CN111260703B - 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 - Google Patents
一种获取脊柱拉直图像集的方法、系统、介质及存储介质 Download PDFInfo
- Publication number
- CN111260703B CN111260703B CN202010019844.6A CN202010019844A CN111260703B CN 111260703 B CN111260703 B CN 111260703B CN 202010019844 A CN202010019844 A CN 202010019844A CN 111260703 B CN111260703 B CN 111260703B
- Authority
- CN
- China
- Prior art keywords
- spine
- image
- spinal
- region
- spinal cord
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- 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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请实施例公开了一种获取脊柱拉直图像集的方法。所述方法包括:获取计算机断层扫描图像集;提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线;基于各断层图像中的脊柱中心线,确定各断层图像内的脊髓兴趣点的位置坐标;以任一所述断层图像内的所述脊髓兴趣点为基准,将其他各断层图像的脊髓兴趣点与之对齐,获得所述脊柱拉直图像集。本申请所披露的方法可以通过对齐兴趣点的方法获取脊柱拉直后的图像集。
Description
技术领域
本申请涉及图像处理领域,特别地,涉及一种获取脊柱拉直图像集的方法、系统、介质及存储介质。
背景技术
成像方法,例如计算机断层扫描(CT)、正电子发射断层扫描(PET)、单光子发射计算机断层扫描(SPECT)和磁共振成像(MRI)等己被广泛用于器官成像。例如,CT是一种通过计算机处理从不同角度拍摄的X射线图像的组合来产生横截面图像(即,CT图像)的技术。CT图像可以基于重建算法生成。在重建过程中,由于人体器官或骨骼等扫描物体会有弯曲、前后叠加等结构特征,均可干扰成像效果,影响后续对于扫描物体的观察,希望提供一种可以得到扫描物体的可视化展开或拉直结果的曲面重建(CPR)图像的方法。
发明内容
本申请的第一方面提供一种获取脊柱拉直图像集的方法,所述方法包括:获取计算机断层扫描图像集;提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线;基于各断层图像中的脊柱中心线确定各断层图像内的脊髓兴趣点的位置坐标;以任一所述断层图像内的所述脊髓兴趣点为基准,将其他各断层图像的脊髓兴趣点与之对齐,获得所述脊柱拉直图像集。
本申请的第二方面提供一种获取脊柱拉直图像集的系统,所述系统包括:获取模块,用于获取计算机断层扫描图像集;提取模块,用于提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线;确定模块,用于基于各断层图像中的脊柱中心线,确定各断层图像内的脊髓兴趣点的位置坐标;对齐模块,用于以任一所述断层图像内的所述脊髓兴趣点为基准,将其他各断层图像的脊髓兴趣点与之对齐,获得所述脊柱拉直图像集。
本申请的第三方面提供一种获取脊柱拉直图像集的装置。所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;以及所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现获取脊柱拉直图像集的方法。
本申请的第四方面提供一种计算机可读存储介质。所述存储介质存储有计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行获取脊柱拉直图像集的方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的获取脊柱拉直图像集的系统的示例性应用场景图;
图2是根据本申请一些实施例所示的脊柱原始图像;
图3是根据本申请一些实施例所示的脊柱拉直的效果图;
图4是根据本申请一些实施例所示的获取脊柱拉直图像集的系统的模块图;
图5是根据本申请一些实施例所示的获取脊柱拉直图像集的方法的示例性流程图;以及
图6是根据本申请一些实施例所述的提取脊柱区域的示例性流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于各种生物组织,例如,人体组织、动物组织等。具体的,可以包括但不限于人体骨骼、人体输尿管、人体血管或人体神经等。本申请可以根据生物组织的扫描图像更直观可视化地观察生物组织的组织结构和空间信息。应当理解的是,本申请的系统及方法的应用场景仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。虽然本申请主要以人体组织、特别是以人体脊椎为例进行了描述,但需要注意的是,本申请的原理也可应用于其他生物组织,如生物骨骼、生物血管、生物神经等,根据本申请的原理也可以观察生物体内部的组织结构和空间信息,确定这些生物组织的正常状况。
需要说明的是,在本说明书中,轴向方向或Z轴方向是指沿脊柱的方向,即垂直于横断面的方向。断层图像是指脊柱的横断面(又称水平面)断层图像。其中,断层图像内的上下向、纵向或Y轴方向均是指垂直于冠状面的方向;断层图像内的左右向、横向或X轴方向均是指将垂直于矢状面的方向。其中,矢状面是指将躯体纵断成为左右两部分的解剖平面;冠状面是指将人体纵切为前后(腹背)两部分的断面;横断面是指垂直于冠状面和矢状面的平面。在本说明书中脊柱或脊髓的高度是指脊柱或脊髓在上下向的尺寸,脊柱或脊髓的宽度是指脊柱或脊髓在左右向的尺寸。
图1是根据本申请一些实施例所示的获取脊柱拉直图像集的系统的示例性应用场景图。
获取脊柱拉直图像集系统可以包括:扫描设备110、网络120、一个或以上终端130、处理设备140和存储设备150。获取脊柱拉直图像集系统的各组件之间的连接方式是可变的。仅作为示例说明,如图1所示,扫描设备110可以通过网络120与处理设备140连接,扫描设备110还可以直接与处理设备140直接连接。
扫描设备110可以包括机架111、探测器112、探测区域113、治疗床114和放射扫描源115。机架111可以支撑探测器112和放射扫描源115。对象可以放置于治疗床114上用于扫描。放射扫描源115可以发出放射线束到对象。探测器112可以探测从探测区域113发出的放射物(例如,伽马光子)。在一些实施例中,探测器112可以包括一个或多个探测单元。所述探测器单元可以包括一个闪烁探测器(例如,一个碘化铯探测器)和一个其他探测器等。探测器单元可以是和/或包括单排探测器和/或多拍探测器。在一些实施例中,可以利用扫描设备获取计算机断层扫描图像。
网络120可以包括有助于获取脊柱拉直图像集系统交换信息和/或数据的任何适合的网络。在一些实施例中,获取脊柱拉直图像集系统的一个或多个其他组件(例如,扫描设备110、存储设备150、一个或以上处理设备140和一个或以上终端130等)可以通过网络120相互交互信息和/或数据。例如,处理设备140可以通过网络120从扫描设备110获取图像数据。又例如,处理设备140可以通过网络120获取来自终端130的用户指令。网络120可以是和/或包括公共网络(例如,互联网)、专用网络(例如,局域网(LAN)、广域网(WAN)等)、有线网络(例如,以太网)、无线网络(例如,802.11网络、Wi-Fi网络等)、蜂窝网络(例如,LTE网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、转换器、服务器计算机和或其中的一种或多种的组合。例如,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、局域网、无线局域网(WLAN)、城域网(MAN)、公用电话交换网(PSTN)、蓝牙TM网络ZigBeeTM网络、近场通信网络(NFC)等中的一种或多种的组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线和/或无线网络接入点,如基站和/或获取脊柱拉直图像集系统的一个或多个组件可以被接入到网络120以进行交换数据和或信息所通过的网络交换点。
一个或以上终端130可以包括各类具有信息接收和/或发送功能,并且能够显示图像的设备。在一些实施例中,可以在终端130上接收并显示断层图像或脊柱拉直图像,并将图像进行传送。在一些实施例中,一个或以上终端130可以移动设备131、平板电脑132、笔记本电脑133等中的一种或多种的组合。在一些实施例中,移动设备131可以包括智能家庭设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等中的一种或多种的组合。在一些实施例中,智能家用设备可以包括智能照明装置、智能电器控制装置、智能监控装置、智能电视、智能摄像机、对讲机等中的一种或多种的组合。在一些实施例中,可穿戴设备可能包括手环、鞋袜、眼镜、头盔、手表、服装、背包、智能配件等一种或多种的组合。在一些实施例中,移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等中的一种或多种的组合。在一些实施例中,虚拟现实设备和/或增强现实装置可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等中的一种或多种的组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中,一个或以上终端130可以是处理设备140的一部分。
处理设备140可以处理从CT扫描仪110、一个或以上终端130和/或数据库150中获得的数据和/或信息。在一些实施例中,处理设备140可以提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱区域。在一些实施例中,处理设备140还可以确定各断层图像内脊髓兴趣点的位置坐标,并对其进行层间平滑处理。在一些实施例中,处理设备140可以以任一断层图像内的脊髓兴趣点为基准,将其他各断层图像的脊髓兴趣点进行对齐,并对对齐后的图像集进行重建得到脊柱拉直图像集。图2、3示出了脊柱拉直图像集的可视化效果。
在一些实施例中,处理设备140可以是服务器或服务器群组。所述服务器群组可以是集中式的或者分布式的。在一些实施例中,处理设备140可以是本地的或远程的。例如,处理设备140可以通过网络120访问存储在CT扫描仪110、一个或以上终端130和/或数据库150的信息和/或数据。例如,处理设备140可以直接与CT扫描仪110、一个或以上终端130和/或数据库150连接从而访问其存储的信息和/或数据。在一些实施例中,处理设备140可以在云平台上被执行。例如,云平台可以包括云平台私有云、公有云、混合云、社区云、分布式云、互联云、多重云等种的一种或多种的组合。在一些实施例中,处理设备140可以由具有一个或多个组件的计算设备200执行。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备150可以存储从扫描设备110、终端130和/或处理设备140获取的数据。在一些实施例中,存储设备150可以存储处理设备140为执行本申请中描述的示例性方法所执行或使用的数据和/或指令。例如,存储设备150可以存储从扫描设备110获取的投影图像,存储设备150还可以存储某扫描对象(人体或某一器官或某一组织)的计算机断层扫描图像。在一些实施例中,存储设备150可以包括大容量存储器、可移动存储器、易失性读写内存、只读内存(ROM)等,或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写内存可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDR SDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性只读内存可以包括掩模只读内存(MROM)、可编程只读内存(PROM)、可擦除可编程只读内存(EPROM)、电可擦除可编程只读内存(EEPROM)、光盘只读内存(CD-ROM)和数字多用途光盘等。在一些实施例中,存储设备150可以在云平台上被执行。在一些实施例中,存储设备150可以连接到网络120以与获取脊柱拉直图像集系统中的一个或以上其他组件(例如,扫描设备110、一个或以上终端终端130和处理设备140等)进行通信。获取脊柱拉直图像集系统中的一个或以上组件可以通过网络120访问存储设备150中存储的数据或指令。在一些实施例中,存储设备150可以直接与获取脊柱拉直图像集系统中的一个或以上组件(例如,一个或以上终端终端130、处理设备140等)连接或通信。在一些实施例中,存储设备150可以是处理设备140的一部分。
图4是根据本申请一些实施例所示的获取脊柱拉直图像集的系统的的模块图。
如图4所述,系统400可以包括获取模块410、提取模块420、确定模块430、和对齐模块440。
获取模块410,可以用于获取计算机断层扫描图像。
提取模块420,可以用于提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线。在一些实施例中,提取模块420可以用于将各断层图像沿脊柱轴向进行投影计算,得到二维投影图像;计算所述二维投影图像的重心,将经过该重心的二维投影图像的左右分割线确定为第一脊柱中心线;在各断层图像中,基于所述第一脊柱中心线向左右分别扩展第一预设宽度,获得各断层图像中脊柱的第一区域,其中,第一预设宽度不小于脊柱宽度预估值。在一些实施例中,提取模块420可以用于在各断层图像中:从第一区域的各列中确定骨骼像素区域满足预设条件的列;基于所述满足预设条件的列确定第二脊柱中心线;在第一区域内沿所述第二脊柱中心线,计算骨骼区域中每个像素点的卷积值,将最大卷积值的像素点确定为脊柱中心;基于所述脊柱中心,确定脊柱的第二区域。在一些实施例中,提取模块420可以将各断层图像中的第二区域的位置坐标进行层间平滑处理,以优化各第二区域在各断层图像中的位置。
确定模块430,可以用于基于各断层图像中的脊柱中心线,确定确定各断层图像内的脊髓兴趣点的位置坐标。在一些实施例中,确定模块430可以用于在各断层图像中:在脊柱区域内沿所述脊柱中心线,计算非骨骼区域中每个像素点的卷积值,将最大卷积值的像素点确定为所述脊髓兴趣点。在一些实施例中,确定模块430可以用于对各断层图像中的脊髓兴趣点的位置坐标进行层间平滑处理,以优化各断层图像中的脊髓兴趣点的位置。
对齐模块450,可以用于以任一所述断层图像内的所述脊髓兴趣点为基准,将其他各断层图像的脊髓兴趣点与之对齐,获得所述脊柱拉直图像集。在一些实施例中,对齐模块450可以用于确定为与所述任意断层图像内的脊髓兴趣点对齐,所述其他各断层图像中像素点位置坐标的偏移量;基于所述偏移量对各断层图像进行重采样,以使各断层图像像素点对齐,获得所述脊柱骨架拉直图像集。
应当理解,图4所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于获取脊柱拉直图像集系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,图4中披露的获取模块410、提取模块420、确定模块430、和对齐模块440可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,确定模块430和对齐模块440可以是两个模块,也可以是一个模块同时具有对齐和重建的功能。又例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图5是根据本申请一些实施例所示的获取脊柱拉直图像集的方法的示例性流程图。
如图5所示,该获取脊柱拉直图像集的方法500可以包括:
步骤502,获取计算机断层扫描图像集。在一些实施例中,该步骤可以由获取模块410实现。
在一些实施例中,可以基于平躺体位对人体胸部进行计算机断层扫描,获取计算机断层扫描图像。扫描方式可以不限于CT扫描,也可以是磁共振MR扫描、正电子发射断层扫描-计算机断层扫描(PET/CT)、单光子发射-计算机断层扫描(SPECT/CT)以及PET/MRI等。在一些实施例中,获取计算机断层扫描图像的扫描方式可以包括分平扫、造影增强扫描和造影扫描。
在一些实施例中,计算机断层扫描的对象可以包括生物的骨骼,例如人体的脊椎。在一些实施例中,计算机断层扫描图像还可以包括骨骼、肌肉、血管等信息。在一些实施例中,计算机断层扫描图像集可以是扫描对象的三维成像,可以理解为其包含多层二维断层扫描图像,或者相同XY坐标处的像素点个数大于1。
在一些实施例中,计算机断层扫描图像可以储存在存储设备150中。
步骤504,提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线。在一些实施例中,该步骤可以由提取模块420执行。
在一些实施例中,提取模块420可以在获取所述计算机断层扫描图像后和提取所述脊柱区域前,对各计算机断层扫描图像进行高频噪声过滤操作,减少图像上的噪点或者失真。例如,可以通过低通滤波器过滤计算机断层扫描图像的高频噪声。
在一些实施例中,提取模块420可以基于各图像中满足设定条件的像素点,区分骨骼区域和非骨骼区域,并且记录整体骨架的掩膜矩阵(MASK矩阵)。在一些实施例中,设定条件可以包括像素阈值条件或梯度阈值条件。在一些实施例中,设定的像素阈值条件可以是高于或低于设定的像素阈值。在一些实施例中,设定的梯度阈值条件可以是高于或低于设定的梯度阈值条件。在一些实施例中,设定的条件可以是系统默认值,也可以由用户设定。
在一些实施例中,提取模块420还可以基于计算机断层扫描图像进行处理,获取脊柱中心线以及脊柱中心点,基于脊柱高度预估值以及脊柱宽度预估值提取其中各脊柱轴向断层图像中的脊柱区域,具体的提取方式详见图6的相关描述,在此不再赘述。
步骤506,基于各断层图像中的脊柱中心线,确定各断层图像内的脊髓兴趣点的位置坐标。在一些实施例中,该步骤可以由确定模块430执行。
在一些实施例中,在各断层图像中,以各断层图像中的脊柱中心点为原点建立坐标系,其中X轴方向为垂直于人体矢状面的方向,Y轴方向为垂直于人体冠装面的方向,Z轴方向为垂直于断层图像的方向。
在一些实施例中,确定模块430可以在脊柱区域内沿脊柱中心线,计算所述非骨骼区域内每个像素点的卷积值,将最大卷积值的像素点确定为所述脊髓兴趣点。在一些实施例中,可以在脊柱区域内的一定范围内,沿脊柱中心线,计算所述非骨骼区域内每个像素点的卷积值,将最大卷积值的像素点确定为所述脊髓兴趣点。在一些实施例中,所述脊柱中心线可以是第一脊柱中心线,也可以是第二脊柱中心线。关于第一脊柱中心线以及第二脊柱中心线的详细说明可以参见本说明书其他内容。值得说明的是,上述一定范围是指可以将脊髓全部包括的范围。例如,一定范围可以包括在脊柱中心点上下各取一倍或两倍的脊柱纵向解剖尺寸的范围。在一些实施例中,进行卷积计算时的卷积开窗宽度基于脊柱的纵向解剖尺寸。
关于所述脊柱中心线、脊柱中心点的确定方法可以参见图6及其描述,在此不再赘述。
在一些实施例中,对各断层图像内的脊髓兴趣点的位置坐标进行层间平滑处理。在一些实施例中,该步骤可以由确定模块430执行。
在一些实施例中,确定模块430执行可以对各断层图像中的脊髓兴趣点的位置坐标进行层间平滑处理,以优化各断层图像中的脊髓兴趣点的位置。由于脊髓的生长是连续性的,因此相邻各层图像之间脊髓中心点所在位置应该是连续性的,不会出现太大的偏移。通过对各断层图像中的脊髓兴趣点的位置坐标进行层间平滑处理可以去除噪声点,提高各层脊髓中心点位置的准确性。例如,某一断层图像的脊髓兴趣点的位置坐标与前后断层图像的脊髓兴趣点的位置坐标偏差大于设定阈值,则可重新确定该断层图像脊髓中心点的位置坐标,重新确定的方式可以基于其前后断层图像中脊髓兴趣点的位置坐标取均值,得到该断层图像中脊髓中心的位置坐标。
在一些实施例中,进行层间平滑处理可以采用低通滤波的方法。低通滤波(Low-pass filter)是一种过滤方式,规则为低频信号能正常通过,而超过设定临界值的高频信号则被阻隔、减弱。但是阻隔、减弱的幅度则会依据不同的频率以及不同的滤波程序(目的)而改变。
步骤508,以任一所述断层图像内的所述脊髓兴趣点为基准,将其他各断层图像的脊髓兴趣点与之对齐,获得所述脊柱拉直图像集。在一些实施例中,该步骤可以由对齐模块440执行。
例如,对齐模块440可以以第一层断层图像内的脊髓兴趣点为基准,将其他各断层图像的脊髓兴趣点与之对齐。在一些实施例中,可以将各断层图像的脊髓兴趣点进行平移操作,致使所述其他各断层图像的脊髓兴趣点的位置可以与作为基准的所述脊髓兴趣点的位置基于垂直于所述断层图像的方向对齐。
在一些实施例中,对所述对齐后的图像集进行重建得到所述脊柱拉直图像集。
在一些实施例中,将各断层图像基于脊髓中心点对齐后,可能出现某两张断层图像的像素点无法对齐的情况,此时需要对其中至少一张断层图像的像素点进行重采样,将其原有的像素点“移动”一定距离,使“移动”后的像素点能与另一张断层图像的像素点对齐。具体的,对齐模块440可以确定为与所述任意断层图像内的脊髓兴趣点对齐,所述其他各断层图像中像素点位置坐标的偏移量,然后基于所述偏移量,对各断层图像进行重采样,以使各断层图像像素点对齐,从而获得所述脊柱骨架拉直图像集。在进行像素点对齐的过程中,基准图像各像素点所在的坐标位置加上各断层层图像的偏移量,所确定的各断层图像上的坐标位置可能并不能对应到原图像中的像素点。因此,需要对图像进行重采样以获得所需坐标位置的像素值。
所述重采样可以是一种影像数据处理方法,即影像数据重新组织过程中的灰度处理方法,其中像素点数目保持不变。在一些实施例中,所述采样方法可以包括中值采样、双线性重采样等。所述双线性重采样是利用原图像中目标点四周的四个像素值共同确定目标图中的一个像素值,是基于两个方向分别进行一次线性插值。
浮点数是有理数中某特定子集的数的数字表示,在计算机中用以近似表示任意某个实数。在一些实施例中,所述采样方法还可以包括采用浮点数进行高精度数据记录以及采样计算,从而保证了图像连续性,并减少重采样带来的解剖结构信息损失。
图6是根据本申请一些实施例所述的提取脊柱区域的示例性流程图。
如图6所示,该提取脊柱区域的流程600可以包括以下步骤。在一些实施例中,提取脊柱区域的流程600可以由提取模块420实现。
步骤602,将各断层图像沿脊柱轴向进行投影计算,得到二维投影图像。
在一些实施例中,提取模块420可以将各断层图像沿脊柱轴向进行投影计算,得到二维投影图像。在一些实施例中,所述投影计算的方法可以包括最大强度投影。仅作为示例,将各断层图像中相同xy坐标的像素点中像素值最大的点作为二维投影图像中对应xy坐标的像素值。值得说明的是,所述最大强度投影是在可视化平面之上投射三维空间数据的一种计算机可视化方法;其中,沿着从虚拟视点到投影平面的平行光线,各个体素密度值的所呈现的亮度不同,最终在投影平面上呈现的是亮度最大的体素。例如,在本说明的各断层图像中,骨骼区域的密度普遍会大于非骨骼区域的密度,骨骼区域像素点的亮度大于非骨骼区域像素点的亮度。因此,进行最大强度投影得到的投影图像基本上是骨骼区域的投影图像。
在一些实施例中,所述投影计算的方法还可以包括叠加投影,所述叠加投影可以通过使用多台投影机同时投影图象,进而使投影图象完全重合。在一些实施例中,所述叠加投影的方式可以包括水平叠加(在水平位置上放置多台投影机进行投影叠加)、垂直叠加(在垂直方向上多台投影机进行投影叠加)、n×n叠加和不规则叠加,也可以根据环境改变叠加投影的方式。
步骤604,计算所述二维投影图像的重心,将经过该重心的二维投影图像的左右分割线确定为第一脊柱中心线。
在一些实施例中,提取模块420可以基于二维投影图像各像素点的坐标值以及像素值,计算所述二维投影图像的重心。在一些实施例中,计算二维投影图像的重心可以采用灰度重心法,基于获取的所述二维投影图像中的每一个像素的灰度值计算得到所述投影图像的重心。例如,计算所述重心的公式为:
在一些实施例中,提取模块420可以将所述二维投影图像的重心作为基准,将经过该基准的二维投影图像的左右分割线确定为第一脊柱中心线。需要说明的是,所述左右分割线为平行于二维投影图像纵向方向的直线。左右分割线是一条虚拟的线,为了便于指代,命名为左右分割线。由于人体的脊柱及其附近区域大致是左右对称的,所以通过确定重心的方式来确定初始脊柱中心线的方式是有意义的。但是,该第一脊柱中心线是基于整体脊柱骨架中的骨骼分布所确定的,对于各层断层图像来说可能会有误差,需要进一步更正。
步骤606,在各断层图像中,基于所述第一脊柱中心线向左右分别扩展第一预设宽度,获得各断层图像中脊柱的第一区域。
具体的,提取模块420可以在各断层图像中以所述第一脊柱中心线为基准,向所述第一脊柱中心线的左右方向分别扩展第一预设宽度所形成的区域可以作为各断层图像中脊柱的第一区域。脊柱的第一区域需要满足在各个图层中脊柱骨架均可以被包含在内,以便可以基于该区域进行后续的处理步骤。
在一些实施例中,所述第一预设宽度可以包括不小于脊柱宽度的预估值。在实际情况中可能会有脊柱侧弯的情况,因此需要适当的扩大第一预设宽度的范围。在对不同的脊柱骨架进行拉直处理的过程中,可以根据骨架的具体情况选择不小于脊柱宽度的预估值的数值,需要保证将脊柱骨架数据完全包括。例如,可以选择两倍脊柱宽度预估值的数值,对于大多数骨架,使用该数据即可将脊柱数据完全包括。
步骤608,从第一区域的各列中确定骨骼像素区域满足预设条件的列。
在一些实施例中,所述预设条件可以包括在单层断层图像的第一区域中,骨骼像素区域最大的列。对于每一层断层图像,可以确定在第一区域中每一列像素点中,骨骼区域的最高点和最低点,该最高点与最低点之间的距离即为该列像素点的骨骼像素区域。
在一些实施例中,可以沿横向方向对每一列的骨骼像素区域进行平滑处理,从而可以得到更为准确的满足预设条件的像素列所在的位置坐标。由于骨骼的生长是连续性的,可以通过平滑过滤去除骨骼像素区域突然变大的像素列,减少图像上的噪点或者失真。在一些实施例中,平滑处理可以包括低通滤波过滤。在一些实施例中,对每一列的骨骼像素区域进行平滑处理可以是将骨骼区域远大于其他列的所在列去掉,不参与是否满足预设条件的判断。
步骤610,基于所述满足预设条件的列确定第二脊柱中心线。
具体的,提取模块420可以将所述骨骼像素区域满足预设条件的像素列的位置坐标作为第一脊柱中心线所在的坐标位置,脊柱骨架基于第二脊柱中心线近似左右对称。根据脊柱的结构特征,在断层图像中上下方向骨骼区域最大的列近似为脊柱的左右对称线。
步骤612,在第一区域内沿所述第二脊柱中心线,计算骨骼区域中每个像素点的卷积值,将最大卷积值的像素点确定为脊柱中心。
阈值分割法是一种基于区域的图像分割技术,是按照灰度级划分像素集合为若干类,得到的每个子集形成一个与现实景物相对应的区域,所述划分方式可以通过从灰度级出发选取一个或多个阈值来实现。在一些实施例中,提取模块420还可以对所述第一区域通过阈值分割法进行划分,区分骨骼区域和非骨骼区域。
在一些实施例中,提取模块420可以通过对第二脊柱中心线上的骨骼区域中每个像素点的进行卷积计算,获得每个像素点的卷积值,进而从所述各体素点的卷积值中提取最大卷积值的像素点作为脊柱中心。在一些实施例中,进行卷积计算的卷积核为矩形卷积核或三角卷积核。其中,矩形卷积核可以是一维卷积核。在一些实施例中,卷积核的开窗宽度可以为脊柱高度预估值。仅作为示例,可以利用卷积核在沿着第二脊柱中心线在图像上滑动,将图像点上的像素值与对应的卷积核上的数值相乘,然后将所有相乘后的值相加作为卷积核中间像素点对应的图像上像素点的像素值,并最终滑动完所有图像的过程。
步骤614,基于所述脊柱中心,确定脊柱的第二区域。
在一些实施例中,提取模块420可以以所述脊柱中心为基准,向上下分别扩展脊柱高度预估值的一半,扩展后获得的区域即所述脊柱的高度;向左右分别扩展脊柱宽度预估值的一半,扩展后获得的区域即所述脊柱的宽度。结合所述脊柱的高度和宽度,可以得到所述第二区域,即所述脊柱区域。
在一些实施例中,提取模块420可以对图像中的每列的骨骼像素区域进行筛选,获得符合条件的区域,以此为脊柱的第二区域。所述进行筛选可以自图像边缘向中心进行筛选,或者自图像中心向边缘进行筛选,也可以是从边缘一侧向另一侧进行筛选。所述符合条件的区域可以为其边缘列中骨骼像素区域符合指定阈值(如脊柱高度预估值的一半)。在一些实施例中,提取模块420可以将各断层图像中的第二区域的位置坐标进行层间平滑处理,以优化各第二区域在各断层图像中的位置。具体的,第二区域是矩形区域,具有四个边界交点,以这四个边界交点作为第二区域的四个位置坐标。在一些实施例中,可以通过基于轴向方向对各断层图像中的第二区域的四个位置坐标分别进行层间的平滑过滤操作,以减少图像上的噪点或者失真。或者,可以通过基于轴向方向对各断层图像中的脊柱中心坐标进行层间的平滑过滤操作,再在各断层图像中以脊柱中心获得第二区域,从而实现第二区域在各断层图像中位置坐标的层间平滑处理。通过平滑处理,进一步优化各断层图像中第二区域所在的位置。
在一些实施例中,平滑处理可以包括低通滤波过滤。关于平滑处理方法的相关描述详见图5的相关描述。
在一些实施例中,可以将所确定的第二区域替代第一区域,重复进行步骤608至步骤614进行迭代计算,优化第一脊柱中心线的位置。
应当注意的是,上述有关流程600的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程600进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。
本申请实施例可能带来的有益效果包括但不限于:(1)可以将整体扫描物,例如人体的脊柱及内部脊髓进行拉直操作,可以通过与原始图像的对比来量化分析脊柱的不合理弯曲,可以直接对脊柱侧弯进行辅助诊断;(2)还可在拉直的脊柱的基础上为肋骨的CPR展开诊断等提供预处理数据准备和胸部骨骼解剖参考基准。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。例如,步骤616为可选步骤,并非本申请的必须步骤。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的处理设备或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (8)
1.一种获取脊柱拉直图像集的方法,其特征在于,包括:
获取计算机断层扫描图像集;
提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线、以及计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱区域;其进一步包括:将各断层图像沿脊柱轴向进行投影计算,得到二维投影图像;计算所述二维投影图像的重心,将经过该重心的二维投影图像的左右分割线确定为第一脊柱中心线;在各断层图像中,基于所述第一脊柱中心线向左右分别扩展第一预设宽度,获得各断层图像中脊柱的第一区域;
基于各断层图像中的脊柱中心线确定各断层图像内的脊髓兴趣点的位置坐标;其进一步包括:在各断层图像中:在脊柱区域内沿所述脊柱中心线,计算非骨骼区域中每个像素点的卷积值,将最大卷积值的像素点确定为所述脊髓兴趣点;
以任一所述断层图像内的所述脊髓兴趣点为基准,将其它各断层图像的脊髓兴趣点与之对齐,获得所述脊柱拉直图像集;其进一步包括:确定为与所述任一断层图像内的脊髓兴趣点对齐,所述其它各断层图像中像素点位置坐标的偏移量;基于所述偏移量对各断层图像进行重采样,以使各断层图像像素点对齐,获得所述脊柱骨架拉直图像集。
2.根据权利要求1所述的方法,其特征在于,所述第一预设宽度不小于脊柱宽度预估值。
3.根据权利要求1所述的方法,其特征在于,所述提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线、以及计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱区域,还包括,在各断层图像中:
从第一区域的各列中确定骨骼像素区域满足预设条件的列;
基于所述满足预设条件的列确定第二脊柱中心线;
在第一区域内沿所述第二脊柱中心线,计算骨骼区域中每个像素点的卷积值,将最大卷积值的像素点确定为脊柱中心;
基于所述脊柱中心,确定脊柱的第二区域。
4.根据权利要求3所述的方法,其特征在于,所述提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线还包括:
将各断层图像中的第二区域的位置坐标进行层间平滑处理,以优化各第二区域在各断层图像中的位置。
5.根据权利要求1所述的方法,其特征在于,还包括:
对各断层图像内的脊髓兴趣点的位置坐标进行层间平滑处理,以优化各断层图像内脊髓兴趣点的位置坐标。
6.一种获取脊柱拉直图像集的系统,其特征在于,包括:
获取模块,用于获取计算机断层扫描图像集;
提取模块,用于提取计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱中心线、以及计算机断层扫描图像集中各脊柱轴向断层图像中的脊柱区域;其进一步用于:将各断层图像沿脊柱轴向进行投影计算,得到二维投影图像;计算所述二维投影图像的重心,将经过该重心的二维投影图像的左右分割线确定为第一脊柱中心线;在各断层图像中,基于所述第一脊柱中心线向左右分别扩展第一预设宽度,获得各断层图像中脊柱的第一区域;
确定模块,用于基于各断层图像中的脊柱中心线确定各断层图像内的脊髓兴趣点的位置坐标;其进一步用于:在各断层图像中:在脊柱区域内沿所述脊柱中心线,计算非骨骼区域中每个像素点的卷积值,将最大卷积值的像素点确定为所述脊髓兴趣点;
对齐模块,用于以任一所述断层图像内的所述脊髓兴趣点为基准,将其它各断层图像的脊髓兴趣点与之对齐,获得所述脊柱拉直图像集;其进一步用于:确定为与所述任一断层图像内的脊髓兴趣点对齐,所述其它各断层图像中像素点位置坐标的偏移量;基于所述偏移量对各断层图像进行重采样,以使各断层图像像素点对齐,获得所述脊柱骨架拉直图像集。
7.一种获取脊柱拉直图像集的装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;以及
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~5中任意一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010019844.6A CN111260703B (zh) | 2020-01-08 | 2020-01-08 | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010019844.6A CN111260703B (zh) | 2020-01-08 | 2020-01-08 | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111260703A CN111260703A (zh) | 2020-06-09 |
CN111260703B true CN111260703B (zh) | 2023-04-11 |
Family
ID=70943845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010019844.6A Active CN111260703B (zh) | 2020-01-08 | 2020-01-08 | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260703B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111904450B (zh) * | 2020-09-07 | 2023-11-07 | 北京永新医疗设备有限公司 | 左心室中心和感兴趣区域的提取方法、装置及系统 |
CN114170114B (zh) * | 2021-12-14 | 2022-11-15 | 北京柏惠维康科技股份有限公司 | 脊柱ct图像的增强方法及装置、脊柱手术机器人 |
CN114240740B (zh) * | 2021-12-16 | 2022-08-16 | 数坤(北京)网络科技股份有限公司 | 骨骼展开图像的获取方法、装置、医疗设备以及存储介质 |
CN115797339B (zh) * | 2023-02-03 | 2023-05-09 | 慧影医疗科技(北京)股份有限公司 | 一种椎体中心点定位方法、系统、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018104322A1 (en) * | 2016-12-08 | 2018-06-14 | Koninklijke Philips N.V. | Simplified navigation of spinal medical imaging data |
CN109035141A (zh) * | 2018-07-13 | 2018-12-18 | 上海皓桦科技股份有限公司 | 肋骨展开装置及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8423124B2 (en) * | 2007-05-18 | 2013-04-16 | Siemens Aktiengesellschaft | Method and system for spine visualization in 3D medical images |
US9189847B2 (en) * | 2013-11-12 | 2015-11-17 | Siemens Aktiengesellschaft | 2D visualization for rib analysis |
-
2020
- 2020-01-08 CN CN202010019844.6A patent/CN111260703B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018104322A1 (en) * | 2016-12-08 | 2018-06-14 | Koninklijke Philips N.V. | Simplified navigation of spinal medical imaging data |
CN110072436A (zh) * | 2016-12-08 | 2019-07-30 | 皇家飞利浦有限公司 | 脊柱医学成像数据的简化导航 |
CN109035141A (zh) * | 2018-07-13 | 2018-12-18 | 上海皓桦科技股份有限公司 | 肋骨展开装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111260703A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260703B (zh) | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 | |
US11062449B2 (en) | Method and system for extracting vasculature | |
CN109741284B (zh) | 用于校正pet成像中由呼吸运动引起的失配的系统和方法 | |
US11399779B2 (en) | System-independent quantitative perfusion imaging | |
CN106600609B (zh) | 一种医学图像中脊柱的分割方法及系统 | |
CN111008984B (zh) | 医学影像中正常器官的轮廓线自动勾画方法 | |
US9754390B2 (en) | Reconstruction of time-varying data | |
CN107203741B (zh) | 血管提取方法、装置及其系统 | |
Meilinger et al. | Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information | |
CN107451983A (zh) | Ct图像的三维融合方法和系统 | |
JP2015500048A (ja) | イメージ領域のノイズ除去 | |
JP2006255412A (ja) | 腫瘍量を監視する方法及びシステム | |
Babin et al. | Brain blood vessel segmentation using line-shaped profiles | |
CN108876794A (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
CN112419484A (zh) | 三维血管合成方法、系统及冠状动脉分析系统和存储介质 | |
CN115100066A (zh) | 图像重建方法及装置 | |
CN115209808A (zh) | 学习完毕模型的制作方法、图像生成方法以及图像处理装置 | |
US20080091102A1 (en) | Image Processing Apparatus and Image Processing Method | |
EP3209207B1 (en) | Methods and systems for normalizing contrast across multiple acquisitions | |
Manhart et al. | Denoising and artefact reduction in dynamic flat detector CT perfusion imaging using high speed acquisition: first experimental and clinical results | |
US8391578B2 (en) | Method and apparatus for automatically registering images | |
Schaap et al. | Fast noise reduction in computed tomography for improved 3-D visualization | |
EP2814394A1 (en) | Simplified method for robust estimation of parameter values | |
Bond et al. | Simulation of anatomical texture in voxelized XCAT phantoms | |
Choi et al. | Integration of 2D iteration and a 3D CNN-based model for multi-type artifact suppression in C-arm cone-beam CT |
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 |