CN112070878A - 心室三维模型生成方法、装置及电子设备 - Google Patents

心室三维模型生成方法、装置及电子设备 Download PDF

Info

Publication number
CN112070878A
CN112070878A CN201910498490.5A CN201910498490A CN112070878A CN 112070878 A CN112070878 A CN 112070878A CN 201910498490 A CN201910498490 A CN 201910498490A CN 112070878 A CN112070878 A CN 112070878A
Authority
CN
China
Prior art keywords
node
image
ventricular
ventricle
region
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
CN201910498490.5A
Other languages
English (en)
Other versions
CN112070878B (zh
Inventor
聂宇
胡盛寿
储庆
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.)
Fuwai Hospital of CAMS and PUMC
Original Assignee
Fuwai Hospital of CAMS and PUMC
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 Fuwai Hospital of CAMS and PUMC filed Critical Fuwai Hospital of CAMS and PUMC
Priority to CN201910498490.5A priority Critical patent/CN112070878B/zh
Publication of CN112070878A publication Critical patent/CN112070878A/zh
Application granted granted Critical
Publication of CN112070878B publication Critical patent/CN112070878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac

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)
  • Image Analysis (AREA)

Abstract

公开了一种心室三维模型生成方法、装置和电子设备。该心室三维模型生成方法包括:获取心脏横截面扫描图像;获取所述心脏横截面扫描图像中标注有左右心室的种子图像;基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,所述生长图的每层图像包含以所述心脏横截面图像中的独立连通区域作为的图的节点和相邻图像间的节点关系;从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属;以及,基于所述每个节点的左右心室归属建立心室三维模型。这样,提高了生成的模型的精度和处理速度。

Description

心室三维模型生成方法、装置及电子设备
技术领域
本申请涉及图像处理技术领域,且更为具体地,涉及一种心室三维模型生成方法、心室三维模型生成装置和电子设备。
背景技术
心室三维模型重建对研究和判断某些健康状况以及与心室相关的病症类型等方面有着重大的意义,传统方法是通过专用软件人工处理庞大的计算机断层扫描(CT)影像数据,需要花费大量的时间。而且,心室的交叉间隔和直接间隔需要一定的医学知识,划分直接间隔的左右心室区域比较耗时。
这些问题都使得相关诊断和研究工作效率低下,因此,期望提供改进的心室三维模型的生成方案。
发明内容
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种心室三维模型生成方法、心室三维模型生成装置和电子设备,其能够通过三维区域生长过滤掉非心室内腔区域,并通过生长图搜索来获取心室前后区域演化关系以识别内腔区域,从而提高了生成的模型的精度和处理速度。
根据本申请的一方面,提供了一种心室三维模型生成方法,包括:获取心脏横截面扫描图像;获取所述心脏横截面扫描图像中标注有左右心室的种子图像;基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,所述生长图的每层图像包含以所述心脏横截面图像中的独立连通区域作为的图的节点和相邻图像间的节点关系;从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属;以及,基于所述每个节点的左右心室归属建立心室三维模型。
在上述心室三维模型生成方法中,获取心脏横截面扫描图像包括:获取初始的心脏断层横截面扫描图像;以及,对于所述初始的心脏断层横截面扫描图像中的每一图像,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像。
在上述心室三维模型生成方法中,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像包括:遍历所有像素,去除灰度值为0的像素点;对剩余像素计算类间方差以获得最大类间方差和对应的灰度值;响应于所述最大类间方差小于最大类间方差阈值,将图像设置为零;以及,响应于所述最大类间方差小于最大类间方差阈值,基于所述灰度值对图像进行二值化以获得所述心脏横截面扫描图像。
在上述心室三维模型生成方法中,基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图包括:对于每一当前图像,获取已经标定左右心室区域的上一图像;将所述上一图像的左右心室区域作为所述当前图像的种子点;根据所述种子点进行区域生长以获得连通区域作为所述当前图像的新节点;确定所述当前图像的新节点与所述上一图像的种子节点的父子关系;以及,遍历所述当前图像中未处理的像素进行区域生长以获得独立连通区域作为所述当前图像的新节点。
在上述心室三维模型生成方法中,确定所述当前图像的新节点与所述上一图像的种子节点的父子关系包括:确定所述当前图像和所述上一图像相对于所述种子图像的顺序;响应于所述当前图像和所述上一图像为相对于所述种子图像的向前顺序,将所述当前图像的节点设置为父节点,并将所述上一图像的节点设置为子节点;以及,响应于所述当前图像和所述上一图像为相对于所述种子图像的向后顺序,将所述当前图像的节点设置为子节点,并将所述上一图像的节点设置为父节点。
在上述心室三维模型生成方法中,从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属包括:计算所述每个节点与其相邻图像的父系节点或者子系节点之间的相似度;以及,将所述节点归属于具有最大相似度的心室区域。
在上述心室三维模型生成方法中,将所述节点归属于具有最大相似度的心室区域包括:确定所述节点相对于左右心室的相似度差异是否小于预定阈值;以及,响应于所述相似度差异小于预定阈值,判定所述节点出现交叉间隔或者直接间隔。
在上述心室三维模型生成方法中,在判定所述节点出现交叉间隔或者直接间隔之后进一步包括:确定所述节点由左心室转换为右心室或者由右心室转换为左心室的关键节点帧;在所述关键节点帧计算所述节点属于左心室或者右心室的比例;响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现交叉间隔;以及,将所述节点归属于比例较大的心室区域。
在上述心室三维模型生成方法中,进一步包括:响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现直接间隔;以及,根据所述关键节点帧的上一帧的左右心室区域对所述节点对应的区域进行分割以将所述区域划分为左心室区域、右心室区域和中间区域。
在上述心室三维模型生成方法中,基于所述每个节点的左右心室归属建立心室三维模型包括:基于所述每个节点的归属情况去除非心室区域并划分左心室区域和右心室区域;以及,基于所划分的左心室区域和右心室区域建立心室三维模型。
根据本申请的另一方面,提供了一种心室三维模型生成装置,包括:扫描图像获取单元,用于获取心脏横截面扫描图像;种子图像获取单元,用于获取所述心脏横截面扫描图像中标注有左右心室的种子图像;生长图建立单元,用于基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,所述生长图的每层图像包含以所述心脏横截面图像中的独立连通区域作为的图的节点和相邻图像间的节点关系;节点归属判定单元,用于从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属;以及,模型建立单元,用于基于所述每个节点的左右心室归属建立心室三维模型。
在上述心室三维模型生成装置中,所述扫描图像获取单元用于:图像获取子单元,用于获取初始的心脏断层横截面扫描图像;以及,二值化子单元,用于对于所述初始的心脏断层横截面扫描图像中的每一图像,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像。
在上述心室三维模型生成装置中,所述二值化子单元用于:遍历所有像素,去除灰度值为0的像素点;对剩余像素计算类间方差以获得最大类间方差和对应的灰度值;响应于所述最大类间方差小于最大类间方差阈值,将图像设置为零;以及,响应于所述最大类间方差小于最大类间方差阈值,基于所述灰度值对图像进行二值化以获得所述心脏横截面扫描图像。
在上述心室三维模型生成装置中,所述生长图建立单元包括:标定图像获取子单元,用于对于每一当前图像,获取已经标定左右心室区域的上一图像;种子点设置子单元,用于将所述上一图像的左右心室区域作为所述当前图像的种子点;区域生长子单元,用于根据所述种子点进行区域生长以获得连通区域作为所述当前图像的新节点;节点关系确定子单元,用于确定所述当前图像的新节点与所述上一图像的种子节点的父子关系;以及,像素遍历子单元,用于遍历所述当前图像中未处理的像素进行区域生长以获得独立连通区域作为所述当前图像的新节点。
在上述心室三维模型生成装置中,所述节点关系确定子单元用于:确定所述当前图像和所述上一图像相对于所述种子图像的顺序;响应于所述当前图像和所述上一图像为相对于所述种子图像的向前顺序,将所述当前图像的节点设置为父节点,并将所述上一图像的节点设置为子节点;以及,响应于所述当前图像和所述上一图像为相对于所述种子图像的向后顺序,将所述当前图像的节点设置为子节点,并将所述上一图像的节点设置为父节点。
在上述心室三维模型生成装置中,所述节点归属判定单元包括:相似度计算子单元,用于计算所述每个节点与其相邻图像的父系节点或者子系节点之间的相似度;以及,节点归属子单元,用于将所述节点归属于具有最大相似度的心室区域。
在上述心室三维模型生成装置中,所述节点归属子单元用于:确定所述节点相对于左右心室的相似度差异是否小于预定阈值;以及,响应于所述相似度差异小于预定阈值,判定所述节点出现交叉间隔或者直接间隔。
在上述心室三维模型生成装置中,所述节点归属子单元进一步用于:确定所述节点由左心室转换为右心室或者由右心室转换为左心室的关键节点帧;在所述关键节点帧计算所述节点属于左心室或者右心室的比例;响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现交叉间隔;以及,将所述节点归属于比例较大的心室区域。
在上述心室三维模型生成装置中,所述节点归属子单元进一步用于:响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现直接间隔;以及,根据所述关键节点帧的上一帧的左右心室区域对所述节点对应的区域进行分割以将所述区域划分为左心室区域、右心室区域和中间区域。
在上述心室三维模型生成装置中,所述模型建立单元用于:基于所述每个节点的归属情况去除非心室区域并划分左心室区域和右心室区域;以及,基于所划分的左心室区域和右心室区域建立心室三维模型。
根据本申请的再一方面,提供了一种电子设备,包括:处理器;以及,存储器,在所述存储器中存储有计算机程序指令,所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的心室三维模型生成方法。
根据本申请的又一方面,提供了一种计算机可读介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的心室三维模型生成方法。
本申请提供的心室三维模型生成方法、心室三维模型生成装置和电子设备,能够通过三维区域生长过滤掉非心室内腔区域,并通过生长图搜索来获取心室前后区域演化关系以识别内腔区域,从而提高了生成的模型的精度和处理速度。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1图示了根据本申请实施例的心室三维模型生成方法的流程图。
图2图示了根据本申请实施例的图像预处理过程的流程图。
图3图示了根据本申请实施例的生长图构建过程的流程图。
图4图示了根据本申请实施例的生长图搜索过程的流程图。
图5图示了根据本申请实施例的左右心室模型重建过程的流程图。
图6图示了根据本申请实施例的心室三维模型生成装置的框图。
图7图示了根据本申请实施例的电子设备的框图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
如上所述,目前基于CT影像重建心室三维模型存在多种思路,例如边缘轮廓提取,区域分割和数学模型拟合等。
边缘轮廓提取主要是通过提取心室内腔和心脏白色组织强烈的边缘来获取心室内腔部分。但是,这种方法存在着多个问题:首先,心脏内部不仅存在心室内腔,而且还有心房,动脉等多种内腔心室;其次,心室内腔可能被白色组织分成了多个部分等。因此,边缘轮廓提取方法没法识别具体内腔归属,因此没法获得整体的心室3D模型。
区域分割主要是通过颜色、纹理、空间和形状等特征来划分相同部分和不同的部分,这种方法同样存在着边缘提取的问题,另外这种方法针对高分辨率的CT影像,处理时间相对较长。
数学模型拟合需要提取心室内部和表面大量的关键点,同时也存在着拟合精度问题。
针对上述技术问题,本申请的基本思路是通过区域生长的方法来构建生长图,并通过生长图搜索来获取心室前后区域的演化关系,从而识别心室内腔区域。
具体地,本申请提供的心室三维模型生成方法、装置和电子设备首先获取心脏横截面扫描图像,再获取所述心脏横截面扫描图像中标注有左右心室的种子图像,然后基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,再从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属,最后基于所述每个节点的左右心室归属建立心室三维模型。
这样,本申请提供的心室三维模型生成方法、装置和电子设备能够通过三维区域生长过滤掉非心室内腔区域,并通过生长图搜索来获取心室前后区域演化关系以识别内腔区域,从而保证识别大多数的心室内腔区域,并且避免了大量不相关像素的搜索或重复处理,因此,可以提高生成的模型的精度和处理速度。
此外,本申请提供的心室三维模型生成方法、装置和电子设备通过搜寻生长图的前后联系,可以判断交叉间隔和直接间隔以及间接分割情况下左右心室区域,从而克服了交叉间隔或直接间隔造成重建的左右心室三维模型错误的问题,适用于正常的以及存在交叉间隔和直接间隔等复杂情况的心脏模型的生成。
在介绍了本申请的基本原理之后,下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性方法
图1图示了根据本申请实施例的心室三维模型生成方法的流程图。
如图1所示,根据本申请实施例的心室三维模型生成方法包括:S110,获取心脏横截面扫描图像;S120,获取所述心脏横截面扫描图像中标注有左右心室的种子图像;S130,基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,所述生长图的每层图像包含以所述心脏横截面图像中的独立连通区域作为的图的节点和相邻图像间的节点关系;S140,从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属;以及S150,基于所述每个节点的左右心室归属建立心室三维模型。
在步骤S110中,获取心脏横截面扫描图像。这里,所述心脏横截面扫描图像可以是心室的CT影像,当然,也可以是其它类型的心脏横截面扫描图像。对于通过CT获得的心脏断层扫描图像,还需要进一步进行二值化转换以获得用于进行心室三维模型重建的图像。
也就是,在根据本申请实施例的心室三维模型生成方法中,获取心脏横截面扫描图像包括:获取初始的心脏断层横截面扫描图像;以及,对于所述初始的心脏断层横截面扫描图像中的每一图像,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像。
具体地,图2图示了根据本申请实施例的图像预处理过程的流程图。如图2所示,对于预先准备好的心室CT影像目录进行读取遍历,对其中的每一图像都进行以下操作:
首先,遍历图像所有的像素,去掉所有灰度值为0的像素点,即周边黑色区域;
然后,对剩下的像素点计算类间方差,以计算出最大类间方差δ和对应的灰度阈值T。
设置一个最大类间方差阈值δ0,当δ小于δ0,图像设置为0,否则,将图像中剩下的像素点灰度值小于灰度阈值T的设置为白色,其他设置为黑色。当然,本领域技术人员可以理解,也可以将灰度值小于灰度阈值T的设置为黑色,其他设置为白色。
例如,对于某个心室包含的所有CT影像图,首先将图像转为灰度图,然后通过遍历去除掉周边黑色外框区域,然后将剩下的像素点利用类间方差公式,求取最大方差时的灰度阈值,接着将小于该阈值的灰度设置为白色,将所有大于等于该阈值的灰度设置为黑色,从而将实际检测得到的心脏横截面影像图转化为黑白图。
并且,在CT影像图的开始若干帧可能心脏还没有出现,因此CT影像呈现暗灰色,类间方差较小,这时,可以选取一个阈值,使得将类间方差小于这个阈值的CT影像全部设置为黑色。
这样,通过如图2所示的图像预处理过程,基于最大类间方差方法,将实际检测得到的心脏横截面影像图转化为黑白图,其中心脏内腔区域全部显示白色,非内腔区域全部显示黑色(最外面黑框也属于非内腔区域)。
因此,在根据本申请实施例的心室三维模型生成方法中,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像包括:遍历所有像素,去除灰度值为0的像素点;对剩余像素计算类间方差以获得最大类间方差和对应的灰度值;响应于所述最大类间方差小于最大类间方差阈值,将图像设置为零;以及,响应于所述最大类间方差小于最大类间方差阈值,基于所述灰度值对图像进行二值化以获得所述心脏横截面扫描图像。
在步骤S120中,获取所述心脏横截面扫描图像中标注有左右心室的种子图像。具体地,可以选择所述心脏横截面扫描图像中的某一帧图像进行左右心室的标定,从而获得标注有左右心室的种子图像。例如,在所述心脏横截面扫描图像的背景为黑色,心室为白色的情况下,可以将左心室标志为红色,右心室标志为蓝色。
在步骤S130中,基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图。
具体地,图3图示了根据本申请实施例的生长图构建过程的流程图。如图3所示,对于所述多个心脏横截面图像能够遍历,从而对于每一图像都进行以下操作:
(1)获取上一帧(标定帧为起始帧)的左右心室区域为当前帧的种子点;
(2)根据种子点进行区域生长,得到若干连通区域,这些连通区域作为图的新节点,并确定新节点和种子节点的父子关系;
(3)遍历没有被处理的像素,进行区域生长,得到若干独立连通区域,同样将这些独立联通区与作为图的新节点;
(4)将得到的所有新节点作为下一帧的种子节点。
这样,所得到的生长图的每层图像中,均包含所述心脏横截面图像中的独立连通区域作为图的节点,并且确定了相邻图像,即在前后搜索过程中与前一图像或者后一图像间的节点关系。
因此,通过如图3所示的生长图构建过程,基于如图2所示的预处理过程得到的黑白图,以前一帧得到的心室区域作为当前帧的初始种子,进行区域生长,得到若干新的独立连通区域,每个独立连通区域作为图的节点,并指定上下节点的父子关系;然后,其它没搜索到的区域进行重新遍历生长,将搜索到的独立联通区域也作为图的节点,但这些节点不存在父节点;最后通过不断重复上述3D生长来构建生长图。
也就是,在根据本申请实施例的心室三维模型生成方法中,基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图包括:对于每一当前图像,获取已经标定左右心室区域的上一图像;将所述上一图像的左右心室区域作为所述当前图像的种子点;根据所述种子点进行区域生长以获得连通区域作为所述当前图像的新节点;确定所述当前图像的新节点与所述上一图像的种子节点的父子关系;以及,遍历所述当前图像中未处理的像素进行区域生长以获得独立连通区域作为所述当前图像的新节点。
这里,针对当前图像的新节点与所述上一图像的种子节点的父子关系,可以按照图像的搜索顺序来进行确定。也就是,按照图像搜索的从前到后的顺序,当向前搜索时新节点为父节点,种子节点为子节点;当向后搜索时,新节点为子节点,种子节点为父节点。而对于独立联通区设置为的节点,这些节点可能不存在父节点或子节点,同样,以从前到后的顺序,当向前搜索时新节点没有子节点,当向后搜索时,新节点没有父节点。
因此,在根据本申请实施例的心室三维模型生成方法中,确定所述当前图像的新节点与所述上一图像的种子节点的父子关系包括:确定所述当前图像和所述上一图像相对于所述种子图像的顺序;响应于所述当前图像和所述上一图像为相对于所述种子图像的向前顺序,将所述当前图像的节点设置为父节点,并将所述上一图像的节点设置为子节点;以及,响应于所述当前图像和所述上一图像为相对于所述种子图像的向后顺序,将所述当前图像的节点设置为子节点,并将所述上一图像的节点设置为父节点。
在步骤S140中,从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属。
图4图示了根据本申请实施例的生长图搜索过程的流程图。也就是,通过如图4所示的生长图搜索过程,基于预先标定好的图像帧,确定其它各帧中节点相对于左右心室的归属。
如图4所示,对如图3中构建的生长图进行以下操作,并得到每个图像中的每个节点以及区域像素的归属信息:
(1)从标定帧开始,向前遍历生长图结构:
a)计算节点与后几层左右心室节点的相似度,例如节点之间的欧式距离或者余弦距离。若相似度存在较大差异,例如,在[0.9,1]的范围内,说明心室正常,将该节点归属到最大相似度的心室区域,
b)反之,计算节点与后几层左右心室重叠区域占该节点的比例,若比例存在较大差异,例如,在[0.8,1]的范围内,说明心室出现了交叉间隔,将节点归属较大的心室区域,若比例存在较小差异,例如,在[0,0.2]的范围内,说明心室存现了直接间接,对节点区域进行分割,得到归属左右心室的部分;
(2)从标定帧开始,向前遍历生长图结构:
a)计算节点与前几层左右心室节点的相似度,若相似度存在较大差异,说明心室正常,将该节点归属到最大相似度的心室区域,
b)反之,计算节点与前几层左右心室重叠区域占该节点的比例,若比例存在较大差异,说明心室出现了交叉间隔,将节点归属比例较大的心室区域,若比例存在较小差异,说明心室存现了直接间接,对节点区域进行分割,得到归属左右心室的部分。
也就是说,对于基于3D生长得到的生长图,首先通过广度搜索遍历生长图的每一层;然后对于每层的节点,通过分别进行向上和向下深度搜索,寻找当前节点与父系节点和子系节点的关系,从而归类到左右心室集合。这里,按照图像从前到后的顺序,当向前搜索时计算该节点与子系点的相似度,而当向后搜索时,计算该节点与父系点的相似度。
也就是,在根据本申请实施例的心室三维模型生成方法中,从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属包括:计算所述每个节点与其相邻图像的父系节点或者子系节点之间的相似度;以及,将所述节点归属于具有最大相似度的心室区域。
在本申请实施例中,当某个节点区域与左右心室都有很大的相似度,可能在这个节点出现了交叉间隔或直接间隔。出现交叉间隔或者直接间隔时,首先判定是交叉间隔或者直接间隔。具体地,在某个区域由左心室演化为右心室(或者相反)的关键节点帧,此时计算该节点属于左右心室的比例,如果属于左心室或右心室的比例有很大差异,即满足一定阈值,则该节点处出现了交叉间隔,将该节点归属为比例较大的心室区域。而如果它们之间的比例差异较小,则该节点处出现了直接间隔,需要根据前一帧左右心室对该节点区域进行分割,划分出左心室区域,右心室区域和中间区域。
总的来说,遍历所有的图节点,是要对所有图节点进行左右心室的归属判断,以及交叉间隔和直接间隔的判断,并对直接间隔区域进行左右重新分割。
因此,在根据本申请实施例的心室三维模型生成方法中,将所述节点归属于具有最大相似度的心室区域包括:确定所述节点相对于左右心室的相似度差异是否小于预定阈值;以及,响应于所述相似度差异小于预定阈值,判定所述节点出现交叉间隔或者直接间隔。
并且,在上述心室三维模型生成方法中,在判定所述节点出现交叉间隔或者直接间隔之后进一步包括:确定所述节点由左心室转换为右心室或者由右心室转换为左心室的关键节点帧;在所述关键节点帧计算所述节点属于左心室或者右心室的比例;响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现交叉间隔;以及,将所述节点归属于比例较大的心室区域。
此外,在上述心室三维模型生成方法中,进一步包括:响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现直接间隔;以及,根据所述关键节点帧的上一帧的左右心室区域对所述节点对应的区域进行分割以将所述区域划分为左心室区域、右心室区域和中间区域。
在步骤S150中,基于所述每个节点的左右心室归属建立心室三维模型。图5图示了根据本申请实施例的左右心室模型重建过程的流程图。如图5所示,遍历心室CT影像,每一帧影像创建与原始CT影像文件相似结构的图像文件,例如TIF文件,并根据已判断的生长图将每层左右心室区域写入到创建的相应的TIF文件中。
也就是,遍历心室包含的所有心脏横截面扫描图像,根据生长图中所有节点的判定情况,将所有非心室区域去掉,并划分属于左右心室的区域,例如,可以将属于左右心室区域分别保存到不同的图像文件中。
因此,在根据本申请实施例的心室三维模型生成方法中,基于所述每个节点的左右心室归属建立心室三维模型包括:基于所述每个节点的归属情况去除非心室区域并划分左心室区域和右心室区域;以及,基于所划分的左心室区域和右心室区域建立心室三维模型。
根据本申请实施例的心室三维模型生成方法可以实现心室三维模型生成的自动化,也就是说,整个过程只需要提供初始学习帧的左右标定情况,就可以完成整个图像预处理,生长图构建、节点判定以及左右心室三维模型结果保存的过程。
并且,根据本申请实施例的心室三维模型生成方法的实用性强,其克服了由交叉间隔或直接间隔造成的重建的左右心室3D模型错误的问题,适用于正常的以及存在交叉间隔和直接间隔等复杂情况的心脏3D模型的重建。
此外,传统方法需要人工通过相关专业商业软件每帧去处理,一个心室左右模型重建耗费很长时间(一般需要数天),而根据本申请实施例的心室三维模型生成方法一般只需要耗时几分钟就可以完成。
另外,根据本申请实施例的心室三维模型生成方法的操作简单,例如,可以提供可视化操作,使得使用人员只需要提供心室包含的所有CT影像图目录,标定帧目录,结果保存目录即可。
示例性装置
图6图示了根据本申请实施例的心室三维模型生成装置的框图。
如图6所示,根据本申请实施例的心室三维模型生成装置200包括:扫描图像获取单元210,用于获取心脏横截面扫描图像;种子图像获取单元220,用于获取所述扫描图像获取单元210所获取的所述心脏横截面扫描图像中标注有左右心室的种子图像;生长图建立单元230,用于基于所述种子图像获取单元220所获取的所述种子图像对于所述扫描图像获取单元210所获取的所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,所述生长图的每层图像包含以所述心脏横截面图像中的独立连通区域作为的图的节点和相邻图像间的节点关系;节点归属判定单元240,用于从所述种子图像获取单元220所获取的所述种子图像开始计算所述生长图建立单元230构建的所述生长图的每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属;以及,模型建立单元250,用于基于所述节点归属判定单元240所判定的所述每个节点的左右心室归属建立心室三维模型。
在一个示例中,在上述心室三维模型生成装置200中,所述扫描图像获取单元210用于:图像获取子单元,用于获取初始的心脏断层横截面扫描图像;以及,二值化子单元,用于对于所述图像获取子单元所获取的初始的心脏断层横截面扫描图像中的每一图像,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像。
在一个示例中,在上述心室三维模型生成装置200中,所述二值化子单元用于:对于所述图像获取子单元所获取的初始的心脏断层横截面扫描图像中的每一图像,遍历所有像素,去除灰度值为0的像素点;对剩余像素计算类间方差以获得最大类间方差和对应的灰度值;响应于所述最大类间方差小于最大类间方差阈值,将图像设置为零;以及,响应于所述最大类间方差小于最大类间方差阈值,基于所述灰度值对图像进行二值化以获得所述心脏横截面扫描图像。
在一个示例中,在上述心室三维模型生成装置200中,所述生长图建立单元230包括:标定图像获取子单元,用于对于每一当前图像,获取已经标定左右心室区域的上一图像;种子点设置子单元,用于将所述标定图像获取子单元所获取的所述上一图像的左右心室区域作为所述当前图像的种子点;区域生长子单元,用于根据所述种子点设置子单元所设置的所述种子点进行区域生长以获得连通区域作为所述当前图像的新节点;节点关系确定子单元,用于确定所述区域生长子单元所获得的所述当前图像的新节点与所述上一图像的种子节点的父子关系;以及,像素遍历子单元,用于遍历所述每一当前图像中未处理的像素进行区域生长以获得独立连通区域作为所述当前图像的新节点。
在一个示例中,在上述心室三维模型生成装置200中,所述节点关系确定子单元用于:确定所述当前图像和所述上一图像相对于所述种子图像的顺序;响应于所述当前图像和所述上一图像为相对于所述种子图像的向前顺序,将所述当前图像的节点设置为父节点,并将所述上一图像的节点设置为子节点;以及,响应于所述当前图像和所述上一图像为相对于所述种子图像的向后顺序,将所述当前图像的节点设置为子节点,并将所述上一图像的节点设置为父节点。
在一个示例中,在上述心室三维模型生成装置200中,所述节点归属判定单元240包括:相似度计算子单元,用于计算所述每个节点与其相邻图像的父系节点或者子系节点之间的相似度;以及,节点归属子单元,用于将所述节点归属于具有所述相似度计算子单元计算出的最大相似度的心室区域。
在一个示例中,在上述心室三维模型生成装置200中,所述节点归属子单元用于:确定所述节点相对于左右心室的相似度差异是否小于预定阈值;以及,响应于所述相似度差异小于预定阈值,判定所述节点出现交叉间隔或者直接间隔。
在一个示例中,在上述心室三维模型生成装置200中,所述节点归属子单元进一步用于:确定所述节点由左心室转换为右心室或者由右心室转换为左心室的关键节点帧;在所述关键节点帧计算所述节点属于左心室或者右心室的比例;响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现交叉间隔;以及,将所述节点归属于比例较大的心室区域。
在一个示例中,在上述心室三维模型生成装置200中,所述节点归属子单元进一步用于:响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现直接间隔;以及,根据所述关键节点帧的上一帧的左右心室区域对所述节点对应的区域进行分割以将所述区域划分为左心室区域、右心室区域和中间区域。
在一个示例中,在上述心室三维模型生成装置200中,所述模型建立单元250用于:基于所述每个节点的归属情况去除非心室区域并划分左心室区域和右心室区域;以及,基于所划分的左心室区域和右心室区域建立心室三维模型。
这里,本领域技术人员可以理解,上述心室三维模型生成装置200中的各个单元和模块的具体功能和操作已经在上面参考图1到图5的心室三维模型生成方法的描述中得到了详细介绍,并因此,将省略其重复描述。
如上所述,根据本申请实施例的心室三维模型生成装置200可以实现在各种终端设备中,例如用于重建心室三维模型的计算机,或者用于获得心室的CT影像的CT设备。在一个示例中,根据本申请实施例的心室三维模型生成装置200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如,该心室三维模型生成装置200可以是该终端设备的操作系统中的一个软件模块,或者可以是针对于该终端设备所开发的一个应用程序;当然,该心室三维模型生成装置200同样可以是该终端设备的众多硬件模块之一。
替换地,在另一示例中,该心室三维模型生成装置200与该终端设备也可以是分立的设备,并且该心室三维模型生成装置200可以通过有线和/或无线网络连接到该终端设备,并且按照约定的数据格式来传输交互信息。
示例性电子设备
下面,参考图7来描述根据本申请实施例的电子设备。
图7图示了根据本申请实施例的电子设备的框图。
如图7所示,电子设备10包括一个或多个处理器11和存储器12。
处理器13可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器11可以运行所述程序指令,以实现上文所述的本申请的各个实施例的心室三维模型生成方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如生长图、节点关系等各种内容。
在一个示例中,电子设备10还可以包括:输入装置13和输出装置14,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置13可以包括例如键盘、鼠标等等。
该输出装置14可以向外部输出各种信息,包括重建的心室三维模型等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图7中仅示出了该电子设备10中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备10还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的心室三维模型生成方法中的步骤。
所述计算机程序产品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申请实施例操作的程序代码,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第一用户计算设备上执行、部分地在第一用户设备上执行、作为一个独立的软件包执行、部分在第一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。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的心室三维模型生成方法中的步骤。
所述计算机可读存储介质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包括但不限于电、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。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (12)

1.一种心室三维模型生成方法,其特征在于,包括:
获取心脏横截面扫描图像;
获取所述心脏横截面扫描图像中标注有左右心室的种子图像;
基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,所述生长图的每层图像包含以所述心脏横截面图像中的独立连通区域作为的图的节点和相邻图像间的节点关系;
从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属;以及
基于所述每个节点的左右心室归属建立心室三维模型。
2.根据权利要求1所述的心室三维模型生成方法,其特征在于,获取心脏横截面扫描图像包括:
获取初始的心脏断层横截面扫描图像;以及
对于所述初始的心脏断层横截面扫描图像中的每一图像,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像。
3.根据权利要求2所述的心室三维模型生成方法,其特征在于,对于心脏内腔区域和非内腔区域进行二值化转换以获得所述心脏横截面扫描图像包括:
遍历所有像素,去除灰度值为0的像素点;
对剩余像素计算类间方差以获得最大类间方差和对应的灰度值;
响应于所述最大类间方差小于最大类间方差阈值,将图像设置为零;以及
响应于所述最大类间方差小于最大类间方差阈值,基于所述灰度值对图像进行二值化以获得所述心脏横截面扫描图像。
4.根据权利要求1所述的心室三维模型生成方法,其特征在于,基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图包括:
对于每一当前图像,获取已经标定左右心室区域的上一图像;
将所述上一图像的左右心室区域作为所述当前图像的种子点;
根据所述种子点进行区域生长以获得连通区域作为所述当前图像的新节点;
确定所述当前图像的新节点与所述上一图像的种子节点的父子关系;以及
遍历所述当前图像中未处理的像素进行区域生长以获得独立连通区域作为所述当前图像的新节点。
5.根据权利要求4所述的心室三维模型生成方法,其特征在于,确定所述当前图像的新节点与所述上一图像的种子节点的父子关系包括:
确定所述当前图像和所述上一图像相对于所述种子图像的顺序;
响应于所述当前图像和所述上一图像为相对于所述种子图像的向前顺序,将所述当前图像的节点设置为父节点,并将所述上一图像的节点设置为子节点;以及
响应于所述当前图像和所述上一图像为相对于所述种子图像的向后顺序,将所述当前图像的节点设置为子节点,并将所述上一图像的节点设置为父节点。
6.根据权利要求4所述的心室三维模型生成方法,其特征在于,从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属包括:
计算所述每个节点与其相邻图像的父系节点或者子系节点之间的相似度;以及
将所述节点归属于具有最大相似度的心室区域。
7.根据权利要求6所述的心室三维模型生成方法,其特征在于,将所述节点归属于具有最大相似度的心室区域包括:
确定所述节点相对于左右心室的相似度差异是否小于预定阈值;以及
响应于所述相似度差异小于预定阈值,判定所述节点出现交叉间隔或者直接间隔。
8.根据权利要求7所述的心室三维模型生成方法,其特征在于,在判定所述节点出现交叉间隔或者直接间隔之后进一步包括:
确定所述节点由左心室转换为右心室或者由右心室转换为左心室的关键节点帧;
在所述关键节点帧计算所述节点属于左心室或者右心室的比例;
响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现交叉间隔;以及
将所述节点归属于比例较大的心室区域。
9.根据权利要求8所述的心室三维模型生成方法,其特征在于,进一步包括:
响应于属于左心室或者右心室的比例之间的差异大于预定阈值,判定所述节点出现直接间隔;以及
根据所述关键节点帧的上一帧的左右心室区域对所述节点对应的区域进行分割以将所述区域划分为左心室区域、右心室区域和中间区域。
10.根据权利要求1所述的心室三维模型生成方法,其特征在于,基于所述每个节点的左右心室归属建立心室三维模型包括:
基于所述每个节点的归属情况去除非心室区域并划分左心室区域和右心室区域;以及
基于所划分的左心室区域和右心室区域建立心室三维模型。
11.一种心室三维模型生成装置,其特征在于,包括:
扫描图像获取单元,用于获取心脏横截面扫描图像;
种子图像获取单元,用于获取所述心脏横截面扫描图像中标注有左右心室的种子图像;
生长图建立单元,用于基于所述种子图像对于所述多个心脏横截面图像中的每一图像向前和向后进行区域生长以构建生长图,所述生长图的每层图像包含以所述心脏横截面图像中的独立连通区域作为的图的节点和相邻图像间的节点关系;
节点归属判定单元,用于从所述种子图像开始计算每层图像中的每个节点与其相邻图像的节点之间的相似度关系以确定所述每个节点的左右心室归属;以及
模型建立单元,用于基于所述每个节点的左右心室归属建立心室三维模型。
12.一种电子设备,包括:
处理器;以及
存储器,在所述存储器中存储有计算机程序指令,所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1-10中任一项所述的心室三维模型生成方法。
CN201910498490.5A 2019-06-10 2019-06-10 心室三维模型生成方法、装置及电子设备 Active CN112070878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910498490.5A CN112070878B (zh) 2019-06-10 2019-06-10 心室三维模型生成方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910498490.5A CN112070878B (zh) 2019-06-10 2019-06-10 心室三维模型生成方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112070878A true CN112070878A (zh) 2020-12-11
CN112070878B CN112070878B (zh) 2022-02-25

Family

ID=73658788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498490.5A Active CN112070878B (zh) 2019-06-10 2019-06-10 心室三维模型生成方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112070878B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007035687A2 (en) * 2005-09-16 2007-03-29 The Ohio State University Method and apparatus for detecting interventricular dyssynchrony
US20100215238A1 (en) * 2009-02-23 2010-08-26 Yingli Lu Method for Automatic Segmentation of Images
CN104091347A (zh) * 2014-07-26 2014-10-08 刘宇清 一种基于3d打印技术的颅内肿瘤手术规划模拟方法
US20140301624A1 (en) * 2011-11-25 2014-10-09 Circle Cardiovascular Imaging Inc. Method for interactive threshold segmentation of medical images
US20160140751A1 (en) * 2014-10-31 2016-05-19 The Regents Of The University Of California Automated 3D Reconstruction of the Cardiac Chambers from MRI and Ultrasound
US20160180525A1 (en) * 2014-12-19 2016-06-23 Kabushiki Kaisha Toshiba Medical image data processing system and method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007035687A2 (en) * 2005-09-16 2007-03-29 The Ohio State University Method and apparatus for detecting interventricular dyssynchrony
US20100215238A1 (en) * 2009-02-23 2010-08-26 Yingli Lu Method for Automatic Segmentation of Images
US20140301624A1 (en) * 2011-11-25 2014-10-09 Circle Cardiovascular Imaging Inc. Method for interactive threshold segmentation of medical images
CN104091347A (zh) * 2014-07-26 2014-10-08 刘宇清 一种基于3d打印技术的颅内肿瘤手术规划模拟方法
US20160140751A1 (en) * 2014-10-31 2016-05-19 The Regents Of The University Of California Automated 3D Reconstruction of the Cardiac Chambers from MRI and Ultrasound
US20160180525A1 (en) * 2014-12-19 2016-06-23 Kabushiki Kaisha Toshiba Medical image data processing system and method

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JAMSHID DEHMESHKI: "Segmentation of Pulmonary Nodules in Thoracic CT Scans: A Region Growing Approach", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 *
LI WANG: "Arrhythmogenic cardiomyopathy: Identification of desmosomal gene variations and desmosomal protein expression in variation carriers of desmosomal gene variations and desmosomal protein expression in variation carriers", 《EXPERIMENTAL AND THERAPEUTIC MEDICINE》 *
陈中中: "建立反映心脏内部各腔室结构的数字化三维模型", 《中国组织工程研究》 *
龙建武: "基于Otsu的图像阈值分割算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN112070878B (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN106339571B (zh) 用于分类医学图像数据组的人工神经网络
CN108171692B (zh) 一种肺部影像检索方法及装置
EP3828825A1 (en) Image segmentation method and apparatus, diagnosis system, storage medium, and computer device
Baskaran et al. Identification and quantification of cardiovascular structures from CCTA: an end-to-end, rapid, pixel-wise, deep-learning method
CN110059697B (zh) 一种基于深度学习的肺结节自动分割方法
Chen et al. Automatic 3D vascular tree construction in CT angiography
US9390502B2 (en) Positioning anatomical landmarks in volume data sets
Feixas et al. Information theory tools for image processing
JP6885517B1 (ja) 診断支援装置及びモデル生成装置
CN113080990B (zh) 一种基于CycleGAN和BiLSTM神经网络方法的心博异常检测方法
CN111179366A (zh) 基于解剖结构差异先验的低剂量图像重建方法和系统
US11151785B2 (en) Finite element modeling of anatomical structure
CN107767362A (zh) 一种基于深度学习的肺癌早筛装置
CN113222964B (zh) 一种冠脉中心线提取模型的生成方法及装置
CN114724670A (zh) 一种医学报告生成方法、装置、存储介质和电子设备
CN110570394A (zh) 医学图像分割方法、装置、设备及存储介质
CN115601299A (zh) 基于图像的肝硬化状态智能评估系统及其方法
CN114387317A (zh) Ct图像和mri三维图像的配准方法、装置
CN114399784A (zh) 一种基于cad图纸的自动识别方法及装置
CN112070878B (zh) 心室三维模型生成方法、装置及电子设备
CN110991408B (zh) 基于深度学习方法分割脑白质高信号的方法和装置
CN111209946A (zh) 三维图像处理方法、图像处理模型训练方法及介质
Guada et al. A novel edge detection algorithm based on a hierarchical graph-partition approach
CN115861283A (zh) 医学影像的分析方法、装置、设备及存储介质
KR20180006120A (ko) Dl과 pde을 복합 적용하여 최적화한 영상 세그먼테이션 방법 및 시스템

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