CN111127404B - 一种医疗影像轮廓快速提取方法 - Google Patents
一种医疗影像轮廓快速提取方法 Download PDFInfo
- Publication number
- CN111127404B CN111127404B CN201911238147.3A CN201911238147A CN111127404B CN 111127404 B CN111127404 B CN 111127404B CN 201911238147 A CN201911238147 A CN 201911238147A CN 111127404 B CN111127404 B CN 111127404B
- Authority
- CN
- China
- Prior art keywords
- contour
- medical image
- click position
- distance
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及医疗影像轮廓提取领域,提供一种医疗影像轮廓快速提取方法,该方法包括采用八邻域边缘跟踪算法对感兴趣区域的二值图像进行边缘检测,以提取所述二值图像中的待处理轮廓;若点击位置与所述一个勾画轮廓的距离等于零,则将一个勾画轮廓与待处理轮廓进行逻辑AND布尔运算;或者,若点击位置与一个勾画轮廓的距离大于零、小于预设距离,则将一个勾画轮廓与待处理轮廓进行逻辑NOT布尔运算;以获得所需轮廓线。通过采用八邻域边缘跟踪算法,只需对感兴趣区域的像素点进行一次扫描即可检测出轮廓线,提高了轮廓提取效率;采用Vatti多边形裁剪算法进行布尔运算,使得性能更优化;以及通过点击位置自动识别轮廓处理模式,能够快速直观地修改轮廓边界。
Description
技术领域
本发明涉及医疗影像轮廓提取术领域,尤其涉及一种医疗影像轮廓快速提取方法。
背景技术
肿瘤放射治疗是目前三大肿瘤治疗技术之一。恶性肿瘤精确放疗依赖于计算机断层扫描成像(CT)、核磁共振成像(MRI)、正电子发射断层扫描成像(PET)、锥形束计算机断层扫描成像(CBCT)技术和相应的医学图像信息智能处理技术。在放疗定位图像上勾画肿瘤靶区和周围危及器官是成功实施精确放疗的前提和关键技术。
在肿瘤的诊断和治疗计划制定过程中,医生需要非常细心地在图像上勾画出肿瘤病灶区和周围危机器官的轮廓,工作量巨大。在放疗定位图像上勾画肿瘤靶区和周围危及器官的轮廓是成功实施精确放疗的前提和关键技术。快速准确的轮廓提取也有利于患者的诊断治疗,也减少了医生的工作量。
目前常见的轮廓提取技术可分为三大类:自动、半自动和非自动。自动方法主要依靠计算机图像识别技术对整幅图像进行扫描;非自动方法由医生手工勾画轮廓线;半自动方法则是在人工交互的过程中,借助计算机图像识别技术对轮廓进行提取。
但是,非自动提取依靠医生手工在图像中勾画轮廓线,对医生专业知识和经验要求很高,初级医生很难保证准确性,并且工作量非常大。自动提取方法需要对整幅医学图像区域进行图像分割和轮廓提取,耗费时间大,而信息量巨大的医疗图像也会增加图像分割的难度,降低分割结果的精确性。因此,自动提取方法目前不能完全满足医生实时操作的需求,不能对图像的任意区域都作出完整精确的分割。半自动提取在人工参与下结合图像特征提取轮廓,对计算机内存消耗过大,在web系统上表现不佳,在操作过程中容易出现卡顿的问题,影响实际应用效率。
发明内容
本发明实施例提供一种医疗影像轮廓快速提取方法,用以解决现有技术中轮廓线提取工作量大、效率低下的缺陷,实现半自动式快速轮廓提取。
本发明实施例提供一种医疗影像轮廓快速提取方法,包括:对医疗影像中一个勾画轮廓进行点击动作,记录点击位置的坐标;以所述点击位置为圆心、预设半径画圆,获得感兴趣区域;并将所述感兴趣区域转化为二值图像;采用八邻域边缘跟踪算法对所述二值图像进行边缘检测,以提取所述二值图像中的待处理轮廓;若所述点击位置与所述一个勾画轮廓的距离等于零,则将所述一个勾画轮廓与所述待处理轮廓进行逻辑AND布尔运算;或者,若所述点击位置与所述一个勾画轮廓的距离大于零、小于所述预设距离,则将所述一个勾画轮廓与所述待处理轮廓进行逻辑NOT布尔运算;以获得所需轮廓线。
进一步地,所述采用八邻域边缘跟踪算法对所述二值图像进行边缘检测的步骤包括:扫描所述二值图像,当首次检测到所述二值图像中的外轮廓点时,依照所述外轮廓的轮廓线进行完整跟踪扫描,并对首次检测到的所述外轮廓赋予第一标记值;继续扫描所述二值图像,当首次检测到所述二值图像中的内轮廓点时,依照所述内轮廓的轮廓线进行完整跟踪扫描,并对首次检测到的所述内轮廓赋予第一标记值;被赋予第一标记值的所述内轮廓和所述外轮廓形成待处理轮廓。
进一步地,在所述记录点击位置的坐标与所述以所述点击位置为圆心、预设半径画圆之间还包括:判断所述点击位置与所述医疗影像中的一个勾画轮廓的距离是否小于预设距离;若所述点击位置与所述一个勾画轮廓距离小于预设距离,则以所述点击位置为圆心、预设半径画圆。
进一步地,所述预设半径与所述医疗影像中器官的大小成正比。
进一步地,在对医疗影像进行点击动作之前还包括:对所述医疗影像进行去噪处理。
进一步地,采用3x3的中值滤波算法对所述医疗影像进行去噪处理。
进一步地,在对所述医疗影像进行去噪处理之前还包括:获取所述医疗影像的结构列表;所述结构列表至少包括所述医疗影像中各像素点的坐标信息。
进一步地,所述结构列表还包括表示所述医疗影像中不同勾画轮廓的区分信息。
进一步地,在获得所述所需轮廓线之后还包括:判断所述点击位置的坐标是否发生改变;若所述点击位置的坐标变化,则重新以所述点击位置为圆心、预设半径画圆获取所述感兴趣区域。
进一步地,所述将所述感兴趣区域转化为二值图像的步骤包括:将所述感兴趣区域中像素坐标的灰度值处于所述像素坐标的像素值与容差阈值之差、所述像素坐标的像素值与容差阈值之和之间的灰度值取1,其他灰度值取0。
本发明实施例提供的医疗影像轮廓快速提取方法,通过采用八邻域边缘跟踪算法进行轮廓提取,只需对感兴趣区域的像素点进行一次扫描即可检测出轮廓线,提高了轮廓提取效率;采用Vatti多边形裁剪算法进行布尔运算,可与自动和非自动方式提取的轮廓合并,在web系统上自由度更高,性能更快,更稳定;以及通过点击位置自动识别轮廓处理模式,能够快速直观地修改轮廓边界,提高作业效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为采用半自动轮廓提取方法对医疗影像进行提取的原理图;
图2为医疗影像轮廓线快速提取方法的流程图;
图3为采用八邻域边缘跟踪算法对二值图像进行边缘检测的示意图;其中,图3的A为外轮廓线检测过程、图3的B为从外轮廓至内轮廓的检测过程、图3的C为内轮廓检测过程、图3的D为从内轮廓至外轮廓的检测过程;
图4为轮廓合并逻辑预算示意图,其中图4的a为采用逻辑AND布尔运算进行轮廓合并、图4的b为采用逻辑NOT布尔运算进行轮廓合并。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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”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”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”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,也可以是电连接或彼此可通讯;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。
本发明提供一种医疗影像轮廓线快速提取方法,该提取方法包括:对医疗影像中一个勾画轮廓进行点击动作,记录点击位置的坐标;以点击位置为圆心、预设半径画圆,获得感兴趣区域;并将感兴趣区域转化为二值图像;采用八邻域边缘跟踪算法对二值图像进行边缘检测,以提取二值图像中的待处理轮廓;若点击位置与一个勾画轮廓的距离等于零,则将一个勾画轮廓与待处理轮廓进行逻辑AND布尔运算;或者,若点击位置与一个勾画轮廓的距离大于零、小于预设距离,则将一个勾画轮廓与待处理轮廓进行逻辑NOT布尔运算;以获得所需轮廓线。
具体地,当需要对某个医疗影像进行轮廓线提取时,首先对该医疗影像中的一个勾画轮廓进行点击动作,例如,将该医疗影像显示在电脑显示屏上,用鼠标对该医疗影像中的一个勾画轮廓进行点击动作;此时,记录下该点击位置的坐标信息。采用这种方式点击勾画轮廓的过程可以称为鼠标交互。
然后,以该点击位置为圆心、以预设半径为半径画圆,进而得到感兴趣区域;例如,可以根据医疗影像中呈现的器官的大小来确定预设半径的大小;例如,可以将该预设半径设为15个像素。此种获取感兴趣区域的方式可以称为采用泛洪填充算法获取感兴趣区域;即,在点击位置处,利用泛红填充算法对点击覆盖区域图像进行逐行扫描,遍历该点击覆盖区域图像所有像素点,进而得到感兴趣区域。之后,将该感兴趣区域转化为二值图像,例如,采用种子填充算法将该感兴趣区域转化为二值图像。此过程可以称为图像分割。
随后,采用八邻域边缘跟踪算法对该二值图像进行边缘检测,即按照从上至下、从左至右的方式对该感兴趣区域的二值图像进行扫描;则可以提取出该二值图像中的待处理轮廓,例如,该二值图像中的轮廓包括内轮廓和外轮廓时,通过该八邻域边缘跟踪算法通过一次扫描既可以提取到其中的内轮廓和外轮廓,提高了扫描的效率。此过程称为边缘检测。
然后,判断该点击位置是否落在该一个勾画轮廓内,即判断点击位置与一个勾画轮廓的距离是否小于零,若二者的距离小于零,即点击位置落在该一个勾画轮廓内,则将该一个勾画轮廓与待处理轮廓进行逻辑AND布尔运算,如图4的a所示;或者,若二者的距离大于零、且小于预设距离,即点击位置落在该一个勾画轮廓内、且二者距离小于预设距离,则将该一个勾画轮廓与待处理轮廓进行逻辑NOT布尔运算,如图4的b所示;即,通过Vatti多边形裁剪算法对该一个勾画轮廓和待处理轮廓进行布尔运算。通过点击位置来自动识别轮廓合并处理方式,即可得到所需的轮廓线,能快速直观地反复修改轮廓边界,提高作业效率。此过程称为轮廓合并。
在本发明实施例提供的医疗影像轮廓快速提取方法,通过采用八邻域边缘跟踪算法进行轮廓提取,只需对感兴趣区域的像素点进行一次扫描即可检测出轮廓线,提高了轮廓提取效率;采用Vatti多边形裁剪算法进行布尔运算,可与自动和非自动方式提取的轮廓合并,在web系统上自由度更高,性能更快,更稳定;以及通过点击位置自动识别轮廓处理模式,能够快速直观地修改轮廓边界,提高作业效率。
进一步地,采用八邻域边缘跟踪算法对二值图像进行边缘检测的步骤包括:扫描所述二值图像,当首次检测到所述二值图像中的外轮廓点时,依照所述外轮廓的轮廓线进行完整跟踪扫描,并对首次检测到的所述外轮廓赋予第一标记值;继续扫描所述二值图像,当首次检测到所述二值图像中的内轮廓点时,依照所述内轮廓的轮廓线进行完整跟踪扫描,并对首次检测到的所述内轮廓赋予第一标记值;被赋予第一标记值的所述内轮廓和所述外轮廓形成待处理轮廓。
具体地,如图3所示,当采用八邻域边缘跟踪算法对感兴趣区域的二值图像进行边缘检测时,按照从上到下、从左到右的方式对该图纸图像进行扫描,例如,如图3的A所示,当首次检测到外轮廓点A时,继续对此外轮廓进行一个完整的跟踪扫描,并对该首次检测到的外轮廓赋予第一标记值,例如,给予一个标记值“1”,直至扫描回到外轮廓点A。
然后,依次扫描,如图3的B所示,当检测到一个已经被标记为第一标记值的外轮廓点A’点时,继续扫描该点后续的黑色点,并给予和外轮廓点A’一样的第一标记值。
随后,依次扫描,如图3的C所示,当首次检测到一个内轮廓点B时,给予与外轮廓一样的标记值,即赋予内轮廓点B第一标记值,例如,该内轮廓点B的标记值为“1”;接着继续对此内轮廓进行一个完整的跟踪扫描,并对该首次检测到的内轮廓给予和内轮廓点B一样的标记值,即内轮廓的标记值为第一标记值,例如,该内轮廓的第一标记值与内轮廓点B的标记值为“1”。
然后,如图3的D所示,当检测到一个已经标记过的内轮廓点B’时,继续扫描该点后续的黑色点,并给予和B’一样的第一标记值。此为八邻域边缘跟踪算法的整个扫描过程,如此即可通过一次扫描得到该感兴趣区域的二值图像中的外轮廓线和内轮廓线,并且得出该轮廓线有序的内轮廓点和外轮廓点。
在本实施例中,通过八邻域边缘跟踪算法对该二值图像进行一次扫描,即可得到其中的轮廓中有序的内轮廓点和外轮廓点,且通过对其中的轮廓线赋予第一标记值;当再次扫描该医疗影像中其他勾画轮廓的感兴趣区域的二值图像时,可以通过赋予不同的标记值进行区分。
进一步地,在所述记录点击位置的坐标与所述以所述点击位置为圆心、预设半径画圆之间还包括:判断所述点击位置与所述医疗影像中的一个勾画轮廓的距离是否小于预设距离;若所述点击位置与所述一个勾画轮廓距离小于预设距离,则以所述点击位置为圆心、预设半径画圆。
具体地,在记录下点击位置的坐标之后,还可以预先判断该点击位置与该医疗影像中的该一个勾画轮廓的距离是否小于预设距离,例如,可以采用射线法判断该点击位置与该医疗影像中的该一个勾画轮廓的距离是否小于预设距离。例如,该预设距离可以定为5mm,当然也可以根据需要来设定该预设距离。即判断该点击位置是否靠近该一个勾画轮廓,若该点击位置与该一个勾画轮廓的距离小于预设距离,说明该点击位置靠近该一个勾画轮廓,则可以进行后续的图像分割、边缘检测和轮廓合并等步骤。
若该点击位置与该一个勾画轮廓的距离大于预设距离,说明该点击位置远离该一个勾画轮廓,可以通过判断该点击位置与其他勾画轮廓的距离,来确定是否将该一个勾画轮廓切换至其他勾画轮廓,例如,该点击位置与其他勾画轮廓的距离也小于预设距离,则可以切换至其他勾画轮廓,即对该其他勾画轮廓进行后续的图像分割、边缘检测和轮廓合并等步骤。
在本实施例中,通过判断点击位置与该一个勾画轮廓的距离,进而确定是否对该一个勾画轮廓进行后续的处理,提高了轮廓线提取的精确性,进一步优化了轮廓线提取过程。
进一步地,预设半径与医疗影像中器官的大小成正比。即,当确定点击位置与该一个勾画轮廓的距离小于预设距离时,则以该点击位置为圆心、预设半径为半径画圆,进而得到感兴趣区域;该预设半径可以与医疗影像中器官的大小来确定,例如,该感兴趣区域为脊椎器官时,可以将该预设半径定为50mm;进而得到感兴趣区域。此种方法为通过泛洪填充算法进行图像分割。
进一步地,在对医疗影像进行点击动作之前还包括:对所述医疗影像进行去噪处理。
具体地,在医疗影像的获取过程中,由于影像设备中各种电子器件的随机扰动及使用者操作水平的影响,不可避免地会带来噪声。图像噪声可以理解为真实信号与理想信号之间存在的偏差。通过对医疗影像进行去噪处理,可以提高医疗影像的真实性,从而进一步提高提取轮廓的准确性。例如,可以采用3x3的中值滤波算法进行图像去噪。此过程称为图像预处理。
即,医疗影像轮廓线快速提取方法的过程包括:图像预处理、鼠标交互、图像分割、边缘检测、轮廓合并五个步骤;如图1所示。
进一步地,在对所述医疗影像进行去噪处理之前还包括:获取所述医疗影像的结构列表;所述结构列表至少包括所述医疗影像中各像素点的坐标信息。
具体地,在需要对医疗影像进行轮廓线提取时,首先需要获取该医疗影像的结构列表,且该结构列表至少需要包括该医疗影像中各像素点的坐标信息,以表示各勾画轮廓中内轮廓和外轮廓。另外,该结构列表还可以包括表示医疗影像中不同勾画轮廓的区分信息,例如,该区分信息为颜色信息,即通过不同的颜色来表示不同的勾画轮廓,进而将医疗影像中不同的勾画轮廓进行区分;当然也可以采用其他的区分信息对不同的勾画轮廓进行区分,只要其能够区分不同勾画轮廓即可。
进一步地,在获得所述所需轮廓线之后还包括:判断所述点击位置的坐标是否发生改变;若所述点击位置的坐标变化,则重新以所述点击位置为圆心、预设半径画圆获取所述感兴趣区域。
具体地,当通过轮廓合并步骤获取到所需轮廓线后,可以再次获取点击位置的坐标,将重新获取的点击位置的坐标,与之前记录下的点击位置的坐标进行比较,判断该点击未知的坐标是否发生改变。若点击位置的坐标前后不一致,则该点击位置的坐标发生改变,此时,需要重新以之后的点击位置为圆心、预设半径为半径画圆重新获取感兴趣区域;将该重新获取的感兴趣区域转化为二值图像后,需要重新对该新的二值图像进行图像分割、边缘检测、轮廓合并等步骤,以确保轮廓提取的准确性和精确性。
或者,若判断得知该点击位置的左边前后一致,则点击位置未发送改变,则结束点击动作,例如,当用鼠标点击时,此时可以将鼠标松开,整个轮廓线提取过程结束。
具体地,整个医疗影像轮廓快速提取方法可以按照如图2所示的步骤进行,例如点击动作是通过鼠标进行的。首先,对图像进行预处理;随后,获取鼠标状态,简单鼠标移动位置;然后,鼠标按下;之后,记录鼠标按下位置点P1(即,P1为点击位置);然后,分割鼠标覆盖区域图像,即为了得到感兴趣区域,并将该感兴趣区域转换成二值图像;随后,对该感兴趣区域的二值图像采用八邻域边缘跟踪算法进行边缘检测;之后,进行轮廓提取,即为了得到待处理轮廓;然后,判断点击位置是否在该一个勾画轮廓中,若是则将待处理轮廓与该一个勾画轮廓叠加,若否则将待处理轮廓与该一个勾画轮廓相减;之后,判断鼠标是否拖动,若否则鼠标松开,完成轮廓线提取,若是则重新分割鼠标覆盖区域图像以及后续的步骤。
进一步地,将所述感兴趣区域转化为二值图像的步骤包括:将所述感兴趣区域中像素坐标的灰度值处于所述像素坐标的像素值与容差阈值之差、所述像素坐标的像素值与容差阈值之和之间的灰度值取1,其他灰度值取0。
具体地,例如,将感兴趣区域中各像素点坐标处的灰度值定义为V,例如,在P(i,j)像素点坐标下的灰度值为V(i,j);将感兴趣区域中各点的像素值定义为T、容差阈值定义为t。则灰度值可以通过下述公式获得:
其中:V(i,j)为在P(i,j)像素坐标下的灰度值;
T为在P处的像素值;
t为容差阈值。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种医疗影像轮廓线快速提取方法,其特征在于,包括:
对医疗影像中一个勾画轮廓进行点击动作,记录点击位置的坐标;
以所述点击位置为圆心、预设半径画圆,获得感兴趣区域;并将所述感兴趣区域转化为二值图像;
扫描所述二值图像,当首次检测到所述二值图像中的外轮廓点时,依照所述外轮廓的轮廓线进行完整跟踪扫描,并对首次检测到的所述外轮廓赋予第一标记值;继续扫描所述二值图像,当首次检测到所述二值图像中的内轮廓点时,依照所述内轮廓的轮廓线进行完整跟踪扫描,并对首次检测到的所述内轮廓赋予第一标记值;被赋予第一标记值的所述内轮廓和所述外轮廓形成待处理轮廓;
若所述点击位置与所述一个勾画轮廓的距离等于零,则将所述一个勾画轮廓与所述待处理轮廓进行逻辑AND布尔运算;或者,若所述点击位置与所述一个勾画轮廓的距离大于零、小于预设距离,则将所述一个勾画轮廓与所述待处理轮廓进行逻辑NOT布尔运算;以获得所需轮廓线。
2.根据权利要求1所述的医疗影像轮廓线快速提取方法,其特征在于,在所述记录点击位置的坐标与所述以所述点击位置为圆心、预设半径画圆之前还包括:
判断所述点击位置与所述医疗影像中的一个勾画轮廓的距离是否小于预设距离;
若所述点击位置与所述一个勾画轮廓距离小于预设距离,则以所述点击位置为圆心、预设半径画圆。
3.根据权利要求2所述的医疗影像轮廓线快速提取方法,其特征在于,所述预设半径与所述医疗影像中器官的大小成正比。
4.根据权利要求1所述的医疗影像轮廓线快速提取方法,其特征在于,在对医疗影像进行点击动作之前还包括:对所述医疗影像进行去噪处理。
5.根据权利要求4所述的医疗影像轮廓线快速提取方法,其特征在于,采用3x3的中值滤波算法对所述医疗影像进行去噪处理。
6.根据权利要求4所述的医疗影像轮廓线快速提取方法,其特征在于,在对所述医疗影像进行去噪处理之前还包括:获取所述医疗影像的结构列表;所述结构列表至少包括所述医疗影像中各像素点的坐标信息。
7.根据权利要求6所述的医疗影像轮廓线快速提取方法,其特征在于,所述结构列表还包括表示所述医疗影像中不同勾画轮廓的区分信息。
8.根据权利要求2所述的医疗影像轮廓线快速提取方法,其特征在于,在获得所述所需轮廓线之后还包括:判断所述点击位置的坐标是否发生改变;
若所述点击位置的坐标变化,则重新以所述点击位置为圆心、预设半径画圆获取所述感兴趣区域。
9.根据权利要求1-8任一项所述的医疗影像轮廓线快速提取方法,其特征在于,所述将所述感兴趣区域转化为二值图像的步骤包括:
将所述感兴趣区域中像素坐标的灰度值处于所述像素坐标的像素值与容差阈值之差、所述像素坐标的像素值与容差阈值之和之间的灰度值取1,其他灰度值取0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911238147.3A CN111127404B (zh) | 2019-12-06 | 2019-12-06 | 一种医疗影像轮廓快速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911238147.3A CN111127404B (zh) | 2019-12-06 | 2019-12-06 | 一种医疗影像轮廓快速提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127404A CN111127404A (zh) | 2020-05-08 |
CN111127404B true CN111127404B (zh) | 2023-04-18 |
Family
ID=70497693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911238147.3A Active CN111127404B (zh) | 2019-12-06 | 2019-12-06 | 一种医疗影像轮廓快速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127404B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709436A (zh) * | 2020-05-21 | 2020-09-25 | 浙江康源医疗器械有限公司 | 一种医学影像轮廓的标记方法及系统、分类方法及系统 |
CN112634286B (zh) * | 2020-12-24 | 2024-08-09 | 宁波视睿迪光电有限公司 | 图像的裁剪方法及装置 |
CN113313690B (zh) * | 2021-05-31 | 2022-08-09 | 齐鲁工业大学 | 一种皮革纤维mct序列切片图像的同根区域智能检测方法 |
CN117911444A (zh) * | 2023-12-13 | 2024-04-19 | 广州樾来科技有限公司 | 一种基于边缘处理的抠图方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2076883A2 (en) * | 2006-10-26 | 2009-07-08 | GE Healthcare Limited | Method and system for outlining a region in positron emission tomography studies |
CN103489198A (zh) * | 2013-10-21 | 2014-01-01 | 钟映春 | 从序列mr图像中自动分割脑干区域的方法 |
CN105787978A (zh) * | 2016-02-29 | 2016-07-20 | 深圳市医诺智能科技发展有限公司 | 一种医学图像隔层自动勾画方法、装置和系统 |
CN108985191A (zh) * | 2018-06-28 | 2018-12-11 | 广东技术师范学院 | 一种基于移动设备手势识别的轮廓提取方法 |
CN110085301A (zh) * | 2019-03-28 | 2019-08-02 | 广州柏视医疗科技有限公司 | 一种基于web的放疗计划系统中多序列影像的同步勾画方法 |
CN110032315B (zh) * | 2019-03-28 | 2021-04-27 | 广州柏视数据科技有限公司 | 一种放疗靶区轮廓线快速修改方法 |
-
2019
- 2019-12-06 CN CN201911238147.3A patent/CN111127404B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111127404A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127404B (zh) | 一种医疗影像轮廓快速提取方法 | |
CN108010021B (zh) | 一种医学图像处理系统和方法 | |
US11508059B2 (en) | Methods and systems for detecting a centerline of a vessel | |
Navarro et al. | Accurate segmentation and registration of skin lesion images to evaluate lesion change | |
CN110176012B (zh) | 图像中的目标分割方法、池化方法、装置及存储介质 | |
EP2916737B1 (en) | System and method for automated detection of lung nodules in medical images | |
US7876938B2 (en) | System and method for whole body landmark detection, segmentation and change quantification in digital images | |
CN108573502B (zh) | 一种自动测量Cobb角的方法 | |
US20110158491A1 (en) | Method and system for lesion segmentation | |
US9940706B2 (en) | Image processing apparatus, image processing method and storage medium for extracting a lesion having a ground glass opactiy | |
CN107633514B (zh) | 一种肺结节周边血管量化评估系统及方法 | |
US9773325B2 (en) | Medical imaging data processing apparatus and method | |
CN110706241B (zh) | 一种三维病灶区域提取方法和装置 | |
CN102068281A (zh) | 一种占位性病变超声图像的处理方法 | |
CN116580068B (zh) | 一种基于点云配准的多模态医学配准方法 | |
Mohammed et al. | Digital medical image segmentation using fuzzy C-means clustering | |
Dabass et al. | Effectiveness of region growing based segmentation technique for various medical images-a study | |
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 | |
CN112634280B (zh) | 基于能量泛函的mri图像脑肿瘤分割方法 | |
CN111784664B (zh) | 肿瘤淋巴结分布图谱生成方法 | |
You et al. | Extraction of samples from airway and vessel trees in 3D lung CT based on a multi-scale principal curve tracing algorithm | |
JP6397453B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
Yan et al. | Segmentation of liver metastasis on CT images using the marker-controlled watershed and fuzzy connectedness algorithms | |
WO2024094088A1 (en) | Systems and methods for image analysis | |
US20230191157A1 (en) | Automatic estimation of positions of brachytherapy seeds |
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 |