CN113362327A - 一种胸腔图像中的区域分割方法、装置、终端及存储介质 - Google Patents

一种胸腔图像中的区域分割方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN113362327A
CN113362327A CN202110911320.2A CN202110911320A CN113362327A CN 113362327 A CN113362327 A CN 113362327A CN 202110911320 A CN202110911320 A CN 202110911320A CN 113362327 A CN113362327 A CN 113362327A
Authority
CN
China
Prior art keywords
region
slice
area
determining
cutting plane
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
CN202110911320.2A
Other languages
English (en)
Other versions
CN113362327B (zh
Inventor
高琪
李博文
魏润杰
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.)
Hangzhou Shengshi Technology Co ltd
Original Assignee
Hangzhou Shengshi Technology Co ltd
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 Hangzhou Shengshi Technology Co ltd filed Critical Hangzhou Shengshi Technology Co ltd
Priority to CN202110911320.2A priority Critical patent/CN113362327B/zh
Publication of CN113362327A publication Critical patent/CN113362327A/zh
Application granted granted Critical
Publication of CN113362327B publication Critical patent/CN113362327B/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
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • 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
    • 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
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • 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
    • 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
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请的实施例提供一种胸腔图像中的区域分割方法、胸腔图像中的区域分割装置、终端及存储介质,该方法包括:基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,其中,第一法向量在三维空间中的XY平面上;基于坐标原点和第一切割平面,缩小参考区域的范围,得到缩小后的参考区域;从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域。

Description

一种胸腔图像中的区域分割方法、装置、终端及存储介质
技术领域
本申请涉及但不限于医学图像处理技术领域,尤其涉及一种胸腔图像中的区域分割方法、胸腔图像中的区域分割装置、终端及存储介质。
背景技术
随着计算机技术的快速发展,越来越多的诊断软件及系统提出了针对数字医疗图像的处理方法,通过计算机算法将医疗图像转换、去噪、分割、识别以及分类后,得到处理后的医疗图像,以使医生通过观察处理后的医疗图像来对患者的组织形态和信号的强弱进行诊断,尤其针对心脏的区域分割具有很大的应用需求,以及对心血管栓塞,肿瘤,术前评估等有重要的意义。
相关技术中,针对心脏的区域分割而言,要么使用形态学方法如聚类、生长和图像分割的方式对包含有心脏区域的图像进行直接分割;要么使用统计学方法如通过医生对大量数据的手动操作分割心脏区域,建立对应的标准模型匹配策略,实现对包含有心脏区域的图像的分割。然而,上述方法中至少存在计算速度慢,受图像质量影响大的问题。
发明内容
本申请实施例提供一种胸腔图像中的区域分割方法、胸腔图像中的区域分割装置、终端及存储介质。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种胸腔图像中的区域分割方法,所述方法包括:
基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;
基于所述三维空间中的坐标原点和第一法向量,确定所述参考区域中的第一切割平面,其中,所述第一法向量在所述三维空间中的XY平面上;
基于所述坐标原点和所述第一切割平面,缩小所述参考区域的范围,得到缩小后的参考区域;
从所述缩小后的参考区域中,确定所述主动脉区域和左心室区域所在的目标区域。
第二方面,本申请实施例提供一种胸腔图像中的区域分割装置,其特征在于,所述装置包括:
获取模块,用于基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;
确定模块,用于基于所述三维空间中的坐标原点和第一法向量,确定所述参考区域中的第一切割平面,其中,所述第一法向量在所述三维空间中的XY平面上;
处理模块,用于基于所述坐标原点和所述第一切割平面,缩小所述参考区域的范围,得到缩小后的参考区域;
所述确定模块,还用于从所述缩小后的参考区域中,确定所述主动脉区域和左心室区域所在的目标区域。
第三方面,本申请实施例提供一种终端,所述终端包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令,以实现上述的胸腔图像中的区域分割方法。
第四方面,本申请实施例提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述的胸腔图像中的区域分割方法的步骤。
应用本申请实施例实现以下有益效果:以医学心脏模型为基础,基于获取的三维空间中包含有主动脉和左心室的参考区域,以及三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,以根据第一切割平面,确定重要的心脏区域,进而对心血管栓塞,肿瘤,术前评估等提供准确、可靠的参考数据。
本申请的实施例提供的胸腔图像中的区域分割方法、胸腔图像中的区域分割装置、终端及存储介质,通过基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,其中,第一法向量在三维空间中的XY平面上;基于坐标原点和第一切割平面,缩小参考区域的范围,得到缩小后的参考区域;从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域;也就是说,基于获取的三维空间中包含有主动脉和左心室的参考区域,以及三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,以根据第一切割平面,确定重要的心脏区域。如此,解决了相关技术中存在计算速度慢,受图像质量影响大的问题,克服了传统算法的局限性,并通过第一切割平面,保证了分割心脏区域时对主动脉区域和左心室区域的保留,避免了频繁的错误删除的操作,也保证了对心脏区域分割的准确性。同时,还提高了计算速度和计算效率。进一步地,能够为心血管栓塞,肿瘤,术前评估等提供准确、可靠的参考数据,有利于临床医生对患者的患病风险进行快速评估。
附图说明
图1为本申请实施例提供的胸腔图像中的区域分割方法的一个可选流程示意图;
图2为本申请实施例提供的胸腔图像中的区域分割方法的一个可选流程示意图;
图3为本申请实施例提供的心脏各区域预测分割结果的示意图;
图4A为本申请实施例提供的合并后的区域未进行框定的示意图;
图4B为本申请实施例提供的框定区域的模板的示意图;
图4C为本申请实施例提供的合并后的区域已进行框定的区域的示意图;
图5A为本申请实施例提供的确定的左心房区域和心耳区域的模板的示意图;
图5B为本申请实施例提供的去除左心房区域和心耳区域后的参考区域的示意图;
图6A为本申请实施例提供的XY平面中缩小后的区域的模板的示意图;
图6B为本申请实施例提供的XY平面中缩小后的区域的示意图;
图7A为本申请实施例提供的连通区域经过形态学开运算处理后处于一可选方位的示意图;
图7B为本申请实施例提供的连通区域经过形态学开运算处理后处于另一可选方位的示意图;
图8为本申请实施例提供的胸腔图像中的区域分割方法的一个可选流程示意图;
图9为本申请实施例提供的胸腔图像中的区域分割方法的一个可选流程示意图;
图10为本申请实施例提供的胸腔图像中的区域分割方法的一个可选流程示意图;
图11A为本申请实施例提供的在XY平面的四个方向切除角后的模板的示意图;
图11B为本申请实施例提供的在XZ平面的四个方向切除角后的模板的示意图;
图11C为本申请实施例提供的在YZ平面的四个方向切除角后的模板的示意图;
图12A为本申请实施例提供的在XY平面的四个方向切除角后的开运算处理后的区域的示意图;
图12B为本申请实施例提供的在XZ平面的四个方向切除角后的开运算处理后的区域的示意图;
图12C为本申请实施例提供的在YZ平面的四个方向切除角后的开运算处理后的区域的示意图;
图13A为本申请实施例提供的目标区域处于一可选方位的示意图;
图13B为本申请实施例提供的目标区域处于又一可选方位的示意图;
图13C为本申请实施例提供的目标区域处于另一可选方位的示意图;
图14为本申请实施例提供的一种胸腔图像中的区域分割装置的结构示意图;
图15为本申请实施例提供的一种终端的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
在医学影像领域和计算机X射线断层扫描领域中,有彩超心血管成像,核磁共振成像(Magnetic Resonance Imaging,MRI)以及数字减影血管造影技术(Digitalsubtraction angiography,DSA)等多项技术相继出现。使得医学影像数字化程度越来越高,种类也更加多样化。医学影像技术和计算机X射线断层扫描技术已不仅只是提供各类人体器官的重构模型,还通过时间序列的血流速度场体现血流动力学的变化。这些技术的发展极大地提高了医生诊断的效率和准确性,以及为患者的患病风险进行快速评估提供了有力依据。
针对心脏图像中的区域分割而言,目前针对心脏区域分割的研究大部分的方法为,要么使用形态学方法如聚类、生长和图分割的方式对包含有心脏区域的图像进行直接分割;要么使用统计学方法如通过医生对大量数据的手动操作分割心脏区域,建立对应的标准模型匹配策略,实现对包含有心脏区域的图像的分割。然而,上述方法中至少存在计算速度慢,受图像质量影响大,耗费医疗人员时间长,且会造成大量的心脏周围区域错误分割,如主动脉区域分割过多,冠状动脉区域截断等问题。可见,目前,亟需提供一种从数字医疗图像中将心脏所在区域快速,准确地分割,使得模型取得更加可靠的结果的胸腔图像中的区域分割方法。
本申请实施例提供一种胸腔图像中的区域分割方法,该方法应用于终端,参见图1所示,该方法包括:
步骤101、基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域。
本申请实施例中,三维空间包括三个轴,X轴、Y轴、Z轴,其中X轴表示三维空间中的左右空间,Y轴表示三维空间中的前后空间,Z轴表示三维空间中的上下空间。需要说明的是,三维空间中的X轴、Y轴、Z轴组成三维空间空间直角坐标系。
本申请实施例中,胸腔断层图像为电子计算机断层扫描血管造影(ComputedTomography Angiography,CTA)图像,CTA图像可以是通过静脉注射适当造影剂后,利用多排螺旋CT机对心脏区域进行扫描,从而得到CTA图像。对CTA图像进行三维重建,得到心脏所包含的组织器官的器官模型。这里,CTA图像通常以医学数字成像和通信(Digital Imagingand Communications in Medicine,DICOM)的文件格式进行存储。这个格式包含关于患者受保护的健康信息(Protected Health Information,PHI)信息,如姓名,性别,年龄,以及其他图像相关信息比如捕获并生成图像的设备信息,医疗的一些上下文相关信息等。
本申请实施例中,胸腔断层图像包含心脏区域。需要说明的是,胸腔断层图像的图像大小为[N,P,Q],其中,N为胸腔断层图像中的切片数量,
Figure 58056DEST_PATH_IMAGE001
为每张切片的大小,示例性的,胸腔断层图像中每张切片的大小可以为
Figure 99830DEST_PATH_IMAGE002
;需要说明的是,采集的胸腔断层图像为二维图像。
本申请实施例中,获取胸腔断层图像是为了提取具有完整、立体的心脏图像,利用本实施例的方法得到的心脏图像并非是心脏完整、立体的图像,需要将胸腔断层图像对应的所有的心脏图片进行三维重建,才能得到完整、立体的心脏的图像。
本申请实施例中,终端将胸腔断层图像进行三维重建,得到三维空间中的胸腔断层区域,将胸腔断层区域输入至训练好的图像分割模型中,获取三维空间中包括组织器官如主动脉区域和左心室区域的参考区域的三维图像。
在一种实现方式中,图像分割模型是多张原始胸腔断层图像作为训练样本图像基于深度网络模型进行训练得到的。这里,深度网络模型可以为卷积神经网络(如3D-Unet)模型,当然,深度网络模型还可以为全卷积网络模型(Fully Convolutional Networks,FCN)。
这里,胸腔断层区域中的所有像素点可以以空间体坐标(x,y,z)的存储方式,为H行3列的二维数组(H是胸腔断层区域包含的像素点的个数)。本申请实施例中,终端将胸腔断层图像进行三维重建,得到三维空间中的胸腔断层区域之后,可以将胸腔断层区域中像素点转化为具有一定大小的三维矩阵,得到的胸腔断层区域即原始图像的三维矩阵A,并对三维矩阵A进行备份操作。
本申请实施例中,终端采集胸腔断层图像,并基于胸腔断层图像,构建三维胸腔断层区域,从三维胸腔断层区域中,基于训练好的图像分割模型,获取包含主动脉区域和左心室区域的参考区域。
步骤102、基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面。
其中,第一法向量的单位向量的起点为三维空间中的坐标原点,第一法向量的单位向量的终点在三维空间中的XY平面上,且第一法向量的单位向量与XY平面中的X轴的正方向的轴线和Y轴的正方向的轴线之间的夹角相同。
本申请实施例中,三维空间中的坐标原点可以定义为胸腔断层区域的最左下角位置的点,三维空间中的坐标原点还可以定义为胸腔断层区域的中心位置的点,三维空间中的坐标原点又可以定义为胸腔断层区域的最右下角位置的点,对此,本申请不做具体限定。需要说明的是,本申请的实施例中,所有可实现的示例场景中,均以三维空间中的坐标原点定义为胸腔断层区域的最左下角位置的点进行说明。
本申请实施例中,终端基于采集到的胸腔断层图像,在获取到三维空间中包含主动脉区域和左心室区域的参考区域后,获取三维空间中的坐标原点和在XY平面上的第一法向量,并基于坐标原点和第一法向量,确定参考区域中的第一切割平面。
步骤103、基于坐标原点和第一切割平面,缩小参考区域的范围,得到缩小后的参考区域。
步骤104、从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域。
本申请实施例中,终端基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面之后,基于坐标原点和第一切割平面,缩小参考区域的区域范围,得到缩小后的参考区域;并从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域。
本申请的实施例提供的胸腔图像中的区域分割方法,通过基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,其中,第一法向量在三维空间中的XY平面上;基于坐标原点和第一切割平面,缩小参考区域的范围,得到缩小后的参考区域;从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域;也就是说,基于获取的三维空间中包含有主动脉和左心室的参考区域,以及三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,以根据第一切割平面,确定重要的心脏区域。如此,解决了相关技术中存在计算速度慢,受图像质量影响大的问题,克服了传统算法的局限性,并通过第一切割平面,保证了分割心脏区域时对主动脉区域和左心室区域的保留,避免了频繁的错误删除的操作,也保证了对心脏区域分割的准确性。同时,还提高了计算速度和计算效率。进一步地,能够为心血管栓塞,肿瘤,术前评估等提供准确、可靠的参考数据,有利于临床医生对患者的患病风险进行快速评估。
本申请实施例提供一种胸腔图像中的区域分割方法,该方法应用于终端,参见图2所示,该方法包括:
步骤201、基于采集到的胸腔断层图像,构建三维胸腔断层区域。
本申请实施例中,终端首先采集胸腔断层图像,并对采集到的胸腔断层图像进行三维重建,得到三维空间中的胸腔断层区域。
在一种可实现的应用场景中,终端得到胸腔断层区域后,将胸腔断层区域输入至图像分割模型中,参见图3所示,获取三维空间中包括组织器官如主动脉区域11、左心室区域12、左心房和左心耳区域13,并得到与主动脉区域11的位置、左心室区域12的位置、左心房区域和心耳区域13的位置。
在一种实施方式中,终端获取到主动脉区域、左心室区域、左心房区域和心耳区域后,首先,终端将主动脉区域和左心室区域进行合并,得到合并后的区域;其次,在笛卡尔坐标系下如空间直角坐标系下,终端确定合并后的区域在三维空间中的所有像素点对应的坐标值中,X分量的最大值对应的像素点的第一位置、X分量的最小值对应的像素点的第二位置、Y分量的最大值对应的像素点的第三位置、Y分量的最小值对应的像素点的第四位置、Z分量的最大值对应的像素点的第五位置以及Z分量的最小值对应的像素点的第六位置。再次,终端基于第一位置、第二位置、第三位置、第四位置、第五位置以及第六位置,框定一个紧密贴近该合并后的区域,得到一个三维胸腔断层区域,参见图4A、图4B和图4C所示,图4A示出的是合并后的区域未进行框定的示意图;图4B示出的是框定区域的模板的示意图,图4C示出的是合并后的区域已进行框定的区域的示意图。需要说明的是,三维胸腔断层区域是胸腔断层区域中的部分区域,那么三维胸腔断层区域对应的三维矩阵是胸腔断层区域对应的三维矩阵A的子集,终端更新三维矩阵A,即将三维矩阵A中除三维胸腔断层区域对应的三维矩阵外的所有像素点的像素值设置为0。
步骤202、从三维胸腔断层区域中去除左心房区域和心耳区域,得到参考区域。
本申请实施例中,参见图5A和图5B所示,图5A示出的是确定的左心房区域和心耳区域的模板的示意图,图5B示出的是去除左心房区域和心耳区域后的参考区域的示意图。终端确定左心房区域和心耳区域后,从三维胸腔断层区域中去除左心房区域和心耳区域,得到参考区域。需要说明的是,心脏的方位会发生变化,通过第一位置、第二位置、第三位置、第四位置、第五位置以及第六位置框定的包含有主动脉区域和左心室区域的三维胸腔断层区域中,可能存在有左心房区域和心耳区域,因此,需要对三维胸腔断层区域中的左心房区域和心耳区域进行去除操作。
步骤203、基于三维空间中的坐标原点和第一法向量,确定与第一法向量垂直的基准切割平面。
其中,第一法向量的单位向量的起点为三维空间中的坐标原点,第一法向量的单位向量的终点在三维空间中的XY平面上,且第一法向量的单位向量与XY平面中的X轴的正方向的轴线和Y轴的正方向的的轴线之间的夹角相同。
步骤204、以坐标原点为移动的起点,将基准切割平面沿着第一法向量的方向移动,当移动至与主动脉区域相交时,确定移动后的基准切割平面为第一切割平面。
本申请实施例中,终端从三维胸腔断层区域中去除左心房区域和心耳区域,得到参考区域后,首先,获取三维空间中的坐标原点和在XY平面上的第一法向量,并基于坐标原点和第一法向量,确定参考区域中与第一法向量垂直的基准切割平面;其次,终端以坐标原点为移动的起始点,控制基准切割平面沿着第一法向量的方向,按照预设的步长进行移动,当基准切割平面移动至与参考区域中的主动脉区域相交时,确定移动后的基准切割平面为第一切割平面。
在一种可实现的应用场景中,以三维空间中的坐标原点定义为胸腔断层区域的最左下角位置的点,且坐标原点O坐标为(0,0,0);首先,终端获取在三维空间中的XY平面上,与X轴的正方向的夹角和Y轴的正方向的夹角相等的第一法向量l,示例性的,该第一法向量l的向量值为(0.7071,0.7071,0)。其次,终端基于坐标原点O(0,0,0)以及第一法向量l(0.7071,0.7071,0)确定与第一法向量l垂直的基准切割平面planeO,从基准切割平面planeO开始,沿着第一法向量l的方向进行步进,直到接触到主动脉区域为止,确定移动后的基准切割平面planeO为第一切割平面current_plane,方式如下:
Figure 690954DEST_PATH_IMAGE003
其中,current_plane为当前切割平面,这里,在未进行步进时,当前切割平面为基准切割平面;count为迭代次数,即步进的次数,这里,初始迭代次数count为0;step为步进长度,示例性的,step=20px;Aorta_region为主动脉区域。
这里,当当前切割平面current_plane与主动脉区域Aorta_region之间的并集为0时,即当前切割平面current_plane与主动脉区域Aorta_region未相交时,表示当前切割平面与主动脉区域中的任意一点都没有接触,则迭代次数count加1,即count=count+1,也表示将当前切割平面沿着第一法向量l的方向向前移动一个单位的步进长度step,并且将移动后的当前切割平面更换为推进后的当前切割平面。
这里,当推进后的当前切割平面current_plane与主动脉区域Aorta_region之间的并集大于0时,状态为true,则表示当前切割平面current_plane接触到了主动脉区域Aorta_region,则停止该迭代算法。因此,当前切割平面current_plane也为移动后的基准切割平面,此时确定移动后的基准切割平面为第一切割平面。
步骤205、从参考区域中去除从基准切割平面至第一切割平面之间的区域,得到缩小后的参考区域。
本申请实施例中,终端确定参考区域中从基准切割平面至第一切割平面之间的区域,并将该区域从参考区域中去除,得到缩小后的参考区域。这里,终端更新三维矩阵A,即将三维矩阵A中的参考区域中的从基准切割平面至第一切割平面之间的区域对应的像素点的像素值设置为0。参见图6A和图6B所示,图6A示出的是XY平面中缩小后的区域的模板的示意图,图6B示出的是XY平面中缩小后的区域的示意图。
步骤206、基于缩小后的参考区域中所有像素点对应的像素值,将所有像素点划分为具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点。
本申请实施例中,具有第一标识参数的第一类像素点至少包括主动脉区域内的像素点、左心室区域内的像素点和像素值大于或等于像素阈值的像素点;示例性的,像素阈值可以为160。
本申请实施例中,具有第二标识参数的第二类像素点至少包括像素值小于像素阈值的像素点;示例性的,像素阈值可以为160。
本申请实施例中,终端从参考区域中去除从基准切割平面至第一切割平面之间的区域,得到缩小后的参考区域后,获取缩小后的参考区域中所有像素点对应的像素值,并将所有像素点划分为具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点。这里,终端对获取三维矩阵A中的像素点做一次阈值分割,像素阈值为160,将像素值大于等于160以上的像素值置为1,将小于160的像素值置为0,为确保主动脉区域以及左心室区域不被影响,将这两个区域对应的坐标位置的像素点的像素值全部置为1。
步骤207、基于缩小后的参考区域中具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点的分布信息,确定连通区域。
本申请实施例中,分布信息至少包括像素点的位置信息。
本申请实施例中,终端基于缩小后的参考区域中所有像素点对应的像素值,将所有像素点划分为具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点后,获取具有第一标识参数的第一类像素点的分布信息,和具有第二标识参数的第二类像素点的分布信息,确定只存在一个最大的连通区域。
步骤208、对连通区域进行形态学开运算处理,并基于开运算处理后的区域得到目标区域。
本申请实施例中,形态学开运算包括形态学腐蚀和形态学膨胀,形态学开运算用于使连通区域中的细微区域被分开并清除。
本申请实施例中,终端确定连通区域后,对连通区域先进行形态学腐蚀处理,再进行形态学膨胀处理,得到处理后的区域,进而基于处理后的区域得到目标区域。如此,连通区域经过形态学开运算处理,去除了心脏图像组织中的边界的毛刺,减少对目标区域的影响,避免了传统算法的匹配搜索等串行运算;同时,计算速度快,耗时短。参见图7A和图7B所示,图7A示出的是连通区域经过形态学开运算处理后处于一可选方位的示意图,图7B示出的是连通区域经过形态学开运算处理后处于另一可选方位的示意图。
这里,形态学开运算的形式如下:
Figure 741955DEST_PATH_IMAGE004
其中,result为运算后的结果,data为三维矩阵数据,open为形态学开运算操作,erode为形态学腐蚀操作,dilate为形态学膨胀操作,也即形态学开运算等于形态学腐蚀运算加形态学膨胀运算。终端基于开运算,得到更新后的三维矩阵A。
本申请实施例中,参见图8所示,步骤208中基于开运算处理后的区域得到目标区域,可以通过如下步骤实现:
步骤A1、确定开运算处理后的区域在三维区域中的XY平面上的投影所在的第一切片区域。
步骤A2、确定开运算处理后的区域在三维区域中的XZ平面上的投影所在的第二切片区域。
步骤A3、确定开运算处理后的区域在三维区域中的YZ平面上的投影所在的第三切片区域。
步骤A4、基于第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
本申请实施例中,终端确定开运算处理后的区域在三维区域中的XY平面上的投影所在的第一切片区域、在三维区域中的XZ平面上的投影所在的第二切片区域、在三维区域中的YZ平面上的投影所在的第三切片区域;终端基于第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取主动脉区域左心室区域所在的目标区域。
本申请实施例中,参见图9所示,步骤A4基于第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域,可以通过如下步骤实现:
步骤B1、确定三维空间中与第一切片区域垂直的四个第一平面。
步骤B2、确定三维空间中与第二切片区域垂直的四个第二平面。
步骤B3、确定三维空间中与第三切片区域垂直的四个第三平面。
步骤B4、基于四个第一平面、四个第二平面、四个第三平面、第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
本申请实施例中,终端确定三维空间中与第一切片区域垂直的四个第一平面、与第二切片区域垂直的四个第二平面、与第三切片区域垂直的四个第三平面;终端基于四个第一平面、四个第二平面、四个第三平面、第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取主动脉区域左心室区域所在的目标区域。
本申请实施例中,参见图10所示,步骤B4基于四个第一平面、四个第二平面、四个第三平面、第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域,可以通过如下步骤实现:
步骤C1、在第一切片区域中确定四个第一平面分别与第一切片区域相交的四条第一直线。
步骤C2、在第二切片区域中确定四个第二平面分别与第二切片区域相交的四条第二直线。
步骤C3、在第三切片区域中确定四个第三平面分别与第三切片区域相交的四条第三直线。
步骤C4、基于四条第一直线、四条第二直线和四条第三直线,从开运算处理后的区域中提取目标区域。
本申请实施例中,目标区域为在开运算处理后的区域中,由12条直线围城的空间区域。
本申请实施例中,终端在第一切片区域中确定四个第一平面分别与第一切片区域相交的四条第一直线、在第二切片区域中确定四个第二平面分别与第二切片区域相交的四条第二直线、在第三切片区域中确定四个第三平面分别与第三切片区域相交的四条第三直线;基于四条第一直线、四条第二直线和四条第三直线,从开运算处理后的区域中提取主动脉区域左心室区域所在的目标区域。
在一种可实现的应用场景中,终端分别获取开运算处理后的区域在三维区域中的XY平面上、XZ平面上以及YZ平面上的投影区域,和与第一切片区域垂直的四个第一平面、与第二切片区域垂直的四个第二平面以及与第三切片区域垂直的四个第三平面。进一步地,终端确定四个第一平面分别与第一切片区域相交的四条第一直线,每一直线中的任一点对应的坐标在XY平面的横纵坐标比;确定四个第二平面分别与第二切片区域相交的四条第二直线,每一直线中的任一点对应的坐标在XZ平面的横纵方向比;确定四个第三平面分别与第三切片区域相交的四条第三直线,每一直线中的任一点对应的坐标在YZ平面的横纵坐标比。这里,横纵坐标比可以理解为该直线对应的夹角对应的tan值,示例性的,参照图11A所示,以XY平面上的第一切片区域为例,在第一切片区域中确定出四个第一平面分别与第一切片区域相交的四条第一直线,例如,四条第一直线包括第一子直线L1、第二子直线L2、第三子直线L3和第四子直线L4,如图11A所示,第一子直线L1对应的夹角θ1对应的tanθ1为0.2、第二子直线L2对应的夹角θ2对应的tanθ2为0.8,第三子直线L3对应的夹角θ3对应的tanθ3为5,第四子直线L4对应的夹角θ4对应的tanθ4为15。同时,确定第一子直线L1对应的起始点为(0,0,0),确定第二子直线L2对应的起始点为(0,512,0),确定第三子直线L3对应的起始点为(512,512,0),确定第四子直线L4对应的起始点为(512,0,0)。
示例性的,在XZ平面上确定的四条第二直线中,每一直线的横纵坐标比按照逆时针的方向确定的tan值也是0.2、0.8、5、15,以及每一直线对应的起始点;和在YZ平面上确定的四条第三直线中,每一直线的横纵坐标比按照逆时针的方向确定的tan值也是0.2、0.8、5、15,以及每一直线对应的起始点。
进一步地,终端以每一直线对应的起始点为目标起始点,按照预设的推进方式将每一直线向前推进,直到触碰到像素值为1的任意坐标处停止。则将步进过的区域全部清除,即将对应的坐标的像素值置0。参见图11A、11B和11C,以及12A、12B和12C所示,图11A示出的是在XY平面的四个方向切除角后的模板的示意图,图11B示出的是在XZ平面的四个方向切除角后的模板的示意图,图11C示出的是在YZ平面的四个方向切除角后的模板的示意图,图12A示出的是在XY平面的四个方向切除角后的开运算处理后的区域的示意图,图12B示出的是在XZ平面的四个方向切除角后的开运算处理后的区域的示意图,图12C示出的是在YZ平面的四个方向切除角后的开运算处理后的区域的示意图。
这里,终端得到更新后的三维矩阵A,该三维矩阵A是最终得到的心脏区域,将三维矩阵A与原始图像的三维矩阵做矩阵点乘,得到最终的心脏区域数据。并将最终的心脏区域数据进行渲染处理,得到主动脉区域和左心室区域所在的目标区域,参见图13A、13B和13C所示,图13A示出的是目标区域处于一可选方位的示意图,图13B示出的是目标区域处于又一可选方位的示意图,图13C示出的是目标区域处于另一可选方位的示意图。
由上述可知,本申请实施例中,首先,终端通过预测心脏部分关键区域,框选左心室区域及主动脉区域,删除左心房区域及心耳区域;其次,终端从参考区域中去除从基准切割平面至第一切割平面之间的区域,得到缩小后的参考区域;再次,终端对缩小后的参考区域进行阈值分割,形态学中的开运算处理,得到开运算处理后的区域;最后,终端基于开运算处理后的区域得到主动脉区域和左心室区域所在的目标区域。如此,将最重的心脏区域分割出来,得到最终的结果,结果准确可靠,并且使用更优化的算法过程,摒弃传统算法的匹配迭代等耗时的流程,使得计算速度大大加快,保证其应用实用价值。
本申请的实施例提供一种胸腔图像中的区域分割装置,该装置可以用于实施图1~图2、图8~图10对应的实施例提供的一种胸腔图像中的区域分割方法,参照图14所示,该胸腔图像中的区域分割装置14包括:
获取模块1401,用于基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;
确定模块1402,用于基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,其中,第一法向量在三维空间中的XY平面上;
处理模块1403,用于基于坐标原点和第一切割平面,缩小参考区域的范围,得到缩小后的参考区域;
确定模块1402,还用于从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域。
本申请其他实施例中,确定模块1402,还用于基于坐标原点和第一法向量,确定与第一法向量垂直的基准切割平面;以坐标原点为移动的起点,将基准切割平面沿着第一法向量的方向移动,当移动至与主动脉区域相交时,确定移动后的基准切割平面为第一切割平面。
本申请其他实施例中,处理模块1403,还用于从参考区域中去除从基准切割平面至第一切割平面之间的区域,得到缩小后的参考区域。
本申请其他实施例中,处理模块1403,还用于基于缩小后的参考区域中所有像素点对应的像素值,将所有像素点划分为具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点;确定模块1402,还用于基于缩小后的参考区域中具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点的分布信息,确定连通区域;处理模块1403,还用于对连通区域进行形态学开运算处理,并基于开运算处理后的区域得到目标区域。
本申请其他实施例中,确定模块1402,还用于确定开运算处理后的区域在三维区域中的XY平面上的投影所在的第一切片区域;确定开运算处理后的区域在三维区域中的XZ平面上的投影所在的第二切片区域;确定开运算处理后的区域在三维区域中的YZ平面上的投影所在的第三切片区域;处理模块1403,还用于基于第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
本申请其他实施例中,确定模块1402,还用于确定三维空间中与第一切片区域垂直的四个第一平面;确定三维空间中与第二切片区域垂直的四个第二平面;确定三维空间中与第三切片区域垂直的四个第三平面;处理模块1403,还用于基于四个第一平面、四个第二平面、四个第三平面、第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
本申请其他实施例中,确定模块1402,还用于在第一切片区域中确定四个第一平面分别与第一切片区域相交的四条第一直线;在第二切片区域中确定四个第二平面分别与第二切片区域相交的四条第二直线;在第三切片区域中确定四个第三平面分别与第三切片区域相交的四条第三直线;处理模块1403,还用于基于四条第一直线、四条第二直线和四条第三直线,从开运算处理后的区域中提取目标区域。
本申请其他实施例中,处理模块1403,还用于基于采集到的胸腔断层图像,构建三维胸腔断层区域;从三维胸腔断层区域中去除左心房区域和心耳区域,得到参考区域。
本申请的实施例提供一种终端,该终端可以用于实施图1~图2、图8~图10对应的实施例提供的一种胸腔图像中的区域分割方法,参照图15所示,该终端15(图15中的终端15对应图14中的胸腔图像中的区域分割装置14)包括:
存储器1501,用于存储可执行指令;
处理器1502,用于执行存储器中存储的可执行指令,以实现以下步骤:
基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;
基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,其中,第一法向量在三维空间中的XY平面上;
基于坐标原点和第一切割平面,缩小参考区域的范围,得到缩小后的参考区域;
从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域。
本申请其他实施例中,处理器1502用于执行存储器1501中存储的程序,以实现以下步骤:
基于坐标原点和第一法向量,确定与第一法向量垂直的基准切割平面;以坐标原点为移动的起点,将基准切割平面沿着第一法向量的方向移动,当移动至与主动脉区域相交时,确定移动后的基准切割平面为第一切割平面。
本申请其他实施例中,处理器1502用于执行存储器1501中存储的程序,以实现以下步骤:
从参考区域中去除从基准切割平面至第一切割平面之间的区域,得到缩小后的参考区域。
本申请其他实施例中,处理器1502用于执行存储器1501中存储的程序,以实现以下步骤:
基于缩小后的参考区域中所有像素点对应的像素值,将所有像素点划分为具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点;基于缩小后的参考区域中具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点的分布信息,确定连通区域;对连通区域进行形态学开运算处理,并基于开运算处理后的区域得到目标区域。
本申请其他实施例中,处理器1502用于执行存储器1501中存储的程序,以实现以下步骤:
确定开运算处理后的区域在三维区域中的XY平面上的投影所在的第一切片区域;确定开运算处理后的区域在三维区域中的XZ平面上的投影所在的第二切片区域;确定开运算处理后的区域在三维区域中的YZ平面上的投影所在的第三切片区域;基于第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
本申请其他实施例中,处理器1502用于执行存储器1501中存储的程序,以实现以下步骤:
确定三维空间中与第一切片区域垂直的四个第一平面;确定三维空间中与第二切片区域垂直的四个第二平面;确定三维空间中与第三切片区域垂直的四个第三平面;基于四个第一平面、四个第二平面、四个第三平面、第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
本申请其他实施例中,处理器1502用于执行存储器1501中存储的程序,以实现以下步骤:
在第一切片区域中确定四个第一平面分别与第一切片区域相交的四条第一直线;在第二切片区域中确定四个第二平面分别与第二切片区域相交的四条第二直线;在第三切片区域中确定四个第三平面分别与第三切片区域相交的四条第三直线;基于四条第一直线、四条第二直线和四条第三直线,从开运算处理后的区域中提取目标区域。
本申请其他实施例中,处理器1502用于执行存储器1501中存储的程序,以实现以下步骤:
基于采集到的胸腔断层图像,构建三维胸腔断层区域;从三维胸腔断层区域中去除左心房区域和心耳区域,得到参考区域。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1~图2、图8~图10对应的实施例提供的胸腔图像中的区域分割方法中的实现过程,此处不再赘述。
本申请的实施例提供一种存储介质,该存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如下步骤:
基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;
基于三维空间中的坐标原点和第一法向量,确定参考区域中的第一切割平面,其中,第一法向量在三维空间中的XY平面上;
基于坐标原点和第一切割平面,缩小参考区域的范围,得到缩小后的参考区域;
从缩小后的参考区域中,确定主动脉区域和左心室区域所在的目标区域。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
基于坐标原点和第一法向量,确定与第一法向量垂直的基准切割平面;以坐标原点为移动的起点,将基准切割平面沿着第一法向量的方向移动,当移动至与主动脉区域相交时,确定移动后的基准切割平面为第一切割平面。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
从参考区域中去除从基准切割平面至第一切割平面之间的区域,得到缩小后的参考区域。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
基于缩小后的参考区域中所有像素点对应的像素值,将所有像素点划分为具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点;基于缩小后的参考区域中具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点的分布信息,确定连通区域;对连通区域进行形态学开运算处理,并基于开运算处理后的区域得到目标区域。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
确定开运算处理后的区域在三维区域中的XY平面上的投影所在的第一切片区域;确定开运算处理后的区域在三维区域中的XZ平面上的投影所在的第二切片区域;确定开运算处理后的区域在三维区域中的YZ平面上的投影所在的第三切片区域;基于第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
确定三维空间中与第一切片区域垂直的四个第一平面;确定三维空间中与第二切片区域垂直的四个第二平面;确定三维空间中与第三切片区域垂直的四个第三平面;基于四个第一平面、四个第二平面、四个第三平面、第一切片区域、第二切片区域和第三切片区域,从开运算处理后的区域中提取目标区域。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
在第一切片区域中确定四个第一平面分别与第一切片区域相交的四条第一直线;在第二切片区域中确定四个第二平面分别与第二切片区域相交的四条第二直线;在第三切片区域中确定四个第三平面分别与第三切片区域相交的四条第三直线;基于四条第一直线、四条第二直线和四条第三直线,从开运算处理后的区域中提取目标区域。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
基于采集到的胸腔断层图像,构建三维胸腔断层区域;从三维胸腔断层区域中去除左心房区域和心耳区域,得到参考区域。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1~图2、图8~图10对应的实施例提供的胸腔图像中的区域分割方法中的实现过程,此处不再赘述。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
上述计算机存储介质/存储器可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”或“本申请实施例”或“前述实施例”或“一些实施例”或“一些实施方式”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“本申请实施例”或“前述实施例”或“一些实施例”或“一些实施方式”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
值得注意的是,本申请实施例中的附图只是为了说明各个器件在终端设备上的示意位置,并不代表在终端设备中的真实位置,各器件或各个区域的真实位置可根据实际情况(例如,终端设备的结构)作出相应改变或偏移,并且,图中的终端设备中不同部分的比例并不代表真实的比例。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

Claims (11)

1.一种胸腔图像中的区域分割方法,其特征在于,所述方法包括:
基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;
基于所述三维空间中的坐标原点和第一法向量,确定所述参考区域中的第一切割平面,其中,所述第一法向量在所述三维空间中的XY平面上;
基于所述坐标原点和所述第一切割平面,缩小所述参考区域的范围,得到缩小后的参考区域;
从所述缩小后的参考区域中,确定所述主动脉区域和左心室区域所在的目标区域。
2.根据权利要求1所述的方法,其特征在于,所述基于所述三维空间中的坐标原点和第一法向量,确定所述参考区域中的第一切割平面,包括:
基于所述坐标原点和所述第一法向量,确定与所述第一法向量垂直的基准切割平面;
以所述坐标原点为移动的起点,将所述基准切割平面沿着所述第一法向量的方向移动,当移动至与所述主动脉区域相交时,确定移动后的基准切割平面为所述第一切割平面。
3.根据权利要求2所述的方法,其特征在于,所述基于所述坐标原点和所述第一切割平面,缩小所述参考区域的范围,得到缩小后的参考区域,包括:
从所述参考区域中去除从所述基准切割平面至所述第一切割平面之间的区域,得到缩小后的参考区域。
4.根据权利要求1所述的方法,其特征在于,所述从所述缩小后的参考区域中,确定所述主动脉区域和左心室区域所在的目标区域,包括:
基于所述缩小后的参考区域中所有像素点对应的像素值,将所述所有像素点划分为具有第一标识参数的第一类像素点和具有第二标识参数的第二类像素点;
基于所述缩小后的参考区域中所述具有第一标识参数的第一类像素点和所述具有第二标识参数的第二类像素点的分布信息,确定连通区域;
对所述连通区域进行形态学开运算处理,并基于开运算处理后的区域得到所述目标区域。
5.根据权利要求4所述的方法,其特征在于,所述基于开运算处理后的区域得到所述目标区域,包括:
确定所述开运算处理后的区域在三维区域中的XY平面上的投影所在的第一切片区域;
确定所述开运算处理后的区域在三维区域中的XZ平面上的投影所在的第二切片区域;
确定所述开运算处理后的区域在三维区域中的YZ平面上的投影所在的第三切片区域;
基于所述第一切片区域、所述第二切片区域和所述第三切片区域,从所述开运算处理后的区域中提取所述目标区域。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一切片区域、所述第二切片区域和所述第三切片区域,从所述开运算处理后的区域中提取所述目标区域,包括:
确定所述三维空间中与所述第一切片区域垂直的四个第一平面;
确定所述三维空间中与所述第二切片区域垂直的四个第二平面;
确定所述三维空间中与所述第三切片区域垂直的四个第三平面;
基于所述四个第一平面、所述四个第二平面、所述四个第三平面、所述第一切片区域、所述第二切片区域和所述第三切片区域,从所述开运算处理后的区域中提取所述目标区域。
7.根据权利要求6所述的方法,其特征在于,所述基于所述四个第一平面、所述四个第二平面、所述四个第三平面、所述第一切片区域、所述第二切片区域和所述第三切片区域,从所述开运算处理后的区域中提取所述目标区域,包括:
在所述第一切片区域中确定所述四个第一平面分别与所述第一切片区域相交的四条第一直线;
在所述第二切片区域中确定所述四个第二平面分别与所述第二切片区域相交的四条第二直线;
在所述第三切片区域中确定所述四个第三平面分别与所述第三切片区域相交的四条第三直线;
基于所述四条第一直线、所述四条第二直线和所述四条第三直线,从所述开运算处理后的区域中提取所述目标区域。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域,包括:
基于采集到的胸腔断层图像,构建三维胸腔断层区域;
从所述三维胸腔断层区域中去除左心房区域和心耳区域,得到所述参考区域。
9.一种胸腔图像中的区域分割装置,其特征在于,所述装置包括:
获取模块,用于基于采集到的胸腔断层图像,获取三维空间中包含主动脉区域和左心室区域的参考区域;
确定模块,用于基于所述三维空间中的坐标原点和第一法向量,确定所述参考区域中的第一切割平面,其中,所述第一法向量在所述三维空间中的XY平面上;
处理模块,用于基于所述坐标原点和所述第一切割平面,缩小所述参考区域的范围,得到缩小后的参考区域;
所述确定模块,还用于从所述缩小后的参考区域中,确定所述主动脉区域和左心室区域所在的目标区域。
10.一种终端,其特征在于,所述终端包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令,以实现如权利要求1至8中任一项所述的胸腔图像中的区域分割方法。
11.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的胸腔图像中的区域分割方法。
CN202110911320.2A 2021-08-10 2021-08-10 一种胸腔图像中的区域分割方法、装置、终端及存储介质 Active CN113362327B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110911320.2A CN113362327B (zh) 2021-08-10 2021-08-10 一种胸腔图像中的区域分割方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110911320.2A CN113362327B (zh) 2021-08-10 2021-08-10 一种胸腔图像中的区域分割方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN113362327A true CN113362327A (zh) 2021-09-07
CN113362327B CN113362327B (zh) 2021-11-05

Family

ID=77540784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110911320.2A Active CN113362327B (zh) 2021-08-10 2021-08-10 一种胸腔图像中的区域分割方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN113362327B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115100189A (zh) * 2022-07-28 2022-09-23 上海品课信息科技有限公司 三维医疗影像的切割方法、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109685816A (zh) * 2018-12-27 2019-04-26 上海联影医疗科技有限公司 一种图像分割方法、装置、设备及存储介质
US20190259161A1 (en) * 2015-05-05 2019-08-22 Shanghai United Imaging Healthcare Co., Ltd. System and method for image segmentation
CN110570424A (zh) * 2019-10-08 2019-12-13 中国人民解放军陆军军医大学 一种基于cta动态影像的主动脉瓣半自动分割方法
CN112862827A (zh) * 2021-04-26 2021-05-28 杭州晟视科技有限公司 一种左心耳的开口参数确定方法、装置、终端及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190259161A1 (en) * 2015-05-05 2019-08-22 Shanghai United Imaging Healthcare Co., Ltd. System and method for image segmentation
CN109685816A (zh) * 2018-12-27 2019-04-26 上海联影医疗科技有限公司 一种图像分割方法、装置、设备及存储介质
CN110570424A (zh) * 2019-10-08 2019-12-13 中国人民解放军陆军军医大学 一种基于cta动态影像的主动脉瓣半自动分割方法
CN112862827A (zh) * 2021-04-26 2021-05-28 杭州晟视科技有限公司 一种左心耳的开口参数确定方法、装置、终端及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115100189A (zh) * 2022-07-28 2022-09-23 上海品课信息科技有限公司 三维医疗影像的切割方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN113362327B (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
Haque et al. Deep learning approaches to biomedical image segmentation
Zhou et al. Automatic detection and classification of focal liver lesions based on deep convolutional neural networks: a preliminary study
WO2018120644A1 (zh) 血管提取方法及系统
JP5225387B2 (ja) ボリュームレンダリング装置及び方法
CN109598722B (zh) 基于递归神经网络的图像分析方法
WO2007061931A2 (en) Fully automatic vessel tree segmentation
KR20130023735A (ko) 장기 모델 영상 생성 방법 및 장치
CN112861961B (zh) 肺血管分类方法及装置、存储介质及电子设备
CN109934829B (zh) 一种基于三维图割算法的肝脏分割方法
JP2015066311A (ja) 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体
US8907949B2 (en) Image display apparatus, method and program
CN116503607B (zh) 一种基于深度学习的ct图像分割方法和系统
CN112419484A (zh) 三维血管合成方法、系统及冠状动脉分析系统和存储介质
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
JohnsonChris A review of three-dimensional medical image visualization
CN114365188A (zh) 基于vrds ai下腔静脉影像的分析方法及产品
CN112308845B (zh) 左心室分割方法、装置及电子设备
CN110858412B (zh) 基于图像配准的心脏冠脉cta模型建立方法
CN112862827B (zh) 一种左心耳的开口参数确定方法、装置、终端及存储介质
Affane et al. Robust deep 3-d architectures based on vascular patterns for liver vessel segmentation
CN114066802A (zh) 一种用于确定心肌区域中的异常的方法、设备和系统
WO2021081839A1 (zh) 基于vrds 4d的病情分析方法及相关产品
CN113192099A (zh) 一种组织提取方法、装置、设备和介质
CN111798468A (zh) 图像处理方法及装置、存储介质及电子终端
CN114049282B (zh) 一种冠状动脉的构建方法、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