CN113409328A - Ct图像的肺动静脉分割方法、装置、介质及设备 - Google Patents
Ct图像的肺动静脉分割方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN113409328A CN113409328A CN202110614499.5A CN202110614499A CN113409328A CN 113409328 A CN113409328 A CN 113409328A CN 202110614499 A CN202110614499 A CN 202110614499A CN 113409328 A CN113409328 A CN 113409328A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- pulmonary
- segmentation
- vein
- 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
- 210000001147 pulmonary artery Anatomy 0.000 title claims abstract description 162
- 230000011218 segmentation Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 105
- 210000003492 pulmonary vein Anatomy 0.000 title claims abstract description 102
- 210000004072 lung Anatomy 0.000 claims abstract description 79
- 238000003709 image segmentation Methods 0.000 claims abstract description 43
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 38
- 210000003462 vein Anatomy 0.000 claims abstract description 36
- 230000002685 pulmonary effect Effects 0.000 claims abstract description 31
- 210000001367 artery Anatomy 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 230000007797 corrosion Effects 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 8
- 210000005241 right ventricle Anatomy 0.000 claims description 8
- 210000000038 chest Anatomy 0.000 description 31
- 210000001519 tissue Anatomy 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000002583 angiography Methods 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000005246 left atrium Anatomy 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002861 ventricular Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 210000000621 bronchi Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000003456 pulmonary alveoli Anatomy 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开实施例涉及一种CT图像的肺动静脉分割方法、装置、介质及电子设备，其方法包括：对预先获取的胸部CT图像进行预处理，得到所述胸部CT图像中的肺部区域范围；基于所述胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；对所述肺血管图像，通过区域生长法进行图像分割得到肺动脉图像和不包含动脉的待分割静脉图像；对所述待分割静脉图像，通过区域生长法进行图像分割，得到肺静脉图像；基于所述肺部区域范围，对所述肺动脉图像和所述肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。通过本申请的肺动静脉分割方法，分割结果准确度高，能够满足临床应用需求。
Description
技术领域
本申请属于医疗图像处理技术领域，具体涉及一种CT图像的肺动静脉分割方法、装置、介质及设备。
背景技术
肺血管是一套独立的血液循环系统，主要的作用是将血液运送至肺或将血液从肺内带走，以此完成肺内的气血交换，肺血管分割在生物医学图像处理领域得到了广泛的研究，然而区分肺动脉树、肺静脉树依然是一个挑战。肺动脉和肺静脉的分割对检测肺部疾病有重要意义，CT影像中的肺动脉和肺静脉分割是非常困难的，这是由于血管造影剂的剂量和扫描时间对血管造影的结果有很大的影响，由于肺部血管循环快，不同医生和设备扫描得到的血管造影结果在灰度值上会有比较大的区别，现有的自动分割方法进行动静脉分割时，只能在部分数据上进行有效的分割，在大部分数据上的分割准确度较低，难以满足临床应用需求。
上述缺陷是本邻域技术人员期望克服的。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本申请提供一种CT图像的肺动静脉分割方法、装置、介质及设备。
(二)技术方案
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供一种CT图像的肺动静脉分割方法，该方法包括：
S10、对预先获取的胸部CT图像进行预处理，得到所述胸部CT图像中的肺部区域范围；
S20、基于所述胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，所述阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
S30、对所述肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从所述CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉初始图像，对所述肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像；
S40、对所述待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从所述CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对所述待分割静脉图像进行图像分割，得到肺静脉图像；所述第二子区间中的任一数值大于所述第一子区间内的数值；
S50、基于所述肺部区域范围，对所述肺动脉图像和所述肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
可选地，步骤S10包括：
S11、基于CT值对所述胸部CT图像进行二值化处理，得到肺部的二值化图像；
S12、对所述二值化图像，选择最大的连通域进行空洞填充，得到人体组织区域图像；
S13、对所述人体组织区域图像进行二值化处理，选取小于第一预设阈值的区域进行区域生长，得到肺部区域图像；
S14、基于所述肺部区域图像确定肺部区域范围。
可选地，步骤S11中，对所述胸部CT图像进行二值化处理时，将-400HU作为第二预设阈值，选择大于所述第二预设阈值的区域。
可选地，所述第一预设阈值的确定方法包括：
建立多平面重建图像生成模型，所述多平面重建图像生成模型以当前输入的CT图像作为输入图像、以当前设定的CT值为阈值，生成相应的多平面重建图像，所述多平面重建图像包括横断位、矢状位、冠状位三个显示角度；
将所述人体组织区域图像作为输入图像，基于预先确定的第一CT值集合作为候选阈值，输入所述多平面重建图像生成模型，基于所述多平面重建图像生成模型重建得到的肺部区域的二维分割结果确定所述第一预设阈值。
可选地，S20中，在重建过程中通过阈值分割法分割得到肺血管图像，包括：
将所述胸部CT图像作为输入图像，基于预先确定的第二CT值集合作为候选阈值，输入所述多平面重建图像生成模型，基于所述多平面重建图像生成模型重建得到的肺血管的二维分割结果确定CT值区间作为阈值区间；
从所述胸部CT图像分割出CT值落入所述阈值区间的像素，得到所述肺血管图像。
可选地，对所述肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像，包括：
对所述肺动脉初始图像依次进行膨胀和腐蚀处理，得到肺动脉图像，其中，在腐蚀过程中，将被腐蚀区域标记为背景区域；
基于所述背景区域，从所述肺血管图像中分割出所述肺动脉图像，得到所述待分割静脉图像。
可选地，在步骤S10之前还包括：
A10、获取胸部CT图像，所述胸部CT图像包括相邻的多层断层图像。
第二方面，本申请提供一种CT图像的肺动静脉分割装置，包括：
预处理模块，用于对预先获取的胸部CT图像进行预处理，得到所述胸部CT图像中的肺部区域范围；
肺血管图像分割模块，用于基于所述胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，所述阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
肺动脉图像分割模块，用于对所述肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从所述CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉初始图像，对所述肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像；
肺静脉图像分割模块，用于对所述待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从所述CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对所述待分割静脉图像进行图像分割，得到肺静脉图像；所述第二子区间中的任一数值大于所述第一子区间内的数值；
肺部动静脉图像分割模块，用于基于所述肺部区域范围，对所述肺动脉图像和所述肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质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如上第一方面任一项所述的CT图像的肺动静脉分割方法的步骤。
第四方面，本申请提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述第一方面任一项所述的CT图像的肺动静脉分割方法的步骤。
(三)有益效果
本申请的有益效果是：本申请提出了一种CT图像的肺动静脉分割方法、装置、介质及设备。首先通过预先设定的阈值分割肺血管所在的肺部区域，然后利用动脉与静脉灰度差异通过二维分割结果确定阈值实现动静脉的精准分割，第一次分割出全部的肺血管，第二次分割出动脉，第三次分割出静脉，最后分割得到肺动脉树和肺静脉树。分割得到的图像准确度高，可以满足临床应用需求。
附图说明
本申请借助于以下附图进行描述：
图1为本申请一个实施例中的CT图像的肺动静脉分割方法流程示意图；
图2为本申请一个实施例中的肺部断层图像示例图；
图3为本申请一个实施例中的肺部二值化图像示例图；
图4为本申请一个实施例中的肺部区域图像示例图；
图5为本申请一个实施例中分割得到的肺血管图像示例图；
图6为本申请一个实施例中分割得到的肺动脉图像示例图；
图7为本申请一个实施例中分割得到的肺静脉图像示例图；
图8为本申请一个实施例中分割得到的肺部动脉和静脉图像示例图；
图9为本申请另一个实施例中的CT图像的肺动静脉分割装置架构示意图。
图10为本申请又一个实施例中的电子设备的架构示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。可以理解的是，以下所描述的具体的实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合；为了便于描述，附图中仅示出了与发明相关的部分。
CT是用X射线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光电转换变为电信号，再经模拟/数字转换器(analog/digital converter)转为数字信号，输入计算机处理。图像形成的处理犹如对选定层面分成若干个体积相同的长方体，称之为体素(voxel)。不同的组织，在CT成像上密度也有比较大的差异，一般情况下空气密度比较低，脂肪其次，血管偏高，骨头或者钙化组织密度最高。
肺动脉和肺静脉属肺的机能性血管，循环于心和肺之间。肺动脉从右室发出伴支气管入肺，随支气管反复分支，最后形成毛细血管网包绕在肺泡周围，之后逐渐汇集成肺静脉，流回左心房，完成肺泡与血液之内的二氧化碳和氧交换。
针对动静脉分割准确度较低的问题，本申请提出了一种CT图像的肺动静脉分割方法，以下通过实施例对本发明作详细描述。
实施例一
图1为本申请一个实施例中的CT图像的肺动静脉分割方法流程示意图，如图1所示，该方法包括：
S10、对预先获取的胸部CT图像进行预处理，得到胸部CT图像中的肺部区域范围；
S20、基于胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
S30、对肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉图像和不包含动脉的待分割静脉图像；
S40、对待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对待分割静脉图像进行图像分割得到肺动脉初始图像，对肺动脉初始图像进行形态学处理得到肺静脉图像；第二子区间中的任一数值大于第一子区间内的数值；
S50、基于肺部区域范围，对肺动脉图像和肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
通过本申请的CT图像的肺动静脉分割方法分割得到的肺动脉树、肺静脉树图像能有效地解决受造影剂剂量影响所产生的灰度差异问题，分割结果准确度高，可以满足临床应用需求。以下对本实施例中各个步骤展开进行具体说明。
需要说明的是，本实施例方法的执行主体可以是具有网络通信、数据处理以及程序运行功能的计算服务设备，如手机、平板电脑、个人电脑、云端或者远程服务器等，本申请实施例对计算服务设备的具体形式并不做限定。
本实施例中，在步骤S10之前还包括：
A10、获取胸部CT图像，胸部CT图像包括相邻的多层断层图像。
CT影像为通过电子计算机断层扫描得到的医学影像，其通常包括多层断层图像。本实施例中，脑部CT图像为CT设备对受检对象的胸部进行扫描所得到的一个序列的扫描图像，每个序列的可以包括200-300张CT图像。图2为本申请一个实施例中的肺部断层图像示例图，在本步骤中，获取到的断层图像可以为如图2所示的断层图像。
CT设备扫描完成后，可以将得到的胸部CT影像上传至影像归档和通信系统(Picture Archiving and Communication Systems，PACS)，然后计算机设备可以从PACS系统中获取对应的脑部CT影像。
可选地，计算机设备可以实时从PACS系统中获取CT设备上传的胸部CT图像，也可以以固定时间间隔从PACS系统中获取该时间段内CT设备上传的全部胸部CT图像。
S10、对预先获取的胸部CT图像进行预处理，得到胸部CT图像中的肺部区域范围。
为了分割肺血管，需要对图像进行预处理，提取肺血管所在的区域。肺静脉连接肺与左心房的大静脉，肺动脉是由右心室肺动脉圆锥发出后至主动脉弓下方，约在第5胸椎高度分为左右肺动脉。为了分割得到肺血管，需要对心脏区域和肺部区域进行分割。以下对步骤S10所包括的步骤S11-S14进行具体说明。
S11、基于CT值对胸部CT图像进行二值化处理，得到肺部的二值化图像。
CT的特点是能够分辨人体组织密度的轻微差别，所采用的标准是根据各种组织对X线的线性吸收系数(μ值)来决定的。为了计算与论述方便，将线性衰减系数划分为2000个单位，称为CT值，单位为亨氏单位(Hounsfield unit，HU)，以水为0值，最上界骨的CT值为1000HU；最下界空气的CT值为-1000HU，脂肪的CT值是-90HU到70HU之间。
本实施例中，对胸部CT图像进行二值化处理，去除组织外部的空气和床板，可选取-400HU作为第二预设阈值进行二值化处理，选择大于第二预设阈值的区域，得到肺部的二值化图像。对胸腹数据，获取中间层包好肺部区域的一层数据。
请参阅图3，图3为本申请一个实施例中的肺部二值化图像示例图，图中白色区域为肺部二值化图像。
对肺的分割，本实施例采用半自动的左右肺分割方法，即阈值需要操作者选择，左右肺的种子点自动选择。
S12、对二值化图像，选择最大的连通域进行空洞填充，得到人体组织区域图像。
二值化图像中包括肺部区域和空气，因此需将空气去除。选择一个最大连通域，空洞填充，填充后的区域不包含空气。
S13、对人体组织区域图像进行二值化处理，对小于第一预设阈值的区域进行区域生长，得到肺部区域图像。
对人体组织区域图像进行二值化处理，选择小于第一预设阈值的区域，得到两个大的区域分别是左肺和右肺，在这两个区域内分别选择一个种子点进行三维区域生长，得到全部肺区域的分割结果如图4所示，图4为本申请一个实施例中的肺部区域图像示例图。
本实施例中，步骤S11和S13中阈值的确定方法可以是：
建立多平面重建图像生成模型，多平面重建图像生成模型以当前输入的CT图像作为输入图像、以当前设定的CT值为阈值，生成相应的多平面重建图像，多平面重建图像包括横断位、矢状位、冠状位三个显示角度；
将胸部CT图像或人体组织区域图像作为输入图像，基于预先确定的CT值集合作为候选阈值，输入多平面重建图像生成模型，基于多平面重建图像生成模型重建结果确定阈值。
优选地，可以通过一个交互界面实时观察选择不同阈值而生成的多平面重建图像。
举例来说，在界面设计UI上提供一个阈值范围的选择工具，所选择阈值的区域在横断位、矢状位、冠状位三个MPR窗口分别以绿色区域标识。
对小于第一预设阈值的区域进行区域生长，具体包括：
S01、在指定图像层上选取肺部区域的指定像素点获得初始种子点；
S02、从初始被标记种子点的26邻域像素点中选取一个像素点；
S03、判断所选取的像素点是否已经被标记为标记点，若是，则返回步骤S02，否则执行步骤S04；
S04、判断所选取的像素点的灰度值是否满足预设要求，若是，则把该像素点标记为标记点，加入标记点集，执行步骤S06，否则执行步骤S05；
S05、停止标记该像素点，执行步骤S06；
S06、判断26邻域像素点是否全部判断完毕，若是则执行步骤S08，否则返回步骤S02；
S08、判断标记点集是否为空，如不为空，则从标记点集中取出一个标记点作为初始被标记种子点，返回步骤S02，同时将该点从标记点集中去除，否则执行步骤S09；
S09、获取已被标记的像素点集，该像素点集即为肺部区域图像。
上述在指定图像层上选取肺部区域的指定像素点获得初始种子点的步骤包括：
计算点集中心位置，如果该位置是肺部区域，则将其作为种子点，如果不是，则在图像x方向和y方向分别加1，直到该点为肺部区域，则选择该点作为种子点。
S20、基于胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
本实施例中，分割出肺血管区域后，在MPR面上特定CT值范围内的二维分割结果，调节阈值实现肺血管的分割，如图5所示。
本实施例中，可先在二维血管区域选择一个种子点，通过上述步骤S10中的阈值选择工具进行阈值选择，阈值的范围应该包含所有肺部的血管，可以在二维图像上进行同步观察，如上述阈值选择工具，阈值和种子点选择结束后，执行分割功能即得到全部肺部血管的分割。
图5为本申请一个实施例中分割得到的肺血管图像示例图，图中分割得到的胸部血管包括左右肺动脉、左右肺静脉、肺与左心房的大静脉、右心室肺动脉。
优选地，可在用户界面(User Interface，简称UI)中设计调节装置，用户可手动调节阈值，在MPR平面显示不同的CT值范围，为三次分割提供精确的阈值范围。
通过采用用户界面这种简单的用户交互的方式，通过可视的阈值范围交互界面，为用户提供更加直观，更加精确的分割阈值选择，实现更加精准的动静脉分割。
S30、对肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉图像和不包含动脉的待分割静脉图像。
获取全部的肺血管之后，记录下其对应的分割阈值范围，用于最后的动静脉分割。由于肺动脉的CT值比肺静脉的CT值高，利用动脉与静脉CT值的差异对动脉和静脉进行分离。首先选择合适的CT值范围用于肺动脉区域的分割，通过步骤S10中的阈值选择工具，在调整阈值过程中，阈值范围实时显示在MPR平面上，从而可判断阈值的合理性。选取好合适的位置后，在和肺动脉相连的心脏区域选择一个种子点，执行肺动脉分割后得到肺动脉的分割结果。
本实施例中，对肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像，包括：
对肺动脉初始图像依次进行膨胀和腐蚀处理，得到肺动脉图像，其中，在腐蚀过程中，将被腐蚀区域标记为背景区域；
基于背景区域，从肺血管图像中分割出肺动脉图像，得到待分割静脉图像。
由于肺动脉的外围边界区域的CT值范围与肺静脉的CT值范围接近，因此在进行肺静脉分割之前，利用肺动脉的分割结果先进行多次膨胀直到当前动脉周围不包含静脉区域，再进行腐蚀，腐蚀执行的次数与膨胀的次数一致，得到膨胀之前的肺动脉，为最终的肺动脉图像；在腐蚀过程中，将腐蚀的区域，即肺动脉外围区域标记为背景区域(非血管区域)，在执行肺静脉分割时，这部分区域虽然阈值与肺静脉区域接近，但是由于已经标记为背景，所以不会被标记为肺静脉。图6为本申请一个实施例中分割得到的肺动脉图像示例图，如图6所示，分割得到的肺动脉除了包括肺内部的动脉血管之外还包含心脏、主动脉等肺外部区域。
S40、对待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对待分割静脉图像进行图像分割，得到肺静脉图像；第二子区间中的任一数值大于第一子区间内的数值。
完成肺动脉分割后，肺血管区域去除肺动脉区域的标识为待进行肺静脉分割的区域，这个区域还保存着没有被完全分割的肺动脉远端区域，肺动脉的远端区域阈值范围肺静脉的CT值范围相似，虽然膨胀腐蚀可以去除肺动脉的外围区域，但是无法去掉肺动脉的远端区域。通过观察分析发现，这些肺动脉远端区域虽然在CT值特征上与肺静脉比较接近，但是这些区域是与肺静脉分离的，因此，重新设置阈值范围为肺血管保存的阈值范围，在静脉区域内选择一个种子点，进行静脉分割，通过执行区域生长算法，得到连通的肺静脉区域。图7为本申请一个实施例中分割得到的肺静脉图像示例图，如图7所示，分割得到的肺静脉包括除了肺内部的血管之外还包含心脏、主动脉等肺外部区域，需要将这些区域去除。
S50、基于肺部区域范围，对肺动脉图像和肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
肺动脉图像和肺静脉图像中的动静脉包含心脏区域的血管，结合肺部的分割结果，去掉肺外部的分割结果，即得到肺动脉树和肺静脉树的分割结果。图8为本申请一个实施例中分割得到的肺部动脉和静脉图像示例图，如图8所示，图中白色血管为左右肺动脉树和灰色血管为左右肺静脉树。
本实施例中，首先通过设置用于分割肺部区域的阈值范围，基于区域增长算法分割肺部区域；然后设置用于分割血管的阈值，基于区域生长算法分割肺血管区域；然后又设置用于分割动脉的阈值，基于区域生长算法分割肺动脉；然后又设置用于分割肺静脉的阈值，在血管区域进行区域生长分割肺静脉；最后基于肺部分割结果去除肺外部的血管，分割得到的图像准确度高，有效满足临床应用需求。
实施例二
与上述CT图像的肺动静脉分割方法相对应的，图9为本申请另一个实施例中的CT图像的肺动静脉分割装置架构示意图，参考图9，CT图像的肺动静脉分割装置900包括：预处理模块910、肺血管图像分割模块920、肺动脉图像分割模块930、肺静脉图像分割模块940和肺部动静脉图像分割模块950。
预处理模块910，用于对预先获取的胸部CT图像进行预处理，得到胸部CT图像中的肺部区域范围；
肺血管图像分割模块920，用于基于胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
肺动脉图像分割模块930，用于对肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉初始图像，对肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像；
肺静脉图像分割模块940，用于对待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对待分割静脉图像进行图像分割，得到肺静脉图像；第二子区间中的任一数值大于第一子区间内的数值；
肺部动静脉图像分割模块950，用于基于肺部区域范围，对肺动脉图像和肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
由于本公开的示例实施例的CT图像的肺动静脉分割装置的各个功能模块与上述图1所示的CT图像的肺动静脉分割方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的CT图像的肺动静脉分割方法的实施例。
综上所述，采用本公开实施例提供的CT图像的肺动静脉分割装置的技术效果参见上述方法的技术效果，此处不再赘述。
实施例三
本申请第三方面通过另一实施例提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上实施例中任意一项所述的CT图像的肺动静脉分割方法的步骤。
图10为本申请另一个实施例中的电子设备的架构示意图。
图10所示的电子设备可包括：至少一个处理器101、至少一个存储器102、至少一个网络接口104和其他的用户接口103。电子设备中的各个组件通过总线系统105耦合在一起。可理解，总线系统105用于实现这些组件之间的连接通信。总线系统105除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图10中将各种总线都标为总线系统105。
其中，用户接口103可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)或者触感板等。
可以理解，本实施例中的存储器102可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(StaticRAM，SRAM)、动态随机存取存储器(DynamicRAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM，DRRAM)。本文描述的存储器62旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器102存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统1021和应用程序1022。
其中，操作系统1021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序622，包含各种应用程序，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1022中。
在本发明实施例中，处理器101通过调用存储器102存储的程序或指令，具体的，可以是应用程序1022中存储的程序或指令，处理器101用于执行第一方面所提供的方法步骤，例如包括以下步骤：
S10、对预先获取的胸部CT图像进行预处理，得到胸部CT图像中的肺部区域范围；
S20、基于胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
S30、对肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉初始图像，对所述肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像；
S40、对待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对待分割静脉图像进行图像分割，得到肺静脉图像；第二子区间中的任一数值大于所述第一子区间内的数值；
S50、基于肺部区域范围，对肺动脉图像和肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
上述本发明实施例揭示的方法可以应用于处理器101中，或者由处理器101实现。处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102，处理器101读取存储器102中的信息，结合其硬件完成上述方法的步骤。
另外，结合上述实施例中的CT图像的肺动静脉分割方法，本发明实施例可提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上方法实施例中的任意一种CT图像的肺动静脉分割方法。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
在本申请公开的上述实施例中，应该理解到，所揭露的设备和方法，也可以通过其它的方式实现。以上所描述的设备和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例的方法、设备和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。
Claims (10)
1.一种CT图像的肺动静脉分割方法，其特征在于，该方法包括：
S10、对预先获取的胸部CT图像进行预处理，得到所述胸部CT图像中的肺部区域范围；
S20、基于所述胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，所述阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
S30、对所述肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从所述CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉初始图像，对所述肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像；
S40、对所述待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从所述CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对所述待分割静脉图像进行图像分割，得到肺静脉图像；所述第二子区间中的任一数值大于所述第一子区间内的数值；
S50、基于所述肺部区域范围，对所述肺动脉图像和所述肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
2.根据权利要求1所述的方法，其特征在于，步骤S10包括：
S11、基于CT值对所述胸部CT图像进行二值化处理，得到肺部的二值化图像；
S12、对所述二值化图像，选择最大的连通域进行空洞填充，得到人体组织区域图像；
S13、对所述人体组织区域图像进行二值化处理，选取小于第一预设阈值的区域进行区域生长，得到肺部区域图像；
S14、基于所述肺部区域图像确定肺部区域范围。
3.根据权利要求2所述的方法，其特征在于，步骤S11中，对所述胸部CT图像进行二值化处理时，将-400HU作为第二预设阈值，选择大于所述第二预设阈值的区域。
4.根据权利要求2所述的方法，其特征在于，所述第一预设阈值的确定方法包括：
建立多平面重建图像生成模型，所述多平面重建图像生成模型以当前输入的CT图像作为输入图像、以当前设定的CT值为阈值，生成相应的多平面重建图像，所述多平面重建图像包括横断位、矢状位、冠状位三个显示角度；
将所述人体组织区域图像作为输入图像，基于预先确定的第一CT值集合作为候选阈值，输入所述多平面重建图像生成模型，基于所述多平面重建图像生成模型重建得到的肺部区域的二维分割结果确定所述第一预设阈值。
5.根据权利要求1所述的方法，其特征在于，S20中，在重建过程中通过阈值分割法分割得到肺血管图像，包括：
将所述胸部CT图像作为输入图像，基于预先确定的第二CT值集合作为候选阈值，输入所述多平面重建图像生成模型，基于所述多平面重建图像生成模型重建得到的肺血管的二维分割结果确定CT值区间作为阈值区间；
从所述胸部CT图像分割出CT值落入所述阈值区间的像素，得到所述肺血管图像。
6.根据权利要求1所述的方法，其特征在于，对所述肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像，包括：
对所述肺动脉初始图像依次进行膨胀和腐蚀处理，得到肺动脉图像，其中，在腐蚀过程中，将被腐蚀区域标记为背景区域；
基于所述背景区域，从所述肺血管图像中分割出所述肺动脉图像，得到所述待分割静脉图像。
7.根据权利要求1所述的方法，其特征在于，在步骤S10之前还包括：
A10、获取胸部CT图像，所述胸部CT图像包括相邻的多层断层图像。
8.一种CT图像的肺动静脉分割装置，其特征在于，包括：
预处理模块，用于对预先获取的胸部CT图像进行预处理，得到所述胸部CT图像中的肺部区域范围；
肺血管图像分割模块，用于基于所述胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；其中，所述阈值分割法中采用的阈值为基于重建得到的肺部区域的二维分割结果确定的CT值区间；
肺动脉图像分割模块，用于对所述肺血管图像，从右心室肺动脉区域选取一像素点作为第一种子点，从所述CT值区间中选取第一子区间作为第一阈值区间，通过区域生长法进行图像分割得到肺动脉初始图像，对所述肺动脉初始图像进行形态学处理得到肺动脉图像和不包含动脉的待分割静脉图像；
肺静脉图像分割模块，用于对所述待分割静脉图像，从肺静脉区域选取一像素点作为第二种子点，从所述CT值区间中选取第二子区间作为第二阈值区间，通过区域生长法对所述待分割静脉图像进行图像分割，得到肺静脉图像；所述第二子区间中的任一数值大于所述第一子区间内的数值；
肺部动静脉图像分割模块，用于基于所述肺部区域范围，对所述肺动脉图像和所述肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如上权利要求1至7任一项所述的CT图像的肺动静脉分割方法的步骤。
10.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上权利要求1至7任一项所述的CT图像的肺动静脉分割方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110614499.5A CN113409328B (zh) | 2021-06-02 | 2021-06-02 | Ct图像的肺动静脉分割方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110614499.5A CN113409328B (zh) | 2021-06-02 | 2021-06-02 | Ct图像的肺动静脉分割方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113409328A true CN113409328A (zh) | 2021-09-17 |
| CN113409328B CN113409328B (zh) | 2024-01-02 |
Family
ID=77675918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110614499.5A Active CN113409328B (zh) | 2021-06-02 | 2021-06-02 | Ct图像的肺动静脉分割方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113409328B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114972859A (zh) * | 2022-05-19 | 2022-08-30 | 推想医疗科技股份有限公司 | 像元的分类方法、模型训练方法、装置、设备和介质 |
| WO2023109212A1 (zh) * | 2021-12-16 | 2023-06-22 | 北京朗视仪器股份有限公司 | 一种cbct图像去噪方法、装置、存储介质及电子设备 |
| CN117541733A (zh) * | 2024-01-10 | 2024-02-09 | 广东欧谱曼迪科技股份有限公司 | 胸肺重建方法、装置、电子设备及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050107679A1 (en) * | 2003-07-11 | 2005-05-19 | Bernhard Geiger | System and method for endoscopic path planning |
| US20060056691A1 (en) * | 2004-08-10 | 2006-03-16 | Michael Vaz | System and method for 3D visualization of lung perfusion or density and statistical analysis thereof |
| US20100322493A1 (en) * | 2009-06-19 | 2010-12-23 | Edda Technology Inc. | Systems, methods, apparatuses, and computer program products for computer aided lung nodule detection in chest tomosynthesis images |
| CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
| CN108961273A (zh) * | 2018-07-03 | 2018-12-07 | 东北大学 | 一种从ct影像中分割肺动脉和肺静脉的方法及系统 |
| CN109360219A (zh) * | 2018-10-23 | 2019-02-19 | 东北大学 | 一种增强现实辅助手术方法及系统 |
| 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 |
| CN110738652A (zh) * | 2019-10-17 | 2020-01-31 | 青岛海信医疗设备股份有限公司 | 一种肺部动静脉分离方法及装置 |
| CN111028248A (zh) * | 2019-12-19 | 2020-04-17 | 杭州健培科技有限公司 | 一种基于ct图像的静动脉分离方法及装置 |
| CN111696089A (zh) * | 2020-06-05 | 2020-09-22 | 上海联影医疗科技有限公司 | 一种动静脉确定方法、装置、设备和存储介质 |
| CN111932554A (zh) * | 2020-07-31 | 2020-11-13 | 青岛海信医疗设备股份有限公司 | 一种肺部血管分割方法、设备及存储介质 |
| CN112102267A (zh) * | 2020-08-31 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 肺动脉血管树的获取方法、装置、存储介质和电子设备 |
-
2021
- 2021-06-02 CN CN202110614499.5A patent/CN113409328B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050107679A1 (en) * | 2003-07-11 | 2005-05-19 | Bernhard Geiger | System and method for endoscopic path planning |
| US20060056691A1 (en) * | 2004-08-10 | 2006-03-16 | Michael Vaz | System and method for 3D visualization of lung perfusion or density and statistical analysis thereof |
| US20100322493A1 (en) * | 2009-06-19 | 2010-12-23 | Edda Technology Inc. | Systems, methods, apparatuses, and computer program products for computer aided lung nodule detection in chest tomosynthesis images |
| CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
| CN108961273A (zh) * | 2018-07-03 | 2018-12-07 | 东北大学 | 一种从ct影像中分割肺动脉和肺静脉的方法及系统 |
| CN109360219A (zh) * | 2018-10-23 | 2019-02-19 | 东北大学 | 一种增强现实辅助手术方法及系统 |
| 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 |
| CN110738652A (zh) * | 2019-10-17 | 2020-01-31 | 青岛海信医疗设备股份有限公司 | 一种肺部动静脉分离方法及装置 |
| CN111028248A (zh) * | 2019-12-19 | 2020-04-17 | 杭州健培科技有限公司 | 一种基于ct图像的静动脉分离方法及装置 |
| CN111696089A (zh) * | 2020-06-05 | 2020-09-22 | 上海联影医疗科技有限公司 | 一种动静脉确定方法、装置、设备和存储介质 |
| CN111932554A (zh) * | 2020-07-31 | 2020-11-13 | 青岛海信医疗设备股份有限公司 | 一种肺部血管分割方法、设备及存储介质 |
| CN112102267A (zh) * | 2020-08-31 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 肺动脉血管树的获取方法、装置、存储介质和电子设备 |
Non-Patent Citations (5)
| Title |
|---|
| PUNAM K. SAHA: "Topomorphologic Separation of Fused Isointensity Objects via Multiscale Opening: Separating Arteries and Veins in 3-D Pulmonary CT", 《IEEE》 * |
| WENJUN TAN: "Segmentation of pulmonary vessels based on MSFM method", 《IEEE》 * |
| 张冉: "基于MDCT影像的肺部血管提取及分析研究", 《中国优秀硕士学位论文全文数据库》 * |
| 耿欢;覃文军;杨金柱;曹鹏;赵大哲;: "基于CT影像的肺组织分割方法综述", 计算机应用研究, no. 07 * |
| 覃文军: "肺部CT图像中的解剖结构分割方法综述", 《中国图象图形学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023109212A1 (zh) * | 2021-12-16 | 2023-06-22 | 北京朗视仪器股份有限公司 | 一种cbct图像去噪方法、装置、存储介质及电子设备 |
| CN114972859A (zh) * | 2022-05-19 | 2022-08-30 | 推想医疗科技股份有限公司 | 像元的分类方法、模型训练方法、装置、设备和介质 |
| CN117541733A (zh) * | 2024-01-10 | 2024-02-09 | 广东欧谱曼迪科技股份有限公司 | 胸肺重建方法、装置、电子设备及存储介质 |
| CN117541733B (zh) * | 2024-01-10 | 2024-05-14 | 广东欧谱曼迪科技股份有限公司 | 胸肺重建方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113409328B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113409328B (zh) | Ct图像的肺动静脉分割方法、装置、介质及设备 | |
| US11062449B2 (en) | Method and system for extracting vasculature | |
| US20220117570A1 (en) | Systems and methods for contrast flow modeling with deep learning | |
| WO2018023917A1 (zh) | 一种下肢血管的提取方法及系统 | |
| JP4728627B2 (ja) | Ｃｔ血管造影法における構造を領域分割する方法及び装置 | |
| JP5897284B2 (ja) | 医用画像処理装置 | |
| CN108876794A (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
| JP5658686B2 (ja) | 貫壁性のかん流の勾配の画像分析 | |
| CN109377481B (zh) | 图像质量评价方法、装置、计算机设备和存储介质 | |
| CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
| JP2020513978A (ja) | 心筋ｃｔ灌流画像合成 | |
| CN111325759A (zh) | 血管分割方法、装置、计算机设备及可读存储介质 | |
| JP2007135858A (ja) | 画像処理装置 | |
| CN114098780A (zh) | Ct扫描方法、装置、电子装置和存储介质 | |
| EP3209207B1 (en) | Methods and systems for normalizing contrast across multiple acquisitions | |
| CN112543951A (zh) | Ct中的自动肝脏分割 | |
| CN111627023B (zh) | 一种冠脉投影图像生成的方法、装置及计算机可读介质 | |
| CN117036530B (zh) | 基于跨模态数据的冠状动脉血流储备分数预测方法及装置 | |
| WO2022253227A1 (en) | Systems and methods for image correction | |
| CN114882968A (zh) | 一种医学影像报告生成方法和系统 | |
| CN114209344A (zh) | 一种侧枝循环状态评估方法、装置、存储介质及电子设备 | |
| JP7346546B2 (ja) | Ｃｔ仮想単色撮像のための自動的適応エネルギ設定を行う方法 | |
| CN113658172B (zh) | 图像处理方法及装置、计算机可读存储介质及电子设备 | |
| JP3896349B2 (ja) | 医用画像処理装置、および、プログラム | |
| US20230172571A1 (en) | Providing a result data set |
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 |