CN113160248B - 一种图像处理方法、装置、设备及可读存储介质 - Google Patents
一种图像处理方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113160248B CN113160248B CN202110436368.2A CN202110436368A CN113160248B CN 113160248 B CN113160248 B CN 113160248B CN 202110436368 A CN202110436368 A CN 202110436368A CN 113160248 B CN113160248 B CN 113160248B
- Authority
- CN
- China
- Prior art keywords
- data
- chest
- region
- preset
- backbone
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 95
- 230000011218 segmentation Effects 0.000 claims abstract description 86
- 210000000038 chest Anatomy 0.000 claims abstract description 76
- 210000001562 sternum Anatomy 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 22
- 230000000877 morphologic effect Effects 0.000 claims description 21
- 210000004872 soft tissue Anatomy 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 210000000115 thoracic cavity Anatomy 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 210000004072 lung Anatomy 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 210000004204 blood vessel Anatomy 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 25
- 238000002583 angiography Methods 0.000 abstract description 3
- 230000002526 effect on cardiovascular system Effects 0.000 abstract description 3
- 210000003275 diaphysis Anatomy 0.000 description 12
- 238000010968 computed tomography angiography Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000003709 image segmentation Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000031104 Arterial Occlusive disease Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 101000666730 Homo sapiens T-complex protein 1 subunit alpha Proteins 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 102100038410 T-complex protein 1 subunit alpha Human genes 0.000 description 1
- 208000021328 arterial occlusion Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000012744 reinforcing agent Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012800 visualization Methods 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
-
- 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
Abstract
本发明提供了一种图像处理方法、装置、设备及可读存储介质,涉及医学图像处理领域,包括:获取初始图像,对所述初始图像预处理生成新建数据;采用第一预设阈值和第二预设阈值对初始图像进行分割获得第一分割结果和第二分割结果;根据第一分割结果拟合获得骨干外壳数据;基于骨干外壳数据定位胸部层获取胸部数据;根据第二分割结果和胸部数据计算获得肋骨与胸骨数据,生成肋骨与胸骨掩模数据;基于骨干外壳数据定位脊柱骨区域,基于第一分割结果和第二分割结果在脊柱骨区域提取脊柱骨数据,并生成脊柱骨掩模数据;在初始图像中去除肋骨与胸骨掩模数据和脊柱骨掩模数据,获得目标图像,解决在心血管造影图像缺乏高效快捷的自动去骨方法的问题。
Description
技术领域
本发明涉及医学图像处理领域,尤其涉及一种图像处理方法、装置、设备及可读存储介质。
背景技术
CTA(计算机断层扫描血管造影分析)的系统,它是一种通过对身体血管中注射对比剂(增强剂)后,从CT图像上帮助医师诊断和评估心血管疾病和状态的技术系统,比如动脉瘤,动脉阻塞等。
计算机断层摄影血管造影剂技术是从CT扫描图像上显示出血管和不同组织的图像细节。在这个检查过程中,对比剂(增强剂)从胳膊通过导管输入静脉中。冠状动脉血管造影剂技术(CCTA)也是这种技术,从3D viewer中观察CT图像中心血管数,用来检测给心脏供血系统以及是否有血管狭窄。
心脏血管是一个三维树形结构,骨密质是影响在CTA图像中显示3D心脏血管树的最大障碍,如何有效地从一堆CTA图像中高效快捷地去除骨头就成为一大挑战。但是现有的去骨方法,一类是依赖人工标注或手动参与的半自动化去骨,此类方式人工操作效率较低,另一类依赖提前CT扫描数据(扫描不同的参数,或者扫描非增强剂期)先得到去骨的数据,而后配准去骨,此类方式计算量较大,且需要对病人多次扫描,效果不佳。
发明内容
为了克服上述技术缺陷,本发明的目的在于提供一种图像处理方法、装置、设备及可读存储介质,用于解决现有在心血管造影图像中去骨方法扫描次数多且效率较低,缺乏高效快捷的自动去骨方法的问题。
本发明公开了一种图像处理方法,应用于计算机断层扫描血管分析系统,包括以下:
获取初始图像,根据灰度直方图对所述初始图像处理生成新建数据;
采用第一预设阈值对所述新建数据进行分割获得第一分割结果;
根据所述第一分割结果进行曲面拟合,获得骨干外壳数据;
基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据;
采用第二预设阈值对所述初始图像进行分割获得第二分割结果;
根据所述第二分割结果和所述胸部数据计算获得肋骨与胸骨数据,并基于形态学计算生成肋骨与胸骨掩模数据;
基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,基于所述第一分割结果和所述第二分割结果在所述脊柱骨区域提取脊柱骨数据,并基于形态学计算生成脊柱骨掩模数据;
在所述初始图像中去除所述肋骨与胸骨掩模数据和脊柱骨掩模数据,获得目标图像,
优选地,所述根据灰度直方图对所述初始图像处理生成新建数据,包括以下:
采用去除算法对所述初始图像进行处理,获得去除扫描床的第一处理图像;
对所述第一处理数据进行平滑去除噪声,获得第二处理图像;
采用预设窗宽和窗位值对所述第二处理图像进行均衡化处理至0~255的灰度级,以生成新建数据。
优选地,所述基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据,包括以下:
采用肺部分割算法在所述骨干外壳数据上获取胸部层;
在所述胸部层根据预设函数和参数分别确定胸部骨干区域和胸腔内部软组织区域;
基于所述胸部骨干区域和所述胸腔内部软组织区域生成胸部数据。
优选地,所述基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,包括以下;
确定所述骨干外壳数据对应的骨干外壳中心位;
获取所述骨干外壳中心位预设周向范围的区域作为脊柱骨区。
优选地,所述基于形态学计算生成肋骨与胸骨掩模数据,包括以下:
基于肋骨与胸骨数据采用多边形几何拟合八连通域,以获取肋骨与胸骨区域面积和轮廓;
采用预设第一经验值对所述肋骨与胸骨区域面积进行调整,生成肋骨与胸骨掩模数据。
优选地,所述基于形态学计算生成脊柱骨掩模数据,包括以下:
基于脊柱骨数据采用多边形几何拟合八连通域,以获取脊柱骨区域面积和轮廓;
采用预设第二经验值对所述脊柱骨区域面积进行调整,生成脊柱骨掩模数据。
优选地,所述第一预设阈值为90,所述第二预设阈值为128。
本发明还提供一种图像处理装置,包括以下:
预处理模块,用于获取初始图像,根据灰度直方图对所述初始图像预处理生成新建数据;
第一分割模块,用于采用第一预设阈值对所述新建数据进行分割获得第一分割结果;
骨干外壳数据生成模块,用于根据所述第一分割结果拟合,获得骨干外壳数据;
胸部数据生成模块,用于基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据;
第二分割模块,用于采用第二预设阈值对所述初始图像进行分割获得第二分割结果;
第一掩模数据生成模块,用于根据所述第二分割结果和所述胸部数据计算获得肋骨与胸骨数据,并基于形态学计算生成肋骨与胸骨掩模数据;
第二掩模数据生成模块,用于基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,基于所述第一分割结果和所述第二分割结果在所述脊柱骨区域提取脊柱骨数据,并基于形态学计算生成脊柱骨掩模数据;
处理模块,用于在所述新建图像中去除所述肋骨与胸骨掩模数据和脊柱骨掩模数据,获得目标图像。
本发明还提供一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的图像处理方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述图像处理方法的步骤。
采用了上述技术方案后,与现有技术相比,具有以下有益效果:
本发明过对初始图像基于灰度直方图进行预处理后获得新建数据,以减少初始图像中的噪音数据,采用二值图分割并确定肋骨与胸骨区域脊柱骨区域,利用图像形态学模拟出骨干区域,最后在初始图像中剔除各个骨干区域,实现准确性较高的自动去骨方法,区别于现有技术中人工去骨或多次扫描去骨的方式,解决现有在心血管造影图像中去骨方法扫描次数多且效率较低,缺乏高效快捷的自动去骨方法的问题。
附图说明
图1为本发明所述一种图像处理方法实施例一的流程图;
图2为本发明所述一种图像处理方法实施例一中根据灰度直方图对所述初始图像处理生成新建数据的流程图;
图3为本发明所述一种图像处理方法实施例一中基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据的流程图;
图4为本发明所述一种图像处理方法实施例一中基于形态学计算生成肋骨与胸骨掩模数据的流程图;
图5为本发明所述一种图像处理方法实施例一中基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域的流程图;
图6为本发明所述一种图像处理方法实施例一中基于形态学计算生成脊柱骨掩模数据的流程图;
图7为本发明所述一种图像处理装置实施例二的程序模块示意图;
图8为本发明计算机设备实施例三中计算机设备的硬件结构示意图。
附图标记:
8、图像处理装置 81、预处理模块 82、第一分割模块
83、骨干外壳数据生成模块 84、胸部数据生成模块 85、第二分割模块
86、第一掩模数据生成模块 87、第二掩模数据生成模块 88、处理模块
9、计算机设备 91、存储器 92、处理器
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身并没有特定的意义。因此,“模块”与“部件”可以混合地使用。
实施例一:本实施方式公开了一种图像处理方法,应用于计算机断层扫描血管分析系统中,用于实现在心血管造影图像中去骨,参阅图1,具体的包括以下步骤:
S100:获取初始图像,根据灰度直方图对所述初始图像处理生成新建数据;
在本实施方式中,灰度直方图是反映一幅图像中各灰度级像素出现的频率与灰度级的关系,以灰度级为横坐标,频率为纵坐标,绘制频率同灰度级的关系图像就是该图像的灰度直方图,根据灰度直方图可以反映图像的灰度分布情况,同时也可以确定图像二值化的阈值,以便于确定后续步骤S200和S500的二值图像的分割阈值。具体的,上述根据灰度直方图对所述初始图像处理生成新建数据,参阅图2,包括以下:
S110:采用去除算法对所述初始图像进行处理,获得去除扫描床的第一处理图像;
在上述步骤中,去除算法为去床板算法,去床板算法包括先对图像二值化操作,得到二值化结果,而后基于形态学膨胀、腐蚀与轮廓提取,基于轮廓筛选,去除较小的轮廓,再检测检查床区域对应的轮廓,从而得到检查区域,最后制作掩膜与源图像运算,得到去除了扫描床的结果,即第一处理图像。
S120:对所述第一处理数据进行平滑去除噪声,获得第二处理图像;
在上述步骤中,图像平滑主要是为了突出图像的低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法,目的是使图像亮度平缓渐变,减小突变梯度,改善图像质量,具体的,可以采用高斯滤波算法等。
S130:采用预设窗宽和窗位值对所述第二处理图像进行均衡化处理至0~255的灰度级,以生成新建数据。
在上述步骤中,给定窗宽和宽位值,通过不同部位使用不同窗宽窗位,以充分反映初始图像中的病灶影像表现,同时为了在后续数据处理过程中减少数据拟合进行均值化处理,并限制灰度值值范围[0,255],通过上述步骤S110-S130的处理生成类似非增强的图像数据,区别于现有技术中直接采用初始数据进行骨头识别,提高后续对骨头区域定位的准确性,以便于后续去骨操作。
S200:采用第一预设阈值对所述新建数据进行分割获得第一分割结果;
作为一个较佳的实施方式,所述第一预设阈值为90,根据该阈值将图像转化为黑白二值图像,用于图像分割以及边缘提取,该第一分割结果(设为BW1)用于分割骨干外壳和其他区域,以便下述步骤S300中获得骨干外壳数据。
S300:根据所述第一分割结果进行曲面拟合,获得骨干外壳数据;
在上述步骤中,该曲面拟合为二维曲面拟合,可以通过多种方式实现,作为距离的,如Spline Toolbox里面的函数功能,也可采用matlab高斯曲面拟合。
S400:基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据;
在上述步骤中,根据上述步骤S200-S300获得整个骨干外壳的区域,本实施方式中为了实现去骨的目的,需要定位胸部骨干以及脊柱骨干的具体区域,具体的,上述基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据,参阅图3,包括以下:
S410:采用肺部分割算法在所述骨干外壳数据上获取胸部层;
在上述步骤中,肺部分割为现有常用的分割,可采用多种算法处理实现,具体的可包括:先切片图片二值化(由于肺部与周围组织颜色对比明显,考虑通过聚类的方法找到可区分肺区域和非肺区域的阈值,实现二值化,包括标准化查看数值分布以及kmean聚类区分肺部区域),而后在腐蚀和膨胀后裁剪以确定肺部区域,在骨干外壳数据上定位肺部主要是为了确定胸部层在骨干外壳上的位置,以便后续定位肋骨和胸骨区域。
S420:在所述胸部层根据预设函数和参数分别确定胸部骨干区域和胸腔内部软组织区域;
在上述步骤中,定位胸部层,从二维空间来看,胸部数据近似椭圆形区域,胸部骨干区域轮廓椭圆形定义为胸腔内部软组织区域轮廓与胸部区域轮廓可视为同心椭圆区域,因此预设函数为预设胸部骨干区域、胸腔内部软组织区域以及非胸部层各自的D值,包括胸部骨干区域D的取值为0cm,胸腔内部软组织区域D的取值范围为9-14cm,非胸部层D的取值范围为2-6cm,可根据实际使用场景调整,胸腔内部软组织区域与胸部区域各自对应的同心椭圆区域之间即为外轮廓胸骨数据。
S430:基于所述胸部骨干区域和所述胸腔内部软组织区域生成胸部数据。
S500:采用第二预设阈值对所述初始图像进行分割获得第二分割结果;
在一个较佳的实施方式中,所述第二预设阈值为128,采用第二阈值分割主要是用于识别胸部数据中的肋骨数据和胸骨数据。
S600:根据所述第二分割结果和所述胸部数据计算获得肋骨与胸骨数据,并基于形态学计算生成肋骨与胸骨掩模数据;
在上述步骤中,获得肋骨与胸骨数据是采用第二分割结果(设为BW2)与胸部数据(即上述述胸部骨干区域和所述胸腔内部软组织区域形成的同心椭圆区域)进行与运算,“与”运算是计算机中一种基本的逻辑运算方式,符号表示为&,其运算规则为0&0=0;0&1=0;1&0=0;1&1=1,即:两个同时为1,结果为1,否则为0。上述肋骨与胸骨掩模数据即用选定的图像、图形或物体(肋骨与胸骨区域面积和轮廓),对处理的图像(全部或局部)(胸部数据)进行遮挡,来控制图像处理的区域或处理过程,即确定肋骨与胸骨骨干位置。
具体的,所述基于形态学计算生成肋骨与胸骨掩模数据,参阅图4,包括以下:
S610:基于肋骨与胸骨数据采用多边形几何拟合八连通域,以获取肋骨与胸骨区域面积和轮廓;
在上述步骤中,八连通域指的是从区域内每一象素出发,可通过八个方向,即上、下、左、右、左上、右上、左下、右下这八个方向的移动的组合,在不越出区域的前提下,到达区域内的任意象素,可采用现有常用的各种多边形拟合算法实现,包括但不限于:approxPolyDP()函数等。
S620:采用预设第一经验值对所述肋骨与胸骨区域面积进行调整,生成肋骨与胸骨掩模数据。
基于上述步骤S610获得肋骨与胸骨区域面积和轮廓,对面积进行经验值判断进行调整,因此采用第一经验值(可根据实际使用场景预设)来判断,上述调整作为举例的,可对超出第一经验值区域的像素丢弃或对轮廓进行插值填充等。
S700:基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,基于所述第一分割结果和所述第二分割结果在所述脊柱骨区域提取脊柱骨数据,并基于形态学计算生成脊柱骨掩模数据;
上述步骤S400-S600均为了获取肋骨与胸骨区域,在获取肋骨与胸骨骨干位置,还需获取脊柱骨骨干位置,以便对于初始图像进行去骨,具体的,上述基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,参阅图5,,包括以下;
S711:确定所述骨干外壳数据对应的骨干外壳中心位;
在上述步骤中,确定骨干外壳中心为可根据骨干外壳轮廓长度和宽度计算获得。
S712:获取所述骨干外壳中心位预设周向范围的区域作为脊柱骨区域。
具体的,由于脊柱通常在整个图像数据里贯穿所有层,根据脊柱骨在骨干区域所占的分布,可取值为骨干区域中心下2/3,左右6/8区域,得到脊柱骨ROI(感兴趣区域)(即上述脊柱骨区域)。
进一步的,上述基于形态学计算生成脊柱骨掩模数据,参阅图6,包括以下:
S721:基于脊柱骨数据采用多边形几何拟合八连通域,以获取脊柱骨区域面积和轮廓;
与上述步骤S610类似的,采用现有的多边形几何拟合算法,从区域内每一像素的八个方向,即上、下、左、右、左上、右上、左下、右下上进行拟合,上述现有算法也可用于此,在此不作赘述。
S722:采用预设第二经验值对所述脊柱骨区域面积进行调整,生成脊柱骨掩模数据。
具体的,上述步骤与步骤S620类似的,对脊柱骨区域面积面积进行经验值判断,第二经验值也可根据实际使用场景预设,上述调整包括但不限于可对超出第一经验值区域的像素丢弃或对轮廓进行插值填充等,该步骤与步骤S620目的为提高脊柱骨区域或肋骨与胸骨区域的准确性,进而提高后续去骨结果的准确性。上述脊柱骨掩模数据也是与肋骨与胸骨掩膜数据一致的,即用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。
S800:在所述初始图像中去除所述肋骨与胸骨掩模数据和脊柱骨掩模数据,获得目标图像。
在上述步骤中,通过上述步骤S400-S600确定肋骨与胸骨骨干,通过上述步骤S700确定脊柱骨骨干,因此在初始图像中剔除肋骨与胸骨骨干和脊柱骨骨干即可得到去骨后的图像,具体的可对不同部位的掩模数据合并,从而得到骨掩模数据,从原始数据中去除骨掩模区域,得到去骨后结果,即目标图像,操作简便且准确性较高。
在本实施方式中,通过对初始图像基于灰度直方图进行预处理(包括去除床板算法,平滑去除噪声,给定窗宽,窗位值,均衡化等)过程后获得类似非增强的图像数据的新建数据,区别于现有技术中直接采用初始图像处理的方式,减少初始图像中的噪声数据,而后根据空间信息模拟几何图识别骨干(用身体空间信息特别模拟出骨头区域,同时利用图像形态学,识别出骨头,进行骨分割),包括步骤S200-S600实现二值图分割和肋骨与胸骨区域的确定以及步骤S700实现脊柱骨区域的确定,最后在初始图像中剔除各个骨干区域,区别于现有技术中人工去骨或多次扫描去骨的方式,既不需要人工参与也不需要借助其他扫描数据,实现自动去骨且去骨结果准确性较高。
实施例二:本实施方式提供一种图像处理装置8,参阅图7,包括以下:
预处理模块81,用于获取初始图像,根据灰度直方图对所述初始图像预处理生成新建数据;
第一分割模块82,用于采用第一预设阈值对所述新建数据进行分割获得第一分割结果;
骨干外壳数据生成模块83,用于根据所述第一分割结果拟合,获得骨干外壳数据;
胸部数据生成模块84,用于基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据;具体的,第一分割规则包括肺部分割和预设函数。
第二分割模块85,用于采用第二预设阈值对所述初始图像进行分割获得第二分割结果;
第一掩模数据生成模块86,用于根据所述第二分割结果和所述胸部数据计算获得肋骨与胸骨数据,并基于形态学计算生成肋骨与胸骨掩模数据;
第二掩模数据生成模块87,用于基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,基于所述第一分割结果和所述第二分割结果在所述脊柱骨区域提取脊柱骨数据,并基于形态学计算生成脊柱骨掩模数据;
处理模块88,用于在所述新建图像中去除所述肋骨与胸骨掩模数据和脊柱骨掩模数据,获得目标图像。
在本实施方式中,涉及医学图像处理领域的一种图像处理技术,在预处理模块81中对初始图像基于灰度直方图进行预处理(包括去除床板算法,平滑去除噪声,给定窗宽,窗位值,均衡化等)过程后获得新建数据,以减少初始图像中的噪声数据,分别采用第一分割模块82和第二分割模块85执行二值图分割,获得第一分割结果(BW1)和(BW2),在骨干外壳数据生成模块83中根据BW1生成骨干外壳数据,而后采用胸部数据生成模块84定位胸部层,并分别采用第一掩模数据生成模块86和第二掩模数据生成模块87在骨干外壳数据中确定肋骨与胸骨区域和脊柱骨区域,最后在处理模块88中将初始图像中各个骨干区域剔除,实现骨分割,实现高效快捷的自动去骨。
实施例三:为实现上述目的,本发明还提供一种计算机设备9,参阅图8,该计算机设备可包括多个计算机设备,实施例二的基于GPU的图像处理装置8的组成部分可分散于不同的计算机设备9中,计算机设备9可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器91、处理器92以及缓存GPU的图像处理装置8,如图8所示。需要指出的是,图8仅示出了具有组件-的计算机设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器91可以包括存储程序区和存储数据区,其中,存储程序区可存储搡作系统、至少一个功能所需要的应用程序;存储数据区可存储用户在计算机设备的皮肤数据信息。此外,存储器91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、或其他非易失性固态存储器件。在一些实施例中,存储器91可选包括相对于处理器远程设置的存储器91,这些远程存储器可以通过网络连接至CT系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器92在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器92通常用于控制计算机设备的总体操作。本实施例中,处理器92用于运行存储器91中存储的程序代码或者处理数据,例如运行图像处理装置8,以实现实施例一的图像处理方法。
需要指出的是,图8仅示出了具有部件91-92的计算机设备9,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本实施例中,存储于存储器91中的所述图像处理装置8还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器91中,并由一个或多个处理器(本实施例为处理器92)所执行,以完成本发明。
实施例四:
为实现上述目的,本发明还提供一种计算机可读存储介质,其包括多个存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器92执行时实现相应功能。本实施例的计算机可读存储介质用于存储图像处理装置8,被处理器92执行时实现实施例一的图像处理方法。
应当注意的是,本发明的实施例有较佳的实施性,且并非对本发明作任何形式的限制,任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例,但凡未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰,均仍属于本发明技术方案的范围内。
Claims (9)
1.一种图像处理方法,应用于计算机断层扫描血管分析系统,其特征在于,包括以下:获取初始图像,根据灰度直方图对所述初始图像处理生成新建数据;
采用第一预设阈值对所述新建数据进行分割获得第一分割结果;
根据所述第一分割结果进行曲面拟合,获得骨干外壳数据;
基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据;
所述获取胸部数据,包括:设置胸部层内胸腔内部软组织轮廓与胸部区域轮廓构成同心椭圆区域,根据预设函数和不同参数分别确定胸部骨干区域和胸腔内部软组织区域,在所述胸部骨干区域内划分出所述胸腔内部软组织区域以获取胸部数据;
采用第二预设阈值对所述初始图像进行分割获得第二分割结果;
根据所述第二分割结果和所述胸部数据进行与运算,以获得肋骨与胸骨数据,并基于形态学计算生成肋骨与胸骨掩模数据;
基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,基于所述第一分割结果和所述第二分割结果在所述脊柱骨区域提取脊柱骨数据,并基于形态学计算生成脊柱骨掩模数据;
所述基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,包括:确定所述骨干外壳数据对应的骨干外壳中心位;获取所述骨干外壳中心位预设周向范围的区域作为脊柱骨区域;
在所述初始图像中去除所述肋骨与胸骨掩模数据和脊柱骨掩模数据,获得目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述根据灰度直方图对所述初始图像处理生成新建数据,包括以下:
采用去除算法对所述初始图像进行处理,获得去除扫描床的第一处理图像;
对所述第一处理图像进行平滑去除噪声,获得第二处理图像;
采用预设窗宽和窗位值对所述第二处理图像进行均衡化处理至0~255的灰度级,以生成新建数据。
3.根据权利要求1所述的图像处理方法,其特征在于,所述基于所述骨干外壳数据采用预设第一分割规则定位胸部层,包括以下:
采用肺部分割算法在所述骨干外壳数据上获取胸部层。
4.根据权利要求1所述的图像处理方法,其特征在于,所述基于形态学计算生成肋骨与胸骨掩模数据,包括以下:
基于肋骨与胸骨数据采用多边形几何拟合八连通域,以获取肋骨与胸骨区域面积和轮廓;
采用预设第一经验值对所述肋骨与胸骨区域面积进行调整,生成肋骨与胸骨掩模数据。
5.根据权利要求1所述的图像处理方法,其特征在于,所述基于形态学计算生成脊柱骨掩模数据,包括以下:
基于脊柱骨数据采用多边形几何拟合八连通域,以获取脊柱骨区域面积和轮廓;
采用预设第二经验值对所述脊柱骨区域面积进行调整,生成脊柱骨掩模数据。
6.根据权利要求1所述的图像处理方法,其特征在于,所述第一预设阈值为90,所述第二预设阈值为128。
7.一种图像处理装置,其特征在于,包括以下:
预处理模块,用于获取初始图像,根据灰度直方图对所述初始图像预处理生成新建数据;
第一分割模块,用于采用第一预设阈值对所述新建数据进行分割获得第一分割结果;
骨干外壳数据生成模块,用于根据所述第一分割结果拟合,获得骨干外壳数据;
胸部数据生成模块,用于基于所述骨干外壳数据采用预设第一分割规则定位胸部层,获取胸部数据;所述获取胸部数据,包括:设置胸部层内胸腔内部软组织轮廓与胸部区域轮廓构成同心椭圆区域,根据预设函数和不同参数分别确定胸部骨干区域和胸腔内部软组织区域,在所述胸部骨干区域内划分出所述胸腔内部软组织区域以获取胸部数据;
第二分割模块,用于采用第二预设阈值对所述初始图像进行分割获得第二分割结果;
第一掩模数据生成模块,用于根据所述第二分割结果和所述胸部数据进行与运算,以获得肋骨与胸骨数据,并基于形态学计算生成肋骨与胸骨掩模数据;
第二掩模数据生成模块,用于基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,基于所述第一分割结果和所述第二分割结果在所述脊柱骨区域提取脊柱骨数据,并基于形态学计算生成脊柱骨掩模数据;所述基于所述骨干外壳数据采用预设第二分割规则定位脊柱骨区域,包括:确定所述骨干外壳数据对应的骨干外壳中心位;
获取所述骨干外壳中心位预设周向范围的区域作为脊柱骨区域;
处理模块,用于在所述初始图像中去除所述肋骨与胸骨掩模数据和脊柱骨掩模数据,获得目标图像。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的图像处理方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436368.2A CN113160248B (zh) | 2021-04-22 | 2021-04-22 | 一种图像处理方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436368.2A CN113160248B (zh) | 2021-04-22 | 2021-04-22 | 一种图像处理方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160248A CN113160248A (zh) | 2021-07-23 |
CN113160248B true CN113160248B (zh) | 2023-03-14 |
Family
ID=76869431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110436368.2A Active CN113160248B (zh) | 2021-04-22 | 2021-04-22 | 一种图像处理方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160248B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114298934B (zh) * | 2021-12-24 | 2022-12-09 | 北京朗视仪器股份有限公司 | 一种基于像素调节的面颊夹显影弱化方法、装置 |
CN113989277B (zh) * | 2021-12-24 | 2022-04-08 | 青岛美迪康数字工程有限公司 | 用于医用放射诊疗检查的成像方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452577A (zh) * | 2008-11-26 | 2009-06-10 | 沈阳东软医疗系统有限公司 | 一种肋骨自动标定的方法及装置 |
CN106296664A (zh) * | 2016-07-30 | 2017-01-04 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106355586A (zh) * | 2016-08-31 | 2017-01-25 | 黑龙江拓盟科技有限公司 | 一种人体胸部器官组织的自动提取方法 |
CN108694007A (zh) * | 2017-04-10 | 2018-10-23 | 西门子保健有限责任公司 | 从磁共振图像展开肋骨 |
CN112132837A (zh) * | 2020-08-19 | 2020-12-25 | 心医国际数字医疗系统(大连)有限公司 | 一种胸部骨骼自动提取方法、系统、电子设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7116810B2 (en) * | 2002-11-27 | 2006-10-03 | General Electric Company | Method and system for airway measurement |
CN102243759B (zh) * | 2010-05-10 | 2014-05-07 | 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 |
KR101090375B1 (ko) * | 2011-03-14 | 2011-12-07 | 동국대학교 산학협력단 | 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ct 영상 분석의 자동화 방법, 기록 매체 및 장치 |
CN103150723B (zh) * | 2013-01-25 | 2015-09-30 | 西安电子科技大学 | 基于形状和椭圆拟合的胃部ct图像淋巴结检测系统及方法 |
CN104252708B (zh) * | 2013-06-28 | 2017-08-25 | 深圳先进技术研究院 | 一种x光胸片图像处理方法及系统 |
US10043280B2 (en) * | 2015-10-19 | 2018-08-07 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for image segmentation |
CN110709943B (zh) * | 2017-06-16 | 2023-11-28 | 珀金埃尔默细胞科技德国公司 | 使用沿骨骼的人造界标进行三维图像的自动失真校正和/或共同配准的系统和方法 |
CN110866905A (zh) * | 2019-11-12 | 2020-03-06 | 苏州大学 | 一种肋骨识别与标注方法 |
CN111462071B (zh) * | 2020-03-30 | 2023-08-04 | 浙江核睿医疗科技有限公司 | 一种图像处理方法和系统 |
-
2021
- 2021-04-22 CN CN202110436368.2A patent/CN113160248B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452577A (zh) * | 2008-11-26 | 2009-06-10 | 沈阳东软医疗系统有限公司 | 一种肋骨自动标定的方法及装置 |
CN106296664A (zh) * | 2016-07-30 | 2017-01-04 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106355586A (zh) * | 2016-08-31 | 2017-01-25 | 黑龙江拓盟科技有限公司 | 一种人体胸部器官组织的自动提取方法 |
CN108694007A (zh) * | 2017-04-10 | 2018-10-23 | 西门子保健有限责任公司 | 从磁共振图像展开肋骨 |
CN112132837A (zh) * | 2020-08-19 | 2020-12-25 | 心医国际数字医疗系统(大连)有限公司 | 一种胸部骨骼自动提取方法、系统、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
周露等.PET-CT 图像配准的预处理研究.《中国医学物理学杂志》.2013,第4393-4395页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113160248A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11062449B2 (en) | Method and system for extracting vasculature | |
CN107808156B (zh) | 感兴趣区域提取方法 | |
CN107798682B (zh) | 图像分割系统、方法、装置和计算机可读存储介质 | |
US20210106299A1 (en) | Method and system for extracting lower limb vasculature | |
US7756316B2 (en) | Method and system for automatic lung segmentation | |
EP2120208A1 (en) | Method and system for lesion segmentation | |
US8311301B2 (en) | Segmenting an organ in a medical digital image | |
CN113160248B (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
US20060110071A1 (en) | Method and system of entropy-based image registration | |
US20150279034A1 (en) | Suppression of vascular structures in images | |
CN110706241B (zh) | 一种三维病灶区域提取方法和装置 | |
CN109740602B (zh) | 肺动脉期血管提取方法及系统 | |
CN112132837A (zh) | 一种胸部骨骼自动提取方法、系统、电子设备及存储介质 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
CN114365188A (zh) | 基于vrds ai下腔静脉影像的分析方法及产品 | |
CN112308823B (zh) | 医学图像中感兴趣区域的定位方法及装置 | |
CN112116623B (zh) | 图像分割方法及装置 | |
CN112862850A (zh) | 数字剪影血管造影影像处理方法及装置 | |
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 | |
CN111223090A (zh) | 人体肺部ct图像中肿瘤图像的识别系统 | |
CN111127404A (zh) | 一种医疗影像轮廓快速提取方法 | |
CN114187320B (zh) | 脊柱ct图像的分割方法、椎体成像的识别方法及装置 | |
CN115841472A (zh) | 大脑中动脉高密度征识别方法、装置、设备及存储介质 | |
CN113362327B (zh) | 一种胸腔图像中的区域分割方法、装置、终端及存储介质 |
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 |