CN111415742A - 通过肺叶预测病灶肺段位置的计算方法 - Google Patents

通过肺叶预测病灶肺段位置的计算方法 Download PDF

Info

Publication number
CN111415742A
CN111415742A CN202010189037.9A CN202010189037A CN111415742A CN 111415742 A CN111415742 A CN 111415742A CN 202010189037 A CN202010189037 A CN 202010189037A CN 111415742 A CN111415742 A CN 111415742A
Authority
CN
China
Prior art keywords
lung
coordinate
segment
calculating
focus
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.)
Granted
Application number
CN202010189037.9A
Other languages
English (en)
Other versions
CN111415742B (zh
Inventor
薛新颖
胡飞
王方
崔波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Peredoc Technology Co ltd
Original Assignee
Beijing Peredoc Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Peredoc Technology Co ltd filed Critical Beijing Peredoc Technology Co ltd
Priority to CN202010189037.9A priority Critical patent/CN111415742B/zh
Publication of CN111415742A publication Critical patent/CN111415742A/zh
Application granted granted Critical
Publication of CN111415742B publication Critical patent/CN111415742B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G06T7/60—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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • 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)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Geometry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种通过肺叶预测病灶肺段位置的计算方法，包括以下步骤：设定肺段数据为A以及肺叶数据为B‑计算坐标M分别在A、B上的质心坐标‑由A、B上质心坐标之间距离计算比例系数R‑计算出M点的对应的M′在A上的位置‑根据M′坐标位置判断出M′在A上的肺段S，则M位置在B上的肺段即为S；本发明采用上述通过肺叶预测病灶肺段位置的计算方法，可通过模型预测出的B的5个肺叶中任意肺叶上一个坐标位置，通过投影映射到肺段数据A上，即可预测出这个位置所在的肺段，便于发现病灶，协助医师进行诊治。

Description

通过肺叶预测病灶肺段位置的计算方法
技术领域
本发明涉及一种病灶位置预测技术，尤其涉及一种通过肺叶预测病灶肺段位置的计算方法。
背景技术
目前，肺癌是所有癌症中死亡率最高的癌症，通过对病灶所在肺段位置的预测，对肺癌的早期筛查和评估具有重要意义，但是现有技术中并无针对此的有效算法。
发明内容
本发明的目的是提供一种通过肺叶预测病灶肺段位置的计算方法，可通过模型预测出的B的5个肺叶中任意肺叶上一个坐标位置，通过投影映射到肺段数据A上，即可预测出这个位置所在的肺段，便于发现病灶，协助医师进行诊治。
为实现上述目的，本发明提供了一种通过肺叶预测病灶肺段位置的计算方法，包括以下步骤：
S1、设定标注的正常人的肺段数据为A，设定模型预测的肺叶数据为B；
S2、任意取B上一个坐标位置M(xM，yM，zM)和B的肺分叶结果，判断出坐标位置M(xM，yM，zM)所在的肺叶，假设为q1；
S3、计算B上q1肺叶的质心坐标Bq1(xq1B，yq1B，zq1B)；
S4、计算A上q1肺叶的质心坐标Aq1(xq1A，yq1A，zq1A)；
S5、分别计算A和B上q2肺叶质心坐标，得到Aq2(xq2A，yq2A，zq2A)和Bq2(xq2B，yq2B，zq2B)，其中q2≠q1；
S6、分别计算Aq1、Aq2之间的距离以及Bq1、Bq2之间的距离，得出A上任意两点之间距离以及B上任意两点距离之间的比例关系R
Figure BDA0002414480670000021
Figure BDA0002414480670000022
Figure BDA0002414480670000023
S7、根据B上坐标位置M和B上质心点M之间的关系以及比例关系R，计算出M点的对应的M′在A上的位置
设定M′坐标为(xM′，yM′，zM′)则有：
Figure BDA0002414480670000024
Figure BDA0002414480670000025
Figure BDA0002414480670000026
解方程计算得出M′坐标({xq2A(xM-xq1B)-xq1A(xM-xq2B)}/(xq2B-xq1B)，{yq2A(yM-yq1B)-yq1A(yM-yq2B)}/(yq2B-yq1B)，{zq2A(zM-zq1B)-zq1A(zM-zq2B)}/(zq2B-zq1B))；
S8、根据M′坐标位置判断出M′在A上的肺段S，则M位置在B上的肺段即为S。
因此，本发明采用上述通过肺叶预测病灶肺段位置的计算方法，可通过模型预测出的B的5个肺叶中任意肺叶上一个坐标位置，通过投影映射到肺段数据A上，即可预测出这个位置所在的肺段，便于发现病灶，协助医师进行诊治。
下面通过实施例，对本发明的技术方案做进一步的详细描述。
具体实施方式
以下将对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
本发明通过肺叶预测病灶肺段位置的计算方法，包括以下步骤：
S1、设定标注的正常人的肺段数据为A，设定模型预测的肺叶数据为B；
S2、任意取B上一个坐标位置M(xM，yM，zM)和B的肺分叶结果，判断出坐标位置M(xM，yM，zM)所在的肺叶，假设为q1；
S3、计算B上q1肺叶的质心坐标Bq1(xq1B，yq1B，zq1B)；
S4、计算A上q1肺叶的质心坐标Aq1(xq1A，yq1A，zq1A)；
S5、分别计算A和B上q2肺叶质心坐标，得到Aq2(xq2A，yq2A，zq2A)和Bq2(xq2B，yq2B，zq2B)，其中q2≠q1；
S6、分别计算Aq1、Aq2之间的距离以及Bq1、Bq2之间的距离，得出A上任意两点之间距离以及B上任意两点距离之间的比例关系R
Figure BDA0002414480670000041
Figure BDA0002414480670000042
Figure BDA0002414480670000043
S7、根据B上坐标位置M和B上质心点M之间的关系以及比例关系R，计算出M点的对应的M′在A上的位置
设定M′坐标为(xM′，yM′，zM′)则有：
Figure BDA0002414480670000044
Figure BDA0002414480670000045
Figure BDA0002414480670000046
解方程计算得出M′坐标({xq2A(xM-xq1B)-xq1A(xM-xq2B)}/(xa2B-xa1B)，{yq2A(yM-ya1B)-yq1A(yM-yq2B)}/(yq2B-yq1B)，{zq2A(zM-zq1B)-zq1A(zM-zq2B)}/(zq2B-zq1B))；
S8、根据M′坐标位置判断出M′在A上的肺段S，则M位置在B上的肺段即为S。
因此，本发明采用上述通过肺叶预测病灶肺段位置的计算方法，可通过模型预测出的B的5个肺叶中任意肺叶上一个坐标位置，通过投影映射到肺段数据A上，即可预测出这个位置所在的肺段，便于发现病灶，协助医师进行诊治。
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进行限制，尽管参照较佳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：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (1)

1.一种通过肺叶预测病灶肺段位置的计算方法，其特征在于：包括以下步骤：
S1、设定标注的正常人的肺段数据为A，设定模型预测的肺叶数据为B；
S2、任意取B上一个坐标位置M(xM，yM，zM)和B的肺分叶结果，判断出坐标位置M(xM，yM，zM)所在的肺叶，假设为q1；
S3、计算B上q1肺叶的质心坐标Bq1(xq1B，yq1B，zq1B)；
S4、计算A上q1肺叶的质心坐标Aq1(xq1A，yq1A，zq1A)；
S5、分别计算A和B上q2肺叶质心坐标，得到Aq2(xq2A，yq2A，zq2A)和Bq2(xq2B，yq2B，zq2B)，其中q2≠q1；
S6、分别计算Aq1、Aq2之间的距离以及Bq1、Bq2之间的距离，得出A上任意两点之间距离以及B上任意两点距离之间的比例关系R
Figure FDA0002414480660000011
Figure FDA0002414480660000012
Figure FDA0002414480660000013
S7、根据B上坐标位置M和B上质心点M之间的关系以及比例关系R，计算出M点的对应的M′在A上的位置
设定M′坐标为(xM′，yM′，zM′)则有：
Figure FDA0002414480660000014
Figure FDA0002414480660000021
Figure FDA0002414480660000022
解方程计算得出M′坐标({xq2A(xM-xq1B)-xq1A(xM-xq2B)}/(xq2B-xq1B)，{yq2A(yM-yq1B)-yq1A(yM-yq2B)}/(yq2B-yq1B)，{zq2A(zM-zq1B)-zq1A(zM-zq2B)}/(zq2B-zq1B))；
S8、根据M′坐标位置判断出M′在A上的肺段S，则M位置在B上的肺段即为S。
CN202010189037.9A 2020-03-17 2020-03-17 通过肺叶预测病灶肺段位置的计算方法 Active CN111415742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010189037.9A CN111415742B (zh) 2020-03-17 2020-03-17 通过肺叶预测病灶肺段位置的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010189037.9A CN111415742B (zh) 2020-03-17 2020-03-17 通过肺叶预测病灶肺段位置的计算方法

Publications (2)

Publication Number Publication Date
CN111415742A true CN111415742A (zh) 2020-07-14
CN111415742B CN111415742B (zh) 2024-06-04

Family

ID=71493050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010189037.9A Active CN111415742B (zh) 2020-03-17 2020-03-17 通过肺叶预测病灶肺段位置的计算方法

Country Status (1)

Country Link
CN (1) CN111415742B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040228529A1 (en) * 2003-03-11 2004-11-18 Anna Jerebko Systems and methods for providing automatic 3D lesion segmentation and measurements
US20050016530A1 (en) * 2003-07-09 2005-01-27 Mccutcheon John Treatment planning with implantable bronchial isolation devices
US20120288173A1 (en) * 2011-05-13 2012-11-15 Broncus Technologies, Inc. Surgical assistance planning method using lung motion analysis
CN104619275A (zh) * 2012-04-28 2015-05-13 物理科学公司 用于软组织解剖的方法和装置
CN107133474A (zh) * 2017-05-09 2017-09-05 山东省千佛山医院 适用于肺癌的病理诊断报告快速生成系统及方法
WO2017216318A1 (en) * 2016-06-16 2017-12-21 Koninklijke Philips N.V. A method and apparatus for mapping at least part of a structure in an image of at least part of a body of a subject
CN107808377A (zh) * 2017-10-31 2018-03-16 北京青燕祥云科技有限公司 一种肺叶中病灶的定位方法及装置
CN108257674A (zh) * 2018-01-24 2018-07-06 龙马智芯（珠海横琴）科技有限公司 疾病预测方法和装置、设备、计算机可读存储介质
CN109215033A (zh) * 2017-06-30 2019-01-15 上海联影医疗科技有限公司 图像分割的方法及系统
CN109685787A (zh) * 2018-12-21 2019-04-26 杭州依图医疗技术有限公司 Ct影像的肺叶段分割中的输出方法、装置
CN109978860A (zh) * 2019-03-27 2019-07-05 北京青燕祥云科技有限公司 胸水判别方法、装置和计算机设备
CN110859658A (zh) * 2018-08-28 2020-03-06 爱惜康有限责任公司 超声端部执行器的温度控制以及用于其的控制系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040228529A1 (en) * 2003-03-11 2004-11-18 Anna Jerebko Systems and methods for providing automatic 3D lesion segmentation and measurements
US20050016530A1 (en) * 2003-07-09 2005-01-27 Mccutcheon John Treatment planning with implantable bronchial isolation devices
US20120288173A1 (en) * 2011-05-13 2012-11-15 Broncus Technologies, Inc. Surgical assistance planning method using lung motion analysis
CN104619275A (zh) * 2012-04-28 2015-05-13 物理科学公司 用于软组织解剖的方法和装置
WO2017216318A1 (en) * 2016-06-16 2017-12-21 Koninklijke Philips N.V. A method and apparatus for mapping at least part of a structure in an image of at least part of a body of a subject
CN107133474A (zh) * 2017-05-09 2017-09-05 山东省千佛山医院 适用于肺癌的病理诊断报告快速生成系统及方法
CN109215033A (zh) * 2017-06-30 2019-01-15 上海联影医疗科技有限公司 图像分割的方法及系统
US20190139227A1 (en) * 2017-06-30 2019-05-09 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for image segmentation
CN107808377A (zh) * 2017-10-31 2018-03-16 北京青燕祥云科技有限公司 一种肺叶中病灶的定位方法及装置
CN108257674A (zh) * 2018-01-24 2018-07-06 龙马智芯（珠海横琴）科技有限公司 疾病预测方法和装置、设备、计算机可读存储介质
CN110859658A (zh) * 2018-08-28 2020-03-06 爱惜康有限责任公司 超声端部执行器的温度控制以及用于其的控制系统
CN109685787A (zh) * 2018-12-21 2019-04-26 杭州依图医疗技术有限公司 Ct影像的肺叶段分割中的输出方法、装置
CN109978860A (zh) * 2019-03-27 2019-07-05 北京青燕祥云科技有限公司 胸水判别方法、装置和计算机设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
廖德泳;: "放射CT诊断肺段隔离症的有效性评价", 心血管病防治知识(学术版), no. 04, 15 April 2018 (2018-04-15) *
王方宁;: "肺结核50例误诊分析", 基层医学论坛, no. 13, 1 May 2015 (2015-05-01) *
边子健;覃文军;刘积仁;赵大哲;: "肺部CT图像中的解剖结构分割方法综述", 中国图象图形学报, no. 10, 16 October 2018 (2018-10-16) *

Also Published As

Publication number Publication date
CN111415742B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
US10558273B2 (en) Electronic device and method for controlling the electronic device
WO2023000119A1 (zh) 手势识别方法、装置、系统及车辆
US20150062010A1 (en) Pointing-direction detecting device and its method, program and computer readable-medium
CN113486796A (zh) 无人车位置检测方法、装置、设备、存储介质及车辆
US20120134536A1 (en) Image Processing Apparatus and Method, and Program
WO2023273093A1 (zh) 一种人体三维模型获取方法、装置、智能终端及存储介质
WO2013158332A1 (en) Robust and efficient learning object tracker
US20200286286A1 (en) Tracking rigged polygon-mesh models of articulated objects
CN110222703B (zh) 图像轮廓识别方法、装置、设备和介质
JP2018500645A (ja) オブジェクトをトラッキングするためのシステムおよび方法
CN110020600B (zh) 生成用于训练人脸对齐模型的数据集的方法
CN109961523B (zh) 虚拟目标的更新方法、装置、系统、设备及存储介质
WO2016008265A1 (zh) 一种定位位置的方法及装置
JP2009009280A (ja) ３次元署名認証システム
WO2023173668A1 (zh) 一种虚拟场景中的输入识别方法、设备及存储介质
WO2018103416A1 (zh) 用于人脸图像的检测方法和装置
WO2021083133A1 (zh) 图像处理方法、装置、设备及存储介质
WO2019000817A1 (zh) 手势识别控制方法和电子设备
WO2023221963A1 (zh) 跟随误差确定方法、装置、设备及存储介质
CN111158478B (zh) 响应方法及电子设备
WO2024011852A1 (zh) 一种跟踪目标的方法、装置及电子设备
CN111415742A (zh) 通过肺叶预测病灶肺段位置的计算方法
WO2023077665A1 (zh) 手掌位置确定方法、装置、电子设备及存储介质
WO2022000149A1 (zh) 交互方法及电子设备
CN116263617A (zh) 手部自由度的修正方法、装置、设备及存储介质

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