CN111898672A - 一种基于最优图论的支气管段解剖结构的自动识别方法 - Google Patents
一种基于最优图论的支气管段解剖结构的自动识别方法 Download PDFInfo
- Publication number
- CN111898672A CN111898672A CN202010741019.7A CN202010741019A CN111898672A CN 111898672 A CN111898672 A CN 111898672A CN 202010741019 A CN202010741019 A CN 202010741019A CN 111898672 A CN111898672 A CN 111898672A
- Authority
- CN
- China
- Prior art keywords
- vertex
- similarity
- tree
- anatomical structure
- hierarchical
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种基于最优图论的支气管段解剖结构的自动识别方法,涉及支气管段解剖结构识别技术领域。该基于最优图论的支气管段解剖结构的自动识别方法,包括以下步骤:S1、3D肺部数据的预处理;S2、构建层次结构树;S3、计算相似度;S4、动态规划求解最优相似度模型;S5、识别支气管段解剖结构。本发明,提出的基于最优图论的支气管段解剖结构的识别方法能正确匹配具有不同解剖结构且形状有明显区别的支气管树,且对假阳分支和缺失的分支不敏感。同时方法具有完全自动化,运算速度快,且支持不同的命名规则和多语言类型,能适用不同国家和地区的医师使用。
Description
技术领域
本发明涉及支气管段解剖结构识别技术领域,具体为一种基于最优图论的支气管段解剖结构的自动识别方法。
背景技术
支气管镜检查是呼吸系统疾病的重要诊疗手段之一,它不仅可对支气管管腔进行直接肉眼观察,也能进行活检,有助于医师正确诊断疾病;然而人体的支气管结构十分复杂,分支众多,缺乏经验的呼吸内镜医师容易迷失。即使是操作熟练的内镜医师,也难以迅速准确地找到与病变相关的支气管目标靶点。支气管的解剖结构相当于图谱,如果术前告知内镜医师检查路径中的各级支气管的解剖结构,能让内镜医师做到心中有数,减少迷失的概率,有效地缩短检查时间,同时提高检查的成功率。
现有的支气管段解剖结构的识别算法无法处理具有不同解剖结构或形状有明显变化的支气管树,仅能处理解剖结构相同且形状相似的分支,此外对假阳分支和缺失的分支十分敏感,容易出现误识别。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于最优图论的支气管段解剖结构的自动识别方法,解决了现有技术中存在的缺陷与不足。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于最优图论的支气管段解剖结构的自动识别方法,包括以下步骤:
S1、3D肺部数据的预处理;
S2、构建层次结构树;
S3、计算相似度;
S4、动态规划求解最优相似度模型;
S5、识别支气管段解剖结构。
优选的,所述步骤1中3D肺部数据的预处理,具体如下:
1)采用基于微分几何的气管树全自动分割方法进行气管树的全自动分割;
2)利用形态学和排斥力场的方法来自动提取气管树模型中心线。
优选的,所述步骤2中构建层次结构树,具体如下:
1)自动识别气管中心线的气管分支点,将相邻的气管分支点相连表示气管分支,形成一个带顶点的有向无环图;
2)根据分叉点的父子关系,构建层次结构树,其中,T表示层次结构树,V(T)表示顶点,E(T)∈V(T)×V(T)表示有向边,如果顶点u是顶点v的父顶点,则边(u,v)∈E(T),δ(u)表示顶点u的子顶点数,Tu表示根顶点为u的层次树T;
优选的,所述步骤3中计算相似度,具体如下:
1)计算匹配的顶点相似度公式如下:
2)计算匹配的边相似度公式如下:
3)计算层次树间的相似度公式如下:
优选的,所述步骤4中动态规划求解最优相似度模型,具体如下:
3)根据递归公式:
优选的,所述步骤5中识别支气管段解剖结构,具体如下:
1)建立带支气管段解剖结构的n个层次结构树为标准数据库{T1,T2...Tn},其中,Ti中的每个顶点带有解剖结构名称,如:左、右主支气管、上叶支气管、上支、尖段支气管等等,解剖名称可以支持不同的命名规则和多语言类型;
2)根据步骤4的优化模型,计算输入的层次结构树与数据库中带支气管段解剖结构的数据库{T1,T2...Tn}的相似度,选择相似度最大的支气管树T*=max{T,Ti|Φ},其中T为待识别的层次结构树,Ti为数据库中第i个带解剖结构的层次结构树;
3)将T*中的解剖结构名称对应添加到待识别的层次结构树T中。
(三)有益效果
本发明提供了一种基于最优图论的支气管段解剖结构的自动识别方法。具备以下有益效果:
本发明,提出的基于最优图论的支气管段解剖结构的识别方法能正确匹配具有不同解剖结构且形状有明显区别的支气管树,且对假阳分支和缺失的分支不敏感,同时方法具有完全自动化,运算速度快,且支持不同的命名规则和多语言类型,能适用不同国家和地区的医师使用。
附图说明
图1为本发明流程图;
图2为本发明气管树模型示意图(a)与中心线示意图(b);
图3为本发明分支点提取示意图(a)与构建层次结构树示意图(b)。
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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:
如图1-3所示,本发明实施例提供一种基于最优图论的支气管段解剖结构的自动识别方法,包括以下步骤:
S1、3D肺部数据的预处理,具体如下:
1)采用基于微分几何的气管树全自动分割方法进行气管树的全自动分割,如图2所示;
2)利用形态学和排斥力场的方法来自动提取气管树模型中心线,如图2所示;
S2、构建层次结构树,具体如下:
1)自动识别气管中心线的气管分支点,将相邻的气管分支点相连表示气管分支,形成一个带顶点的有向无环图,如图3所示;
2)根据分叉点的父子关系,构建层次结构树,其中,T表示层次结构树,V(T)表示顶点,E(T)∈V(T)×V(T)表示有向边,如果顶点u是顶点v的父顶点,则边(u,v)∈E(T),δ(u)表示顶点u的子顶点数,Tu表示根顶点为u的层次树T;
S3、计算相似度,具体如下:
1)计算匹配的顶点相似度公式如下:
2)计算匹配的边相似度公式如下:
3)计算层次树间的相似度公式如下:
S4、动态规划求解最优相似度模型,具体如下:
3)根据递归公式:
S5、识别支气管段解剖结构,具体如下:
1)建立带支气管段解剖结构的n个层次结构树为标准数据库{T1,T2...Tn},其中,Ti中的每个顶点带有解剖结构名称,如:左、右主支气管、上叶支气管、上支、尖段支气管等等,解剖名称可以支持不同的命名规则和多语言类型;
2)根据步骤4的优化模型,计算输入的层次结构树与数据库中带支气管段解剖结构的数据库{T1,T2...Tn}的相似度,选择相似度最大的支气管树T*=max{T,Ti|Φ},其中T为待识别的层次结构树,Ti为数据库中第i个带解剖结构的层次结构树;
3)将T*中的解剖结构名称对应添加到待识别的层次结构树T中。
本发明,提出的基于最优图论的支气管段解剖结构的识别方法能正确匹配具有不同解剖结构且形状有明显区别的支气管树,且对假阳分支和缺失的分支不敏感,同时方法具有完全自动化,运算速度快,且支持不同的命名规则和多语言类型,能适用不同国家和地区的医师使用。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个引用结构”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于最优图论的支气管段解剖结构的自动识别方法,其特征在于:包括以下步骤:
S1、3D肺部数据的预处理;
S2、构建层次结构树;
S3、计算相似度;
S4、动态规划求解最优相似度模型;
S5、识别支气管段解剖结构。
2.根据权利要求1所述的一种基于最优图论的支气管段解剖结构的自动识别方法,其特征在于:所述步骤1中3D肺部数据的预处理,具体如下:
1)采用基于微分几何的气管树全自动分割方法进行气管树的全自动分割;
2)利用形态学和排斥力场的方法来自动提取气管树模型中心线。
6.根据权利要求1所述的一种基于最优图论的支气管段解剖结构的自动识别方法,其特征在于:所述步骤5中识别支气管段解剖结构,具体如下:
1)建立带支气管段解剖结构的n个层次结构树为标准数据库{T1,T2...Tn},其中,Ti中的每个顶点带有解剖结构名称,如:左、右主支气管、上叶支气管、上支、尖段支气管等等,解剖名称可以支持不同的命名规则和多语言类型;
2)根据步骤4的优化模型,计算输入的层次结构树与数据库中带支气管段解剖结构的数据库{T1,T2...Tn}的相似度,选择相似度最大的支气管树T*=max{T,Ti|Φ},其中T为待识别的层次结构树,Ti为数据库中第i个带解剖结构的层次结构树;
3)将T*中的解剖结构名称对应添加到待识别的层次结构树T中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010741019.7A CN111898672A (zh) | 2020-07-29 | 2020-07-29 | 一种基于最优图论的支气管段解剖结构的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010741019.7A CN111898672A (zh) | 2020-07-29 | 2020-07-29 | 一种基于最优图论的支气管段解剖结构的自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898672A true CN111898672A (zh) | 2020-11-06 |
Family
ID=73182345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010741019.7A Pending CN111898672A (zh) | 2020-07-29 | 2020-07-29 | 一种基于最优图论的支气管段解剖结构的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898672A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021169548A1 (zh) * | 2020-02-24 | 2021-09-02 | 广州柏视医疗科技有限公司 | 肺气管和血管的分段命名方法 |
-
2020
- 2020-07-29 CN CN202010741019.7A patent/CN111898672A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021169548A1 (zh) * | 2020-02-24 | 2021-09-02 | 广州柏视医疗科技有限公司 | 肺气管和血管的分段命名方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112884826B (zh) | 血管中心线的提取方法及装置 | |
CN108171703B (zh) | 一种从胸部ct图像中自动提取气管树的方法 | |
CN112651969B (zh) | 结合多信息融合网络和区域增长的气管树分级提取方法 | |
CN113011509B (zh) | 肺部支气管的分类方法、装置、电子设备和存储介质 | |
CN112006772B (zh) | 完整人体体外呼吸道建立方法及系统 | |
CN114332013B (zh) | 基于肺动脉树分级的ct图像靶肺段识别方法 | |
CN111430025B (zh) | 一种基于医疗影像数据扩增的疾病诊断模型训练方法 | |
CN113223013B (zh) | 一种肺血管分段定位的方法、装置、设备及存储介质 | |
CN115908297A (zh) | 基于拓扑知识的医学影像中血管分割建模方法 | |
CN117373070B (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
Yu et al. | Break: Bronchi reconstruction by geodesic transformation and skeleton embedding | |
CN111898672A (zh) | 一种基于最优图论的支气管段解剖结构的自动识别方法 | |
CN116050691A (zh) | 医疗影像报告评估方法、装置、电子设备及存储介质 | |
Peng et al. | Pulmonary lobe segmentation in CT images based on lung anatomy knowledge | |
CN114155193A (zh) | 一种基于特征强化的血管分割方法及装置 | |
CN117116407A (zh) | 基于电子病历的患者画像生成方法、装置及存储介质 | |
Lau et al. | The singapore eye vessel assessment system | |
Fetita et al. | Quantitative 3D CT bronchography | |
CN113011510B (zh) | 一种支气管分级及模型训练方法、装置及电子设备 | |
Zhao et al. | Automatic aortic dissection centerline extraction via morphology-guided CRN tracker | |
CN115374787B (zh) | 基于医学命名实体识别的持续学习的模型训练方法及装置 | |
Chen et al. | Research on computer-aided diagnosis of lung nodule | |
CN111768845B (zh) | 一种基于最优多尺度感知的肺结节辅助检测方法 | |
AU2021102129A4 (en) | Automatic labeling method of emphysema in CT image based on image report | |
CN112381758B (zh) | 一种计算血管树相似度的方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230413 Address after: 318000 Building 4, Building 5, Science and Technology Innovation Center, Baita Town, Xianju County Economic Development Zone, Xianju County, Taizhou City, Zhejiang Province Applicant after: Zhejiang Yingjia Medical Equipment Co.,Ltd. Address before: Room 411-10, Building 2, No. 8 Jinfeng Road, Suzhou High tech Zone, Suzhou City, Jiangsu Province, 215010 Applicant before: Suzhou Yingjia Technology Co.,Ltd. |