CN112635029A - 一种医学影像处理方法、装置、终端及存储介质 - Google Patents
一种医学影像处理方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN112635029A CN112635029A CN202011642275.7A CN202011642275A CN112635029A CN 112635029 A CN112635029 A CN 112635029A CN 202011642275 A CN202011642275 A CN 202011642275A CN 112635029 A CN112635029 A CN 112635029A
- Authority
- CN
- China
- Prior art keywords
- organ
- segmentation
- segmentation result
- region
- control points
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 408
- 210000000056 organ Anatomy 0.000 claims abstract description 243
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000002452 interceptive effect Effects 0.000 claims abstract description 33
- 210000004072 lung Anatomy 0.000 claims description 86
- 238000012545 processing Methods 0.000 claims description 35
- 238000012986 modification Methods 0.000 claims description 15
- 230000004048 modification Effects 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 description 21
- 238000002591 computed tomography Methods 0.000 description 19
- 210000003492 pulmonary vein Anatomy 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 210000004185 liver Anatomy 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 210000003462 vein Anatomy 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000002685 pulmonary effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000002271 resection Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 208000037841 lung tumor Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- 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
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种医学影像处理方法、装置、终端及存储介质，该方法包括：获取待处理的器官影像对应的预分割结果，该预分割结果包括所述器官影像中器官的区域预分割结果和器官预分割结果；在交互界面中展示所述器官的区域预分割结果；响应于区域分割调整指令，确定待调整的目标区域和操作对象，该操作对象为区域预分割结果或者器官预分割结果；在操作对象上确定至少三个控制点；通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面；以所述空间曲面作为所述目标区域在所述器官中对应的参考分界面，根据所述参考分界面对展示的所述器官的区域预分割结果进行调整。本发明使得区域分割能够更好的满足手术规划和导航的准确度要求。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种医学影像处理方法、装置、终端及存储介质。
背景技术
医学影像(如器官影像)是对器官中病灶的相关手术进行规划的重要依据，其中对器官的区域分割(如肺段分割)是定位器官中病灶的首要步骤，对后续规划和实施相关手术具有重要意义。
随着计算机技术的发展，机器学习模型被广泛应用于器官影像的区域分割中，但是由于器官内部不仅存在复杂的管道系统，而且还存在生理、病理导致的结构变异，从而使得相关技术中的器官的区域分割结果无法满足手术规划或导航的准确度要求。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种医学影像处理方法、装置、终端及存储介质。所述技术方案如下：
一方面，提供了一种医学影像处理方法，所述方法包括：
获取待处理的器官影像对应的预分割结果；所述预分割结果包括所述器官影像中器官的区域预分割结果和器官预分割结果；
在交互界面中展示所述器官的区域预分割结果；
响应于区域分割调整指令，确定待调整的目标区域和操作对象；所述操作对象为所述区域预分割结果或者所述器官预分割结果；
在所述操作对象上确定至少三个控制点；
通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面；
以所述空间曲面作为所述目标区域在所述器官中对应的参考分界面，根据所述参考分界面对展示的所述器官的区域预分割结果进行调整。
另一方面，提供了一种医学影像处理装置，所述装置包括：
预分割结果获取模块，用于获取待处理的器官影像对应的预分割结果；所述预分割结果包括所述器官影像中器官的区域预分割结果和器官预分割结果；
第一展示模块，用于在交互界面中展示所述器官的区域预分割结果；
第一确定模块，用于响应于区域分割调整指令，确定待调整的目标区域和操作对象；所述操作对象为所述区域预分割结果或者所述器官预分割结果；
控制点确定模块，用于在所述操作对象上确定至少三个控制点；
空间曲面构建模块，用于通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面；
调整模块，用于以所述空间曲面作为所述目标区域在所述器官中对应的参考分界面，根据所述参考分界面对展示的所述器官的区域预分割结果进行调整。
可选的，在所述操作对象为所述区域预分割结果时，所述控制点确定模块包括：
区域定位模块，用于从展示的所述器官的区域预分割结果中，定位所述目标区域以及所述目标区域的邻接区域；
分界面确定模块，用于确定所述目标区域与所述邻接区域之间的分界面；
提取模块，用于从所述分界面上提取至少三个点，作为所述至少三个控制点。
可选的，所述预分割结果还包括所述器官的管道系统预分割结果；在所述操作对象为所述器官预分割结果时，所述控制点确定模块包括：
第二展示模块，用于在所述交互界面中展示所述器官预分割结果和所述管道系统预分割结果；
候选控制点标记模块，用于标记所述管道系统预分割结果中的关键管道分叉点，作为候选控制点；
第二确定模块，用于响应于对所述候选控制点的选择指令，确定所述选择指令所指示的至少三个候选控制点；
第三确定模块，用于在所述器官预分割结果上确定与所述至少三个候选控制点相对应的点，得到所述至少三个控制点。
可选的，所述装置还包括：
修改模块，用于响应于对所述至少三个控制点的修改指令，对所述至少三个控制进行修改操作，得到修改后的至少三个控制点；
曲面更新模块，用于根据所述修改后的至少三个控制点更新所述空间曲面。
可选的，所述装置还包括：
影像获取模块，用于获取所述待处理的器官影像；
预处理模块，用于对所述待处理的器官影像进行预处理；
预分割模块，用于基于图像预分割模型对预处理后的所述器官影像进行分割处理，得到所述预分割结果。
可选的，所述图像预分割模型包括区域预分割模型、管道系统预分割模型和器官预分割模型；所述预分割模块包括：
器官预分割模块，用于基于所述器官预分割模型对预处理后的所述器官影像进行器官分割处理，得到器官预分割结果；
区域预分割模块，用于将所述器官预分割结果和所述预处理后的器官影像输入至所述区域预分割模型进行区域分割处理，得到所述器官的区域预分割结果；
管道系统预分割模块，用于基于所述管道系统预分割模型对预处理后的所述器官影像进行管道系统分割处理，得到所述器官的管道系统预分割结果；
其中，所述预分割结果包括所述器官预分割结果、所述器官的区域预分割结果和所述器官的管道系统预分割结果。
可选的，所述器官影像包括肺部CT影像。
另一方面，提供了一种终端，包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由所述处理器加载并执行以实现上述医学影像处理方法。
另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如上述的医学影像处理方法。
另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的医学影像处理方法。
本发明实施例通过获取待处理的器官影像对应的预分割结果，该预分割结果包括该器官影像中器官的区域预分割结果和器官预分割结果，并在交互界面中展示上述器官的区域预分割结果，进而响应于区域分割调整指令确定待调整的目标区域和操作对象，该操作对象为上述的区域预分割结果或者器官预分割结果，并在确定的操作对象上确定至少三个控制点，通过预设曲面重建算法构建经过上述至少三个控制点的空间曲面，以该空间曲面作为上述目标区域在该器官中对应的参考分界面，根据该参考分界面对交互界面中展示的区域分割结果进行调整，从而实现了医生对不合格区域分割的快速调整，提高了区域分割的准确性和效率，使得区域分割能够更好的满足手术规划和导航针对不同病例的个性化和准确度要求。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例提供的一种医学影像处理方法的流程示意图；
图2是本发明实施例提供的另一种医学影像处理方法的流程示意图；
图3a是本发明实施例提供的VB-Net中下采样块和上采样块的结构示意图；
图3b是本发明实施例提供的基于图像预分割模型对预处理后的器官影像进行分割处理得到预分割结果的一种流程示意图；
图4a是本发明实施例提供的基于肺叶预分割模型对肺部CT影像进行肺叶分割得到的肺叶预分割结果的示意图；
图4b是本发明实施例提供的基于肺段预分割模型对肺部CT影像进行肺段分割得到的肺段预分割结果的示意图；
图4c是本发明实施例提供的基于肺静脉预分割模型对肺部CT影像进行肺静脉分割得到的预分割结果的示意图；
图5是本发明实施例提供的另一种医学影像处理方法的流程示意图；
图6是本发明实施例提供的肺静脉分支示意图；
图7是本发明实施例提供的以左肺背段为目标肺段在左肺下叶上构建的空间曲面的示意图；
图8是本发明实施例提供的另一种医学影像处理方法的流程示意图；
图9是本发明实施例提供的对肺段预分割结果进行调整后得到的肺18段精化标注示意图；
图10是本发明实施例提供的一种医学影像处理装置的结构框图；
图11是本发明实施例提供的一种终端的硬件结构框图。
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的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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1，其所示为本发明实施例提供的一种医学影像处理方法的流程示意图，该方法可以应用于终端，该终端可以是诸如PC(Personal Computer，个人计算机)、平板电脑、智能手机、可穿戴设备、智能机器人等。
需要说明的是，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：
S101，获取待处理的器官影像对应的预分割结果。
器官影像是用于表示生物体中器官构造、状态和相对位置关系的影像，器官影像中包括至少一个器官，器官可以包括肺、肝、肾脏等等。可选的，器官影像可以包括：CT(Computed Tomography，电子计算机断层扫描)影像、MRI(Magnetic Resonance Imaging，磁共振成像)影像等等，本发明实施例对此不作限定。
其中，预分割结果包括所述器官影像中器官的区域预分割结果和器官预分割结果。器官的区域预分割结果是对器官的各区域进行分割得到的，器官的区域可以根据实际应用中对于器官的功能单位的划分来确定，一般器官的区域由器官组织和相应的管道系统组成。器官预分割结果是对区域所从属的器官局部或者整体进行分割得到的。
以器官是肺为例，对器官的各区域的分割即为对肺段的分割，也即上述器官的区域预分割结果为肺的肺段预分割结果，由于肺段从属于肺叶(肺叶为肺部解剖结构，属于器官)，因此上述的器官预分割结果可以为肺叶预分割结果；以器官是肝为例，对器官的各区域的分割即为对肝段的分割，也即上述的器官的区域预分割结果为肝的肝段预分割结果，上述的器官预分割结果可以为肝预分割结果。
作为一个可能的实施方式，考虑到深度学习算法使用大规模数据集来训练，具有较强的泛化能力，可以通过深度学习算法对待处理的器官影像进行图像分割以得到该器官影像的预分割结果。基于此，如图2所示，在上述步骤S101之前，该方法还可以包括：
S201，获取待处理的器官影像。
示例性的，该待处理的器官影像可以是肺部CT影像、肝部CT影像等。
S203，对上述待处理的器官影像进行预处理。
示例性的，预处理可以包括将待处理的器官影像重采样为预设分辨率的图像，该预设分辨率可以根据实际需要进行设定如可以是[6mm,6mm,6mm],还可以包括对待处理的器官影像进行图像归一化处理，从而得到预处理后的器官影像。
S205，基于图像预分割模型对预处理后的所述器官影像进行分割处理，得到预分割结果。
其中，图像预分割模型为预先训练好的，该图像预分割模型可以是全卷积的体数据分割神经网络，示例性的，该图像预分割模型可以是V-Net或者是基于V-Net改进得到的深度神经网络模型VB-Net。
相较于V-Net，VB-Net在下采样块和上采样块中均加入了瓶颈层(bottle-Neck)，如图3a所示是本发明实施例提供的VB-Net中下采样块和上采样块的结构示意图，该瓶颈层由1*1和3*3的卷积核组成。VB-Net的参数量相较于V-Net大幅度减少，推理速度更快，更适用于部署到轻量化设备上。
用于训练图像预分割模型的训练数据可以包括样本器官影像和对应的分割对象标注结果，分割对象可以包括器官的区域、器官以及器官的管道系统，不同的分割对象标注结果可以训练得到用于分割不同分割对象的图像预分割模型。具体的，若以区域标注结果训练图像预分割模型，则可以得到区域预分割模型，该区域预分割模型可以基于器官影像进行区域分割得到区域预分割结果；若以器官标注结果训练图像预分割模型，则可以得到器官预分割模型，该器官预分割模型可以基于器官影像进行器官分割得到器官预分割结果；若以管道系统标注结果训练图像预分割模型，则可以得到管道系统预分割模型，该管道系统预分割模型可以基于器官影像进行管道系统分割得到管道系统预分割结果。
示例性的，考虑到区域预分割实际上是对器官预分割结果的进一步细分，如以下表1所示的肺段实际是对肺叶的更进一步划分，因此，在训练区域预分割模型时训练数据可以包括样本器官影像、该样本器官影像对应的器官预分割结果和对应的区域标注结果，基于此，在以区域标注结果训练图像预分割模型时，可以将上述VB-Net的输入端设置为双通道，其中一个通道用于输入样本器官影像，另一个通道用于输入该样本器官影像对应的器官预分割结果，从而提供更多指导信息以对区域的预分割提供一定的约束，可以提高训练得到的区域预分割模型的区域分割准确性。
以样本器官影像是样本肺部CT影像为例，分割对象可以包括肺段、肺叶和肺静脉。具体的，若以肺叶标注结果训练图像预分割模型，则可以得到肺叶预分割模型，该肺叶预分割模型可以基于肺部CT影像进行肺叶分割得到肺叶预分割结果；若以肺段标注结果训练图像预分割模型，则可以得到肺段预分割模型，该肺段预分割模型可以基于肺部CT影像和该肺部CT影像对应肺叶预分割结果进行肺段分割以得到肺段预分割结果；若以肺静脉标注结果训练图像预分割模型，则可以得到肺静脉预分割模型，该肺静脉预分割模型可以基于肺部CT影像进行肺静脉分割得到肺静脉预分割结果。
表1
作为一个可能的实施方式，图像预分割模型可以包括区域预分割模型、管道系统预分割模型和器官预分割模型，相应的，上述预分割结果可以包括器官的区域预分割结果、器官的管道系统预分割结果和器官预分割结果，其中，器官的管道系统是器官的区域划分所依赖的管道组织，例如可以是气管、动脉血管、静脉血管等。基于此，在基于图像预分割模型对预处理后的器官影像进行分割处理得到预分割结果时可以采用图3b所示的方法，包括以下步骤：
S301，基于所述器官预分割模型对预处理后的所述器官影像进行器官分割处理，得到器官预分割结果。
具体的，可以将预处理后的器官影像输入器官预分割模型中进行器官分割处理，从而可以得到该器官预分割模型输出的器官预分割结果。
以器官预分割模型为预先训练好的肺叶预分割模型为例，将预处理后的肺部CT影像输入肺叶预分割模型中进行肺叶分割，可以得到输出的肺叶预分割结果，如图4a所示为基于肺叶预分割模型对肺部CT影像进行肺叶分割得到的肺叶预分割结果的示意图。
S303，将所述器官预分割结果和所述预处理后的器官影像输入至所述区域预分割模型进行区域分割处理，得到所述器官的区域预分割结果。
由于区域预分割实际上是对器官预分割结果的进一步细分，因此，在对器官影像进行区域预分割时以器官预分割结果作为掩码来约束区域的分割，可以提高区域预分割结果的精确程度，如图4b所示为基于肺段预分割模型对肺部CT影像进行肺段分割得到的肺段预分割结果的示意图。
S305，基于所述管道系统预分割模型对预处理后的所述器官影像进行管道系统分割处理，得到所述器官的管道系统预分割结果。
具体的，可以将预处理后的器官影像输入管道系统预分割模型中进行管道系统的分割处理，从而可以得到该管道系统预分割模型输出的管道系统预分割结果。
以管道系统预分割模型为预先训练好的肺静脉预分割模型为例，将预处理后的肺部CT影像输入肺静脉预分割模型中进行肺静脉分割，可以得到输出的肺静脉预分割结果，如图4c所示为基于肺静脉预分割模型对肺部CT影像进行肺静脉分割得到的预分割结果的示意图。
本发明实施例通过将深度学习分割算法与器官解剖学结构特征相结合，提高了预分割结果中区域预分割结果、器官预分割结果以及管道系统预分割结果的预分割精度，从而有利于提高后续对于区域调整的效率以及准确性。
S103，在交互界面中展示所述器官的区域预分割结果。
本发明实施例中，为了能够对区域预分割结果进行交互式的区域精化标注，在获取到预分割结果后，可以对预分割结果进行渲染，并在交互界面中展示渲染后的器官的区域预分割结果。示例性的，可以将器官的预分割区域渲染为不同颜色，并在交互界面中以三维图像形式展示。
示例性的，若预分割结果中还包括管道系统预分割结果，交互界面上还可以给出展示对象选项，该展示对象选项可以包括与管道系统预分割结果相对应的选项，当用户勾选与管道系统预分割结果相对应的选项时，交互界面上还可以展示管道系统预分割结果。
S105，响应于区域分割调整指令，确定待调整的目标区域和操作对象，所述操作对象为所述区域预分割结果或者所述器官预分割结果。
具体的，用户可以通过观察交互界面中展示的器官的区域预分割结果来对该区域预分割结果进行评估，若评估结果为该区域预分割结果不够准确也即其中存在分割不够精确的区域，则可以选择需要调整的目标区域以及调整过程所基于的操作对象以发出区域分割调整指令。本发明实施例中，可以在已有的区域预分割结果的基础上进行调整，或者在已有的器官预分割结果上重新分割，因此，调整过程中所基于的操作对象可以是区域预分割结果或者是器官预分割结果。
示例性的，交互界面可以包括视窗区和区域标识显示区，其中，视窗区用于展示区域预分割结果，区域标识显示区用于显示区域预分割结果中各区域的区域标识，当用户勾选某个区域标识后可以弹出操作对象选择窗口，该窗口中包括可供选择的操作对象选项，当用户点击其中一个操作对象选项后，即发出了区域分割调整指令，终端可以基于该区域分割调整指令确定待调整的目标区域和操作对象，其中，待调整的目标区域即为用户勾选的区域标识对应的区域，操作对象即为用户点击的操作对象选项所对应的操作对象。
S107，在所述操作对象上确定至少三个控制点。
其中，该至少三个控制点用于构建空间曲面，也即该至少三个控制点是不重合也不共线的点。具体的实施中，可以将该确定的至少三个控制点在交互界面中进行可视化标记，以便于用户能够获悉该至少三个控制点的具体位置。
作为一个可能的实施方式，操作对象为区域预分割结果，在操作对象为区域预分割结果时，上述步骤S107在实施时可以包括图5中的以下步骤：
S501，从展示的器官的区域预分割结果中，定位目标区域以及该目标区域的邻接区域。
S503，确定所述目标区域与所述邻接区域之间的分界面。
S505，从所述分界面上提取至少三个点，作为所述至少三个控制点。
以器官是肺为例，器官的区域预分割结果为肺段预分割结果，则在肺段预分割结果上确定至少三个控制点时，可以从目标肺段与其邻接肺段的分界面上提取至少三个点，并将该至少三个点作为控制点。
作为另一个可能的实施方式，操作对象为器官预分割结果，器官影像的预分割结果还包括器官的管道系统预分割结果，基于此在操作对象为器官预分割结果时，上述步骤S107在实施时可以包括图5中的以下步骤：
S507，在所述交互界面中展示所述器官预分割结果和所述管道系统预分割结果。
示例性的，在展示器官预分割结果和管道系统预分割结果时可以将交互界面中展示的区域预分割结果进行隐藏。
S509，标记所述管道系统预分割结果中的关键管道分叉点，作为候选控制点。
实际应用中，管道系统走行于器官的各区域之间，管道系统的一些关键分叉点是医生标注时划分区域的重要依据，因此，本发明实施例从管道系统预分割结果上提取得到关键管道分叉点，并将这些关键管道分叉点在交互界面中可视化的标记出来作为候选控制点。其中，关键管道分叉点是指邻域超过2的管道分叉点。示例性的，可以将候选控制点进行高亮显示从而将其在交互界面中标记出来。
S511，响应于对所述候选控制点的选择指令，确定所述选择指令所指示的至少三个候选控制点。
具体的，用户可以根据实际需要从标记的候选控制点中选择至少三个候选控制点，例如用户可以点击候选控制点中的至少三个候选控制点从而发出对候选控制点的选择指令，终端基于该选择指令可以确定被选中的至少三个候选控制点。
S513，在所述器官预分割结果上确定与所述至少三个候选控制点相对应的点，得到所述至少三个控制点。
具体的，当在管道系统预分割结果上确定了被用户选中的至少三个候选控制点后，可以将该被选中的至少三个候选控制点对应到器官预分割结果上的点，从而得到器官预分割结果上的至少三个控制点。
以器官是肺为例，器官预分割结果为肺叶预分割结果，由于在医学生理特征上，肺静脉走行于肺段间，如图6及表2和表3所示，肺静脉血管的一些关键分叉点是医生标注时划分肺段的重要依据，据此，当操作对象为肺叶预分割结果时，管道系统预分割结果为肺静脉预分割结果，则在肺叶预分割结果上确定至少三个控制点时，可以在交互界面中展示肺叶预分割结果和肺静脉预分割结果，并在展示的肺静脉预分割结果上标记关键血管分叉点作为候选控制点以供用户选择，在接收到用户发出的对候选控制点的选择指令时响应于该选择指令确定该选择指令所指示的至少三个候选控制点，并将该候选控制点对应到肺叶预分割结果上，从而在肺叶预分割结果上确定出至少三个控制点。
表2左肺静脉分支走行
表3右肺静脉分支走行
本发明实施例在对区域预分割结果进行调整的过程中允许用户选择调整过程中所基于的操作对象，并基于选择的不同操作对象采用不同的控制点确定方式，从而在提高交互式标注灵活性的同时还提高了用于构建空间曲面的控制点的准确性，进而有利于提高后续目标区域的参考分界面的准确性。
S109，通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面。
需要说明的是，本发明实施例中构建的上述空间曲面为开放式空间曲面，也即为非封闭式的空间曲面，该空间曲面可视化显示在交互界面上。预设曲面重建算法可以但不限于为三角剖分算法。
假设V是二维实数域上的有限点集，边e是由点集中的点作为端点构成的封闭线段，E为e的集合，那么该点集V的一个三角剖分T＝(V,E)是一个平面图G，该平面图G满足以下条件：1)除了端点，平面图G中的边不包含点集中的任何点；2)没有相交边；3)平面图G中所有的面都是三角面，且所有三角面的合集是散点集V的凸包。在实际应用中，三角剖分算法可以具体是Delaunay三角剖分，如可以是翻边算法、逐点插入算法、分割合并算法、Bowyer-Watson算法中的任何一种。
如图7所示为以左肺背段为目标肺段在左肺下叶上构建的空间曲面的示意图。可见，基于三角剖分算法构建的开放式空间曲面能够准确地经过所有的控制点，且无延迟。
S111，以所述空间曲面作为所述目标区域在所述器官中对应的参考分界面，根据所述参考分界面对展示的所述器官的区域预分割结果进行调整。
具体的，在操作对象是区域预分割结果时，可以基于该参考分界面直接在该区域预分割结果上进行目标区域的调整，从而在交互界面上展示调整后的区域预分割结果，该调整后的区域预分割结果可以称之为区域分割结果。
在操作对象是器官预分割结果时，可以基于该参考分界面对器官预分割结果进行直接分割，以获得新分割的目标区域，并用该新分割的目标区域更新区域预分割结果得到新的区域预分割结果，该新的区域预分割结果可以称之为区域分割结果，进而在交互界面上展示该区域分割结果。其中，更新的具体方式可以是对新分割的目标区域与区域预分割结果做交、并操作，具体的可以将新分割的目标区域同区域预分割结果中的目标区域做差，以得到新增部分和移除部分，对区域预分割结果中的目标区域的邻接区域移除上述的新增部分，同时并上上述的移除部分，进而完成更新操作，得到区域分割结果。
为了进一步提高区域分割的灵活性、准确性以及效率，作为一个可能的实施方式，用户还可以通过修改控制点实时快速且直观的修改目标区域的参考分界面，基于此，如图8所示，在上述步骤S109之后，该方法还可以包括：
S113，响应于对所述至少三个控制点的修改指令，对所述至少三个控制进行修改操作，得到修改后的至少三个控制点。
S115，根据所述修改后的至少三个控制点更新所述空间曲面。
具体的，用户可以基于关键管道分叉点对交互界面上标记的至少三个控制点进行修改，以得到更加准确的空间曲面作为参考分界面。终端可以响应于用户对至少三个控制点的修改指令对该至少三个控制点进行修改操作，该修改操作可以包括移动控制点、增加控制点以及删除控制点，对于删除控制点操作需要确保删除后的控制点的数量不少于三个，若当前只有三个控制点，则对于控制点的修改操作只能是移动控制点以及增加控制点。
图9是对肺段预分割结果进行调整后得到的肺18段精化标注示例，通过基于曲面重建技术的辅助标注方式来辅助医生进行交互式肺段精化标注可以提高对于肺段分割的准确度，满足了手术规划或导航的准确度要求，有利于提高对肺部肿瘤切除手术时的切除效果。
本发明实施例可以在深度学习的预分割基础上，结合交互式的区域标注功能，减少医生标注区域的难度和时间，实现了快速、准确且灵活的区域精化分割；另外，曲面重建标注的方式以区域解剖学结构特征为依据，利用了器官预分割(如肺叶预分割)、区域预分割(如肺段预分割)、管道系统预分割(如肺静脉预分割)来获取构建参考分界面的控制点，可以避免医生大量的控制点布设工作，增加了构建的目标区域参考分界面的可靠性；此外，利用三维曲面重建技术从控制点构建目标区域参考分界面并可视化显示，使得区域标注更直观且能为医生提供参考，提高了区域分割的精确性；当将深度学习预分割与交互式辅助标注整合为一个完整的区域标注形式时，相较于传统手工标注更高效且易于操作，而相较于单一的深度学习自动分割方式又更灵活且能满足个性化、高精度的手术需求。
与上述几种实施例提供的医学影像处理方法相对应，本发明实施例还提供一种医学影像处理装置，由于本发明实施例提供的医学影像处理装置与上述几种实施例提供的医学影像处理方法相对应，因此前述医学影像处理方法的实施方式也适用于本实施例提供的医学影像处理装置，在本实施例中不再详细描述。
请参阅图10，其所示为本发明实施例提供的一种医学影像处理装置的结构示意图，该装置具有实现上述方法实施例中医学影像处理方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。如图10所示，该装置可以包括：
预分割结果获取模块1010，用于获取待处理的器官影像对应的预分割结果；所述预分割结果包括所述器官影像中器官的区域预分割结果和器官预分割结果；
第一展示模块1020，用于在交互界面中展示所述器官的区域预分割结果；
第一确定模块1030，用于响应于区域分割调整指令，确定待调整的目标区域和操作对象；所述操作对象为所述区域预分割结果或者所述器官预分割结果；
控制点确定模块1040，用于在所述操作对象上确定至少三个控制点；
空间曲面构建模块1050，用于通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面；
调整模块1060，用于以所述空间曲面作为所述目标区域在所述器官中对应的参考分界面，根据所述参考分界面对展示的所述器官的区域预分割结果进行调整。
在一个可能的实施方式中，在所述操作对象为所述区域预分割结果时，所述控制点确定模块1040包括：
区域定位模块，用于从展示的所述器官的区域预分割结果中，定位所述目标区域以及所述目标区域的邻接区域；
分界面确定模块，用于确定所述目标区域与所述邻接区域之间的分界面；
提取模块，用于从所述分界面上提取至少三个点，作为所述至少三个控制点。
在另一个可能的实施方式中，所述预分割结果还包括所述器官的管道系统预分割结果；在所述操作对象为所述器官预分割结果时，所述控制点确定模块1040包括：
第二展示模块，用于在所述交互界面中展示所述器官预分割结果和所述管道系统预分割结果；
候选控制点标记模块，用于标记所述管道系统预分割结果中的关键管道分叉点，作为候选控制点；
第二确定模块，用于响应于对所述候选控制点的选择指令，确定所述选择指令所指示的至少三个候选控制点；
第三确定模块，用于在所述器官预分割结果上确定与所述至少三个候选控制点相对应的点，得到所述至少三个控制点。
在一个可能的实施方式中，所述装置还包括：
修改模块，用于响应于对所述至少三个控制点的修改指令，对所述至少三个控制进行修改操作，得到修改后的至少三个控制点；
曲面更新模块，用于根据所述修改后的至少三个控制点更新所述空间曲面。
在一个可能的实施方式中，所述装置还包括：
影像获取模块，用于获取所述待处理的器官影像；
预处理模块，用于对所述待处理的器官影像进行预处理；
预分割模块，用于基于图像预分割模型对预处理后的所述器官影像进行分割处理，得到所述预分割结果。
在一个可能的实施方式中，所述图像预分割模型包括区域预分割模型、管道系统预分割模型和器官预分割模型；所述预分割模块包括：
器官预分割模块，用于基于所述器官预分割模型对预处理后的所述器官影像进行器官分割处理，得到器官预分割结果；
区域预分割模块，用于将所述器官预分割结果和所述预处理后的器官影像输入至所述区域预分割模型进行区域分割处理，得到所述器官的区域预分割结果；
管道系统预分割模块，用于基于所述管道系统预分割模型对预处理后的所述器官影像进行管道系统分割处理，得到所述器官的管道系统预分割结果；
其中，所述预分割结果包括所述器官预分割结果、所述器官的区域预分割结果和所述器官的管道系统预分割结果。
在一个可能的实施方式中，所述器官影像包括肺部CT影像。
需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本发明实施例提供了一种终端，该终端包括处理器和存储器，该存储器中存储有至少一条指令或者至少一段程序，该至少一条指令或者该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的医学影像处理方法。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及医学影像处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本发明实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行。以运行在终端上为例，图11是本发明实施例提供的运行一种医学影像处理方法的终端的硬件结构框图，具体来讲：
所述终端可以包括RF(Radio Frequency，射频)电路1110、包括有一个或一个以上计算机可读存储介质的存储器1120、输入单元1130、显示单元1140、传感器1150、音频电路1160、WiFi(wireless fidelity，无线保真)模块1170、包括有一个或者一个以上处理核心的处理器1180、以及电源1190等部件。本领域技术人员可以理解，图11中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路1110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器1180处理；另外，将涉及上行的数据发送给基站。通常，RF电路1110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier，低噪声放大器)、双工器等。此外，RF电路1110还可以通过无线通信与网络和其他终端通信。所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA(Code Division Multiple Access，码分多址)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service，短消息服务)等。
存储器1120可用于存储软件程序以及模块，处理器1180通过运行存储在存储器1120的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器1120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述终端的使用所创建的数据等。此外，存储器1120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器1120还可以包括存储器控制器，以提供处理器1180和输入单元1130对存储器1120的访问。
输入单元1130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元1130可包括触敏表面1131以及其他输入设备1132。触敏表面1131，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面1131上或在触敏表面1131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面1131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1180，并能接收处理器1180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面1131。除了触敏表面1131，输入单元1130还可以包括其他输入设备1132。具体地，其他输入设备1132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1140可用于显示由用户输入的信息或提供给用户的信息以及所述终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1140可包括显示面板1141，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板1141。进一步的，触敏表面1131可覆盖显示面板1141，当触敏表面1131检测到在其上或附近的触摸操作后，传送给处理器1180以确定触摸事件的类型，随后处理器1180根据触摸事件的类型在显示面板1141上提供相应的视觉输出。其中，触敏表面1131与显示面板1141可以两个独立的部件来实现输入和输入功能，但是在某些实施例中，也可以将触敏表面1131与显示面板1141集成而实现输入和输出功能。
所述终端还可包括至少一种传感器1150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1141的亮度，接近传感器可在所述终端移动到耳边时，关闭显示面板1141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于所述终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路1160、扬声器1161，传声器1162可提供用户与所述终端之间的音频接口。音频电路1160可将接收到的音频数据转换后的电信号，传输到扬声器1161，由扬声器1161转换为声音信号输出；另一方面，传声器1162将收集的声音信号转换为电信号，由音频电路1160接收后转换为音频数据，再将音频数据输出处理器1180处理后，经RF电路1110以发送给比如另一终端，或者将音频数据输出至存储器1120以便进一步处理。音频电路1160还可能包括耳塞插孔，以提供外设耳机与所述终端的通信。
WiFi属于短距离无线传输技术，所述终端通过WiFi模块1170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图11示出了WiFi模块1170，但是可以理解的是，其并不属于所述终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1180是所述终端的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器1120内的软件程序和/或模块，以及调用存储在存储器1120内的数据，执行所述终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器1180可包括一个或多个处理核心；优选的，处理器1180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1180中。
所述终端还包括给各个部件供电的电源1190(比如电池)，优选的，电源可以通过电源管理系统与处理器1180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源1190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，所述终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述方法实施例提供的医学影像处理的指令。
本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质可设置于终端之中以保存用于实现一种医学影像处理方法相关的至少一条指令或者至少一段程序该至少一条指令或者该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的医学影像处理方法。
本发明的实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的医学影像处理方法。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种医学影像处理方法，其特征在于，所述方法包括：
获取待处理的器官影像对应的预分割结果；所述预分割结果包括所述器官影像中器官的区域预分割结果和器官预分割结果；
在交互界面中展示所述器官的区域预分割结果；
响应于区域分割调整指令，确定待调整的目标区域和操作对象；所述操作对象为所述区域预分割结果或者所述器官预分割结果；
在所述操作对象上确定至少三个控制点；
通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面；
以所述空间曲面作为所述目标区域在所述器官中对应的参考分界面，根据所述参考分界面对展示的所述器官的区域预分割结果进行调整。
2.根据权利要求1所述的医学影像处理方法，其特征在于，在所述操作对象为所述区域预分割结果时，所述在所述操作对象上确定至少三个控制点包括：
从展示的所述器官的区域预分割结果中，定位所述目标区域以及所述目标区域的邻接区域；
确定所述目标区域与所述邻接区域之间的分界面；
从所述分界面上提取至少三个点，作为所述至少三个控制点。
3.根据权利要求1所述的医学影像处理方法，其特征在于，所述预分割结果还包括所述器官的管道系统预分割结果；
在所述操作对象为所述器官预分割结果时，所述在所述操作对象上确定至少三个控制点包括：
在所述交互界面中展示所述器官预分割结果和所述管道系统预分割结果；
标记所述管道系统预分割结果中的关键管道分叉点，作为候选控制点；
响应于对所述候选控制点的选择指令，确定所述选择指令所指示的至少三个候选控制点；
在所述器官预分割结果上确定与所述至少三个候选控制点相对应的点，得到所述至少三个控制点。
4.根据权利要求1所述的医学影像处理方法，其特征在于，在通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面之后，所述方法还包括：
响应于对所述至少三个控制点的修改指令，对所述至少三个控制点进行修改操作，得到修改后的至少三个控制点；
根据所述修改后的至少三个控制点更新所述空间曲面。
5.根据权利要求1所述的医学影像处理方法，其特征在于，所述方法还包括：
获取所述待处理的器官影像；
对所述待处理的器官影像进行预处理；
基于图像预分割模型对预处理后的所述器官影像进行分割处理，得到所述预分割结果。
6.根据权利要求5所述的医学影像处理方法，其特征在于，所述图像预分割模型包括区域预分割模型、管道系统预分割模型和器官预分割模型；
所述基于图像预分割模型对预处理后的所述器官影像进行分割处理，得到预分割结果包括：
基于所述器官预分割模型对预处理后的所述器官影像进行器官分割处理，得到器官预分割结果；
将所述器官预分割结果和所述预处理后的器官影像输入至所述区域预分割模型进行区域分割处理，得到所述器官的区域预分割结果；
基于所述管道系统预分割模型对预处理后的所述器官影像进行管道系统分割处理，得到所述器官的管道系统预分割结果；
其中，所述预分割结果包括所述器官预分割结果、所述器官的区域预分割结果和所述器官的管道系统预分割结果。
7.根据权利要求5所述的医学影像处理方法，其特征在于，所述器官影像包括肺部CT影像。
8.一种医学影像处理装置，其特征在于，所述装置包括：
预分割结果获取模块，用于获取待处理的器官影像对应的预分割结果；所述预分割结果包括所述器官影像中器官的区域预分割结果和器官预分割结果；
第一展示模块，用于在交互界面中展示所述器官的区域预分割结果；
第一确定模块，用于响应于区域分割调整指令，确定待调整的目标区域和操作对象；所述操作对象为所述区域预分割结果或者所述器官预分割结果；
控制点确定模块，用于在所述操作对象上确定至少三个控制点；
空间曲面构建模块，用于通过预设曲面重建算法构建经过所述至少三个控制点的空间曲面；
调整模块，用于以所述空间曲面作为所述目标区域在所述器官中对应的参考分界面，根据所述参考分界面对展示的所述器官的区域预分割结果进行调整。
9.一种终端，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由所述处理器加载并执行以实现如权利要求1～7中任一项所述的医学影像处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如权利要求1～7任一项所述的医学影像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011642275.7A CN112635029B (zh) | 2020-12-31 | 2020-12-31 | 一种医学影像处理方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011642275.7A CN112635029B (zh) | 2020-12-31 | 2020-12-31 | 一种医学影像处理方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112635029A true CN112635029A (zh) | 2021-04-09 |
| CN112635029B CN112635029B (zh) | 2024-09-17 |
Family
ID=75290215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011642275.7A Active CN112635029B (zh) | 2020-12-31 | 2020-12-31 | 一种医学影像处理方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112635029B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080273777A1 (en) * | 2005-10-21 | 2008-11-06 | Vincent Luboz | Methods And Apparatus For Segmentation And Reconstruction For Endovascular And Endoluminal Anatomical Structures |
| CN101310304A (zh) * | 2005-11-01 | 2008-11-19 | 美国医软科技公司 | 用于肝叶分割和术前手术规划的方法和系统 |
| CN102243759A (zh) * | 2010-05-10 | 2011-11-16 | 东北大学 | 一种基于几何形变模型的三维肺血管图像分割方法 |
| CN103345568A (zh) * | 2013-05-28 | 2013-10-09 | 深圳市旭东数字医学影像技术有限公司 | 基于三维模型的手术规划的方法及其系统 |
| CN107067393A (zh) * | 2017-04-14 | 2017-08-18 | 大连理工大学 | 一种基于用户交互和形状先验知识的三维医学图像分割方法 |
| CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
| CN110570929A (zh) * | 2019-08-20 | 2019-12-13 | 上海联影医疗科技有限公司 | 结构展示方法、装置、计算机设备和存储介质 |
| WO2020168698A1 (zh) * | 2019-02-22 | 2020-08-27 | 未艾医疗技术(深圳)有限公司 | 基于VRDS 4D医学影像的静脉的Ai内镜分析方法及产品 |
-
2020
- 2020-12-31 CN CN202011642275.7A patent/CN112635029B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080273777A1 (en) * | 2005-10-21 | 2008-11-06 | Vincent Luboz | Methods And Apparatus For Segmentation And Reconstruction For Endovascular And Endoluminal Anatomical Structures |
| CN101310304A (zh) * | 2005-11-01 | 2008-11-19 | 美国医软科技公司 | 用于肝叶分割和术前手术规划的方法和系统 |
| CN102243759A (zh) * | 2010-05-10 | 2011-11-16 | 东北大学 | 一种基于几何形变模型的三维肺血管图像分割方法 |
| CN103345568A (zh) * | 2013-05-28 | 2013-10-09 | 深圳市旭东数字医学影像技术有限公司 | 基于三维模型的手术规划的方法及其系统 |
| CN107067393A (zh) * | 2017-04-14 | 2017-08-18 | 大连理工大学 | 一种基于用户交互和形状先验知识的三维医学图像分割方法 |
| CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
| WO2020168698A1 (zh) * | 2019-02-22 | 2020-08-27 | 未艾医疗技术(深圳)有限公司 | 基于VRDS 4D医学影像的静脉的Ai内镜分析方法及产品 |
| CN110570929A (zh) * | 2019-08-20 | 2019-12-13 | 上海联影医疗科技有限公司 | 结构展示方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| XU X ET AL: "Retinal Vessel Width Measurement at Branchings Using an Improved Electric Field Theory-Based Graph Approach", PLOS ONE, vol. 7, no. 11, 27 November 2012 (2012-11-27), pages 49668 * |
| 潘俊君 等: "基于几何特征的血管快速重建算法", 计算机应用与软件, vol. 23, no. 04, 30 April 2006 (2006-04-30), pages 90 - 92 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112635029B (zh) | 2024-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110738263B (zh) | 一种图像识别模型训练的方法、图像识别的方法及装置 | |
| CN110866897B (zh) | 一种图像检测方法及计算机可读存储介质 | |
| CN110175255B (zh) | 图像标注的方法、基于病理图像的标注展示方法及装置 | |
| CN107895369B (zh) | 图像分类方法、装置、存储介质及设备 | |
| CN110348543B (zh) | 眼底图像识别方法、装置、计算机设备及存储介质 | |
| CN109934220B (zh) | 一种影像兴趣点的展示方法、装置及终端 | |
| CN110610181B (zh) | 医学影像识别方法及装置、电子设备及存储介质 | |
| CN113177928B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
| US9811611B2 (en) | Method and apparatus for creating curved surface model | |
| US10695032B2 (en) | Medical image display apparatus and method therefor | |
| CN110432985B (zh) | 介入消融方案模拟方法、系统、电子设备及存储介质 | |
| CN112970013A (zh) | 电子装置及其控制方法 | |
| CN114066875A (zh) | 切片图像处理方法、装置、存储介质及终端设备 | |
| CN110910348B (zh) | 一种肺结节的位置分类方法、装置、设备及存储介质 | |
| CN114343687A (zh) | 肾上腺功能性肿瘤分型定位设备、装置及存储介质 | |
| CN110414539A (zh) | 一种提取特征描述信息的方法和相关装置 | |
| CN112818908B (zh) | 关键点检测方法、装置、终端及存储介质 | |
| CN112635029B (zh) | 一种医学影像处理方法、装置、终端及存储介质 | |
| CN115393323B (zh) | 一种目标区域获得方法、装置、设备和存储介质 | |
| CN113689355B (zh) | 图像处理方法、装置、存储介质及计算机设备 | |
| CN113902682A (zh) | 基于医疗图像的诊断方法、装置、存储介质及电子设备 | |
| CN115375603A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
| CN113283552A (zh) | 图像的分类方法、装置、存储介质及电子设备 | |
| CN114429493B (zh) | 影像序列处理方法、装置、电子设备及存储介质 | |
| CN113887579A (zh) | 医疗图像的分类方法、装置、存储介质及电子设备 |
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 |