CN111369675B - 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置 - Google Patents
基于肺结节脏层胸膜投影的三维可视模型重建方法及装置 Download PDFInfo
- Publication number
- CN111369675B CN111369675B CN202010290022.1A CN202010290022A CN111369675B CN 111369675 B CN111369675 B CN 111369675B CN 202010290022 A CN202010290022 A CN 202010290022A CN 111369675 B CN111369675 B CN 111369675B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image sequence
- visual model
- dimensional image
- target area
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 76
- 206010056342 Pulmonary mass Diseases 0.000 title claims abstract description 75
- 230000011218 segmentation Effects 0.000 claims abstract description 45
- 210000004224 pleura Anatomy 0.000 claims abstract description 14
- 210000001519 tissue Anatomy 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000002591 computed tomography Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 16
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 13
- 230000003313 weakening effect Effects 0.000 claims description 10
- 210000004204 blood vessel Anatomy 0.000 claims description 8
- 239000003814 drug Substances 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 210000004072 lung Anatomy 0.000 abstract description 30
- 238000001356 surgical procedure Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 210000002216 heart Anatomy 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 238000012636 positron electron tomography Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000003491 skin Anatomy 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000000621 bronchi Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000012274 Preoperative evaluation Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 231100000989 no adverse effect Toxicity 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012831 peritoneal equilibrium test Methods 0.000 description 1
- 238000012877 positron emission topography Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001147 pulmonary artery Anatomy 0.000 description 1
- 210000003492 pulmonary vein Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 210000002620 vena cava superior Anatomy 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 208000025247 virus-associated trichodysplasia spinulosa Diseases 0.000 description 1
- 230000009278 visceral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开实施例提供一种基于肺结节脏层胸膜投影的三维可视模型重建方法及装置，包括：获取包括预定对象的二维图像序列，预定对象包括内部的目标结构，二维图像序列包括基于肺结节脏层胸膜投影得到的图像；根据二维图像序列，计算预定对象的分割阈值；根据分割阈值，对二维图像序列内的预定对象对应的目标区域进行蒙板覆盖；对蒙板覆盖的目标区域进行三维建模，形成包括目标结构的三维可视模型。这样，实现从二维图像到三维可视模型的转换，三维重建肺脏层胸膜投影则可以客观、准确性、个体化、长时间稳定地将肺结节位置从不同角度和视野呈现给术者，使其指导精准、个体化手术切除。内部视角更全面、直观、确切、客观，优化胸腔镜微创手术效果。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种基于肺结节脏层胸膜投影的三维可视模型重建方法及装置。
背景技术
随着科学技术的发展以及人类对自身健康状况的重视，电子计算机断层扫描(Computed Tomography，简称CT)、核磁共振成像(Magnetic Resonance Imaging，简称MRI)、B型超声成像系统(简称B超)和正电子发射计算断层造影(Positron EmissionComputed Tomography，简称PET)等医学辅助设备已经成为临床医学诊断时必不可少的辅助机器。CT、B超、MRI以及PET等成像系统只能提供扫描物体的二维序列图像，医生只能将这些断层图片依据个人的经验在大脑中将它们重建成三维物体，然后进行医学诊断。这对于医生来说需要具有丰富的经验和图形空间想象能力。
电视辅助胸腔镜手术(Video-Assisted Thoracic Surgery，简称VATS)普遍应用，肺小结节越来越小，位于周边的可以楔形切除，位置深的需要行肺叶、肺段。经验丰富的外科医生是需要反复的术前阅片、术中比对、术后再次阅片，总结而成的。本质来说，术中场景需要依赖医生在大脑中针对肺结节依据主观想法模拟肺结节的三维重建。医生看片子水平越高，在大脑中重建的越好，与术中的情况越符合。但是个体差异仍然存在，以影像学为基础的术前评估与术中探查结果差异很大。同时，根据医生经验进行术前评估与术中探查结果差异很大，这给手术造成很大的影响。例如，术前胸部CT看着手术并不困难，但是术中情况确实非常困难，风险极大；或者，术前胸部CT看着病变与上腔静脉等重要大血管关系异常密切，正中开胸，准备腔静脉置换，结果术中一分就开了，但是正中开胸进行肺叶切除比较困难，这就造成了手术路径上的不合理设计，从而增加了手术的难度和风险。胸腔镜微创手术狭小空间造成的触觉受限，因而视觉需要延伸、优化、放大。需要更好，更准确的技术工具，实现医学图像三维可视化，三维可视化也可以把经验丰富的外科医生宝贵的实践经验客观地展现出来。
可见，现有的医用断层图像处理方案仅能获取二维扫描图像，无法直接提供医用三维重建模型，现在亟需能够准确化、个体化的提供内部目标三维重建的方案。
发明内容
有鉴于此，本公开实施例提供一种基于肺结节脏层胸膜投影的三维可视模型重建方法、装置及电子设备，以配合计算机辅助定位技术精确定位内部结构。
第一方面，本公开实施例提供了一种基于肺结节脏层胸膜投影的三维可视模型重建方法，包括：
获取包括预定对象的二维图像序列，所述预定对象包括内部的目标结构，所述二维图像序列包括基于肺结节脏层胸膜投影得到的图像；
根据所述二维图像序列，计算所述预定对象的分割阈值；
根据所述分割阈值，对所述二维图像序列内的所述预定对象对应的目标区域进行蒙板覆盖；
对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型。
根据本公开的一种具体实施方式，所述对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型的步骤之后，所述方法还包括：
增强所述目标结构的显示属性，以使得所述目标结构突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
根据本公开的一种具体实施方式，所述对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型的步骤之后，所述方法还包括：
弱化所述预定对象的除了所述目标结构之外区域的显示属性，以使得所述目标结构相对所述预定对象突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
根据本公开的一种具体实施方式，所述根据所述二维图像序列，计算所述预定对象的分割阈值的步骤之前，所述方法还包括：
对所述二维图像序列进行能够优化图像质量的预处理。
根据本公开的一种具体实施方式，所述对所述二维图像序列进行能够优化图像质量的预处理的步骤，包括：
对所述二维图像序列进行去噪滤波处理或者图像增强处理。
根据本公开的一种具体实施方式，所述对蒙板覆盖的目标区域进行三维建模的步骤之前，所述方法还包括：
对所述蒙板覆盖的目标区域进行阈值填充，以消除所述目标区域内的空洞；和/或，
对所述二维图像序列中的相邻层的二维图像之间进行边界平滑处理或者插入图像处理，以使得所述蒙板覆盖区域的边界清晰。
根据本公开的一种具体实施方式，所述根据所述二维图像序列，计算所述预定对象的分割阈值的步骤之前，所述方法还包括：
将所述二维图像序列的文件格式转换为医学数字成像和通信DICOM格式。
根据本公开的一种具体实施方式，所述二维图像序列由多个连续的包括所述预定对象的初始二维图像组成；
所述初始二维图像为通过电子计算机断层扫描、核磁共振成像或正电子发射计算断层造影获得的图像。
第二方面，本公开实施例提供了一种基于肺结节脏层胸膜投影的三维可视模型重建装置，包括：
获取模块，用于获取包括预定对象的二维图像序列，所述预定对象包括内部的目标结构，所述二维图像序列包括基于肺结节脏层胸膜投影得到的图像；
计算模块，用于根据所述二维图像序列，计算所述预定对象的分割阈值；
覆盖模块，用于根据所述分割阈值，对所述二维图像序列内的所述预定对象对应的目标区域进行蒙板覆盖；
形成模块，用于对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型。
根据本公开的一种具体实施方式，所述装置还包括：
增强模块，用于增强所述目标结构的显示属性，以使得所述目标结构突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
根据本公开的一种具体实施方式，所述装置还包括：
弱化模块，用于弱化所述预定对象的除了所述目标结构之外区域的显示属性，以使得所述目标结构相对所述预定对象突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
根据本公开的一种具体实施方式，所述装置还包括：
预处理模块，用于对所述二维图像序列进行能够优化图像质量的预处理。
根据本公开的一种具体实施方式，所述预处理模块用于：
对所述二维图像序列进行去噪滤波处理或者图像增强处理。
根据本公开的一种具体实施方式，所述预处理模块还用于：
对所述蒙板覆盖的目标区域进行阈值填充，以消除所述目标区域内的空洞；和/或，
对所述二维图像序列中的相邻层的二维图像之间进行边界平滑处理或者插入图像处理，以使得所述蒙板覆盖区域的边界清晰。
根据本公开的一种具体实施方式，所述预处理模块还用于：
将所述二维图像序列的文件格式转换为医学数字成像和通信DICOM格式。
根据本公开的一种具体实施方式，所述二维图像序列由多个连续的包括所述预定对象的初始二维图像组成；
所述初始二维图像为通过电子计算机断层扫描、核磁共振成像或正电子发射计算断层造影获得的图像。
第三方面，本公开实施例提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面中任一项所述的基于肺结节脏层胸膜投影的三维可视模型重建方法。
第四方面，本公开实施例还提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如上所述的方法。
本发公开实施例提供一种基于肺结节脏层胸膜投影的三维可视模型重建方法、装置及电子设备，包括：获取包括预定对象的二维图像序列，所述预定对象包括内部的目标结构，所述二维图像序列包括基于肺结节脏层胸膜投影得到的图像；根据所述二维图像序列，计算所述预定对象的分割阈值；根据所述分割阈值，对所述二维图像序列内的所述预定对象对应的目标区域进行蒙板覆盖；对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型。
这样，利用包括内部结构的预存对象的二维图像，通过分割阈值计算以及蒙板覆盖等实现对基于肺结节脏层胸膜投影的三维可视模型重建，可以直接提供医学可用的三维可视模型，且重建精度较高，更利于重建后进行各种物理特性和细节的综合显示。术前三维重建技术应用在胸腔镜肺小结节定位中，实现从二维断层扫描到三维可视模型重建，使得术前探查更全面、直观、确切、客观，且从静态到动态，实现从形态到功能的转变，更安全、无创、低价。此外，计算机辅助外科的核心问题是三维建模，三维建模是沟通医学影像与计算机辅助外科之间的桥梁，医学影像提供了人体的三维信息，计算机辅助外科首先需要在计算机中生成反映组织器官真实二维结构的模型以便进一步地进行辅助手术设计，手术评估。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。
图1为本公开实施例提供的一种基于肺结节脏层胸膜投影的三维可视模型重建方法的流程示意图；
图2至图4为本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法所涉及的肺组织和肺结节的二维图像序列的示意图；
图5为本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法所涉及的肺结节的一种三维可视模型的示意图；
图6为本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法所涉及的肺结节的另一种三维可视模型的示意图；
图7为本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法所涉及的肺结节的另一种三维可视模型的示意图；
图8为本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法所涉及的肺结节的另一种三维可视模型的示意图；
图9为本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法所涉及的肺结节的另一种三维可视模型的示意图；
图10为本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法所涉及的肺结节的另一种三维可视模型的示意图；
图11为本公开实施例提供的一种基于肺结节脏层胸膜投影的三维可视模型重建装置的结构示意图；
图12为本公开实施例提供的一种电子设备的示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种基于肺结节脏层胸膜投影的三维可视模型重建方法。本实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，为本公开实施例提供的一种基于肺结节脏层胸膜投影的三维可视模型重建方法的流程示意图。如图1所示，所述方法主要包括：
S101，获取包括预定对象的二维图像序列，所述预定对象包括内部的目标结构，所述二维图像序列包括基于肺结节脏层胸膜投影得到的图像；
本实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法，用于针对内部的结构进行三维可视模型重建，尤其是医疗诊断中体内器官的三维可视模型重建，特别是表面不可见的肺实质内部肺结节的三维重建。在进行内部的某一目标结构的三维可视模型重建时，借助包括包括该目标结构的预定对象。扩展性的，本实施例提供的方案也可以应用到其他场景的内部部件的三维可视模型重建方案，而不仅限于医疗诊断中体内器官的三维可视模型重建方案。
在针对目标结构进行三维可视模型重建时，需要先获取包括预定对象的二维图像序列。在进行获取时，对内部结构所在的区域范围进行扫描。例如图2至图4所示为断层扫描图片，对肺组织或心脏等结构所在的区域范围进行扫描获取二维图像序列，以使得二维图像序列可以不仅包含肺组织、心脏等结构，也包含与肺组织连接的肺结节或肿瘤等内部结构。
可选的，所述二维图像序列由多个连续的包括所述预定对象的初始二维图像组成；
所述初始二维图像为通过电子计算机断层扫描CT、核磁共振成像MRI或正电子发射计算断层造影PET获得的图像。
其中，电子计算机断层扫描CT是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查；根据所采用的射线不同可分为：X射线CT(X-CT)、超声CT(UCT)以及γ射线CT(γ-CT)等。核磁共振成像MRI提供的信息量大于医学影像学中的其他许多成像术。它可以直接作出横断面、矢状面、冠状面和各种斜面的体层图像，不会产生CT检测中的伪影；不需注射造影剂；无电离辐射，对机体没有不良影响。核磁共振成像MRI已应用于全身各系统的成像诊断。效果最佳的是颅脑，及其脊髓、心脏大血管、关节骨骼、软组织及盆腔等。对心血管疾病不但可以观察各腔室、大血管及瓣膜的解剖变化，而且可作心室分析，进行定性及半定量的诊断，可作多个切面图，空间分辨率高，显示心脏及病变全貌，及其与周围结构的关系，优于其他X线成像、二维超声、核素及CT检查。正电子发射计算断层造影PET是目前惟一可在活体上显示生物分子代谢、受体及神经介质活动的新型影像技术，现已广泛用于多种疾病的诊断与鉴别诊断、病情判断、疗效评价、脏器功能研究和新药开发等方面。其具有灵敏度高、特异性高、可全身显像、安全性好等优点。
此外，考虑到不同的医学成像系统所生成的二维图像序列的文件格式不同，为减少不同格式对后续建模操作的影响，所述方法还可以包括：
将所述二维图像序列的文件格式转换为医学数字成像和通信DICOM格式。
将所获取的图像序列进行格式转化，以满足统一数据格式的要求。所述格式可被转化为医学数字成像和通信格式(Digital Imaging and Communications in Medicine，简称DICOM)，DICOM是医学图像和相关信息的国际标准(ISO12052)，能满足临床需要的可用于数据交换的医学图像格式。
S102，根据所述二维图像序列，计算所述预定对象的分割阈值；
在获得包括预定对象的二维图像序列之后，即可依据该二维图像序列，来计算预定对象的分割阈值。
由于不同的组织或结构的组织密度不同，因此所占据的灰度级不同，因此对应于其的分割阈值也不同，例如，肺、心脏、血管、皮肤、骨骼等。同时，由于个体的差异性，对于同一组织或结构来说其分割阈值也会不同，例如，儿童、成人、老人。
分割阈值的原理是把图像像素点按照灰度级范围不同分为若干类。相同灰度级范围的像素点可以三维重建为具体的模型。图像阈值化分割适用于目标和背景占据不同灰度级范围的图像，可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。
S103，根据所述分割阈值，对所述二维图像序列内的所述预定对象对应的目标区域进行蒙板覆盖；
根据计算获得的预定对象的分割阈值对所述二维图像序列内的预定对象进行区域覆盖并进行三维建模，形成包括内部结构的三维可视模型。当获得预定对象的分割阈值后，在预定对象的目标区域内进行点击，预定对象就会根据分割阈值通过蒙板进行覆盖。
S104，对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型。
根据所述分割阈值对所述二维图像序列内的预定对象进行区域覆盖，使得所述预定对象在整个二维图像序列中可以突出显示，然后根据覆盖的区域进行三维重建，以此可以剔除多余的其它组织，例如皮肤、血管等。根据分割阈值进行覆盖的区域，容易使得覆盖内的区域出现空洞等，三维建模后的三维可视模型容易出现较大的缺陷。因此，对二维图像序列进行区域覆盖后，还需要对所述分割阈值覆盖的区域进行阈值填充以消除覆盖区域内的空洞。所述阈值填充可以人为的进行填图，然后对所覆盖的区域进行三维建模，所述建模是根据每层的二维图像所覆盖的区域进行叠加的过程，形成包括内部结构、预定对象的三维可视模型。
在上述实施方式的基础上，所述对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型的步骤之后，所述方法还可以包括通过调节所述内部结构的透明度以及颜色，以突出显示所述内部结构的过程。
突出显示的方式可以为：增强所述目标结构的显示属性，以使得所述目标结构突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
或者，所述对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型的步骤之后，所述方法还可以包括：
弱化所述预定对象的除了所述目标结构之外区域的显示属性，以使得所述目标结构相对所述预定对象突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
由于重建的预定对象的三维可视模型为一体成型的，可以立体地查看到三维可视模型的表面结构。对于镶嵌在三维可视模型内的内部结构结构以及连接在一体的内部结构的结构无法清楚的查看，因此需要对预定对象进行相应的弱化处理或对内部结构进行强化处理后，可以更加清晰的查看内部结构的结构。所述处理方法包括，对所选定的内部结构进行透明度或者颜色的调节。当选定的内部结构被其它组织或结构覆盖时，适于进行透明度调节，以使得内部结构可以显示出来，如图5至图9所示，其中图5至图7为所重建的内部肺结节的三维可视模型图，图5包括肺结节S1、肺动脉S2和支气管S4等组织结构，图6包括肺结节S1和肺动脉S2等组织结构，图7包括肺结节S1和肺静脉S3，图8将脏层胸膜外部结构的突出显示，通过调节透明度将内部肺小结节脏层胸膜投影显示，肺组织本身可以进行透明度的处理，从而更加有利于靶标的突出显示。图9和图10则为内部不可见的肺实质结构。而对于其它未覆盖的情况，适于进行不同颜色的调节，由此可以快速找出所述内部结构，对所述内部结构进行分析和处理。
在上述实施例的基础上，根据本公开的另一种具体实施方式，所述根据所述二维图像序列，计算所述预定对象的分割阈值的步骤之前，所述方法还包括：
对所述二维图像序列进行能够优化图像质量的预处理。
可选的，所述对所述二维图像序列进行能够优化图像质量的预处理的步骤，包括：
对所述二维图像序列进行去噪滤波处理或者图像增强处理。
此外，所述对蒙板覆盖的目标区域进行三维建模的步骤之前，所述方法还包括：
对所述蒙板覆盖的目标区域进行阈值填充，以消除所述目标区域内的空洞；和/或，
对所述二维图像序列中的相邻层的二维图像之间进行边界平滑处理或者插入图像处理，以使得所述蒙板覆盖区域的边界清晰。
二维图像序列在获取和传输过程中常受到成像设备与外部环境噪声干扰等影响，因此，除了需要计算预定对象的分割阈值外，还需要对二维图像序列进行预处理，用于改善所获取的二维图像序列的图像质量。所述预处理包括滤波、平滑和图像插值。所述滤波可以去除通过扫描得到的图像中的颗粒噪声、脉冲噪声、背景噪声等。
下面将以肺结节为例对本实施例提供的方法的具体实施过程进行解释。首先，通过CT扫描对肺组织所在的区域范围即胸部范围进行断层扫描，获取到包括肺组织、肺结节、皮肤、血管、骨骼等组织的二维图像序列，如图2所示。然后将二维图像序列导入计算机三维重建系统中，通过去噪、图像增强对所述二维图像序列进行预处理，可以消除扫描过程中设备以及环境对二维图像序列造成的干扰，可以改善二维图像序列的图像质量。
然后计算二维图像序列中肺组织的分割阈值。由于不同的组织或结构的密度值不同，因此对应于其的分割阈值也不同，例如，肺、心脏、血管、皮肤、骨骼等。同时，由于个体的差异性，对于同一组织或结构来说其分割阈值也会不同，例如，儿童、成人、老人。由于肺结节与肺组织相连接，且手术时大多是为了切除肺结节，而肺组织与肺结节的密度相接近，因此，需要将肺组织和肺结节同时三维重建出来。因此，需要根据具体获取的二维图像序列计算出肺组织的分割阈值。
在计算出分割阈值后，在肺组织所在的区域内点击，根据肺组织的分割阈值对二维图像序列内的肺组织和肺结节进行区域覆盖。由于进行覆盖后，空洞与其它部位的颜色相差较大，所以很容易识别到区域内的空洞。然后通过阈值填充将覆盖区域内出现的空洞进行填充修复，避免区域覆盖内的肺组织和肺结节在三维重建形成的模型上出现缺陷。填充空洞后，对分割阈值覆盖的区域进行三维重建形成带有肺结节和肺组织的三维可视模型，并显示在用户的图像显示内，如图5至图7所示。通过旋转、放大、缩小、移动等操作，可以清楚地观测到肺结节所在的支气管以及供应肺结节的肺动脉和肺静脉。进一步地，计算机还可以通过调节肺组织、肺结节等的透明度和颜色，进一步地突出显示所述肺结节，可以清楚地查看肺结节的大小、形状以及病变程度，达到精准治疗的目的。
综上所述，本公开实施例提供的基于肺结节脏层胸膜投影的三维可视模型重建方法，通过获取包括预定对象的二维图像序列，所述预定对象包括内部结构，根据所述二维图像序列计算所述预定对象的分割阈值，并根据所述分割阈值对所述二维图像序列内的预定对象进行区域覆盖并进行三维建模，形成包括内部结构的三维可视模型，调节所述内部结构的透明度以及颜色，以突出显示所述内部结构。本发明的医学三维重建简单，且重建精度较高，更利于重建后进行各种物理特性和细节的综合显示。内部肺小结节的三维空间位置的确定对于胸腔镜外科手术中快捷准确地找到病灶意义重大。
针对现有的CT等医学断层图像对于判断肺小结节的位置存在很多信息上的缺失。人脑阅读多层CT图片是对肺小结节的位置可以进行短时间的重建与判断。虽然比较比较简单，但是很容易遗忘，并且存在不客观，准确性较差。而且会过度依赖于术者的经验。位置的重现在大脑中比较短的不足。这不利于教学、推广和普及。而三维重建肺脏层胸膜投影则可以客观准确、方面、长时间地将肺结节位置呈现给术者，从而指导精准、个体化手术切除。
与上面的方法实施例相对应，参见图11，本公开实施例还提供了一种基于肺结节脏层胸膜投影的三维可视模型重建装置1100，包括：
获取模块1101，用于获取包括预定对象的二维图像序列，所述预定对象包括内部的目标结构，所述二维图像序列包括基于肺结节脏层胸膜投影得到的图像；
计算模块1102，用于根据所述二维图像序列，计算所述预定对象的分割阈值；
覆盖模块1103，用于根据所述分割阈值，对所述二维图像序列内的所述预定对象对应的目标区域进行蒙板覆盖；
形成模块1104，用于对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型。
根据本公开的一种具体实施方式，所述装置1100还包括：
增强模块(图11中未示出)，用于增强所述目标结构的显示属性，以使得所述目标结构突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
根据本公开的一种具体实施方式，所述装置1100还包括：
弱化模块(图11中未示出)，用于弱化所述预定对象的除了所述目标结构之外区域的显示属性，以使得所述目标结构相对所述预定对象突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
根据本公开的一种具体实施方式，所述装置还包括：
预处理模块，用于对所述二维图像序列进行能够优化图像质量的预处理。
根据本公开的一种具体实施方式，所述预处理模块用于：
对所述二维图像序列进行去噪滤波处理或者图像增强处理。
根据本公开的一种具体实施方式，所述预处理模块还用于：
对所述蒙板覆盖的目标区域进行阈值填充，以消除所述目标区域内的空洞；和/或，
对所述二维图像序列中的相邻层的二维图像之间进行边界平滑处理或者插入图像处理，以使得所述蒙板覆盖区域的边界清晰。
根据本公开的一种具体实施方式，所述预处理模块还用于：
将所述二维图像序列的文件格式转换为医学数字成像和通信DICOM格式。
根据本公开的一种具体实施方式，所述二维图像序列由多个连续的包括所述预定对象的初始二维图像组成；
所述初始二维图像为通过电子计算机断层扫描、核磁共振成像或正电子发射计算断层造影获得的图像。
图11所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图12，本公开实施例还提供了一种电子设备1200，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的基于肺结节脏层胸膜投影的三维可视模型重建方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的基于肺结节脏层胸膜投影的三维可视模型重建方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的的基于肺结节脏层胸膜投影的三维可视模型重建方法。
下面参考图12，其示出了适于用来实现本公开实施例的电子设备1200的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图12示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示，电子设备1200可以包括处理装置(例如中央处理器、图形处理器等)1201，其可以根据存储在只读存储器(ROM)1202中的程序或者从存储装置1208加载到随机访问存储器(RAM)1203中的程序而执行各种适当的动作和处理。在RAM 1203中，还存储有电子设备120操作所需的各种程序和数据。处理装置1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
通常，以下装置可以连接至I/O接口1205：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置1206；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1207；包括例如磁带、硬盘等的存储装置1208；以及通信装置1209。通信装置1209可以允许电子设备1200与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备1200，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置1209从网络上被下载和安装，或者从存储装置1208被安装，或者从ROM 1202被安装。在该计算机程序被处理装置1201执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，上述基于肺结节脏层胸膜投影的三维可视模型重建方法，可以应用于由多个硬件装置组成的三维可视模型重建系统，其各个实施步骤均是由对应系统中的各个硬件装置来执行的，硬件装置之间电连接，通过电信号的收发转换实现数据的传输和信号控制。例如，采集装置包括断层扫描设备或者其他二维图像采集装置和通讯组件，将采集的图像通过内置通讯组件发送至与之电连接的计算装置。计算装置包括多个计算单元和通讯组件，内置通讯组件与采集装置和投影覆盖装置均电连接，多个计算单元配合完成分割阈值的计算，再将计算得到的分割阈值放到投影覆盖装置进行后续的处理操作。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于肺结节脏层胸膜投影的三维可视模型重建方法，其特征在于，所述方法包括：
获取包括预定对象的二维图像序列，所述预定对象包括内部的目标结构，所述二维图像序列包括基于肺结节脏层胸膜投影得到的图像；
根据所述二维图像序列，计算所述预定对象的分割阈值；
根据所述分割阈值，在所述二维图像序列内的所述预定对象对应的目标区域内点击，对所述二维图像序列内的所述预定对象对应的目标区域进行蒙板覆盖；
对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型；
对所述对蒙板覆盖的目标区域进行三维建模的步骤之前，所述方法还包括：
对所述蒙板覆盖的目标区域进行阈值填充，以消除所述目标区域内的空洞；
对蒙板覆盖的目标区域进行三维建模包括：
根据每层的二维图像中所覆盖的目标区域进行叠加，形成包括内部结构、预定对象的三维可视模型，所述三维可视模型剔除了其它组织，所述其它组织包括皮肤和血管；
所述对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型的步骤之后，所述方法还包括：
增强所述目标结构的显示属性，以使得所述目标结构突出显示；或者，
弱化所述预定对象的除了所述目标结构之外区域的显示属性，以使得所述目标结构相对所述预定对象突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
2.根据权利要求1所述的三维可视模型重建方法，其特征在于，所述根据所述二维图像序列，计算所述预定对象的分割阈值的步骤之前，所述方法还包括：
对所述二维图像序列进行能够优化图像质量的预处理。
3.根据权利要求2所述的三维可视模型重建方法，其特征在于，所述对所述二维图像序列进行能够优化图像质量的预处理的步骤，包括：
对所述二维图像序列进行去噪滤波处理或者图像增强处理。
4.根据权利要求3所述的三维可视模型重建方法，其特征在于，所述对蒙板覆盖的目标区域进行三维建模的步骤之前，所述方法还包括：
对所述二维图像序列中的相邻层的二维图像之间进行边界平滑处理或者插入图像处理，以使得所述蒙板覆盖区域的边界清晰。
5.根据权利要求1所述的三维可视模型重建方法，其特征在于，所述根据所述二维图像序列，计算所述预定对象的分割阈值的步骤之前，所述方法还包括：
将所述二维图像序列的文件格式转换为医学数字成像和通信DICOM格式。
6.根据权利要求1所述的三维可视模型重建方法，其特征在于，所述二维图像序列由多个连续的包括所述预定对象的初始二维图像组成；
所述初始二维图像为通过电子计算机断层扫描、核磁共振成像或正电子发射计算断层造影获得的图像。
7.一种基于肺结节脏层胸膜投影的三维可视模型重建装置，其特征在于，包括：
获取模块，用于获取包括预定对象的二维图像序列，所述预定对象包括内部的目标结构，所述二维图像序列包括基于肺结节脏层胸膜投影得到的图像；
计算模块，用于根据所述二维图像序列，计算所述预定对象的分割阈值；
覆盖模块，用于根据所述分割阈值，在所述二维图像序列内的所述预定对象对应的目标区域内点击，对所述二维图像序列内的所述预定对象对应的目标区域进行蒙板覆盖；
形成模块，用于对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型；
所述装置还包括：
预处理模块，用于对所述对蒙板覆盖的目标区域进行三维建模之前，对所述蒙板覆盖的目标区域进行阈值填充，以消除所述目标区域内的空洞；
所述形成模块，用于根据每层的二维图像中所覆盖的目标区域进行叠加，形成包括内部结构、预定对象的三维可视模型，所述三维可视模型剔除了其它组织，所述其它组织包括皮肤和血管；
所述装置还包括：
增强模块，用于对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型之后，增强所述目标结构的显示属性，以使得所述目标结构突出显示，其中，所述显示属性包括透明度和颜色中的至少一种；或者，
弱化模块，用于对蒙板覆盖的目标区域进行三维建模，形成包括所述目标结构的三维可视模型之后，弱化所述预定对象的除了所述目标结构之外区域的显示属性，以使得所述目标结构相对所述预定对象突出显示，其中，所述显示属性包括透明度和颜色中的至少一种。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-6中任一项所述的基于肺结节脏层胸膜投影的三维可视模型重建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010290022.1A CN111369675B (zh) | 2020-04-14 | 2020-04-14 | 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010290022.1A CN111369675B (zh) | 2020-04-14 | 2020-04-14 | 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111369675A CN111369675A (zh) | 2020-07-03 |
| CN111369675B true CN111369675B (zh) | 2023-07-21 |
Family
ID=71209439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010290022.1A Active CN111369675B (zh) | 2020-04-14 | 2020-04-14 | 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369675B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114931435B (zh) * | 2022-06-02 | 2023-02-17 | 上海市胸科医院 | 三维模型处理方法、装置和电子设备 |
| WO2023237075A1 (zh) * | 2022-06-09 | 2023-12-14 | 上海市胸科医院 | 基于三角定位的结节定位方法、装置和电子设备 |
| CN116525072A (zh) * | 2023-04-23 | 2023-08-01 | 成都全景德康医学影像诊断中心有限公司 | 一种医学影像的三维诊断系统及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6728334B1 (en) * | 2001-10-24 | 2004-04-27 | Cornell Research Foundation, Inc. | Automatic detection of pulmonary nodules on volumetric computed tomography images using a local density maximum algorithm |
| CN105513036A (zh) * | 2014-09-26 | 2016-04-20 | 上海联影医疗科技有限公司 | 三维ct图像的分割方法及装置 |
| CN106940816A (zh) * | 2017-03-22 | 2017-07-11 | 杭州健培科技有限公司 | 基于3d全连接卷积神经网络的ct图像肺结节检测系统 |
| CN109389669A (zh) * | 2017-08-04 | 2019-02-26 | 阿里健康信息技术有限公司 | 虚拟环境中人体三维模型构建方法及系统 |
| CN110766713A (zh) * | 2019-10-30 | 2020-02-07 | 上海微创医疗器械（集团）有限公司 | 肺部图像分割方法、装置和肺部病变区域识别设备 |
-
2020
- 2020-04-14 CN CN202010290022.1A patent/CN111369675B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6728334B1 (en) * | 2001-10-24 | 2004-04-27 | Cornell Research Foundation, Inc. | Automatic detection of pulmonary nodules on volumetric computed tomography images using a local density maximum algorithm |
| CN105513036A (zh) * | 2014-09-26 | 2016-04-20 | 上海联影医疗科技有限公司 | 三维ct图像的分割方法及装置 |
| CN106940816A (zh) * | 2017-03-22 | 2017-07-11 | 杭州健培科技有限公司 | 基于3d全连接卷积神经网络的ct图像肺结节检测系统 |
| CN109389669A (zh) * | 2017-08-04 | 2019-02-26 | 阿里健康信息技术有限公司 | 虚拟环境中人体三维模型构建方法及系统 |
| CN110766713A (zh) * | 2019-10-30 | 2020-02-07 | 上海微创医疗器械（集团）有限公司 | 肺部图像分割方法、装置和肺部病变区域识别设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111369675A (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Preim et al. | Visualization in medicine: theory, algorithms, and applications | |
| CN111369675B (zh) | 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置 | |
| US7450743B2 (en) | Method and system of affine registration of inter-operative two dimensional images and pre-operative three dimensional images | |
| US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
| JP7309986B2 (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
| US10052032B2 (en) | Stenosis therapy planning | |
| JP5295562B2 (ja) | フレキシブル３次元回転血管造影−コンピュータ断層撮影融合方法 | |
| RU2419882C2 (ru) | Способ визуализации секущих плоскостей для изогнутых продолговатых структур | |
| CN111598989B (zh) | 一种图像渲染参数设置方法、装置、电子设备及存储介质 | |
| CN110264559B (zh) | 一种骨断层图像重建方法及系统 | |
| US20240193764A1 (en) | Systems and methods for reconstruction of 3d images from ultrasound and camera images | |
| US20230076868A1 (en) | Systems and methods for utilizing synthetic medical images generated using a neural network | |
| JP2004174241A (ja) | 画像形成方法 | |
| Advincula et al. | Development and future trends in the application of visualization toolkit (VTK): the case for medical image 3D reconstruction | |
| US8331638B2 (en) | Creation of motion compensated MRI M-mode images of the myocardial wall | |
| US20230039065A1 (en) | System and method for generating three dimensional geometric models of anatomical regions | |
| US20110242096A1 (en) | Anatomy diagram generation method and apparatus, and medium storing program | |
| CN110546684B (zh) | 时变数据的定量评估 | |
| Furlow | CT image visualization: a conceptual introduction | |
| Alyassin et al. | Virtual endoscopy software application on a PC | |
| Preim et al. | Visualization, Visual Analytics and Virtual Reality in Medicine: State-of-the-art Techniques and Applications | |
| US20220249170A1 (en) | System and method for processing black bone mri data | |
| US20230245376A1 (en) | System and method for four-dimensional angiography | |
| RU2816071C1 (ru) | Комбинированная интраоперационная навигационная система с использованием генерации ультразвуковых изображений методом трассировки лучей | |
| JP2002336242A (ja) | 三次元画像表示装置 |
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 |