A (zh) * | 2022-08-25 | 2022-09-27 | 济宁景泽信息科技有限公司 | 计量器具信息采集系统 |
| WO2024008100A1 (zh) * | 2022-07-06 | 2024-01-11 | 杭州堃博生物科技有限公司 | 活检穿刺位置定位方法、装置及存储介质 |
| CN113808233B (zh) * | 2021-09-24 | 2024-06-04 | 北京万东医疗科技股份有限公司 | 一种金属穿刺针伪影处理方法和装置 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116523904B (zh) * | 2023-06-26 | 2023-09-08 | 深圳市佳合丰科技有限公司 | 一种基于人工智能的金属冲压件表面划痕检测方法 |
| CN117830456B (zh) * | 2024-03-04 | 2024-05-28 | 中国科学技术大学 | 用于校正图像金属伪影的方法、装置及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010028696A1 (en) * | 2000-04-07 | 2001-10-11 | Yosihiro Yamada | Image processing method of X-ray CT, X-ray CT and X-ray CT image-taking recording medium |
| CN103310432A (zh) * | 2013-06-25 | 2013-09-18 | 西安电子科技大学 | 基于四阶全变分流的ct图像归一化的金属伪影校正法 |
| US20130287166A1 (en) * | 2012-04-27 | 2013-10-31 | J. Morita Manufacturing Corporation | Image Processing Device, X-Ray CT Photographic Apparatus, and Image Processing Method |
| CN103537797A (zh) * | 2013-09-11 | 2014-01-29 | 上海交通大学 | 基于等离子体图像激光搭接焊间隙检测方法及系统 |
| CN104992445A (zh) * | 2015-07-20 | 2015-10-21 | 河北大学 | 一种ct图像肺实质的自动分割方法 |
| CN104992409A (zh) * | 2014-09-30 | 2015-10-21 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
| CN108618844A (zh) * | 2018-04-19 | 2018-10-09 | 北京工业大学 | 一种ct引导肝肿瘤射频消融术中穿刺导航方法 |
| CN109580630A (zh) * | 2018-11-10 | 2019-04-05 | 东莞理工学院 | 一种机械零部件缺陷的视觉检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102012206714A1 (de) * | 2011-08-10 | 2013-02-14 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Verfahren, Recheneinheit, CT-System und C-Bogen-System zur Reduktion von Metallartefakten in CT-Bilddatensätzen |
| US10395396B2 (en) * | 2015-04-01 | 2019-08-27 | Hitachi, Ltd. | X-ray CT apparatus, reconfiguration arithmetic apparatus, and X-ray CT image generation method |
-
2019
- 2019-06-05 CN CN201910483678.2A patent/CN110400286A/zh active Pending
- 2019-09-20 WO PCT/CN2019/106877 patent/WO2020244098A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010028696A1 (en) * | 2000-04-07 | 2001-10-11 | Yosihiro Yamada | Image processing method of X-ray CT, X-ray CT and X-ray CT image-taking recording medium |
| US20130287166A1 (en) * | 2012-04-27 | 2013-10-31 | J. Morita Manufacturing Corporation | Image Processing Device, X-Ray CT Photographic Apparatus, and Image Processing Method |
| CN103310432A (zh) * | 2013-06-25 | 2013-09-18 | 西安电子科技大学 | 基于四阶全变分流的ct图像归一化的金属伪影校正法 |
| CN103537797A (zh) * | 2013-09-11 | 2014-01-29 | 上海交通大学 | 基于等离子体图像激光搭接焊间隙检测方法及系统 |
| CN104992409A (zh) * | 2014-09-30 | 2015-10-21 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
| CN104992445A (zh) * | 2015-07-20 | 2015-10-21 | 河北大学 | 一种ct图像肺实质的自动分割方法 |
| CN108618844A (zh) * | 2018-04-19 | 2018-10-09 | 北京工业大学 | 一种ct引导肝肿瘤射频消融术中穿刺导航方法 |
| CN109580630A (zh) * | 2018-11-10 | 2019-04-05 | 东莞理工学院 | 一种机械零部件缺陷的视觉检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 张学松 等: "基于Radon变换的CT图像杯状伪影校正", 《CT理论与应用研究》 * |
| 李伟 等: "X射线CT图像环状伪影的数学模型", 《数学的实践与认识》 * |
| 潘迪: "基于DBSCAN与梯度划分的Kinect障碍物轮廓检测算法", 《电子科技》 * |
| 陈明 等: "一种管线CT成像模型", 《数学的实践与认识》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111419399A (zh) * | 2020-03-17 | 2020-07-17 | 京东方科技集团股份有限公司 | 定位跟踪件、定位球的识别方法、存储介质及电子设备 |
| CN112950536A (zh) * | 2021-01-25 | 2021-06-11 | 上海联影医疗科技股份有限公司 | 高衰减区域检测方法、装置及计算机设备 |
| CN113450345A (zh) * | 2021-07-19 | 2021-09-28 | 西门子数字医疗科技(上海)有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| CN113808233A (zh) * | 2021-09-24 | 2021-12-17 | 北京万东医疗科技股份有限公司 | 一种金属穿刺针伪影处理方法和装置 |
| CN113808233B (zh) * | 2021-09-24 | 2024-06-04 | 北京万东医疗科技股份有限公司 | 一种金属穿刺针伪影处理方法和装置 |
| CN114332270A (zh) * | 2021-12-02 | 2022-04-12 | 赛诺威盛科技(北京)股份有限公司 | 用于微创介入手术的ct图像金属伪影去除方法及装置 |
| WO2024008100A1 (zh) * | 2022-07-06 | 2024-01-11 | 杭州堃博生物科技有限公司 | 活检穿刺位置定位方法、装置及存储介质 |
| CN115115664A (zh) * | 2022-08-25 | 2022-09-27 | 济宁景泽信息科技有限公司 | 计量器具信息采集系统 |
| CN115115664B (zh) * | 2022-08-25 | 2022-11-18 | 济宁景泽信息科技有限公司 | 计量器具信息采集系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020244098A1 (zh) | 2020-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110400286A (zh) | 一种x射线ct图像中金属针的检测定位方法 | |
| JP6671432B2 (ja) | 患者装着式の針ガイドの位置合わせおよび動き補償 | |
| US11896414B2 (en) | System and method for pose estimation of an imaging device and for determining the location of a medical device with respect to a target | |
| US8233692B2 (en) | Method of suppressing obscuring features in an image | |
| US10123841B2 (en) | Method for generating insertion trajectory of surgical needle | |
| CN107563998B (zh) | 医学图像中心脏图像处理方法 | |
| CN105678746B (zh) | 一种医学图像中肝脏范围的定位方法及装置 | |
| US20230177696A1 (en) | Method and system for generating guide information, and computer-readable storage medium | |
| CN104248454B (zh) | 一种二维超声图像与穿刺针共面判断方法 | |
| CN113506294B (zh) | 一种医疗图像评估方法、系统、计算机设备及存储介质 | |
| CN113425411B (zh) | 一种病变定位导航的装置 | |
| CN110464462B (zh) | 腹部外科介入手术的图像导航配准系统及相关装置 | |
| CN114419117A (zh) | 一种基于ct与dsa的3d-2d血管弹性配准方法 | |
| Chiplunkar et al. | Segmentation and quantitation of the primary human airway tree | |
| CN113469935B (zh) | 一种基于ct图像的髂后上棘自动检测与定位方法 | |
| Papalazarou et al. | Surgical needle reconstruction using small-angle multi-view x-ray | |
| CN112617877B (zh) | 移动ct系统的自主扫描方法、存储介质和ct扫描装置 | |
| CN116309647B (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
| CN109993754B (zh) | 从图像上进行颅骨分割的方法和系统 | |
| KR20230013042A (ko) | 영상 분석을 통해 병변의 재발을 예측하는 방법 | |
| Gu et al. | 3D automatic fiducial marker localization approach for frameless stereotactic neuro-surgery navigation | |
| 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 | |
| US20230346351A1 (en) | Image processing device, method, and program | |
| CN115067925B (zh) | 基于图像处理的肝脏磁共振检测体位引导方法 | |
| WO2023020609A1 (en) | Systems and methods for medical imaging |
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: 20191101 |
|
| RJ01 | Rejection of invention patent application after publication |