CN112489051A - 基于血管及病变区域的肝脏裁切方法及系统 - Google Patents
基于血管及病变区域的肝脏裁切方法及系统 Download PDFInfo
- Publication number
- CN112489051A CN112489051A CN202011275340.7A CN202011275340A CN112489051A CN 112489051 A CN112489051 A CN 112489051A CN 202011275340 A CN202011275340 A CN 202011275340A CN 112489051 A CN112489051 A CN 112489051A
- Authority
- CN
- China
- Prior art keywords
- model
- blood vessel
- liver
- cutting
- hepatic
- 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
Links
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 129
- 230000003902 lesion Effects 0.000 title claims abstract description 124
- 210000004185 liver Anatomy 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 33
- 210000002989 hepatic vein Anatomy 0.000 claims abstract description 108
- 210000003240 portal vein Anatomy 0.000 claims abstract description 103
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 96
- 230000002440 hepatic effect Effects 0.000 claims abstract description 41
- 230000036770 blood supply Effects 0.000 claims abstract description 39
- 239000008280 blood Substances 0.000 claims description 14
- 210000004369 blood Anatomy 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000002271 resection Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 230000036285 pathological change Effects 0.000 description 3
- 231100000915 pathological change Toxicity 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010992 reflux Methods 0.000 description 2
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 210000005228 liver tissue Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000001631 vena cava inferior Anatomy 0.000 description 1
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
- 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
- G06T7/0002—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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30056—Liver; Hepatic
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明适用于医学图像处理技术领域，提供了一种基于血管及病变区域的肝脏裁切方法，包括步骤：分别获取肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；根据肿瘤模型的位置对门静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏门静脉病变模型；根据所述肿瘤模型的位置对肝静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏肝静脉病变模型；通过所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型，以分析肝脏模型中所述肿瘤所在位置血管的供血范围。还提供了一种基于血管及病变区域的肝脏裁切系统。借此，本发明能够辅助医生以快速裁切出肿瘤所在位置血管的供血范围，进而指导医生的手术。
Description
技术领域
本发明涉及医学图像处理技术领域，尤其涉及一种基于血管及病变区域的肝脏裁切方法及系统。
背景技术
在肝脏肿瘤的手术治疗过程中，临床医生需要根据肝脏的病变区域和血管的支配关系，对手术过程中需要切除部分和保留部分做详细的术前分析和模拟，以保留肝脏部分的供血血管和回流血管不在手术中破坏，并且保证残留肝脏仍然具有供血血管和回流血管。借助计算机三维成像系统，医生在术前可以直观，清晰的看到肝脏组织和病变组织以及血管之间的相对位置关系，进而帮助医生做好手术规划。
申请号为201810197660.8，名称为“一种基于CT图像的肝脏分段方法及其系统”和申请号为201410054600.6，名称为“基于医学图像的肝脏分段方法及其肝脏分段系统”以及申请号为201711024134.7，名称为“一种肝脏3D医学影像分段方法”等的现有专利，都是基于门静脉血管和肝静脉血管对肝脏进行分段。常规的肝脏分段方法虽然可以将肝脏进行较为精确的分段，但是因为需要考虑血管的结构和分支信息，通常分段过程比较繁琐，需要较长时间才可以完成分段。
临床方面，医生希望可以快速的观察手术中如果断开肿瘤附近的某只血管后会有哪些肝脏缺血，以指导手术。标准肝分段虽然可以看到血管的供血范围，但是对血管造影的要求较高，需要分割到门静脉血管的三级以上的分支，并且计算和操作过程都比较复杂，并不适合临床医生直接操作。
综上可知，现有的方法在实际使用上，存在着较多的问题，所以有必要加以改进。
发明内容
针对上述的缺陷，本发明的目的在于提供一种基于血管及病变区域的肝脏裁切方法及系统，能够辅助医生以快速裁切出肿瘤所在位置血管的供血范围，进而指导医生的手术。
为了实现上述目的，本发明提供一种基于血管及病变区域的肝脏裁切方法，包括：
模型获取步骤，分别获取肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；
门静脉裁切步骤，根据肿瘤模型的位置对门静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏门静脉病变模型；
肝静脉裁切步骤，根据所述肿瘤模型的位置对肝静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏肝静脉病变模型；
结果分析步骤，通过所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型，以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
可选的，所述模型获取步骤之后还包括：
外扩步骤，根据预置的外扩值将获取到的所述肿瘤模型进行外扩操作。
所述模型获取步骤包括：
基于图像分割技术和三维重建技术，以分别构建肝脏、肿瘤、肝静脉血管和门静脉血管对应的三维模型。
所述门静脉裁切步骤进一步包括：
第一裁切步骤，根据肿瘤模型的位置，获取所述门静脉血管中为所述肿瘤提供血液的第一血管段，并在门静脉血管模型中裁切出对应的第一血管段模型；
第一划分步骤，将所述第一血管段模型和去除所述第一血管段的所述门静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出门静脉供血的第一病变区域；
第一重建步骤，对所述第一病变区域进行三维重建，以获得肝脏门静脉病变模型。
所述肝静脉裁切步骤进一步包括：
第二裁切步骤，根据所述肿瘤模型的位置，获取所述肝静脉血管中为所述肿瘤提供血液回流的第二血管段，并在肝静脉血管模型中裁切出对应的第二血管段模型；
第二划分步骤，将所述第二血管段模型和去除所述第二血管段的所述肝静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出肝静脉供血的第二病变区域；
第二重建步骤，对所述第二病变区域进行三维重建，以获得肝脏肝静脉病变模型。
所述结果分析步骤包括：
计算所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型的并集和交集，并根据所述并集和所述交集以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
还提供了一种基于血管及病变区域的肝脏裁切系统，包括有：
模型获取单元，用于分别获取肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；
门静脉裁切单元，用于根据肿瘤模型的位置对门静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏门静脉病变模型；
肝静脉裁切单元，用于根据所述肿瘤模型的位置对肝静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏肝静脉病变模型；
结果分析单元，用于通过所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型，以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
可选的，还包括有：
外扩单元，用于根据预置的外扩值将获取到的所述肿瘤模型进行外扩操作。
所述模型获取单元用于：
基于图像分割技术和三维重建技术，以分别构建肝脏、肿瘤、肝静脉血管和门静脉血管对应的三维模型。
所述门静脉裁切单元进一步包括有：
第一裁切子单元，用于根据肿瘤模型的位置，获取所述门静脉血管中为所述肿瘤提供血液的第一血管段，并在门静脉血管模型中裁切出对应的第一血管段模型；
第一划分子单元，用于将所述第一血管段模型和去除所述第一血管段的所述门静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出门静脉供血的第一病变区域；
第一重建子单元，用于对所述第一病变区域进行三维重建，以获得肝脏门静脉病变模型。
所述肝静脉裁切单元进一步包括有：
第二裁切子单元，用于根据所述肿瘤模型的位置，获取所述肝静脉血管中为所述肿瘤提供血液回流的第二血管段，并在肝静脉血管模型中裁切出对应的第二血管段模型；
第二划分子单元，用于将所述第二血管段模型和去除所述第二血管段的所述肝静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出肝静脉供血的第二病变区域；
第二重建子单元，用于对所述第二病变区域进行三维重建，以获得肝脏肝静脉病变模型。
所述结果分析单元用于：
计算所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型的并集和交集，并根据所述并集和所述交集以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
本发明所述的基于血管及病变区域的肝脏裁切方法及其系统，参考肝静脉和门静脉的血管结构，寻找肿瘤所在位置门静脉和肝静脉的血管分支，进而分析该段血管在肝脏中的供血或回流血液范围，以帮助医生规划手术中需要切除的肝脏范围。
附图说明
图1为本发明优选实施例所述基于血管及病变区域的肝脏裁切方法的步骤流程图；
图2为本发明所述基于血管及病变区域的肝脏裁切方法的所述门静脉裁切步骤优选的步骤流程图；
图3为本发明所述基于血管及病变区域的肝脏裁切方法的所述肝静脉裁切步骤优选的步骤流程图；
图4为本发明优选实施例所述基于血管及病变区域的肝脏裁切系统的结构框图；
图5为本发明所述基于血管及病变区域的肝脏裁切系统的所述门静脉裁切单元优选的结构框图；
图6为本发明所述基于血管及病变区域的肝脏裁切系统的所述肝静脉裁切单元优选的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的，本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用，指的是描述的该实施例可包括特定的特征、结构或特性，但是不是每个实施例必须包含这些特定特征、结构或特性。此外，这样的表述并非指的是同一个实施例。进一步，在结合实施例描述特定的特征、结构或特性时，不管有没有明确的描述，已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
此外，在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件，所属领域中具有通常知识者应可理解，制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式，而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语，故应解释成“包含但不限定于”。以外，“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
图1示出本发明优选实施例所述的基于血管及病变区域的肝脏裁切方法，包括步骤：
S101：分别获取肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；肝静脉系下腔静脉的属支，主要静脉支为肝右静脉、肝中静脉、肝左静脉；肝门静脉又称门静脉，由消化道(胃、肠、胰脾等)的毛细血管汇集、从肝门处入肝的一条粗大静脉。本实施例可通过对患者的CT(Computed Tomography，电子计算机断层扫描)图像进行处理以获得对应该患者的肝脏模型、肿瘤模型、肝静脉血管模型以及门静脉血管模型。
具体的，步骤S101包括：
基于图像分割技术和三维重建技术，以分别构建肝脏、肿瘤、肝静脉血管和门静脉血管对应的三维模型。
可选的，步骤S101之后还包括：
外扩步骤，根据预置的外扩值将获取到的所述肿瘤模型进行外扩操作。由于病变初期显影不明显，肝脏的病变位置可能比肿瘤实际分割的大。因此，需要对肿瘤模型外扩操作，如外扩5mm，后面的操作都是针对外扩后的肿瘤。
S102：根据肿瘤模型的位置对门静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏门静脉病变模型；通过对肿瘤模型位置的分析，进而对门静脉血管模型进行相应的血管裁切，从而根据裁切结果构建出对应的肝脏门静脉病变模型；
参见图2，可选的，步骤S102进一步包括：
S1021：根据肿瘤模型的位置，获取所述门静脉血管中为肿瘤提供血液的第一血管段，并在门静脉血管模型中裁切出对应的第一血管段模型；基于肿瘤所在位置，寻找门静脉血管中为肿瘤提供血液的第一血管段，对该段血管采用模型裁切的技术从门静脉血管模型中裁切，获得单独的第一血管段模型和去除该段血管的门静脉血管残留模型。
S1022：将所述第一血管段模型和去除第一血管段的所述门静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出门静脉供血的第一病变区域；具体将上述步骤S1021中获取的两个血管模型映射到图像数据中，采用Voronoi图(泰森多边形)最近距离拟合算法将肝脏分为肝脏门静脉供血的第一病变区域以及肝脏残留区域。
S1023：对第一病变区域进行三维重建，以获得肝脏门静脉病变模型。具体的，对肝脏门静脉血管的病变区域和肝脏残留区域进行三维重建，获得肝脏门静脉病变模型和肝脏门静脉残留模型。
S103：根据所述肿瘤模型的位置对肝静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏肝静脉病变模型；通过对肿瘤模型位置的分析，进而对肝静脉血管模型进行相应的血管裁切，从而根据裁切结果构建出对应的肝脏肝静脉病变模型；
参见图3，可选的，步骤S103进一步包括：
S1031：根据所述肿瘤模型的位置，获取所述肝静脉血管中为肿瘤提供血液回流的第二血管段，并在肝静脉血管模型中裁切出对应的第二血管段模型；基于肿瘤所在位置，寻找肝静脉血管中为肿瘤提供血液回流的第二血管段，并对该段血管采用模型裁切的技术从肝静脉血管模型中裁切，获得单独的第二血管段模型和去除该血管段和肝静脉血管模型。
S1032：将所述第二血管段模型和去除第二血管段的肝静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出肝静脉供血的第二病变区域；具体将上述步骤S1031中的两个血管模型映射到图像数据中，采用Voronoi图最近距离拟合算法将肝脏分为肝脏肝静脉回流的第二病变区域和肝脏残留区域。
S1033：对所述第二病变区域进行三维重建，以获得肝脏肝静脉病变模型。具体的，对肝脏肝静脉血管的第二病变区域和肝脏残留区域进行三维重建，获得肝脏肝静脉病变模型和肝脏肝静脉残留模型。
S104：通过所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型，以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
可选的，步骤S104包括：
计算所述肝脏门静脉病变模型和肝脏肝静脉病变模型的并集和交集，并根据所述并集和交集以分析肝脏模型中肿瘤所在位置血管的供血范围。根据临床需求，计算肝脏门静脉病变模型和肝脏肝静脉病变模型的并集，获得“合并段”，该合并段是肝脏的最大病变区域，可以测量该区域的体积，和与全部肝脏体积的百分比等临床数据；计算肝脏门静脉病变区域和肝脏肝静脉病变区域的交集，获得“重叠段”，该重叠段是肝脏的最小病变区域，可以测量该区域的体积，和与全部肝脏体积的百分比等临床数据。根据测量获取的体积百分比等临床数据即可分析出肿瘤所在位置血管的供血范围。
该方法参考肝静脉和门静脉的血管结构，寻找肿瘤所在位置门静脉和肝静脉的血管分支，进而分析该段血管在肝脏中的供血或回流血液范围，以帮助医生规划手术中需要切除的肝脏范围。采用该方法医生可以快速地裁切出肿瘤所在位置血管的供血范围，进而指导医生的手术。
图4示出本发明优选实施例所述的基于血管及病变区域的肝脏裁切系统100，包括有模型获取单元10、门静脉裁切单元20、肝静脉裁切单元30以及结果分析单元40，其中：
模型获取单元10用于分别获取肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；门静脉裁切单元20用于根据肿瘤模型的位置对门静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏门静脉病变模型；肝静脉裁切单元30用于根据所述肿瘤模型的位置对肝静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏肝静脉病变模型；结果分析单元40用于通过所述肝脏门静脉病变模型和肝脏肝静脉病变模型，以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
该系统100还可预制的数据库，以用于将患者信息导入数据库：数据库包括患者的基本信息，如姓名、性别、年龄，医院信息等。进一步的，通过对患者的CT图像的处理以获得对应肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；具体的，模型获取单元10进一步用于：基于图像分割技术和三维重建技术，以分别构建肝脏、肿瘤、肝静脉血管和门静脉血管对应的三维模型。
可选的，还包括有外扩单元，其用于根据预置的外扩值将获取到的所述肿瘤模型进行外扩操作。由于病变初期显影不明显，肝脏的病变位置可能比肿瘤实际分割的大。因此，需要对肿瘤模型外扩操作，如外扩5mm，后面的操作都是针对外扩后的肿瘤。
参见图5，可选的，门静脉裁切单元20进一步包括有第一裁切子单元201、第一划分子单元202以及第一重建子单元203，其中：
第一裁切子单元201用于根据肿瘤模型的位置，获取所述门静脉血管中为肿瘤提供血液的第一血管段，并在门静脉血管模型中裁切出对应的第一血管段模型；第一划分子单元202用于将所述第一血管段模型和去除第一血管段的所述门静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出门静脉供血的第一病变区域；第一重建子单元203用于对所述第一病变区域进行三维重建，以获得肝脏门静脉病变模型。
参见图6，可选的，肝静脉裁切单元30进一步包括有第二裁切子单元301、第二划分子单元302以及第二重建子单元303，其中：
第二裁切子单元301用于根据所述肿瘤模型的位置，获取所述肝静脉血管中为所述肿瘤提供血液回流的第二血管段，并在肝静脉血管模型中裁切出对应的第二血管段模型；第二划分子单元302用于将所述第二血管段模型和去除所述第二血管段的所述肝静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出肝静脉供血的第二病变区域；第二重建子单元303用于对所述第二病变区域进行三维重建，以获得肝脏肝静脉病变模型。
可选的，结果分析单元40进一步用于：计算所述肝脏门静脉病变模型和肝脏肝静脉病变模型的并集和交集，并根据所述并集和交集以分析肝脏模型中所述肿瘤所在位置血管的供血范围。根据临床需求，计算肝脏门静脉病变模型和肝脏肝静脉病变模型的并集，获得“合并段”，该合并段是肝脏的最大病变区域，可以测量该区域的体积，和与全部肝脏体积的百分比等临床数据；计算肝脏门静脉病变区域和肝脏肝静脉病变区域的交集，获得“重叠段”，该重叠段是肝脏的最小病变区域，可以测量该区域的体积，和与全部肝脏体积的百分比等临床数据。根据测量获取的体积百分比等临床数据即可分析出肿瘤所在位置血管的供血范围。
通过该系统100用于辅助医生诊断，可以快速地裁切出肿瘤所在位置血管的供血范围，进而指导医生的手术。通过参考肝静脉和门静脉的血管结构，寻找肿瘤所在位置门静脉和肝静脉的血管分支，进而分析该段血管在肝脏中的供血或回流血液范围，以帮助医生规划手术中需要切除的肝脏范围。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地，计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
在优选实施例中，计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。优选地，在计算机可读介质上体现计算机程序。
综上所述，本发明所述的基于血管及病变区域的肝脏裁切方法及其系统，参考肝静脉和门静脉的血管结构，寻找肿瘤所在位置门静脉和肝静脉的血管分支，进而分析该段血管在肝脏中的供血或回流血液范围，以帮助医生规划手术中需要切除的肝脏范围。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (12)
1.一种基于血管及病变区域的肝脏裁切方法，其特征在于，包括：
模型获取步骤，分别获取肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；
门静脉裁切步骤，根据肿瘤模型的位置对门静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏门静脉病变模型；
肝静脉裁切步骤，根据所述肿瘤模型的位置对肝静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏肝静脉病变模型；
结果分析步骤，通过所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型，以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
2.根据权利要求1所述的基于血管及病变区域的肝脏裁切方法，其特征在于，所述模型获取步骤之后还包括：
外扩步骤，根据预置的外扩值将获取到的所述肿瘤模型进行外扩操作。
3.根据权利要求1所述的基于血管及病变区域的肝脏裁切方法，其特征在于，所述模型获取步骤包括：
基于图像分割技术和三维重建技术，以分别构建肝脏、肿瘤、肝静脉血管和门静脉血管对应的三维模型。
4.根据权利要求1所述的基于血管及病变区域的肝脏裁切方法，其特征在于，所述门静脉裁切步骤进一步包括：
第一裁切步骤，根据肿瘤模型的位置，获取所述门静脉血管中为所述肿瘤提供血液的第一血管段，并在门静脉血管模型中裁切出对应的第一血管段模型；
第一划分步骤，将所述第一血管段模型和去除所述第一血管段的所述门静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出门静脉供血的第一病变区域；
第一重建步骤，对所述第一病变区域进行三维重建，以获得肝脏门静脉病变模型。
5.根据权利要求1所述的基于血管及病变区域的肝脏裁切方法，其特征在于，所述肝静脉裁切步骤进一步包括：
第二裁切步骤，根据所述肿瘤模型的位置，获取所述肝静脉血管中为所述肿瘤提供血液回流的第二血管段，并在肝静脉血管模型中裁切出对应的第二血管段模型；
第二划分步骤，将所述第二血管段模型和去除所述第二血管段的所述肝静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出肝静脉供血的第二病变区域；
第二重建步骤，对所述第二病变区域进行三维重建，以获得肝脏肝静脉病变模型。
6.根据权利要求1所述的基于血管及病变区域的肝脏裁切方法，其特征在于，所述结果分析步骤包括：
计算所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型的并集和交集，并根据所述并集和所述交集以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
7.一种基于血管及病变区域的肝脏裁切系统，其特征在于，包括有：
模型获取单元，用于分别获取肝脏、肿瘤、肝静脉血管和门静脉血管的三维模型；
门静脉裁切单元，用于根据肿瘤模型的位置对门静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏门静脉病变模型；
肝静脉裁切单元，用于根据所述肿瘤模型的位置对肝静脉血管模型进行血管裁切，并基于裁切结果以构建肝脏肝静脉病变模型；
结果分析单元，用于通过所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型，以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
8.根据权利要求7所述的基于血管及病变区域的肝脏裁切系统，其特征在于，还包括有：
外扩单元，用于根据预置的外扩值将获取到的所述肿瘤模型进行外扩操作。
9.根据权利要求7所述的基于血管及病变区域的肝脏裁切系统，其特征在于，所述模型获取单元用于：
基于图像分割技术和三维重建技术，以分别构建肝脏、肿瘤、肝静脉血管和门静脉血管对应的三维模型。
10.根据权利要求7所述的基于血管及病变区域的肝脏裁切系统，其特征在于，所述门静脉裁切单元进一步包括有：
第一裁切子单元，用于根据肿瘤模型的位置，获取所述门静脉血管中为所述肿瘤提供血液的第一血管段，并在门静脉血管模型中裁切出对应的第一血管段模型；
第一划分子单元，用于将所述第一血管段模型和去除所述第一血管段的所述门静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出门静脉供血的第一病变区域；
第一重建子单元，用于对所述第一病变区域进行三维重建，以获得肝脏门静脉病变模型。
11.根据权利要求7所述的基于血管及病变区域的肝脏裁切系统，其特征在于，所述肝静脉裁切单元进一步包括有：
第二裁切子单元，用于根据所述肿瘤模型的位置，获取所述肝静脉血管中为所述肿瘤提供血液回流的第二血管段，并在肝静脉血管模型中裁切出对应的第二血管段模型；
第二划分子单元，用于将所述第二血管段模型和去除所述第二血管段的所述肝静脉血管模型映射到图像数据中，并基于泰森多边形最近距离拟合算法在所述肝脏中切分出肝静脉供血的第二病变区域；
第二重建子单元，用于对所述第二病变区域进行三维重建，以获得肝脏肝静脉病变模型。
12.根据权利要求7所述的基于血管及病变区域的肝脏裁切系统，其特征在于，所述结果分析单元用于：
计算所述肝脏门静脉病变模型和所述肝脏肝静脉病变模型的并集和交集，并根据所述并集和所述交集以分析肝脏模型中所述肿瘤所在位置血管的供血范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275340.7A CN112489051B (zh) | 2020-11-13 | 2020-11-13 | 基于血管及病变区域的肝脏裁切方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275340.7A CN112489051B (zh) | 2020-11-13 | 2020-11-13 | 基于血管及病变区域的肝脏裁切方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112489051A true CN112489051A (zh) | 2021-03-12 |
| CN112489051B CN112489051B (zh) | 2024-04-05 |
Family
ID=74930622
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011275340.7A Active CN112489051B (zh) | 2020-11-13 | 2020-11-13 | 基于血管及病变区域的肝脏裁切方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112489051B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117224231A (zh) * | 2023-11-16 | 2023-12-15 | 四川大学华西医院 | 用于肝切除术解剖时的血管暴露分析装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425186A (zh) * | 2008-11-17 | 2009-05-06 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
| US20110054295A1 (en) * | 2009-08-25 | 2011-03-03 | Fujifilm Corporation | Medical image diagnostic apparatus and method using a liver function angiographic image, and computer readable recording medium on which is recorded a program therefor |
| CN102048550A (zh) * | 2009-11-02 | 2011-05-11 | 上海交通大学医学院附属仁济医院 | 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法 |
| CN102693540A (zh) * | 2012-04-24 | 2012-09-26 | 深圳市旭东数字医学影像技术有限公司 | 一种肝脏分段的方法及其系统 |
| CN103810752A (zh) * | 2014-02-18 | 2014-05-21 | 海信集团有限公司 | 基于医学图像的肝脏分段方法及其肝脏分段系统 |
| US20150063668A1 (en) * | 2012-03-02 | 2015-03-05 | Postech Academy-Industry Foundation | Three-dimensionlal virtual liver surgery planning system |
| CN105139030A (zh) * | 2015-08-18 | 2015-12-09 | 青岛海信医疗设备股份有限公司 | 一种肝脏血管的分类方法 |
| CN107818564A (zh) * | 2017-10-27 | 2018-03-20 | 深圳市图智能科技有限公司 | 一种肝脏3d医学影像分段方法 |
| CN108305255A (zh) * | 2017-01-12 | 2018-07-20 | 浙江京新术派医疗科技有限公司 | 肝脏手术切割面的生成方法和生成装置 |
| CN110176004A (zh) * | 2019-04-24 | 2019-08-27 | 艾瑞迈迪科技石家庄有限公司 | 一种肝脏分段方法和系统 |
| CN111145206A (zh) * | 2019-12-27 | 2020-05-12 | 联想(北京)有限公司 | 肝脏图像分割质量评估方法、装置及计算机设备 |
| US20200242776A1 (en) * | 2019-01-29 | 2020-07-30 | Ziosoft, Inc. | Medical image processing apparatus, medical image processing method, and system |
| CN111815663A (zh) * | 2020-06-29 | 2020-10-23 | 浙江工贸职业技术学院 | 一种基于Hessian矩阵和灰度法的肝血管分割系统 |
-
2020
- 2020-11-13 CN CN202011275340.7A patent/CN112489051B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425186A (zh) * | 2008-11-17 | 2009-05-06 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
| US20110054295A1 (en) * | 2009-08-25 | 2011-03-03 | Fujifilm Corporation | Medical image diagnostic apparatus and method using a liver function angiographic image, and computer readable recording medium on which is recorded a program therefor |
| CN102048550A (zh) * | 2009-11-02 | 2011-05-11 | 上海交通大学医学院附属仁济医院 | 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法 |
| US20150063668A1 (en) * | 2012-03-02 | 2015-03-05 | Postech Academy-Industry Foundation | Three-dimensionlal virtual liver surgery planning system |
| CN102693540A (zh) * | 2012-04-24 | 2012-09-26 | 深圳市旭东数字医学影像技术有限公司 | 一种肝脏分段的方法及其系统 |
| CN103810752A (zh) * | 2014-02-18 | 2014-05-21 | 海信集团有限公司 | 基于医学图像的肝脏分段方法及其肝脏分段系统 |
| CN105139030A (zh) * | 2015-08-18 | 2015-12-09 | 青岛海信医疗设备股份有限公司 | 一种肝脏血管的分类方法 |
| WO2017028519A1 (zh) * | 2015-08-18 | 2017-02-23 | 青岛海信医疗设备股份有限公司 | 一种肝脏血管的分类方法 |
| CN108305255A (zh) * | 2017-01-12 | 2018-07-20 | 浙江京新术派医疗科技有限公司 | 肝脏手术切割面的生成方法和生成装置 |
| CN107818564A (zh) * | 2017-10-27 | 2018-03-20 | 深圳市图智能科技有限公司 | 一种肝脏3d医学影像分段方法 |
| US20200242776A1 (en) * | 2019-01-29 | 2020-07-30 | Ziosoft, Inc. | Medical image processing apparatus, medical image processing method, and system |
| CN110176004A (zh) * | 2019-04-24 | 2019-08-27 | 艾瑞迈迪科技石家庄有限公司 | 一种肝脏分段方法和系统 |
| CN111145206A (zh) * | 2019-12-27 | 2020-05-12 | 联想(北京)有限公司 | 肝脏图像分割质量评估方法、装置及计算机设备 |
| CN111815663A (zh) * | 2020-06-29 | 2020-10-23 | 浙江工贸职业技术学院 | 一种基于Hessian矩阵和灰度法的肝血管分割系统 |
Non-Patent Citations (4)
| Title |
|---|
| T.GERMAIN等: "Liver segmentation: Practical tips", 《DIAGNOSTIC AND INTERVENTIONAL IMAGING》, vol. 95, no. 11, 30 November 2014 (2014-11-30), pages 1003 - 1016 * |
| 何啸川: "CT影像中肝脏血管的分割与重建", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 11, 15 November 2014 (2014-11-15), pages 138 - 286 * |
| 叶建平等: "一种半自动的肝脏分段方法及三维可视化实现", 《中国数字医学》, vol. 9, no. 11, 31 December 2014 (2014-12-31), pages 57 - 59 * |
| 王志恒: "基于三维成像技术动态分析肝切除术后肝脏体积变化规律的研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》, no. 12, 15 December 2019 (2019-12-15), pages 060 - 137 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117224231A (zh) * | 2023-11-16 | 2023-12-15 | 四川大学华西医院 | 用于肝切除术解剖时的血管暴露分析装置 |
| CN117224231B (zh) * | 2023-11-16 | 2024-02-13 | 四川大学华西医院 | 用于肝切除术解剖时的血管暴露分析装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112489051B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8150113B2 (en) | Method for lung lesion location identification | |
| JP6878439B2 (ja) | 体部の３次元モデル | |
| US8630467B2 (en) | Diagnosis assisting system using three dimensional image data, computer readable recording medium having a related diagnosis assisting program recorded thereon, and related diagnosis assisting method | |
| JP6483270B2 (ja) | タッチレス高度画像処理及び視覚化 | |
| Beichel et al. | Liver segment approximation in CT data for surgical resection planning | |
| CN109360209B (zh) | 一种冠状血管分割方法及系统 | |
| JP2003033349A (ja) | 臓器の特定領域抽出表示方法及び装置 | |
| JP2012016480A (ja) | 医用画像処理装置、方法およびプログラム | |
| KR101785293B1 (ko) | 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| JP2015509013A (ja) | 画像処理装置 | |
| US9483832B2 (en) | Surgery assistance apparatus and method, and non-transitory recording medium having stored therein surgery assistance program | |
| CN115439533A (zh) | 获得颅内动脉瘤在血管分段位置的方法、计算机设备、可读存储介质和程序产品 | |
| US9058651B2 (en) | System and methods for functional analysis of soft organ segments in SPECT-CT images | |
| CN112489051B (zh) | 基于血管及病变区域的肝脏裁切方法及系统 | |
| US10182782B2 (en) | Evaluation apparatus, evaluation method, and evaluation program | |
| US9713504B2 (en) | Surgery assistance apparatus and method, and non-transitory recording medium having stored therein surgery assistance program | |
| US20230138666A1 (en) | Intraoperative 2d/3d imaging platform | |
| EP3951705A1 (en) | Method, device and system for determining abnormality in myocardium region | |
| Andrikos et al. | A novel method for 3D reconstruction of coronary bifurcation using quantitative coronary angiography | |
| Chakshu et al. | Automating fractional flow reserve (FFR) calculation from CT scans: A rapid workflow using unsupervised learning and computational fluid dynamics | |
| Pfeifer et al. | Patient-specific volume conductor modeling for non-invasive imaging of cardiac electrophysiology | |
| CN112633405A (zh) | 模型训练方法、医学影像分析方法及装置、设备、介质 | |
| WO2020054019A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| CN116746893B (zh) | 基于单体位造影数据的血管压力差计算方法及装置 | |
| WO2022270152A1 (ja) | 画像処理装置、方法およびプログラム |
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 |