CN111493918B - 腰椎ct影像的观测面自动定位方法、应用方法及设备 - Google Patents
腰椎ct影像的观测面自动定位方法、应用方法及设备 Download PDFInfo
- Publication number
- CN111493918B CN111493918B CN202010331640.6A CN202010331640A CN111493918B CN 111493918 B CN111493918 B CN 111493918B CN 202010331640 A CN202010331640 A CN 202010331640A CN 111493918 B CN111493918 B CN 111493918B
- Authority
- CN
- China
- Prior art keywords
- lumbar vertebra
- lumbar
- image
- center
- foramen
- 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
- 238000000034 method Methods 0.000 title claims abstract description 88
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000011218 segmentation Effects 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 13
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000004705 lumbosacral region Anatomy 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 206010000349 Acanthosis Diseases 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 102100025444 Gamma-butyrobetaine dioxygenase Human genes 0.000 description 1
- 101000934612 Homo sapiens Gamma-butyrobetaine dioxygenase Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 208000029761 vertebral disease Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种腰椎CT影像的观测面自动定位方法、应用方法及设备,对腰椎CT影像进行横截面投影,获取腰椎椎孔中心和腰椎棘突端点,修正腰椎椎孔中心垂线穿过腰椎棘突端点;以及对腰椎CT影像进行横截面投影,获取不同标签的两腰椎的腰椎椎孔中心,修正两腰椎的腰椎椎孔中心的连线位于腰椎椎孔中心的垂线上,得到修正腰椎影像,基于修正腰椎影像获取观测面,其中观测面包括正矢状面,旁矢状面和斜矢状面的任一种,可自动获取腰椎CT影像的矢状面作为观测面,取代了传统的人为手动定位的方式。
Description
技术领域
本发明涉及医学影像处理领域,特别涉及一种腰椎CT影像的观测面自动定位方法,应用方法及设备。
背景技术
电子计算机X射线断层扫描技术,简称为CT(ComputedTomography),是根据人体不同组织对X线的吸收与透过率不同,利用X线束对人体检查部位一定厚度的层面进行扫描,形成一系列图像。通过CT影像,医生可以清晰观察骨组织,肝脏,肺部等器官,对医生能及时准确做出病理分析有非常大的帮助,因此也使得当前CT影像分析在临床中应用十分广泛。
近年来随着生活节奏的加快,腰椎疾病的临床发病率越来越高且发病群体越来越年轻化。而在腰椎疾病的确诊过程中,腰椎的正中矢状面和斜矢状面的确认是非常重要的,而在患者拍摄腰椎CT影像时,难以保证患者出于正中矢状位,这样会极大程度地影响后续图像重建效果,然而当前CT影像的腰椎正中矢状面和斜矢状面的获取方法较为单一,通常是通过软件交互,手动定位的方式,然而CT影像数据往往有几百张切片,这种方式不仅耗时耗力,而且随着精力的消耗,准确性也难以保证。
现有技术CN110689550A提供“一种腰椎矢状面CT图像高效自动化筛选系统及方法”,其是通过对CT图像进行目标分割得到腰椎椎体和棘突的目标区域,再对目标区域进行填充后根据目标区域面积最大化获取最佳的腰椎矢状面CT图像,该方案适用于在已有的腰椎矢状面CT图像基础上筛选最佳腰椎矢状面CT图像,但不适用于在一堆CT影像中定位腰椎矢状面。
发明内容
本发明的目的在于提供一种腰椎CT影像的观测面自动定位方法,应用方法及设备,可自动获取腰椎CT影像的矢状面作为观测面,取代了传统的人为手动定位的方式。
本技术方案提供一种腰椎CT影像的观测面自动定位方法,包括以下步骤:获取经过影像分割处理的腰椎CT影像,其中腰椎CT影像内含有不同标签的腰椎;对腰椎CT影像进行横截面投影,获取腰椎椎孔中心和腰椎棘突端点,修正腰椎椎孔中心垂线穿过腰椎棘突端点;以及对腰椎CT影像进行横截面投影,获取不同标签的两腰椎的腰椎椎孔中心,修正两腰椎的腰椎椎孔中心的连线位于腰椎椎孔中心的垂线上,得到修正腰椎影像;基于修正腰椎影像获取观测面,其中观测面包括正矢状面,旁矢状面和斜矢状面的任一种。
本技术方案提供一种腰椎CT影像的观测面自动定位方法,包括以下步骤:影像获取步骤:获取初始腰椎影像;影像预处理步骤:对初始腰椎影像进行预处理,得到预处理腰椎影像;腰椎分割步骤:对预处理腰椎影像进行腰椎分割,得到腰椎分割结果,其中腰椎分割结果包括对应不同标签的腰椎;影像角度修正步骤:对腰椎CT影像进行横截面投影,获取腰椎椎孔中心和腰椎棘突端点,修正腰椎椎孔中心垂线穿过腰椎棘突端点;以及对腰椎CT影像进行横截面投影,获取不同标签的两腰椎的腰椎椎孔中心,修正两腰椎的腰椎椎孔中心的连线位于腰椎椎孔中心的垂线上,得到修正腰椎影像;观测面定位步骤:基于修正腰椎影像获取腰椎影像的观测面,其中观测面包括腰椎的正中矢状面,旁矢状面和斜矢状面。
本技术方案提供一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以上所述的用于腰椎CT影像的观测面自动定位方法,或实现以上所述的腰椎CT影像的观测面自动定位方法。
本技术方案提供一种计算机非易失性存储介质,包括计算机可读指令,当计算机读取并执行计算机可读指令时,使得计算机执行上述自动获取以上所述的用于腰椎CT影像的观测面自动定位方法,或实现以上所述的腰椎CT影像的观测面自动定位方法。
相较现有技术,本方案具有以下的特点和有益效果:配合深度学习技术自动获取腰椎CT影像的正中矢状面,旁矢状面和斜矢状面,能辅助医生给出更加准确的判断,进而大大提高了医生的诊断效率,且本方案相较于传统图像处理技术,具有更好的鲁棒性,准确性,并且在后期随着训练数据的不断增多,模型会更加精准。
1.具体表现在运用该方法对应的观测面定位方法完全端到端实现,自动运行,用户只需要输入腰椎CT图像即可输出修正视角后的图像重建结果,全过程无需人工干预,极大节省人工成本。
2.图像重建精准高效。针对腰椎分割任务而设计的网络模型保证了对患者的腰椎CT图像的精准分割,基于分割结果的图像修正和重建算法具有非常高的精准度。整个过程在数秒内完成,非常高效。
3.鲁棒性高。基于精准分割的腰椎标记点,采用创新性算法能自动获取腰椎上鲁棒性极高的几个测量点,基于这些测量点能完成后续的工作。
附图说明
图1A,1B,1C是腰椎冠状面,矢状面和横截面的示意图。
图2是腰椎示意图。
图3是单节腰椎的示意图。
图4A是横截面投影图M1,图4B是经过反相处理的反值图M1_inverse,图4C是得到腰椎椎孔中心P1的示意图,图4D是L3椎体在横截面上的偏转角度获取示意图。
图5是腰椎在冠状面上的偏转角度的获取示意图。
图6是正矢状面的获取方法示意图。
图7A是根据腰椎椎孔中心P1获取腰椎矢状面的中间切片的示意图,图7B是计算椎体中心的示意图,图7C是腰椎椎孔中心P1的左侧端点和右侧端点的示意图,图7D是旁矢状面重建的示意图。
图8是斜矢状面的获取方法示意图。
图中:1-椎体,2-椎孔,3-棘突,4-上关节突,5-椎弓骨,6-横突,7-椎弓板。
具体实施方式
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,所描述的实施例仅仅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所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术人员应理解的是,在本发明的揭露中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系,其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,因此上述术语不能理解为对本发明的限制。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
本方案提供一种腰椎CT影像的观测面自动定位方法:
获取经过影像分割处理的腰椎CT影像,其中腰椎CT影像内含有不同标签的腰椎;
对腰椎CT影像进行横截面投影,获取腰椎椎孔中心和腰椎棘突端点,修正腰椎椎孔中心垂线穿过腰椎棘突端点;以及
对腰椎CT影像进行横截面投影,获取不同标签的两腰椎的腰椎椎孔中心,修正两腰椎的腰椎椎孔中心的连线位于腰椎椎孔中心的垂线上。
以上方法可得到修正后的修正腰椎影像,以腰椎椎孔中心为中心切割获取正矢状面,以腰椎椎孔中心左右两端点和椎体中心获取旁矢状面,以腰椎椎孔中心左右两端点旋转45度获取斜矢状面。
具体的,腰椎椎孔中心垂线和腰椎椎孔中心与腰椎棘突端点之间连线的夹角为横截面偏转角度,腰椎椎孔中心垂线和两个腰椎的腰椎椎孔中心连线之间的夹角为冠状面偏转角度,用仿射变换技术将横截面偏转角度和冠状面偏转角度为0,得到修正后的修正腰椎影像。
即,计算两个腰椎的腰椎椎孔中心之间的连线与其中一个腰椎椎孔中心垂线之间在冠状面上的第一夹角,得到冠状面偏转角度;计算腰椎椎孔中心与腰椎棘突端点之间的连线与腰椎椎孔中心垂线在横截面上的第二夹角,得到横截面偏转角度。
腰椎CT影像的冠状面、正矢状面和横截面如图1A,1B,1C所示,腰椎由多节腰椎组成,单节腰椎的结构图如图2所示,其中椎体为(1),椎孔为(2),棘突为(3)。本方案中的影像角度修正步骤主要是对腰椎CT影像的冠状面和横截面进行修正,而在修正时为了保证修正精准度,需选择鲁棒性较高的测量点,本方案选择腰椎椎体中心点以及腰椎棘突端点作为测量点。
首先是对腰椎CT影像的横截面的修正,修正的原理是判断腰椎椎孔中心垂线是否穿过腰椎棘突,若不是则判断此时腰椎在横截面上存在偏转,修正腰椎直到腰椎椎孔中心垂线穿过腰椎棘突。
腰椎在横截面上的偏转角度,即横截面上的第二夹角的获取步骤如下:
根据腰椎分割结果取单一腰椎,对单一腰椎进行横截面方向的投影并进行二值化处理,通过取反和计算连通域面积,即计算横截面影像中不同的连通域的面积,选择面积第二大的连通域区域为椎孔区域,通过椎孔区域的中心矩,求取椎孔区域的质心作为该椎体的腰椎椎孔中心P1,其中该腰椎椎孔中心是多个切片投影的中心,此处为增强鲁棒性,因为有些椎体可能本身损坏或者分割效果不好,如果只选取椎体中间的那张切片,可能会出现椎孔区域不闭合的情况,会导致后面寻找椎孔中心失败,保险起见,将椎体的所有切面沿Z轴(竖直方向)叠加,能有效保证椎孔区域是闭合的,具有很强的鲁班性。
取椎体的棘突凸起位置的边缘点为腰椎棘突端点P2,得到腰椎棘突点P2的横坐标和纵坐标,一般就是棘突最靠近下方的点,该腰椎棘突点可通过BBOX方式得到。具体的,根据棘突的位置特征,对该横截面投影图像自下往上遍历得到棘突最靠近下方的点,标记为腰椎棘突端点P2。
取腰椎椎孔中心P1的垂线上和腰椎棘突点P2的纵坐标相同的点,作为横截面垂线点P3,取腰椎椎孔中心P1和横截面垂线点P3的连线得到第一连线L1,取腰椎椎孔中心P1和腰椎棘突点P2的连线得到第二连线L2,其一连线L1和第二连线L2的夹角为该节脊椎在横截面上的横截面偏转角度A2。
其次是对腰椎CT影像的冠状面的修正,即冠状面上的第一夹角的获取步骤如下:
由于患者在拍摄CT的时候,通常是平躺,因此冠状面方向无需调整,对椎体进行冠状面方向的投影,获取两个椎体对应的第一椎体腰椎椎孔中心A1和第二椎体腰椎椎孔中心A2。
在具体的操作中,其中一个椎体是获取横截面上的旋转角所用到的椎体,一般会选择L3椎体,然后另一个椎体可以选择L3上面的椎体,最好是L1或者Th12椎体,因为距离L3节相对远一点,修正效果相对好一点。
结合在横截面方向上得到的腰椎椎孔中心P1的Z轴坐标得到对应的第一椎体腰椎椎孔中心A1,利用相同方法得到第二椎体腰椎椎孔中心A2。
取其中第一椎体腰椎椎孔中心A1的垂线上纵坐标和第二椎体腰椎椎孔中心A2相同的冠状面垂线点A3,取第一椎体腰椎椎孔中心A1和冠状面垂线点A3的连线得到第三连线L3,取第一椎体腰椎椎孔中心A1和第二椎体腰椎椎孔中心A1的连线得到第四连线L4,第三连线L3和第四连线L4的夹角为该节腰椎在冠状面上的冠状面偏转角度A1。
得到冠状面偏转角度A1和横截面偏转角度A2后,构建三维旋转矩阵,利用仿射变换技术对预处理腰椎影像进行角度修正,得到角度修正后的修正腰椎影像。
在观测面定位步骤中,通过椎孔中心坐标以及与棘突之间的位置关系求得腰椎的正中矢状面,旁矢状面和斜矢状面。在观测面定位步骤中,获取正矢状面的步骤:以腰椎椎孔中心器切割修正腰椎影像得到正中矢状面。获取旁矢状面的步骤:利用腰椎椎孔中心P1得到腰椎椎孔中心的左侧端点和右侧端点,切割进行进行旁矢状面重建。获取斜矢状面的步骤:根据已经找到腰椎椎孔中心P1的左右两个端点,绕端点旋转45度,以端点为中心,即可获取斜矢状面。
本方案提供一具体的实施例,腰椎在横截面上的偏转角度的获取方式如图4所示:取腰椎分割结果得到的L3椎体,沿L3椎体的横截面投影并进行二值化处理,得到图4A的横截面投影图M1,对横截面投影图M1取反值得到图4B的反值M1_inverse,对M1_inverse进行连通域分析并计算面积,保留连通域面积第二大部分并取该部分的中心矩,得到腰椎椎孔中心P1,如图4C所示,随后根据棘突的位置特征,对投影图像M1自下往上进行遍历,即可获取腰椎棘突端点p2。过腰椎椎孔中心P1作垂线,纵坐标与腰椎棘突端点p2相同的点即为P3,得到这三个测量点后,计算P1,P2连线与P1,P3连线之间的角度,该角度为L3椎体在横截面上的偏转角度,如图4D所示。
腰椎在冠状面上的偏转角度的获取方式如图5所示: 1.)提取L1与L3椎体的boundingbox,L1椎体的boundingbox中心坐标为(Z_L1, Y_L1, X_L1),L3的椎体的boundingbox中心坐标为(Z_L2, Y_L2, X_L2),Z_L1为P1的纵坐标,Z_L2为P3的纵坐标。使用腰椎在横截面上的腰椎椎孔中心计算方法计算L1椎体与L3椎体的椎孔中心坐标,P1与P2的横坐标分别为椎孔中心在冠状面的投影坐标,过P1作垂线,纵坐标等于P2纵坐标,得到这三个测量点后,计算P1,P2连线与P1,P3连线之间的角度,该角度为L3椎体在冠状面上的偏转角度,效果图如图5所示。
正矢状面的获取方法如图6所示,由于已经获取了腰椎椎孔中心P1且此时得到修正腰椎影像,可直接根据腰椎椎孔中心切出正中矢状面,可根据腰椎椎孔中心P1的坐标获取重建层厚为10mm正中矢状面。
旁矢状面的获取方法如图7所示,根据腰椎椎孔中心P1获取腰椎矢状面的中间切片,前面我们已经获取了该椎体的椎孔中心(z,y,x),可以根据椎孔中心矢状面方向的(x)在修正好的腰椎图像上直接切出来中间切片,如图7A左侧那张所示,对该中间切片进行连通域分析,取第一个连通域,提取该区域的boundingbox,计算椎体中心,如图7B所示,为保证椎孔具有最大面积且抑制不闭合的情况出现,以腰椎椎孔中心P1为中心,对三张横切面进行投影,通过遍历的方式,分别计算腰椎椎孔中心P1的左侧端点和右侧端点,椎孔不是标准圆形,左右两个端点不一定在同一水平线上,如图7C所示,得到两个端点后,可以进行旁矢状面重建,如图7D所示。
斜矢状面的获取方法如图8所示,前面已经找到椎孔的左右两个端点,绕端点旋转45度,以端点为中心,重建层厚30mm,即可获取斜矢状面。
根据本发明的另一方面,提供一种腰椎CT影像的观测面自动定位方法的应用方法,即提供一种用于腰椎CT影像的影像处理方法,该腰椎CT影像的影像处理方法结合其上的腰椎CT影像的观测面自动定位方法,包括以下步骤:
影像获取步骤:获取初始腰椎影像;
影像预处理步骤:对初始腰椎影像进行预处理,得到预处理腰椎影像;
腰椎分割步骤:对预处理腰椎影像进行腰椎分割,得到腰椎分割结果,其中腰椎分割结果包括对应不同标签的腰椎;
影像角度修正步骤:对腰椎CT影像进行横截面投影,获取腰椎椎孔中心和腰椎棘突端点,修正腰椎椎孔中心垂线穿过腰椎棘突端点;以及对腰椎CT影像进行横截面投影,获取不同标签的两腰椎的腰椎椎孔中心,修正两腰椎的腰椎椎孔中心的连线位于腰椎椎孔中心的垂线上,得到修正腰椎影像;
观测面定位步骤:基于修正腰椎影像获取腰椎影像的观测面,其中观测面包括腰椎的正中矢状面,旁矢状面和斜矢状面。
本方案特别适用于对腰椎CT影像进行处理,故在影像获取步骤获取腰椎CT影像。
在影像预处理步骤中,预处理腰椎影像的像素之间物理距离一致,即在该步骤中对初始腰椎影像进行像素间物理距离归一处理得到预处理腰椎影像,在本方案中,相邻两个像素之间的实际距离为1mm,其中预处理腰椎影像的像素值被归一化至0到1之间。在该步骤中可对初始腰椎影像进行图像大小缩放和图像像素值归一化处理。
在腰椎分割步骤:利用腰椎影像分割模型对预处理腰椎影像进行分割处理,其中腰椎影像分割模型是采用卷积神经网络对标注的腰椎训练影像训练得到的,其中标注的腰椎训练影像内标注腰椎区域及不同类型标签的腰椎,而利用该腰椎影像分割模型得到的腰椎分割结果为多个腰椎的分割结果,且每一节腰椎的标签不相同。在本方案中多标签腰椎图像的分割结果如图2所示,腰椎影像分割模型对Th12-L5,共6节椎体进行分割。
具体的,在本方案的实施例中,医生通过滑动鼠标在专业标注软件对每一张腰椎CT影像的腰椎区域使用画刷功能进行标记,不同编号的椎体采用不同的颜色用以区别不同类别,标记完成后,所有数据需要先经过一名医生标注,两名医生校正,减少标注错误。
其中腰椎影像分割模型选择类U-Net网络作为腰椎CT影像分割的卷积神经网络,网络包括下采样层(最大池化层)和上采样层(反卷积层),并且中间通过堆叠链接(Concatenate),每个下采样层和上采样层后跟2个卷积块,每个卷积块包含2维卷积(2DConv),批量归一化(Batchnormalization),非线性激活(ReLU)。训练时对输入图像进行步骤2的预处理操作,并对传入数据进行数据增强,包括图像随机偏转,尺寸缩放等数据增强操作。训练时选择dice loss作为损失函数,Adam作为优化器。在验证集上测试分割模型,将损失最小的模型作为最终腰椎分割模型。
本方案提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以上提到的用于腰椎CT影像的观测面自动定位方法或影像处理方法的步骤。
另,提供一种计算机非易失性存储介质,包括计算机可读指令,当计算机读取并执行计算机可读指令时,使得计算机执行上述自动获取用于腰椎CT影像的观测面自动定位方法或影像处理方法的步骤。
本方案应用在医学辅助系统上,该系统架构可分为处理器,存储器和通信接口。其中通信接口用于终端设备进行通信,收发该终端设备传输的信息,实现通信。处理器是系统架构的控制中心,利用各种接口和线路连接系统架构的各个部分,存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据业务处理所创建的数据等。此外,存储器可以包括快速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件。
本发明不局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本申请相同或相近似的技术方案,均落在本发明的保护范围之内。
Claims (8)
1.一种腰椎CT影像的观测面自动定位方法,其特征在于,包括以下步骤:
获取经过影像分割处理的腰椎CT影像,其中腰椎CT影像内含有不同标签的腰椎;
对腰椎CT影像进行横截面投影,获取腰椎椎孔中心和腰椎棘突端点,取腰椎椎孔中心的垂线上和腰椎棘突点的纵坐标相同的点作为横截面垂线点,取腰椎椎孔中心和横截面垂线点的连线得到第一连线,取腰椎椎孔中心和腰椎棘突点的连线得到第二连线,修正第一连线和第二连线的夹角为0;以及
对腰椎CT影像进行冠状面投影,获取不同标签的两腰椎的腰椎椎孔中心,取第一椎体腰椎椎孔中心的垂线上纵坐标和第二椎体腰椎椎孔中心相同的冠状面垂线点,取第一椎体腰椎椎孔中心和冠状面垂线点的连线得到第三连线,取第一椎体腰椎椎孔中心和第二椎体腰椎椎孔中心的连线得到第四连线,修正第三连线和第四连线的夹角,得到修正腰椎影像;
基于修正腰椎影像获取观测面,其中观测面包括正矢状面,旁矢状面和斜矢状面的任一种。
2.根据权利要求1所述的腰椎CT影像的观测面自动定位方法,其特征在于,以腰椎椎孔中心为中心切割获取正矢状面,以腰椎椎孔中心左右两端点和椎体中心获取旁矢状面,以腰椎椎孔中心左右两端点旋转45度获取斜矢状面。
3.根据权利要求1所述的腰椎CT影像的观测面自动定位方法,其特征在于,根据腰椎分割结果取单一腰椎,对单一腰椎进行横截面方向的投影进行二值化处理,计算连通域面积第二大的连通域区域的中心矩,标记该节腰椎的腰椎椎孔中心,根据棘突的位置特征,对该横截面投影图像自下往上遍历得到棘突最靠近下方的点,标记为腰椎棘突端点。
4.根据权利要求1所述的腰椎CT影像的观测面自动定位方法,其特征在于,结合在横截面投影上得到的腰椎椎孔中心的坐标得到对应的第一椎体腰椎椎孔中心和第二椎体腰椎椎孔中心。
5.根据权利要求1所述的腰椎CT影像的观测面自动定位方法,其特征在于,构建三维旋转矩阵,利用仿射变换技术对预处理腰椎影像进行角度修正,得到角度修正后的修正腰椎影像。
6.一种腰椎CT影像的观测面自动定位方法,其特征在于,包括以下步骤:
影像获取步骤:获取初始腰椎影像;
影像预处理步骤:对初始腰椎影像进行预处理,得到预处理腰椎影像;
腰椎分割步骤:对预处理腰椎影像进行腰椎分割,得到腰椎分割结果,其中腰椎分割结果包括对应不同标签的腰椎;
影像角度修正步骤:对腰椎CT影像进行横截面投影,获取腰椎椎孔中心和腰椎棘突端点,取腰椎椎孔中心的垂线上和腰椎棘突点的纵坐标相同的点作为横截面垂线点,取腰椎椎孔中心和横截面垂线点的连线得到第一连线,取腰椎椎孔中心和腰椎棘突点的连线得到第二连线,修正第一连线和第二连线的夹角为0;以及对腰椎CT影像进行冠状面投影,获取不同标签的两腰椎的腰椎椎孔中心,取第一椎体腰椎椎孔中心的垂线上纵坐标和第二椎体腰椎椎孔中心相同的冠状面垂线点,取第一椎体腰椎椎孔中心和冠状面垂线点的连线得到第三连线,取第一椎体腰椎椎孔中心和第二椎体腰椎椎孔中心的连线得到第四连线,修正第三连线和第四连线的夹角,得到修正腰椎影像;
观测面定位步骤:基于修正腰椎影像获取腰椎影像的观测面,其中观测面包括腰椎的正中矢状面,旁矢状面和斜矢状面。
7.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以上权利要求1到5任一所述的腰椎CT影像的观测面自动定位方法,或实现以上权利要求6所述的腰椎CT影像的观测面自动定位方法。
8.一种计算机非易失性存储介质,其特征在于,包括计算机可读指令,当计算机读取并执行计算机可读指令时,使得计算机执行上述自动获取以上权利要求1到5任一所述的腰椎CT影像的观测面自动定位方法,或实现以上权利要求6所述的腰椎CT影像的观测面自动定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331640.6A CN111493918B (zh) | 2020-04-24 | 2020-04-24 | 腰椎ct影像的观测面自动定位方法、应用方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331640.6A CN111493918B (zh) | 2020-04-24 | 2020-04-24 | 腰椎ct影像的观测面自动定位方法、应用方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111493918A CN111493918A (zh) | 2020-08-07 |
CN111493918B true CN111493918B (zh) | 2022-08-26 |
Family
ID=71876364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010331640.6A Active CN111493918B (zh) | 2020-04-24 | 2020-04-24 | 腰椎ct影像的观测面自动定位方法、应用方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111493918B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884786B (zh) * | 2021-04-12 | 2021-11-02 | 杭州健培科技有限公司 | 应用于ct影像的腰椎间盘观测面定位方法、装置及应用 |
CN113951916A (zh) * | 2021-11-30 | 2022-01-21 | 卡本(深圳)医疗科技有限公司 | 一种在ct/mri体积中进行患者定位校正的方法 |
CN114782624B (zh) * | 2022-04-07 | 2023-08-25 | 重庆大学 | 一种3d图像投影融合方法、装置、计算机设备和存储介质 |
CN116650112B (zh) * | 2023-07-24 | 2023-11-14 | 杭州键嘉医疗科技股份有限公司 | 椎弓根螺钉路径自动规划方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013052121A (ja) * | 2011-09-05 | 2013-03-21 | Hitachi Medical Corp | 医用画像処理装置及び医用画像処理方法 |
WO2014065317A1 (ja) * | 2012-10-23 | 2014-05-01 | 株式会社 日立メディコ | 画像処理装置及び脊柱管評価方法 |
CN107633521A (zh) * | 2017-07-31 | 2018-01-26 | 深圳联影医疗科技有限公司 | 一种脊椎识别和命名系统、方法及装置 |
WO2019011158A2 (zh) * | 2017-07-11 | 2019-01-17 | 中慧医学成像有限公司 | 一种三维超声成像检测脊柱变形的方法 |
CN109493317A (zh) * | 2018-09-25 | 2019-03-19 | 哈尔滨理工大学 | 基于级联卷积神经网络的3d多椎骨分割方法 |
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 |
JP2019201879A (ja) * | 2018-05-23 | 2019-11-28 | 浜松ホトニクス株式会社 | 大腰筋領域画定装置および大腰筋領域画定方法 |
CN110544245A (zh) * | 2019-08-30 | 2019-12-06 | 北京推想科技有限公司 | 图像处理方法、装置、计算机可读存储介质及电子设备 |
CN110689550A (zh) * | 2019-10-12 | 2020-01-14 | 嘉应学院 | 一种腰椎矢状面ct图像高效自动化筛选系统及方法 |
CN111047605A (zh) * | 2019-12-05 | 2020-04-21 | 西北大学 | 一种脊椎ct分割网络模型的构建方法及分割方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI282268B (en) * | 2005-09-15 | 2007-06-11 | Univ Chung Shan Medical | Medical image system and method for measuring vertebral axial rotation |
US8676298B2 (en) * | 2010-08-30 | 2014-03-18 | Fujifilm Corporation | Medical image alignment apparatus, method, and program |
US8891848B2 (en) * | 2011-06-14 | 2014-11-18 | Radnostics, LLC | Automated vertebral body image segmentation for medical screening |
WO2014036389A1 (en) * | 2012-08-30 | 2014-03-06 | The Regents Of The University Of Michigan | Analytic morphomics: high speed medical image automated analysis method |
-
2020
- 2020-04-24 CN CN202010331640.6A patent/CN111493918B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013052121A (ja) * | 2011-09-05 | 2013-03-21 | Hitachi Medical Corp | 医用画像処理装置及び医用画像処理方法 |
WO2014065317A1 (ja) * | 2012-10-23 | 2014-05-01 | 株式会社 日立メディコ | 画像処理装置及び脊柱管評価方法 |
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 |
WO2019011158A2 (zh) * | 2017-07-11 | 2019-01-17 | 中慧医学成像有限公司 | 一种三维超声成像检测脊柱变形的方法 |
CN109223032A (zh) * | 2017-07-11 | 2019-01-18 | 中慧医学成像有限公司 | 一种三维超声成像检测脊柱变形的方法 |
CN107633521A (zh) * | 2017-07-31 | 2018-01-26 | 深圳联影医疗科技有限公司 | 一种脊椎识别和命名系统、方法及装置 |
JP2019201879A (ja) * | 2018-05-23 | 2019-11-28 | 浜松ホトニクス株式会社 | 大腰筋領域画定装置および大腰筋領域画定方法 |
CN109493317A (zh) * | 2018-09-25 | 2019-03-19 | 哈尔滨理工大学 | 基于级联卷积神经网络的3d多椎骨分割方法 |
CN110544245A (zh) * | 2019-08-30 | 2019-12-06 | 北京推想科技有限公司 | 图像处理方法、装置、计算机可读存储介质及电子设备 |
CN110689550A (zh) * | 2019-10-12 | 2020-01-14 | 嘉应学院 | 一种腰椎矢状面ct图像高效自动化筛选系统及方法 |
CN111047605A (zh) * | 2019-12-05 | 2020-04-21 | 西北大学 | 一种脊椎ct分割网络模型的构建方法及分割方法 |
Non-Patent Citations (2)
Title |
---|
Segmentation of Pathological Structures by Landmark-Assisted Deformable Models;Bulat Ibragimov et al;《IEEE Transactions on Medical Imaging 》;20170213;第36卷(第7期);全文 * |
脊柱(腰椎)微创融合系统的建立及生物力学研究;董连峰;《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》;20200215(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111493918A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111493918B (zh) | 腰椎ct影像的观测面自动定位方法、应用方法及设备 | |
US10068671B2 (en) | Methods and systems for producing an implant | |
US9672302B2 (en) | Producing a three-dimensional model of an implant | |
US9275191B2 (en) | Methods and systems for producing an implant | |
CN110796613B (zh) | 一种图像伪影的自动识别方法及装置 | |
CN110946652B (zh) | 一种骨螺钉的钉道规划方法和装置 | |
CN112349391A (zh) | 一种优化肋骨自动标号方法 | |
CN113870098A (zh) | 一种基于脊柱分层重建的Cobb角自动测量方法 | |
CN111192268A (zh) | 医学图像分割模型构建方法与cbct图像骨分割方法 | |
CN112884786B (zh) | 应用于ct影像的腰椎间盘观测面定位方法、装置及应用 | |
CN112927213B (zh) | 一种医学图像分割方法、介质及电子设备 | |
EP2443611B1 (en) | Image analysis method | |
CN114581395A (zh) | 一种基于深度学习的脊椎医学图像的关键点检测方法 | |
Gill et al. | Biomechanically constrained groupwise US to CT registration of the lumbar spine | |
CN116778022B (zh) | 基于三维ct图像的股骨颈轴线自动定位方法、系统及设备 | |
CN113222886B (zh) | 颈静脉球窝、乙状窦沟定位方法和智能颞骨影像处理系统 | |
CN116883428B (zh) | 一种下颌骨螺旋ct影像分区分割方法 | |
CN117338488A (zh) | 颈椎模型的构建方法及颈椎假体的打印方法 | |
CN117274601A (zh) | 一种三维牙齿图像的处理方法、装置及系统 | |
CN118037668A (zh) | 基于深度学习的ct脊柱影像的椎弓根识别方法 | |
CN115424720A (zh) | 管状结构断裂补全方法、装置及计算机设备 | |
CN117788714A (zh) | 颈椎病灶三维模型的构建方法及系统、电子设备、介质 | |
CN116883428A (zh) | 一种下颌骨螺旋ct影像分区分割方法 | |
CN116740341A (zh) | 一种自动生成椎弓根螺钉最优置入路径的方法与系统 |
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 |