CN111862304B - 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置 - Google Patents

基于骨架引导的分割下腔静脉和腹主动脉的方法及装置 Download PDF

Info

Publication number
CN111862304B
CN111862304B CN202010619307.5A CN202010619307A CN111862304B CN 111862304 B CN111862304 B CN 111862304B CN 202010619307 A CN202010619307 A CN 202010619307A CN 111862304 B CN111862304 B CN 111862304B
Authority
CN
China
Prior art keywords
vena cava
inferior vena
skeleton
image
abdominal
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
Application number
CN202010619307.5A
Other languages
English (en)
Other versions
CN111862304A (zh
Inventor
马睿佳
卢秉恒
王晶
于颖
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.)
National Institute Corp of Additive Manufacturing Xian
Original Assignee
National Institute Corp of Additive Manufacturing Xian
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 National Institute Corp of Additive Manufacturing Xian filed Critical National Institute Corp of Additive Manufacturing Xian
Priority to CN202010619307.5A priority Critical patent/CN111862304B/zh
Publication of CN111862304A publication Critical patent/CN111862304A/zh
Application granted granted Critical
Publication of CN111862304B publication Critical patent/CN111862304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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
    • G06T2207/20112—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
    • G06T2207/30—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)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明属于医学重建应用领域，特别涉及一种基于骨架引导的分割下腔静脉和腹主动脉的方法及装置。克服利用现有造影方法不能有效分割非造影区域的静动脉及现有造影方法存在潜在毒性与无法作用于下腔静脉等问题。首先将腹部图像进行分割获取包含下腔静脉和腹主动脉区域的二值图并建立三维模型，然后导入静脉和动脉骨架与三维模型进行配准定位及骨架微调，之后根据静脉和动脉骨架所对应的图像像素位置进行前景点和背景点标注，并对掩膜处理后的序列图像进行图像分割，获得分开后的静脉二值图和动脉二值图并重建模型。装置相应包括预处理单元、骨架配准单元、分割单元及后处理单元。本发明可实现血管主干及其分支的区分，减少交互操作，提高分割效率。

Description

基于骨架引导的分割下腔静脉和腹主动脉的方法及装置
技术领域
本发明属于医学重建及应用领域，特别涉及一种基于骨架引导的分割下腔静脉和腹主动脉的方法及装置。
背景技术
目前，基于医学影像的可视化三维重建技术在泌尿外科已经得到广泛应用，通过医学数据的三维重建技术有助于明确肾蒂及血管的解剖变异情况，有利于提高术中处理效率和安全性。为了使血管能够更加清晰可见，常常需要经动脉或静脉注射造影剂再进行数据扫描，造影后的图像中被造影区域的灰度值较高，但是邻近区域会因造影剂的影响而变得模糊，造成该区域内动脉和静脉分割困难；同时，造影剂也存在潜在毒性作用，如果使用不当，会造成不良后果。根据文献报道，造影剂不良反应的发生率在0.5％～13％之间。因此，根据实际情况减少造影剂的使用可减少不良反应的发生。
另一方面，现有的造影只能进行动脉血管及肾静脉造影，而无法进行下腔静脉造影，常用人工分割的方法进行分割，耗时耗力且无法保证准确性。
发明内容
本发明的目的是提供一种基于骨架引导的分割下腔静脉和腹主动脉的方法及装置，针对非造影图像进行下腔静脉和腹主动脉的分割及建模，克服利用现有造影方法不能有效分割非造影区域的静动脉及现有造影方法存在潜在毒性与无法作用于下腔静脉等问题。
本发明的技术方案是提供一种基于骨架引导的分割下腔静脉和腹主动脉的方法，其特殊之处在于，包括以下步骤：
(1)获取下腔静脉和腹主动脉连接在一起的三维模型；
(1.1)将腹部CT图像进行预处理，获取包含下腔静脉和腹主动脉区域的二值图；其中腹部CT图像为未注射造影剂的图像；
(1.2)根据获取的二值图，建立下腔静脉和腹主动脉连接在一起的三维模型；
(2)将下腔静脉骨架和腹主动脉骨架分别导入三维模型中，进行配准定位；
(2.1)创建下腔静脉和腹主动脉骨架，并将下腔静脉和腹主动脉骨架导入步骤(1)建立的三维模型中；
(2.2)将下腔静脉和腹主动脉骨架与三维模型进行配准定位，并对下腔静脉和腹主动脉骨架局部微调，使得下腔静脉骨架全部位于下腔静脉血管内部，腹主动脉骨架全部位于腹主动脉血管内部；
(3)获得分开的下腔静脉的二值图和腹主动脉的二值图；
(3.1)根据腹部CT图像与包含下腔静脉和腹主动脉区域的二值图，获得掩膜序列图像；
(3.2)根据三维点与像素的对应关系，获取下腔静脉骨架与腹主动脉骨架位置对应的图像像素位置；根据下腔静脉和腹主动脉骨架所对应的图像像素位置，在掩膜序列图像中，将下腔静脉骨架和腹主动脉骨架对应的像素位置分别标注为前景点和背景点；或将下腔静脉骨架和腹主动脉骨架对应的像素位置分别标注为背景点和前景点；
(3.3)对标注后的掩膜序列图像采用图割算法进行分割，获得分开后的下腔静脉的二值图和腹主动脉的二值图；
(4)获得分开后的下腔静脉三维模型和腹主动脉三维模型；
对包含下腔静脉的二值图和包含腹主动脉的二值图分别重建模型，获得分开后的下腔静脉三维模型和腹主动脉三维模型。
进一步地，步骤(1.1)的步骤具体为：
(1.11)判断腹部CT图像的范围是否超过包含有下腔静脉和腹主动脉区域，若超过，则进行剪裁处理，得到包含下腔静脉和腹主动脉区域的序列图；
(1.12)根据阀值分割法或聚类、滤波、小波变换一种或几种方法的算法对序列图进行数据二值化处理，得到包含下腔静脉和腹主动脉区域的二值图。
进一步地，步骤(1.2)中：使用等值面重建方法，根据二值图建立下腔静脉和腹主动脉连接在一起的三维模型。
进一步地，步骤(2.1)中根据下述方法创建下腔静脉和腹主动脉骨架：
根据公开的数字化可视人体数据库中CT数据进行腹部下腔静脉和腹主动脉血管模型的中心线提取，并在所得到的中心线上，将中心线转为点线连接的质点弹簧模型，分别建立静脉骨架和动脉骨架。
进一步地，步骤(2.2)具体为：
(2.21)分别确定下腔静脉骨架和腹主动脉骨架的多个初始固定点；
(2.22)在三维模型上选取与初始固定点对应的点；将初始固定点与三维模型上选取的点进行点配准；
(2.23)配准后，分别移动下腔静脉骨架和腹主动脉骨架上的活动点位置进行调节，使得下腔静脉骨架上的所有点和腹主动脉骨架上的所有点分别位于下腔静脉血管与腹主动脉血管内部。
进一步地，步骤(2.22)中点配准采用主成分分析法来实现，通过将三维模型上的选取点作为固定点，骨架上选取的初始固定点作为移动点，通过计算得到骨架的旋转及平移矩阵，然后就对骨架进行刚性移动。
进一步地，步骤(3.1)中将包含下腔静脉和腹主动脉区域的序列图与包含下腔静脉和腹主动脉区域的二值图进行乘运算，获得掩膜序列图像。
进一步地，步骤(3.3)中：图割算法是基于灰度统计采样的方法，通过建立各个像素点与前景、背景相似度的赋权图，然后求解最小切割区分前景和背景。
进一步地，步骤(4)中采用等值面重建方法获得分开后的下腔静脉三维模型和腹主动脉三维模型。
本发明还提供一种基于骨架引导的分割下腔静脉和腹主动脉的装置，其特殊之处在于：包括预处理单元、骨架配准单元、分割单元及后处理单元；
预处理单元用于对腹部CT图像预处理，获取包含下腔静脉和腹主动脉区域的二值图及下腔静脉和腹主动脉连接在一起的三维模型；
骨架配准单元用于将下腔静脉骨架和腹主动脉骨架分别导入三维模型中，将下腔静脉和腹主动脉骨架与三维模型进行配准定位；
分割单元用于根据下腔静脉和腹主动脉骨架所对应的图像像素位置，在掩膜序列图像中，进行前景点和背景点标注，并对标注后的掩膜序列图像进行分割，获得分开后的下腔静脉的二值图和腹主动脉的二值图；
后处理单元用于对分开后的下腔静脉的二值图和腹主动脉的二值图分别重建模型，获得分开后的下腔静脉三维模型和腹主动脉三维模型。
进一步地，预处理单元包括剪裁图像单元、二值化单元及重建单元；
剪裁图像单元用于剪裁腹部CT图像；二值化单元用于根据剪裁图像单元的输出图像获取包含下腔静脉和腹主动脉区域的二值图；重建单元用于根据获取的二值图，建立下腔静脉和腹主动脉连接在一起的三维模型；
骨架配准单元包括导入骨架单元、点配准单元及预植入骨架单元；
预植入骨架单元中包括下腔静脉和腹主动脉骨架；导入骨架单元用于将下腔静脉和腹主动脉骨架导入三维模型中；点配准单元用于将下腔静脉和腹主动脉骨架与三维模型进行配准定位，并对配准后的下腔静脉和腹主动脉骨架局部位置进行调整；
分割单元包括图像掩膜单元、位置获取单元及图割计算单元；
图像掩膜单元用于根据腹部CT图像与包含下腔静脉和腹主动脉区域的二值图获得掩膜序列图像；位置获取单元用于根据下腔静脉和腹主动脉骨架所对应的图像像素位置，在掩膜序列图像中，将下腔静脉骨架和腹主动脉骨架标注为前景点和背景点；图割计算单元用于对标注后的掩膜序列图像采用图割算法进行分割，获得分开后的下腔静脉的二值图和腹主动脉的二值图。
本发明还提供一种基于骨架引导的分割下腔静脉和腹主动脉的系统，包括处理器及存储器，其特殊之处在于：所述存储器中存储计算机程序，计算机程序在处理器中运行时，执行基于骨架引导的分割下腔静脉和腹主动脉的方法。
本发明还提供一种计算机可读存储介质，其特殊之处在于：储存有计算机程序，计算机程序被执行时实现基于骨架引导的分割下腔静脉和腹主动脉的方法。
本发明与现有技术相比，有益效果是：
(1)本发明通过对导入质点弹簧模型骨架的三维模型分割交互，由于生成的三维模型较二维图像更能直观的区分静脉和动脉的走向和分支，提高计算准确性。同时，由于采用了骨架引导的方式，将骨架的位置信息自动转为图像像素位置信息，可综合实现血管主干及其分支部分的区分，减少交互操作，提高分割效率。
(2)本发明所需要图像无需造影，减少对患者的伤害。
附图说明
图1为实施例基于骨架引导的分割下腔静脉和腹主动脉的方法流程图；
图2为实施例中骨架模板建立的流程图；
图3为实施例中预处理后获得的三维模型；
图4为实施例中腹主动脉骨架配准并调整后的示意图；
图5为实施例中分割后的下腔静脉和腹主动脉三维模型；
图6为实施例基于骨架引导的分割下腔静脉和腹主动脉装置框图。
具体实施方式
本发明涉及一种基于骨架引导的分割下腔静脉和腹主动脉的方法及装置。腹部CT图像为未注射造影剂的采集图像，其中腹部CT图像应为包含下腔静脉和腹主动脉区域的序列图像，实施例中的“左”和“右”的定位根据扫描对象自身的左右方位进行定义。
下面结合附图和具体实施例对本发明作进一步的详细说明，但可以理解的是，本发明并不限于这些实施例。
结合图1，本实施例基于骨架引导的分割下腔静脉和腹主动脉的方法主要包括以下步骤：
(1)对腹部CT图像进行预处理，获取包含下腔静脉和腹主动脉区域的二值图并建立三维模型，具体包括：
(1.1)获取腹部CT图像，为未注射造影剂的采集图像；对腹部CT图像进行剪裁或者不剪裁处理，获得包含有下腔静脉和腹主动脉区域的序列图Ⅰ；剪裁或者不剪裁处理取决于腹部CT图像的范围是否超过包含有下腔静脉和腹主动脉区域，如果超过，则需要进行剪裁处理，将有效减少后期计算量。
对序列图Ⅰ采用阀值、聚类法、滤波、小波变换等一种或几种方法结合进行处理，获得包括下腔静脉和腹主动脉区域的二值图Ⅱ，即将下腔静脉和腹主动脉区域标记为1，其他区域标记为0；
(1.2)对二值图Ⅱ进行等值面提取，即采用Marching Cubes算法进行计算，获得下腔静脉和腹主动脉连接在一起的三维模型，如图3所示。
需要说明的是，由于下腔静脉和腹主动脉为互相近邻且相互缠绕的血管，对二值图Ⅱ进行重建后，静脉和动脉会发生黏贴连接，无法得到独立的血管。
(2)分别导入下腔静脉和腹主动脉骨架，与步骤(1)重建的三维模型进行配准定位，并进行下腔静脉和腹主动脉骨架上局部微调，具体步骤包括：
(2.1)创建下腔静脉和腹主动脉骨架，并将下腔静脉和腹主动脉骨架导入步骤(1)建立的三维模型中；
其中，创建下腔静脉和腹主动脉骨架的方法如图2所示，根据公开的数字化可视人体数据库中CT数据进行腹部下腔静脉和腹主动脉血管模型的中心线提取，并在所得到的中心线上，将中心线转为点线连接结构，并赋予质点弹簧模型特性，分别建立下腔静脉骨架和腹主动脉骨架。
其中，上述中心线的提取采用形态学腐蚀操作不断去除物体的边界，直到仅剩其骨架即为中心线。骨架的力学特性是由多个点和线组成的质点弹簧模型，相邻两点之间通过拉力弹簧进行连接，每个点受到弹簧力和阻尼力，不受重力和空气阻力，某一质点位置变化后，会带动邻近质点位置发生变化，用质点弹簧模型来模拟血管的骨架，能够保证骨架的光滑性减少局部畸变。
骨架位置通过固定点来进行定位，初始骨架包括四个固定点，分别是静(动)脉上端点A，静(动)脉左支端点B，静(动)脉左支端点C，静(动)脉右支端点D，静(动)脉右支端点E。骨架其余点为活动点。
在配准后，每点击并拖动一个活动点则该点转变为一个固定点，固定点可被鼠标拖动。其位移时间公式为：
其中，fout(X,t)为外力，这里为阻尼力，fin(X,T)为内力，这里为弹性变形力。
骨架建立完成后可作为模板导入每个案例中，无需重新建立骨架，每次案例仅需要对骨架结构进行配准及交互调整即可。
(2.2)分别选取下腔静脉和腹主动脉骨架上的三个以上初始固定点与三维模型上选取对应位置的分支上坐标点，进行点配准，配准后可移动骨架上的局部点位置进行局部调节，使得下腔静脉和腹主动脉骨架的所有点分别位于下腔静脉血管内部及腹主动脉血管内部，如图4所示，为腹主动脉骨架配准并调整后的示意图。
其中，点配准采用主成分分析法来实现，通过将三维模型上的选取点作为固定点，骨架上的选取点作为移动点，通过计算得到骨架的旋转及平移矩阵，然后就对骨架进行刚性移动。
(3)根据下腔静脉和腹主动脉骨架所对应的图像像素位置在掩膜处理后的序列图像中进行前景点和背景点标注，并对标注后的序列图像进行分割，具体步骤包括；
(3.1)将序列图Ⅰ与二值图Ⅱ进行乘运算，获得掩膜序列图像Ⅲ，即通过矩阵运算保留序列图Ⅰ中与二值图Ⅱ中像素值为1的同样像素位置处的图像灰度值，未保留区域则赋值为0；
(3.2)获取所述下腔静脉骨架和腹主动脉骨架的所有点位置，根据三维点与像素的对应关系，获取骨架点位置对应的像素位置；
在掩膜序列图像Ⅲ中，将下腔静脉骨架和腹主动脉骨架对应的像素位置分别标注为前景点和背景点，或将下腔静脉骨架和腹主动脉骨架对应的像素位置分别标注为背景点和前景点；
(3.3)然后采用图割算法计算，获得分开后的下腔静脉的二值图Ⅳ和腹主动脉的二值图Ⅴ。
其中，图割算法是基于灰度统计采样的方法，通过建立各个像素点与前景、背景相似度的赋权图，然后求解最小切割区分前景和背景，本实施例采用图割算法中的最大流最小割算法进行分割(具体参见Boykov Y Y.Interactive graph cuts for optimalboundary&region segmentation ofobjects in n-d images[C]//Proc Eighth IEEEInternational Conference on Comput Vis.IEEE Computer Society,2001.)。
对于未造影的腹部CT图像，其下腔静脉和腹主动脉的灰度区间较为接近，但是根据灰度统计发现，腹主动脉的灰度值区间相对较窄，整体灰度值也较高，尽管下腔静脉和腹主动脉的灰度区间有重合区域，但是两者之间仍有统计学的差距，因此，通过基于骨架引导的图割算法，能够获得较多的正确采样点，提高算法计算效率和正确性。
(4)对分开后的下腔静脉的二值图Ⅳ和腹主动脉的二值图Ⅴ分别重建模型。
分别对二值图Ⅳ和二值图Ⅴ进行等值面重建，得到独立的下腔静脉和腹主动脉的三维模型。本实例中等值面重建采用Marching Cubes算法。如图5所示，为分割后的独立的下腔静脉和腹主动脉三维模型。
本实施例的一种基于骨架引导的分割下腔静脉和腹主动脉的装置，用于将腹部CT图像进行预处理分割，根据骨架模型进行下腔静脉和腹主动脉的模型提取。
如图6所示，该装置可以包括预处理单元100、骨架配准单元200、分割单元300和后处理单元400。其中，预处理单元100，用于获取含下腔静脉和腹主动脉区域的二值图及并进行三维建模；骨架配准单元200，用于根据点配准方法将导入的下腔静脉和腹主动脉骨架模板与创建的下腔静脉和腹主动脉的连接三维模型进行配准，并对配准后的下腔静脉和腹主动脉骨架模型的局部点位置进行调整；分割单元300，用于根据图割算法进行图像处理；后处理单元400，用于根据所述分割单元获得的下腔静脉的二值图和腹主动脉的二值图分别进行等值面重建，获得分开的下腔静脉和腹主动脉三维模型。
预处理单元100包括剪裁图像单元110、二值化单元120和重建单元130。剪裁图像单元110对腹部CT图像进行剪裁处理；二值化单元120采用阀值、聚类法、滤波、小波变换等一种或几种方法结合进行处理，获得包含目标区域的二值图像，重建单元130进行三维模型重建。
骨架配准单元200，包括预植入骨架单元210、导入骨架单元220和点配准单元230。预植入骨架单元210包括预先植入的骨架模板，其创建方法见步骤(2.1)，导入骨架单元220，用于将下腔静脉骨架模板和腹主动脉骨架模板进行导入。点配准单元230，用于将导入后的下腔静脉骨架模板和腹主动脉骨架模板与预处理生成的三维模型进行配准，步骤见(2.2)。
分割单元300包括图像掩膜单元310、位置获取单元320和图割计算单元330。图像掩膜单元310用于获得掩膜序列图像，具体步骤见(3.1)；位置获取单元320根据下腔静脉和腹主动脉骨架所对应的图像像素位置，在掩膜处理的序列图像中进行前景点和背景点标注，具体步骤见(3.2)；图割计算单元330对掩膜处理后的序列图像采用图割方法进行分割，分别获得包含下腔静脉的二值图和包含腹主动脉的二值图，具体步骤见(3.3)。
在一些可能的实施方式中，本发明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。用于实现上述方法的程序产品，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，在本发明中，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。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。

Claims (13)

1.一种基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，包括以下步骤：
(1)获取下腔静脉和腹主动脉连接在一起的三维模型；
(1.1)将腹部CT图像进行预处理，获取包含下腔静脉和腹主动脉区域的二值图；其中腹部CT图像为未注射造影剂的图像；
(1.2)根据获取的二值图，建立下腔静脉和腹主动脉连接在一起的三维模型；
(2)将下腔静脉骨架和腹主动脉骨架分别导入三维模型中，进行配准定位；
(2.1)创建下腔静脉和腹主动脉骨架，并将下腔静脉和腹主动脉骨架导入步骤(1)建立的三维模型中；
(2.2)将下腔静脉和腹主动脉骨架与三维模型进行配准定位，并对下腔静脉和腹主动脉骨架局部微调，使得下腔静脉骨架全部位于下腔静脉血管内部，腹主动脉骨架全部位于腹主动脉血管内部；
(3)获得分开的下腔静脉的二值图和腹主动脉的二值图；
(3.1)根据腹部CT图像与包含下腔静脉和腹主动脉区域的二值图，获得掩膜序列图像；
(3.2)根据三维点与像素的对应关系，获取下腔静脉骨架与腹主动脉骨架位置对应的图像像素位置；根据下腔静脉和腹主动脉骨架所对应的图像像素位置，在掩膜序列图像中，将下腔静脉骨架和腹主动脉骨架对应的像素位置分别标注为前景点和背景点；或将下腔静脉骨架和腹主动脉骨架对应的像素位置分别标注为背景点和前景点；
(3.3)对标注后的掩膜序列图像采用图割算法进行分割，获得分开后的下腔静脉的二值图和腹主动脉的二值图；
(4)获得分开后的下腔静脉三维模型和腹主动脉三维模型；
对包含下腔静脉的二值图和包含腹主动脉的二值图分别重建模型，获得分开后的下腔静脉三维模型和腹主动脉三维模型。
2.根据权利要求1所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，步骤(1.1)的步骤具体为：
(1.11)判断腹部CT图像的范围是否超过包含有下腔静脉和腹主动脉区域，若超过，则进行剪裁处理，得到包含下腔静脉和腹主动脉区域的序列图；
(1.12)根据阀值分割法或聚类、滤波、小波变换一种或几种方法的算法对序列图进行数据二值化处理，得到包含下腔静脉和腹主动脉区域的二值图。
3.根据权利要求2所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，步骤(1.2)中：使用等值面重建方法，根据二值图建立下腔静脉和腹主动脉连接在一起的三维模型。
4.根据权利要求2所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，步骤(2.1)中根据下述方法创建下腔静脉和腹主动脉骨架：
根据公开的数字化可视人体数据库中CT数据进行腹部下腔静脉和腹主动脉血管模型的中心线提取，并在所得到的中心线上，将中心线转为点线连接的质点弹簧模型，分别建立静脉骨架和动脉骨架。
5.根据权利要求4所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，步骤(2.2)具体为：
(2.21)分别确定下腔静脉骨架和腹主动脉骨架的多个初始固定点；
(2.22)在三维模型上选取与初始固定点对应的点；将初始固定点与三维模型上选取的点进行点配准；
(2.23)配准后，分别移动下腔静脉骨架和腹主动脉骨架上的活动点位置进行调节，使得下腔静脉骨架上的所有点和腹主动脉骨架上的所有点分别位于下腔静脉血管与腹主动脉血管内部。
6.根据权利要求5所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，步骤(2.22)中点配准采用主成分分析法来实现，通过将三维模型上的选取点作为固定点，骨架上选取的初始固定点作为移动点，通过计算得到骨架的旋转及平移矩阵，然后就对骨架进行刚性移动。
7.根据权利要求5所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于：步骤(3.1)中将包含下腔静脉和腹主动脉区域的序列图与包含下腔静脉和腹主动脉区域的二值图进行乘运算，获得掩膜序列图像。
8.根据权利要求7所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，步骤(3.3)中：图割算法是基于灰度统计采样的方法，通过建立各个像素点与前景、背景相似度的赋权图，然后求解最小切割区分前景和背景。
9.根据权利要求7所述的基于骨架引导的分割下腔静脉和腹主动脉的方法，其特征在于，步骤(4)中采用等值面重建方法获得分开后的下腔静脉三维模型和腹主动脉三维模型。
10.一种基于骨架引导的分割下腔静脉和腹主动脉的装置，用于实现权利要求1-9任一所述的方法，其特征在于：包括预处理单元、骨架配准单元、分割单元及后处理单元；
预处理单元用于对腹部CT图像预处理，获取包含下腔静脉和腹主动脉区域的二值图及下腔静脉和腹主动脉连接在一起的三维模型；
骨架配准单元用于将下腔静脉骨架和腹主动脉骨架分别导入三维模型中，将下腔静脉和腹主动脉骨架与三维模型进行配准定位；
分割单元用于根据下腔静脉和腹主动脉骨架所对应的图像像素位置，在掩膜序列图像中，进行前景点和背景点标注，并对标注后的掩膜序列图像进行分割，获得分开后的下腔静脉的二值图和腹主动脉的二值图；
后处理单元用于对分开后的下腔静脉的二值图和腹主动脉的二值图分别重建模型，获得分开后的下腔静脉三维模型和腹主动脉三维模型。
11.根据权利要求10所述的基于骨架引导的分割下腔静脉和腹主动脉的装置，其特征在于：
预处理单元包括剪裁图像单元、二值化单元及重建单元；
剪裁图像单元用于剪裁腹部CT图像；二值化单元用于根据剪裁图像单元的输出图像获取包含下腔静脉和腹主动脉区域的二值图；重建单元用于根据获取的二值图，建立下腔静脉和腹主动脉连接在一起的三维模型；
骨架配准单元包括导入骨架单元、点配准单元及预植入骨架单元；
预植入骨架单元包括下腔静脉和腹主动脉骨架；导入骨架单元用于将下腔静脉和腹主动脉骨架导入三维模型中；点配准单元用于将下腔静脉和腹主动脉骨架与三维模型进行配准定位，并对配准后的下腔静脉和腹主动脉骨架局部位置进行调整；
分割单元包括图像掩膜单元、位置获取单元及图割计算单元；
图像掩膜单元用于根据腹部CT图像与包含下腔静脉和腹主动脉区域的二值图获得掩膜序列图像；位置获取单元用于根据下腔静脉和腹主动脉骨架所对应的图像像素位置，在掩膜序列图像中，将下腔静脉骨架和腹主动脉骨架标注为前景点和背景点；图割计算单元用于对标注后的掩膜序列图像采用图割算法进行分割，获得分开后的下腔静脉的二值图和腹主动脉的二值图。
12.一种基于骨架引导的分割下腔静脉和腹主动脉的系统，包括处理器及存储器，其特征在于：所述存储器中存储计算机程序，计算机程序在处理器中运行时，执行权利要求1-9任一所述的方法。
13.一种计算机可读存储介质，其特征在于：储存有计算机程序，计算机程序被执行时实现权利要求1-9任一所述的方法。
CN202010619307.5A 2020-06-30 2020-06-30 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置 Active CN111862304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010619307.5A CN111862304B (zh) 2020-06-30 2020-06-30 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010619307.5A CN111862304B (zh) 2020-06-30 2020-06-30 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置

Publications (2)

Publication Number Publication Date
CN111862304A CN111862304A (zh) 2020-10-30
CN111862304B true CN111862304B (zh) 2023-09-05

Family

ID=72988332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010619307.5A Active CN111862304B (zh) 2020-06-30 2020-06-30 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置

Country Status (1)

Country Link
CN (1) CN111862304B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106530283A (zh) * 2016-10-20 2017-03-22 北京工业大学 一种基于svm的医疗图像血管识别方法
CN108198185A (zh) * 2017-11-20 2018-06-22 海纳医信（北京）软件科技有限责任公司 眼底病灶图像的分割方法及、装置、存储介质、处理器
CN108335304A (zh) * 2018-02-07 2018-07-27 华侨大学 一种腹部ct扫描序列图像的主动脉瘤分割方法
CN108428210A (zh) * 2017-02-15 2018-08-21 浙江京新术派医疗科技有限公司 血管图像重建方法和重建装置
CN109360209A (zh) * 2018-09-30 2019-02-19 语坤（北京）网络科技有限公司 一种冠状血管分割方法及系统
CN109658406A (zh) * 2018-12-25 2019-04-19 广州天鹏计算机科技有限公司 血管图像的识别方法、装置、计算机设备和存储介质
CN109712161A (zh) * 2018-12-26 2019-05-03 上海联影医疗科技有限公司 一种图像分割方法、装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106530283A (zh) * 2016-10-20 2017-03-22 北京工业大学 一种基于svm的医疗图像血管识别方法
CN108428210A (zh) * 2017-02-15 2018-08-21 浙江京新术派医疗科技有限公司 血管图像重建方法和重建装置
CN108198185A (zh) * 2017-11-20 2018-06-22 海纳医信（北京）软件科技有限责任公司 眼底病灶图像的分割方法及、装置、存储介质、处理器
CN108335304A (zh) * 2018-02-07 2018-07-27 华侨大学 一种腹部ct扫描序列图像的主动脉瘤分割方法
CN109360209A (zh) * 2018-09-30 2019-02-19 语坤（北京）网络科技有限公司 一种冠状血管分割方法及系统
CN109658406A (zh) * 2018-12-25 2019-04-19 广州天鹏计算机科技有限公司 血管图像的识别方法、装置、计算机设备和存储介质
CN109712161A (zh) * 2018-12-26 2019-05-03 上海联影医疗科技有限公司 一种图像分割方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111862304A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
Fan et al. Multichannel fully convolutional network for coronary artery segmentation in X-ray angiograms
CN110490040B (zh) 一种识别dsa冠状动脉图像中局部血管狭窄程度的方法
CN110110723B (zh) 一种图像中目标区域自动提取的方法及装置
CN111815663A (zh) 一种基于Hessian矩阵和灰度法的肝血管分割系统
CN112258514A (zh) 一种ct影像肺血管的分割方法
KR20210115223A (ko) 인공지능 기술을 이용한 혈관 구조 추출 방법, 이를 수행하기 위한 기록 매체 및 장치
CN113223004A (zh) 一种基于深度学习的肝脏图像分割方法
Omer et al. Preprocessing of digital mammogram image based on otsu’s threshold
CN117078711A (zh) 医学图像分割方法、系统、电子设备和存储介质
CN116309676A (zh) 一种冠脉血管图像分割方法、装置、电子设备及存储介质
CN113538209A (zh) 一种多模态医学影像配准方法、配准系统、计算设备和存储介质
CN115115657A (zh) 病灶分割方法及装置、电子设备及存储介质
Liu et al. Robust optimization-based coronary artery labeling from X-ray angiograms
CN116309647B (zh) 颅脑病灶图像分割模型构建方法、图像分割方法及设备
CN111862304B (zh) 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置
CN117011318A (zh) 一种牙齿ct图像三维分割方法、系统、设备及介质
Leonardi et al. 3D reconstruction from CT-scan volume dataset application to kidney modeling
Zhou et al. Automatic segmentation algorithm of femur and tibia based on Vnet-C network
Samet et al. A new methodology for blood vessel segmentation on lung CT images
Zai et al. An effective enhancement and segmentation of coronary arteries in 2d angiograms
Imtiaz et al. Segmentation of skin lesion using harris corner detection and region growing
Wu et al. Clinical tooth segmentation based on local enhancement
Punitha et al. Innovations in CT Angiography Image Analysis: Machine Learning Methods for Plaque Segmentation
CN117974654B (zh) 冠脉图像分割方法、装置、计算机设备和存储介质
Prakash Medical image processing methodology for liver tumour diagnosis

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