CN111798468A - 图像处理方法及装置、存储介质及电子终端 - Google Patents

图像处理方法及装置、存储介质及电子终端 Download PDF

Info

Publication number
CN111798468A
CN111798468A CN202010659737.XA CN202010659737A CN111798468A CN 111798468 A CN111798468 A CN 111798468A CN 202010659737 A CN202010659737 A CN 202010659737A CN 111798468 A CN111798468 A CN 111798468A
Authority
CN
China
Prior art keywords
image
dimensional
dimensional image
region
ascending aorta
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
CN202010659737.XA
Other languages
English (en)
Other versions
CN111798468B (zh
Inventor
景万里
刘岩
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.)
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Insurance Group 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 Taikang Insurance Group Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN202010659737.XA priority Critical patent/CN111798468B/zh
Publication of CN111798468A publication Critical patent/CN111798468A/zh
Application granted granted Critical
Publication of CN111798468B publication Critical patent/CN111798468B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • 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
    • 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]
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开涉及计算机技术领域，具体涉及一种图像处理方法、一种图像处理装置、一种存储介质以及一种电子终端。所述方法包括：获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域；对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像；基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像；对所述第二三维图像进行霍夫变换，以获取升主动脉区域；以及对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。本方法能够实现自适应、自动、高效的提取心脏升主动脉及相关的分支；节约图像处理时间。

Description

图像处理方法及装置、存储介质及电子终端
技术领域
本公开涉及计算机技术领域，具体涉及一种图像处理方法、一种图像处理装置、一种存储介质以及一种电子终端。
背景技术
现有的医疗技术手段中，利用医学影像为医生提供指导，是常见的手段。例如，利用冠状动脉造影对冠心病进行筛查。但是，由于CTA图像存在强随机性及复杂性等客观因素的影响，对CTA图像进行心脏冠脉血管分割一直是一个难点，其主要原因包括是由于冠状动脉造型存在噪声、心脏的运动、多种亮度接近的不同组织、病变组织、不同经验的医生造影剂的剂量不同以及复杂的空间形态等。
现有技术中，存在基于区域的分割方法、基于统计学的分割方法和基于结构的分割方法对图像中的血管进行分割。但是，由于存在上述的原因，医生依然需要耗费较长的时间来处理图像。并且，图像处理的过程中，还会出现欠分割和过分割的情况。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种图像处理方法、一种图像处理装置、一种存储介质以及一种电子终端，实现对图像中冠状动脉的区域进行自动提取，缩短图像的处理时间；进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种图像处理方法，包括：
获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域；
对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像；
基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像；
对所述第二三维图像进行霍夫变换，以获取升主动脉区域；以及
对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
在本公开的一种示例性实施例中，所述对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域，包括：
基于Hessian矩阵对所述升主动脉相关的管状结构血管计算管状结构相似性，以根据管状结构相似性计算结果对所述升主动脉相关的管状动脉血管区域进行增强，以获取冠脉区域。
在本公开的一种示例性实施例中，所述方法还包括：
在所述第二三维图像中，在所述升主动脉区域进行三维种子填充，以获取对应的填充结果。
在本公开的一种示例性实施例中，所述在所述升主动脉区域进行三维种子填充，包括：
根据管状动脉血管区域的管状结构相似性计算结果提取候选种子点；
根据所述候选种子点的管状组织结构获取可用种子点；
根据预设规则对所述可用种子点进行筛选以获取所述三维种子的填充点。
在本公开的一种示例性实施例中，获取所述第二三维图像后，所述方法还包括：
响应于触发操作，利用预设三维动态掩膜模型对所述第二三维图像进行剪裁，以展示裁剪后的虚拟切割图像。
在本公开的一种示例性实施例中，所述响应于触发操作，利用预设三维动态掩膜对所述第二三维图像进行剪裁，包括：
对所述预设三维动态掩膜与所述第二三维图像进行配准；
响应于触发操作，对所述预设三维动态掩膜与所述第二三维图像进行交差，以配置所述预设三维动态掩膜上目标像素点为，配置非目标像素点为0。
在本公开的一种示例性实施例中，所述方法还包括：
在所述剪裁三维图像满足预设要求时，将所述剪裁三维图像与所述三维三维动态掩膜模型进行融合，以获取目标三维图像。
根据本公开的第二方面，提供一种图像处理装置，包括：
数据集获取模块，用于获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域；
图像重建模块，用于对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像；
图像分割模块，用于基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像；
升主动脉区域获取模块，用于对所述第二三维图像进行霍夫变换，以获取升主动脉区域；
冠脉区域获取模块，用于对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
根据本公开的第三方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的图像处理方法。
根据本公开的第四方面，提供一种电子终端，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述的图像处理方法。
本公开的一种实施例所提供的图像处理方法中，通过对待处理的CTA图像数据集进行三维重建获取对应的第一三维图像；再基于已标记的感兴趣区域对所述第一三维图像进行图像分割而获取第二三维图像；并对所述第二三维图像进行霍夫变换，以获取升主动脉区域；以及对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。实现自适应、自动、高效的提取心脏升主动脉及相关的分支；节约图像处理时间。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。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他的附图。
图1示意性示出本公开示例性实施例中一种图像处理方法的流程示意图；
图2示意性示出本公开示例性实施例中一种升主动脉的示意图；
图3示意性示出本公开示例性实施例中一种升主动脉和冠脉的示意图；
图4示意性示出本公开示例性实施例中一种包含标志物的升主动脉与冠脉分布的示意图；
图5示意性示出本公开示例性实施例中一种模拟组织切割后的心脏的示意图；
图6示意性示出本公开示例性实施例中一种图像处理装置的组成示意图；
图7示意性示出本公开示例性实施例中一种电子设备的组成示意图；
图8示意性示出本公开示例性实施例中一种程序产品的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
心血管疾病是全世界死亡率最高的疾病，并且发病率、死亡率逐年上升，严重威胁着人类的生命键康。在使用冠脉造影对冠心病进行筛查的过程中，如何从三维断层体数据中提取出冠脉是心血管疾病诊断的关键步骤，是后续三维重建以及定量分析等诊断的先决条件。由于CTA图像(Computed Tomography Angiography)的强随机性及复杂性等客观因素的影响，心脏冠脉血管分割一直是一个难点；主要原因包括：1)噪声；2)心脏的运动；3)多种亮度接近的不同组织；4)病变组织；5)不同经验的医生造影剂的剂量不同；6)复杂的空间形态；等等。现有技术中针对血管分割提出了多种分割算法，主要可分为：1)基于区域的分割方法，其中主要包括阈值分割方法、基于遗传算法的分割方法、分裂合并算法、区域生长分割算法等；2)基于统计学的分割方法，其中有分类器算法、聚类算法，马尔科夫随机场模型等；3)基于结构的分割方法，其中有边缘检测方法基于轮廓模型的分割方法。
但是在应用上述的各方法在冠脉增强诊断冠心病的临床实际应用中，医生诊断一个患者通常需要30～40分钟，主要消耗在交互过程中。因此，如何快速、准确地自动提取冠状动脉是提高临床诊断效率的关键所在。影响快速准确地分割冠状动脉的两个主要因素是：1)交互操作，即医生需要在三维图像中反复地选取不同分支上的冠脉点，反馈给系统进行分割，且医生需要反复地对分割的结果进行交互式编辑和修改；2)过分割和欠分割；其中，过分割是分割时泄露到了冠脉组织之外，造成和其它组织器官的粘连；欠分割是分割组织不全，例如：冠脉分支或者远端细小血管没有被完全分割，极大影响了分割的准确性。
基于上述问题，本示例实施方式中首先提供了一种图像处理方法。参考图1中所示，上述的图像处理方法可以包括以下步骤：
步骤S11，获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域；
步骤S12，对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像；
步骤S13，基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像；
步骤S14，对所述第二三维图像进行霍夫变换，以获取升主动脉区域；
步骤S15，对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
本示例实施方式所提供的图像处理方法，通过对待处理的CTA图像数据集进行三维重建获取对应的第一三维图像；再基于已标记的感兴趣区域对所述第一三维图像进行图像分割而获取第二三维图像；并对所述第二三维图像进行霍夫变换，以获取升主动脉区域；以及对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。一方面，实现了自适应、自动、高效的提取心脏升主动脉及相关的分支；另一方面，节约了图像处理时间。
下面，将结合附图及实施例对本示例实施方式中的图像处理方法中各个步骤进行更详细的说明。
在步骤S11中，获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域。
本示例实施方式中，上述的CTA图像数据集可以是病人的冠脉CTA医学图像，具体来说，可以是一个图像序列。
举例来说，上述的方法可以应用于服务器端。用户在终端侧从本地存储硬盘或者网络上调取一个或多个病患的CTA图像数据集，并可以对该图像数据集中的一个或多个图像进行感兴趣区域的标记；其中，被标记的图像可以包含心脏区域，或者升主动脉区域。举例来说，原始的CTA图像可以是Raw格式文件，可以包括32、16、8位或24位彩色格式的数据。
或者，在本公开的其他示例性实施方式中，图像数据集也可以是MRI(MagneticResonance Imaging，磁共振成像)数据集，或者MRA(磁共振血管造影)数据集等。在图像数据集中包含连续的图像序列。
在步骤S12中，对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像。
本示例实施方式中，在获取CTA图像数据集后，可以首先重建三维图像。举例来说，可以利用基于GPU执行的体数据的光线投射(Ray casting)算法来进行三维模型的重建。光线投射法是图像空间的经典绘制算法，它从投影平面的每个点发出投射光线，穿过三维数据场，通过光线方程计算衰减后的光线强度并绘制成图像。利用光纤投射算法进行三维重建采用现有方案即可实现，本公开对此不再赘述。
在步骤S13中，基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像。
本示例实施方式中，在获取三维重建后的第一三维图像后，可以根据已标记的感兴趣区域对其进行图像分割。例如，可以利用基于机器学习的图像分割方法，在CPU执行对第一三维图像的分割，得到包含全心脏，以及其他组织器官的第二三维图像。例如，在已标记的感兴趣区域为心脏区域时，在图像分割时，可以通过预设尺寸的虚拟圆锥柱对第一三维图像进行分割，从而得到心脏区域，并将肺部组织以及肺部血管剔除，得到第二三维图像。第二三维图像中可以包括心脏区域、升主动脉区域和冠状动脉区域。可以采用三维纹理体数据的形式呈现，各像素点可以包括红、绿、蓝和透明度4字节的文件。并以Filt Img图像格式存储。
在步骤S14中，对所述第二三维图像进行霍夫变换，以获取升主动脉区域。
本示例实施方式中，参考图2所示，升主动脉的基本形状为一个圆柱形。通过对第二三维图像进行霍夫(Hough)变换，能够对第二三维图像中的升主动脉区域进行提取。具体来说，霍夫变换是图像处理中用来从图像中分离出具有某种相同特征的几何形状(通常，直线，圆等)的常用方法。经典的霍夫变换常用来检测直线，圆，椭圆等。
具体来说，可以对第二三维图像进行滤波降噪处理，然后对图像进行分割，获取对应的二值图像，然后使用Hough变换求解升主动脉的第一层的圆心和半径。例如，对于图2所示的升主动脉，其顶端位置可以为第一层。根据该第一层的圆心和半径，在邻近层之间进行迭代。并在满足预设条件时终止迭代，终止条件可以包括：1)若两个相邻层之间的圆心距离大于阈值；2)若当前层区域生长的范围远大于前一次区域生长范围。在迭代终止后，便可以得到升主动脉区域的图像，提取的升主动脉如图2所示。
在步骤S15中，对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
在本示例性实施方式中，基于上述内容，在获取升主动脉区域后，还可以对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
具体来说，可以基于Hessian矩阵对所述升主动脉相关的管状结构血管计算管状结构相似性，以根据管状结构相似性计算结果对所述升主动脉相关的管状动脉血管区域进行增强。具体的，由于与升主动脉相连的是动脉血管，可以定义管状结构相似性函数定义为：
Figure BDA0002578069120000081
其中，
Figure BDA0002578069120000082
用于描述目标和周围背景的亮度差异；λ1、λ2、λ3为Hessian矩阵的特征值，且|λ1|≥|λ2|≥|λ3|；RA＝|λ1|/|λ2|；RB＝|λ3|/|λ1λ2|，用于描述线状、盘状和斑状结构的不同形态之间的特征差异；α>0、β>0、c>0，分别是影响RA、RB、S的比例因子。
上式中，0<V(x,y,z；σ)<1，若V(x,y,z；σ)响应值等于零，表示该点的管状结构相似性最小，说明其不具有管状结构特征，即其属于血管的可能性最小；若V(x,y,z；σ)响应值等于1，表示该点的管状结构相似性最大，说明其具有管状结构特征，即其属于血管的可能性最大。由于冠脉血管的半径在2-7mm之间，则可以首先在尺度σ＝2选取一部分对管状结构相似性函数响应较强点，然后以步长为2不断增加σ，直到σ不大于8为终止条件。
基于上述内容，在进行分割得到包含心脏区域、升主动脉区域和冠脉区域的第二三维图像后，在所述第二三维图像中，在所述升主动脉区域进行三维种子填充，以获取对应的填充结果。
具体来说，可以按照以下方法筛选填充三维种子的填充点，具体可以包括：
步骤S21，根据管状动脉血管区域的管状结构相似性计算结果提取候选种子点；
步骤S22，根据所述候选种子点的管状组织结构获取可用种子点；
步骤S23，根据预设规则对所述可用种子点进行筛选以获取所述三维种子的填充点。
通过对冠脉进行加强，可以获得整个体数据中管状响应系数高的三维数据区域，通过将三维种子点置于升主动脉中，与之相连的管状响应系数高的动脉血管体素通过三维种子填充将分割为升主动脉与动脉为一体的心脏动脉系统，其主要组成部分如图3所示。分割的升主动脉与动脉血管和心脏功能评价要分析考察的主要几何参数，升主动脉与心脏动脉血管的相减就可获得各心脏血管的分支形状，这些血管分支截面就是各血管的管径分布图，由此而得到血管流通和堵塞情况。通过在拟搭桥处设置标志物，这样就可标示拟搭桥处在脂肪或心包外的切口位置。对于心包外脂肪较多的病人，通过这个标定物直线的指示，将明显减少拟搭桥处的堵塞血管的触探时间，提高拨开心外膜脂肪位置的精确度。包含标志物直线的升主动脉与动脉的心脏分布图如图4所示。
基于上述内容，在本示例性实施方式中，上述方法还可以包括：响应于触发操作，利用预设三维动态掩膜模型对所述第二三维图像进行剪裁，以展示裁剪后的虚拟切割图像。
具体来说，可以利用以预设的三维动态掩膜对分割后的第二三维图像进行实时的模拟剪裁。例如，可以使用一心脏区域的三维动态掩膜，首先对所述预设三维动态掩膜与所述第二三维图像进行配准；响应于触发操作，对所述预设三维动态掩膜与所述第二三维图像进行交差，以配置所述预设三维动态掩膜上目标像素点为，配置非目标像素点为0。以及，在所述剪裁三维图像满足预设要求时，将所述剪裁三维图像与所述三维三维动态掩膜模型进行融合，以获取目标三维图像。
举例来说，在终端侧为用户提供一交互界面，上述的触发操作可以是用户对于三维动态掩膜中各像素点的点击和选择操作。通过设计作用于GPU的三维动态纹理掩模(Dynamic Mask)，使得各种第二三维图像中的几何元素与这个掩模产生交差并而得到用0和1表达的三维掩模。当同样维数的纹理体数据(3D Texture)，即包含冠脉区域、升主动脉区域和心脏区域的第二三维图像，与该动态纹理掩模的同样空间点为“1”，则对应的体素为没有裁剪的像素点；而为“0”，则对应的体素为已被裁剪的像素点。由于每步操作时，三维动态掩模的各体素初值为“1”，而被裁剪用的第二三维图像的几何要素相交的像素点为“0”，这样使用鼠标移动和旋转裁剪第二三维图像时，将产生动态、实时的切割效果。
在判断切割效果满足预设要求时，通过确认按钮将三维动态纹理掩模的内容添加到最后纹理掩模(Final Mask)中，由于三维图像的最后显示效果显示在框架缓冲中，而第二三维图像、三维动态纹理掩模和最后纹理掩模的融合结果将是体数据第二三维图像被三维动态纹理掩模和最后纹理掩模共同裁剪的结果，三维动态纹理掩模与裁剪几何体的作用是产生动态的裁剪效果；最后纹理掩模作为目标三维图像，是第二三维图像和三维动态纹理掩模交集的结果，并能够用于固定多次顺序裁剪的结果。
参考图5所示，为采用模拟组织切割后的全心脏解剖图像，感兴趣区域的升主动脉、冠动脉和标志物直线用一种颜色表示，心外脂肪用一种颜色表示，心肌用一种颜色表示，骨骼用一种颜色表示。在切割和渲染过程中，将感兴趣区域的体数据当成不受切割影响的器官组织，在三维方式下可以从右边大孔和前面小孔观察到升主动脉、冠脉和标志物直线的空间分布。通过静态和动态地挖切相关组织，在心脏前面用画任意封闭曲线裁剪垂直投影面的柱面而得到剥离肚皮后的体数据，然后在胸部右面开一个较大的圆柱孔用以观察升主动脉与心脏动脉与其他组织的分布关系，圆柱孔的大小以可观察到升主动脉与右主动脉的大部分结构而不消减拟搭桥处的脂肪外部山丘式分布形状为准，在标志物直线突出脂肪外形处开一个直径更小且动态变化的圆柱孔，沿直线方向从脂肪表面往里看，将看到这根右冠状动脉血管的堵塞处以及沿这个切口方向脂肪、心肌和心血管的纵深分布。这样在不进行全心脏软件算法分割的情况下，通过简单的交互和快速的人体组织虚拟切割，就可清晰地显示出多遮挡情况下隐藏在心脏外膜脂肪下的狭窄血管部分。由于没有采用过多的前置的基于算法的全心脏分割方法，心外膜和心外膜脂肪的分布仍然保存完整，为了快速而精确地得到拟搭桥处的切口位置，可通过对拟切口处心外膜脂肪、其他血管外形凸凹图像、相对位置和手感而得到。
在对图像进行分割处理、模拟裁剪、渲染时，可以由GPU来执行。具体的，可以调用着色器(shader)进行颜色、纹理的处理。
本公开各实施例所提供的图像处理方法中，通过对三维重建后的第一三维图像进行初次分割来提出肺部组织和肺部血管等噪声，并利用圆锥柱来准确的分割出心脏区域，得到第二三维图像。再对第二三维图像进行霍夫变换，得到升主动脉区域；再进行Hessian增强处理，得到冠脉区域，从而实现自适应、自动化和高效的提取心脏升主动脉以及左右冠脉分支。利用GPU来提取三维重构后的血管，提取速度快，节省图像处理时间。通过利用三维动态掩膜对三维图像进行虚拟切割，并实时、准确的展示对应的分割结果，能帮助临床医生在心脏搭桥手术中快速定位找到血管堵塞的靶点，大大节省手术时间以及减少手术风险。
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
进一步的，参考图6所示，本示例的实施方式中还提供了一种图像处理装置20，包括：数据集获取模块201、图像重建模块202、图像分割模203、升主动脉区域获取模块204和冠脉区域获取模块205。其中：
所述数据集获取模块201可以用于获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域。
所述图像重建模块202可以用于对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像。
所述图像分割模块203可以用于基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像。
所述升主动脉区域获取模块204可以用于对所述第二三维图像进行霍夫变换，以获取升主动脉区域。
所述冠脉区域获取模块205可以用于对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
上述的图像处理装置20中各模块的具体细节已经在对应的邮件管理方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本发明的这种实施方式的电子设备300。图7显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1中所示方法。
存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。
存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器360通过总线330与电子设备300的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域；
对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像；
基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像；
对所述第二三维图像进行霍夫变换，以获取升主动脉区域；以及
对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
2.根据权利要求1所述的方法，其特征在于，所述对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域，包括：
基于Hessian矩阵对所述升主动脉相关的管状结构血管计算管状结构相似性，以根据管状结构相似性计算结果对所述升主动脉相关的管状动脉血管区域进行增强，以获取冠脉区域。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述第二三维图像中，在所述升主动脉区域进行三维种子填充，以获取对应的填充结果。
4.根据权利要求3所述的方法，其特征在于，所述在所述升主动脉区域进行三维种子填充，包括：
根据管状动脉血管区域的管状结构相似性计算结果提取候选种子点；
根据所述候选种子点的管状组织结构获取可用种子点；
根据预设规则对所述可用种子点进行筛选以获取所述三维种子的填充点。
5.根据权利要求1所述的方法，其特征在于，获取所述第二三维图像后，所述方法还包括：
响应于触发操作，利用预设三维动态掩膜模型对所述第二三维图像进行剪裁，以展示裁剪后的虚拟切割图像。
6.根据权利要求5所述的方法，其特征在于，所述响应于触发操作，利用预设三维动态掩膜对所述第二三维图像进行剪裁，包括：
对所述预设三维动态掩膜与所述第二三维图像进行配准；
响应于触发操作，对所述预设三维动态掩膜与所述第二三维图像进行交差，以配置所述预设三维动态掩膜上目标像素点为，配置非目标像素点为0。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在所述剪裁三维图像满足预设要求时，将所述剪裁三维图像与所述三维三维动态掩膜模型进行融合，以获取目标三维图像。
8.一种图像处理装置，其特征在于，包括：
数据集获取模块，用于获取待处理的CTA图像数据集，并对CTA图像标记感兴趣区域；
图像重建模块，用于对所述CTA图像数据集进行三维重建，以获取对应的第一三维图像；
图像分割模块，用于基于已标记的感兴趣区域对所述第一三维图像进行图像分割，以获取第二三维图像；
升主动脉区域获取模块，用于对所述第二三维图像进行霍夫变换，以获取升主动脉区域；
冠脉区域获取模块，用于对所述第二三维图像进行图像增强处理，以用于获取与所述升主动脉相关的冠脉区域。
9.一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1至7中任一项所述的图像处理方法。
10.一种电子终端，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的图像处理方法。
CN202010659737.XA 2020-07-08 2020-07-08 图像处理方法及装置、存储介质及电子终端 Active CN111798468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010659737.XA CN111798468B (zh) 2020-07-08 2020-07-08 图像处理方法及装置、存储介质及电子终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010659737.XA CN111798468B (zh) 2020-07-08 2020-07-08 图像处理方法及装置、存储介质及电子终端

Publications (2)

Publication Number Publication Date
CN111798468A true CN111798468A (zh) 2020-10-20
CN111798468B CN111798468B (zh) 2024-02-09

Family

ID=72810661

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010659737.XA Active CN111798468B (zh) 2020-07-08 2020-07-08 图像处理方法及装置、存储介质及电子终端

Country Status (1)

Country Link
CN (1) CN111798468B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114445431A (zh) * 2022-04-11 2022-05-06 浙江卡易智慧医疗科技有限公司 一种医学三维影像任意切割的方法与装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100103170A1 (en) * 2008-10-27 2010-04-29 Siemens Corporation System and method for automatic detection of anatomical features on 3d ear impressions
CN105913432A (zh) * 2016-04-12 2016-08-31 妙智科技（深圳）有限公司 基于ct序列图像的主动脉提取方法及装置
CN110458847A (zh) * 2019-07-05 2019-11-15 心医国际数字医疗系统(大连)有限公司 基于cta影像的自动冠脉分割及中心线提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100103170A1 (en) * 2008-10-27 2010-04-29 Siemens Corporation System and method for automatic detection of anatomical features on 3d ear impressions
CN105913432A (zh) * 2016-04-12 2016-08-31 妙智科技（深圳）有限公司 基于ct序列图像的主动脉提取方法及装置
CN110458847A (zh) * 2019-07-05 2019-11-15 心医国际数字医疗系统(大连)有限公司 基于cta影像的自动冠脉分割及中心线提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
崔家礼 等: "一种面向CTA图像的冠状动脉自动分割算法", 北方工业大学学报, vol. 31, no. 2, pages 173 - 184 *
张继超 主编: "《遥感原理与应用》", 测绘出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114445431A (zh) * 2022-04-11 2022-05-06 浙江卡易智慧医疗科技有限公司 一种医学三维影像任意切割的方法与装置

Also Published As

Publication number Publication date
CN111798468B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
JP6877868B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
US7447344B2 (en) System and method for visualization of pulmonary emboli from high-resolution computed tomography images
US7567696B2 (en) System and method for detecting the aortic valve using a model-based segmentation technique
JP6220310B2 (ja) 医用画像情報システム、医用画像情報処理方法及びプログラム
US7583829B2 (en) Method and apparatus for embolism analysis
JP7139479B2 (ja) 画像処理装置、医用画像診断装置、及びプログラム
EP2896368A1 (en) Device and method for displaying three-dimensional image, and program
US10580181B2 (en) Method and system for generating color medical image based on combined color table
US11468570B2 (en) Method and system for acquiring status of strain and stress of a vessel wall
CN108876794A (zh) 体积图像数据中的动脉瘤与载瘤血管的隔离
Debarba et al. Efficient liver surgery planning in 3D based on functional segment classification and volumetric information
Glaßer et al. Combined visualization of wall thickness and wall shear stress for the evaluation of aneurysms
JP2024515635A (ja) 超音波及びカメラ画像から３ｄ画像を再構成するためのシステム及び方法
Sakas et al. Advanced applications of volume visualization methods in medicine
CN113470060B (zh) 基于ct影像的冠状动脉多角度曲面重建可视化方法
US20090295802A1 (en) Method and system for rendering a medical image
CN111798468B (zh) 图像处理方法及装置、存储介质及电子终端
Moosavi Tayebi et al. 3D multimodal cardiac data reconstruction using angiography and computerized tomographic angiography registration
US20220039769A1 (en) Method, device, and system for determining abnormality in myocardium region
Pryamonosov et al. Robustness analysis of coronary arteries segmentation
Medina et al. Accuracy of connected confidence left ventricle segmentation in 3-D multi-slice computerized tomography images
CN114049282B (zh) 一种冠状动脉的构建方法、装置、终端及存储介质
JP7318058B2 (ja) 画像処理装置
RU2684760C1 (ru) Способ и система предоперационного моделирования медицинской процедуры
Kondrateva et al. Neglectable effect of brain MRI data preprocessing for tumor segmentation.

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