CN113450277A - 一种医学图像处理方法、介质及电子设备 - Google Patents

一种医学图像处理方法、介质及电子设备 Download PDF

Info

Publication number
CN113450277A
CN113450277A CN202110728433.9A CN202110728433A CN113450277A CN 113450277 A CN113450277 A CN 113450277A CN 202110728433 A CN202110728433 A CN 202110728433A CN 113450277 A CN113450277 A CN 113450277A
Authority
CN
China
Prior art keywords
medical image
isolated
main
acquiring
image processing
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
CN202110728433.9A
Other languages
English (en)
Other versions
CN113450277B (zh
Inventor
刘士远
范丽
张迪
管宇
夏艺
涂文婷
周秀秀
蒲瑜
顾彭晨
黄坤耀
杨华
傅琪钲
路洋
房劬
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.)
Shanghai Xingmai Information Technology Co ltd
Shanghai Changzheng Hospital
Original Assignee
Shanghai Xingmai Information Technology Co ltd
Shanghai Changzheng Hospital
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 Shanghai Xingmai Information Technology Co ltd, Shanghai Changzheng Hospital filed Critical Shanghai Xingmai Information Technology Co ltd
Priority to CN202110728433.9A priority Critical patent/CN113450277B/zh
Publication of CN113450277A publication Critical patent/CN113450277A/zh
Application granted granted Critical
Publication of CN113450277B publication Critical patent/CN113450277B/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
    • G06T5/00Image enhancement or restoration
    • G06T5/77Retouching; Inpainting; Scratch removal
    • 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
    • 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
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30061Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供一种医学图像处理方法、介质及电子设备,所述医学图像处理方法包括:获取肺部医学图像;对所述肺部医学图像进行分割以获取初始气道模型;获取所述初始气道模型中的断裂区域;对所述断裂区域进行修复以获取气道模型。所述医学图像处理方法获取到的气道模型包含更多的支气道,具有更高的准确度。

Description

一种医学图像处理方法、介质及电子设备
技术领域
本发明涉及一种图像处理方法,特别是涉及一种医学图像处理方法、介质及电子设备。
背景技术
随着医学影像技术的发展以及计算机图像处理技术在医学图像处理领域的应用,许多疾病的诊断可以借助计算机图像处理技术对医学影像进行分析处理来得到辅助诊断结论。
慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)是一种可导致患者呼吸困难的肺部疾病,目前其诊断方式主要是利用肺功能仪测量患者的呼吸相关参数。一些研究表明,借助肺部医学影像诊断可以更早期的发现患者的COPD相关的肺部病变情况。
借助计算机图像处理技术对患者的肺部医学图像,例如CT图像,进行COPD辅助诊断,需要先获取患者的气道模型,然后再对患者的气道模型做进一步分析处理以得到诊断结果。因此,准确地获取患者的气道模型是进行COPD辅助诊断的前提,相关技术中主要通过对患者的肺部医学图像进行分割来得到分割结果,并从分割结果中选取主气道以及与主气道相连通的支气道作为患者的气道模型。然而,发明人在实际应用中发现,相关技术中获取到的分割结果往往存在不连续的状况,因而会导致某些气道与主气道并不连通从而被排除在患者的气道模型之外,这会导致气道模型的不准确,进而影响到后续的分析处理过程。
发明内容
鉴于以上所述相关技术的缺点,本发明的目的在于提供一种医学图像处理方法、介质及电子设备,用于解决相关技术中存在的上述问题。
为实现上述目的及其他相关目的,本发明的第一方面提供一种医学图像处理方法,所述医学图像处理方法包括:获取肺部医学图像;对所述肺部医学图像进行分割以获取初始气道模型;获取所述初始气道模型中的断裂区域;对所述断裂区域进行修复以获取气道模型。
于所述第一方面的一实施例中,所述初始气道模型包含至少两个连通体,其中,最大的一个连通体为主连通体,其余连通体为孤立连通体,获取所述初始气道模型中的断裂区域的实现方法包括:获取各所述连通体的中心线以及各所述连通体的中心线端点;根据各所述连通体的中心线以及各所述连通体的中心线端点,判断各所述孤立连通体与所述主连通体是否能够配对连接;根据判断结果获取所述初始气道模型中的断裂区域。
于所述第一方面的一实施例中,判断各所述孤立连通体与所述主连通体是否能够配对连接的实现方法包括:获取各所述孤立连通体的中心线端点与所述主连通体的中心线端点之间的距离,并根据所述距离判断各所述孤立连通体与所述主连通体是否能够配对连接;和/或获取各所述孤立连通体的中心线与所述主连通体的中心线之间的角度,并根据所述角度判断各所述孤立连通体与所述主连通体是否能够配对连接;和/或获取各所述孤立连通体的直径与所述主连通体的直径之间的差异,并根据所述差异判断各所述孤立连通体与所述主连通体是否能够配对连接。
于所述第一方面的一实施例中,对所述断裂区域进行修复以获取气道模型的实现方法包括:根据所述孤立连通体的中心线端点和所述主连通体的中心线端点,获取所述断裂区域的中心线;根据所述孤立连通体的直径和所述主连通体的直径获取所述断裂区域的直径;根据所述断裂区域的中心线和所述断裂区域的直径获取所述断裂区域的气道模型;对所述主连通体、所述断裂区域的气道模型和所述孤立连通体进行拼接,以获取所述气道模型。
于所述第一方面的一实施例中,所述医学图像处理方法还包括:根据所述拼接的结果获取新的主连通体和新的孤立连通体;判断各所述新的孤立连通体与所述新的主连通体是否能够配对连接;根据判断结果获取所述初始气道模型中新的断裂区域;对所述新的断裂区域进行修复,以更新所述气道模型。
于所述第一方面的一实施例中,获取所述断裂区域的中心线的实现方法包括:对于任一所述孤立连通体,若该孤立连通体能够与所述主连通体配对连接,则采用B样条曲线将该孤立连通体的中心线端点与所述主连通体的中心线端点相连,以获取该孤立连通体附近的断裂区域的中心线。
于所述第一方面的一实施例中,对所述断裂区域进行修复以获取所述气道模型的实现方法包括:获取所述断裂区域中的一个或多个点作为基点;根据所述基点进行扩展以实现对所述断裂区域的修复。
于所述第一方面的一实施例中,对所述肺部医学图像进行分割以获取所述初始气道模型的实现方法包括:对所述肺部医学图像进行分割以获取气道的第一分割结果;获取所述肺部医学图像的至少一个区域图像;对所述区域图像进行分割以获取气道的第二分割结果;根据所述第一分割结果和所述第二分割结果进行融合以获取所述初始气道模型。
本发明的第二方面提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明第一方面任一项所述的医学图像处理方法。
本发明的第三方面提供一种电子设备,所述电子设备包括:存储器,存储有一计算机程序;处理器,与所述存储器通信相连,调用所述计算机程序时执行本发明第一方面任一项所述的医学图像处理方法;显示器,与所述处理器和所述存储器通信相连,用于显示所述医学图像处理方法的相关GUI交互界面。
如上所述,本发明所述医学图像处理方法、介质及电子设备的一个技术方案具有以下有益效果:
所述医学图像处理方法通过对肺部医学图像进行处理以获取初始气道模型,进而获取所述初始气道模型中的断裂区域,并通过对所述断裂区域进行修复来获取最终的气道模型。与相关技术相比,本发明所述医学图像处理方法获取到的气道模型包含更多的支气道,具有更高的准确度。
附图说明
图1A显示为本发明所述医学图像处理方法于一具体实施例中的流程图。
图1B显示为本发明所述医学图像处理方法于一具体实施例中初始气道模型的示例图。
图1C显示为本发明所述医学图像处理方法于一具体实施例中获取气道模型的示例图。
图2A显示为本发明所述医学图像处理方法于一具体实施例中获取断裂区域的流程图。
图2B显示为本发明所述医学图像处理方法于一具体实施例中步骤S23的流程图。
图2C显示为本发明所述医学图像处理方法于一具体实施例中步骤S22的流程图。
图2D显示为本发明所述医学图像处理方法于一具体实施例中步骤S14的流程图。
图3显示为本发明所述医学图像处理方法于一具体实施例中的关键步骤流程图。
图4A显示为本发明所述医学图像处理方法于一具体实施例中的流程图。
图4B显示为本发明所述医学图像处理方法于一具体实施例中步骤S405的流程图。
图4C显示为相关技术中获取的气道模型示例图。
图4D显示为本发明所述医学图像处理方法于一具体实施例中获取的气道模型示例图。
图5A显示为本发明所述医学图像处理方法于一具体实施例中的关键步骤流程图。
图5B显示为本发明所述医学图像处理方法于一具体实施例中步骤S52的流程图。
图5C显示为本发明所述医学图像处理方法于一具体实施例中获取的初始气道模型示例图。
图5D显示为本发明所述医学图像处理方法于一具体实施例中获取的初始气道模型示例图。
图6显示为本发明所述医学图像处理方法于一具体实施例中步骤S12的流程图。
图7显示为本发明所述电子设备于一具体实施例中的结构示意图。
元件标号说明
700 电子设备
710 存储器
720 处理器
730 显示器
S11~S14 步骤
S21~S23 步骤
S231~S233 步骤
S221~S223 步骤
S141~S144 步骤
S31~S34 步骤
S401~S410 步骤
S4051~S4053 步骤
S51~S52 步骤
S521~S524 步骤
S121~S124 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。此外,在本文中,诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
相关技术中主要通过对患者的肺部医学图像进行分割来得到分割结果,并从分割结果中选取主气道以及与主气道相连通的支气道作为患者的气道模型。然而,此种方式获取到的分割结果往往存在不连续的状况,因而会导致某些气道与主气道并不连通从而被排除在患者的气道模型之外,这会导致气道模型的不准确,进而影响到后续的分析处理过程。针对这一问题,本发明提供一种医学图像处理方法,所述医学图像处理方法通过对肺部医学图像进行处理以获取初始气道模型,进而获取所述初始气道模型中的断裂区域,并通过对所述断裂区域进行修复来获取最终的气道模型。与相关技术相比,本发明所述医学图像处理方法获取到的气道模型包含更多的支气道,具有更高的准确度。
请参阅图1A,于本发明的一实施例中,所述医学图像处理方法包括:
S11,获取肺部医学图像,所述肺部医学图像例如为肺部CT图像。优选地,所述肺部医学图像为体素点构成的三维容积图像。
S12,对所述肺部医学图像进行分割以获取初始气道模型,其中,所述初始气道模型包括分割以后得到的所有气道。例如,可以采用U-Net、V-Net等基于深度学习的分割模型对所述肺部医学图像进行分割,也可以采用阈值法对所述肺部医学图像进行分割,具体分割方式此处不做限制。
S13,获取所述初始气道模型中的断裂区域。例如,可以将所述主气道以及与所述主气道相连通的支气道作为第一气道,其他气道作为第二气道,所述断裂区域可以为所述第二气道的端面与所述第一气道的端面之间的区域,如图1B所示,也可以为所述第二气道的端面之间的区域。
S14,对所述断裂区域进行修复以获取气道模型。具体地,获取所述断裂区域的气道模型,将所述断裂区域的气道模型与所述第一气道和所述第二气道相拼接即可获得所述气道模型,如图1C所示。
根据以上描述可知,本实施例所述医学图像处理方法通过对肺部医学图像进行处理以获取初始气道模型,进而获取所述初始气道模型中的断裂区域,并通过对所述断裂区域进行修复来获取最终的气道模型。对于相关技术来说,其仅获取第一气道作为气道模型,相较之下,本实施例所述医学图像处理方法获取到的气道模型包含更多的支气道,具有更高的准确度。
于本发明的一实施例中,在获取所述初始气道模型中的断裂区域之前,所述图像处理方法还包括:判断所述初始气道模型是否为管状,若所述初始气道模型为管状,则获取所述初始气道模型中的断裂区域;否则,删除所述初始气道模型并重新对所述肺部医学图像进行分割,或者将所述初始气道模型在交互界面上显示并提示用户修改。
于本发明的一实施例中,所述初始气道模型包含至少两个连通体,其中,最大的一个连通体为主连通体,其余连通体为孤立连通体。一般地,所述主连通体包括主气道以及与所述主气道相连通的支气道。本实施例中,获取连通体的方法可以采用现有技术实现,此处不做赘述。
请参阅图2A,于本实施例中,获取所述初始气道模型中的断裂区域的实现方法包括:
S21,获取各所述连通体的中心线以及各所述连通体的中心线端点。例如,对于任一连通体A,步骤S21可以每隔一段距离获取该连通体A的一个截面,并获取各截面的中心点,将各中心点连接起来即为该连通体A的中心线。除此之外,实际应用中也可以采用其他方式获取各连通体的中心线,此处不作限制。需要说明的是,所述连通体的中心线端点可以为两个,也可以为多个。
S22,根据各所述连通体的中心线以及各所述连通体的中心线端点,判断各所述孤立连通体与所述主连通体是否能够配对连接。
S23,根据判断结果获取所述初始气道模型中的断裂区域。具体的,对于能够与所述主连通体配对连接的孤立连通体,其与所述主连通体之间的区域即为所述断裂区域。
可选地,请参阅图2B,若孤立连通体A与所述主连通体能够配对连接,所述孤立连通体A的中心线端点分别为端点a1和端点a2,则获取该孤立连通体A附近的断裂区域的实现方法包括:
S231,获取与所述端点a1距离最近的一个主连通体中心线端点b1,并获取该主连通体中心线端点b1与所述端点a1的距离作为第一距离。
S232,获取与所述端点a2距离最近的一个主连通体中心线端点b2,并获取该主连通体中心线端点b2与所述端点a2的距离作为第二距离。
S233,根据所述第一距离和所述第二距离获取该孤立连通体A附近的断裂区域。具体地,若所述第一距离小于所述第二距离,则所述端点a1与所述主连通体中心线端点b1之间的区域为该孤立连通体A附近的断裂区域,否则,所述端点a2与所述主连通体中心线端点b2之间的区域为该孤立连通体A附近的断裂区域。
可选地,所述医学图像处理方法还包括:获取各所述孤立连通体对应的中心线端点对,其中,各所述中心线端点对均包含一个第一端点和一个第二端点,所述第一端点为所述孤立连通体的一个中心线端点,所述第二端点为所述主连通体的一个中心线端点。具体地,对于任一孤立连通体,获取该连通体对应的中心线端点对的实现方法包括:获取该连通体的各中心线端点与所述主连通体的各中心线端点之间的距离,并选取距离最小的一对端点作为该孤立连通体对应的中心线端点对。
请参阅图2C,于本发明的一实施例中,判断各所述孤立连通体与所述主连通体是否能够配对连接的实现方法包括:
S221,获取各所述孤立连通体的中心线端点与所述主连通体的中心线端点之间的距离,并根据所述距离判断各所述孤立连通体与所述主连通体是否能够配对连接。其中,所述孤立连通体的中心线端点与所述主连通体的中心线端点之间的距离,可以为所述孤立连通体对应的中心线端点对中所包含的两个端点之间的距离,若该距离小于一距离阈值,则认为该孤立连通体能够与所述主连通体配对连接,否则,认为该孤立连通体不能与所述主连通体配对连接。例如,对于任一孤立连通体A,若该连通体A对应的中心线端点对包含第一端点a3和第二端点b3,则该孤立连通体A的中心线端点与所述主连通体的中心线端点之间的距离可以定义为:所述第一端点a3和所述第二端点b3之间的距离。
S222,获取各所述孤立连通体的中心线与所述主连通体的中心线之间的角度,并根据所述角度判断各所述孤立连通体与所述主连通体是否能够配对连接。其中,对于任一孤立连通体A,该孤立连通体A的中心线与所述主连通体的中心线之间的角度定义为:该孤立连通体A的中心线在所述第一端点a3位置的延长线、与所述主连通体的中心线在所述第二端点位置b3的延长线之间的夹角的角度。若该角度小于一角度阈值,则认为该孤立连通体A能够与所述主连通体配对连接,否则,认为该孤立连通体A不能与所述主连通体配对连接。
S223,获取各所述孤立连通体的直径与所述主连通体的直径之间的差异,并根据所述差异判断各所述孤立连通体与所述主连通体是否能够配对连接。其中,对于任一孤立连通体A,该孤立连通体A的直径与所述主连通体的直径之间的差异定义为:该孤立连通体A在所述第一端点a3位置的直径、与所述主连通体在所述第二端点b3位置的直径之间的差异,该差异可以用二者之间的差或者比值来表示。若该差异小于一差异阈值,则认为该孤立连通体A能够与所述主连通体配对连接,否则,认为该孤立连通体A不能与所述主连通体配对连接。
需要说明的是,上述标号S221、S222和S223仅用于区分不同的步骤,而非代表三者的执行顺序,实际应用中,可以根据实际需求选取所述距离、所述角度和/或所述差异来判断所述孤立连通体与所述主连通体是否能够配对连接。
可选地,请参阅图2D,对所述断裂区域进行修复以获取所述气道模型的实现方法包括:
S141,根据所述孤立连通体的中心线端点和所述主连通体的中心线端点,获取所述断裂区域的中心线。例如,对于任一孤立连通体B,步骤S141获取该孤立连通体B的各中心线端点与所述主连通体的各中心线端点之间的距离,并选取距离最小的一对中心线端点进行连接即可获取该孤立连通体B附近的断裂区域的中心线,其中,所述一对中心线端点包含一个该孤立连通体B的中心线端点以及一个所述主连通体的中心线端点。
优选地,步骤S141采用B样条曲线将所述一对中心线端点进行连接,以获取该孤立连通体B附近的断裂区域的中心线。
S142,根据所述孤立连通体的直径和所述主连通体的直径获取所述断裂区域的直径。例如,对于任一孤立连通体C附近的断裂区域D,若该断裂区域D的中心线靠近所述主连通体的端点为P1,靠近该孤立连通体C的端点为P2,则步骤S142可以将所述主连通体在端点P1处的直径作为该断裂区域D在端点P1处的直径,将该孤立连通体C在端点P2处的直径作为该断裂区域D在端点P2处的直径,并根据该断裂区域D的中心线上各点的位置获取该断裂区域D在各点的直径。例如,对于该断裂区域D的中心线上的任一点P,该断裂区域D在点P的直径可以为(l1×d2+l2×d1)/(l1+l2),其中,l1和l2分别为该点P距离端点P1和端点P2的距离,d1和d2分别为该断裂区域D在端点P1和端点P2处的直径,
S143,根据所述断裂区域的中心线和所述断裂区域的直径获取所述断裂区域的气道模型。具体地,对于任一断裂区域E,步骤S141能够获取该断裂区域E的中心线,步骤S142能够获取该断裂区域E的中心线上多个点对应的断裂区域直径,以每个点为圆心、每个点对应的断裂区域直径为直径可以得到多个圆形截面,将各圆形截面之间利用圆柱或者圆台连接起来即可得到该断裂区域E的气道模型。
S144,对所述主连通体、所述断裂区域的气道模型和所述孤立连通体进行拼接,以获取所述气道模型。
请参阅图3,于本发明的一实施例中,所述医学图像处理方法还包括:
S31,根据所述拼接的结果获取新的主连通体和新的孤立连通体。
S32,判断各所述新的孤立连通体与所述新的主连通体是否能够配对连接。其中,步骤S32的判断方式与上述步骤S22类似,此处不做过多赘述。
S33,根据判断结果获取所述初始气道模型中新的断裂区域。其中,所述新的断裂区域是指所述新的主连通体与所述新的孤立联通体之间的区域。步骤S33与上述步骤S23类似,此处不做过多赘述。
S34,对所述新的断裂区域进行修复,以更新所述气道模型。每次对所述气道模型的更新都会添加一个或多个孤立连通体至所述气道模型,因而每次更新以后所述气道模型都会变得更加精确。
请参阅图4A,于本发明的一实施例中,所述医学图像处理方法包括:
S401,获取患者的肺部医学图像,所述肺部医学图像是由体素构成的三维容积图像。
S402,对所述肺部医学图像进行分割,以获取初始气道模型。
S403,若所述初始气道模型包括多个连通体,获取主连通体和孤立连通体。其中,所述主连通体为最大的连通体,也即主气道以及与其相连通的分支,其他不与所述最大连通体相连通的气道为所述孤立连通体。
S404,获取各所述连通体的中心线,并获取各所述连通体的中心线端点。
S405,根据各所述连通体的中心线及中心线端点,判断各所述孤立连通体与所述主连通体是否能够配对连接。
S406,对于能够与所述主连通体配对连接的孤立连通体,获取其与所述主连通体之间的区域作为断裂区域。
S407,获取所述断裂区域的气道模型。
S408,将所述断裂区域的气道模型与所述断裂区域两端的连通体相拼接,以得到一新的主连通体。可以理解的是,所述断裂区域两端的连通体分别为一孤立连通体和原来的主连通体,因此,所述新的主连通体由原来的连通体、若干个孤立连通体以及所述断裂区域的连通体组成。
S409,将所述新的主连通体之外的其余连通体作为新的孤立连通体,并重复上述步骤S405~S409,直到所有孤立连通体与所述主连通体均无法配对连接。
S410,将所述主连通体作为最终的气道模型。
请参阅图4B,本实施例中,对于任一连通体F,判断该孤立连通体F与所述主连通体是否能够配对连接的一种实现方法包括:
S4051,获取该孤立连通体F的中心线端点与所述主连通体的中心线端点之间的距离,若该距离大于一距离阈值,则认为该孤立连通体F与所述主连通体无法配对连接,终止判断,否则,执行步骤S4052。
S4052,获取该孤立连通体F的中心线与所述主连通体的中心线之间的角度,若该角度大于一角度阈值,则认为该孤立连通体F与所述主连通体无法配对连接,终止判断,否则,执行步骤S4053。
S4053,获取该孤立连通体F的直径与所述主连通体的直径之间的差异,若该差异大于一差异阈值,则认为该孤立连通体F与所述主连通体无法配对连接,否则,认为该孤立连通体F与所述主连通体能够配对连接。
在上述步骤S4051~S4053中,所述距离阈值、所述角度阈值和所述差异阈值可以根据实际需求或者经验设置,也可以根据其他方式设置,具体方式此处不作限制。
请参阅图4C和4D,分别显示为相关技术所获取的气道模型以及本实施例所述医学图像处理方法获取的气道模型。对比可以看出,本实施例获取的气道模型包含更多的末端气道,因而具有更高的精确性。
于本发明的一实施例中,获取所述断裂区域的中心线的实现方法包括:对于任一所述孤立连通体,若该孤立连通体能够与所述主连通体进行配对连接,则采用B样条曲线将该孤立连通体的中心线端点与所述主连通体的中心线端点相连,以获取该孤立连通体附近的断裂区域的中心线。
请参阅图5A,于本发明的一实施例中,对所述断裂区域进行修复以获取所述气道模型的实现方法包括:
S51,获取所述断裂区域中的一个或多个点作为基点,所述基点优选为所述断裂区域中心线上的点。
S52,根据所述基点进行扩展以实现对所述断裂区域的修复。
可选地,请参阅图5B,根据所述基点进行扩展以对所述断裂区域进行修复的实现方法包括:
S521,获取所述初始气道模型的输出概率图(probability map)和多尺度海森滤波图(multi-scale hessian-based filter map)。
S522,将所述输出概率图和所述多尺度海森滤波图进行叠加,以获取气道相似性概率图。
S523,采用所述初始气道模型中的气道末端点作为基点,基于所述气道相似性概率图,采用区域生长算法在所有基点之间生成连接路径,并获取各连接路径的距离。其中,所述初始气道模型中的气道末端点是指主连通体的末端点和各孤立连通体的末端点。
S524,对距离最小的连接路径所对应的基点进行连接,以实现对所述断裂区域的修复。
可选地,考虑到气道壁及其边界存在模糊、断裂等情况容易导致气道分割出现泄露,本实施例中所述图像分割方法还可以包括:对所述初步气道模型进行剪枝。其中,泄露是指分割得到的所述初始气道模型中存在的、与实际气道的半径差异明显较大的部分,例如图5C所示的泄露部分。所述初始气道模型可以基于中心线、气道的形态学连通性和气道半径对气道的中心线进行剪枝,并基于剪枝结果消除所述初始气道模型中的泄露部分。
具体地,可以基于气道中心线计算气道分支的半径进而得到各个分支的最小半径,并且定位气道分支中半径大于该分支最小半径a倍的部分,也即存在泄露的部分,其中,a为大于1的正数。基于此,所述初始气道模型根据气道中心线和泄露部分上下段气道的半径、采用形态学膨胀生成新的气道,并利用生成的新的气道替换该泄漏部分,即可实现气道泄露部分的滤除。例如,请参阅图5D,显示为本实施例中对所述初始气道模型进行剪枝后得到的一个结果示例图。
考虑到现有技术中,在对大尺度气道进行分割时容易忽略小尺度的分支气道或末端气道,因而会导致获取到的初始气道模型不够准确。针对这一问题,于本发明的一实施例中,为了提升获取的初始气道模型的准确性,请参阅图6,对所述肺部医学图像进行分割以获取所述初始气道模型的实现方法包括:
S121,对所述肺部医学图像进行分割以获取气道的第一分割结果。其中,所述第一分割结果是对整个所述肺部医学图像进行分割得到的分割结果,属于气道的整体分割结果。
S122,获取所述肺部医学图像的至少一个区域图像,其中,所述区域图像的范围小于所述肺部医学图像的范围,并且主要包含直径较小的分支气道或末端气道,与所述肺部医学图像相比,所述区域图像包括气道的更多细节。所述区域图像可以直接从所述肺部医学图像中获取,也可以对所述肺部医学图像进行一定比例的放大之后再从中获取所述区域图像。
S123,对所述区域图像进行分割以获取气道的第二分割结果。与所述第一分割结果相比,所述第二分割结果是对更为细致的分支气道或末端气道的分割结果。
S124,根据所述第一分割结果和所述第二分割结果进行融合以获取所述初始气道模型。
可选地,所述获取所述初始气道模型的实现方法还包括:根据所述区域图像获取至少一个子区域图像,其中,各所述子区域图像的范围小于所述区域图像的范围,并且,与所述区域图像相比,所述子区域图像包括气道更进一步的细节;对所述子区域图像进行分割以获取气道的第三分割结果,与所述第二分割结果相比,所述第三分割结果是对更为细致的分支气道或末端气道的分割结果。此时,所述初始气道模型由所述第一分割结果、所述第二分割结果和所述第三分割结果融合得到。
可以理解的是,所述医学图像处理方法还可以进一步对所述子区域图像进行分割,以得到更为细致的第四分割结果、第五分割结果等,所述初始气道模型可以由所述第一分割结果、所述第二分割结果、所述第三分割结果、所述第四分割结果、所述第五分割结果等融合得到。
根据以上描述可知,本实施例所述医学图像处理方法能够获取不同等级的气道分割结果,并将其融合至所述初始气道模型中,与现有技术相比,本实施例通过在不同尺度的图像上分别对气道进行分割从而获得不同尺度的气道分割结果,并最终将各分割结果进行融合得到所述初始气道模型,因而本实施例中获取的初始气道模型包含更多级别的气道,能够为医务人员提供更多的气道信息。
基于以上对所述医学图像处理方法的描述,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,该计算机程序被处理器执行时实现图1A或图4A所示的医学图像处理方法。
基于以上对所述医学图像处理方法的描述,本发明还提供一种电子设备。请参阅图7,于本发明的一实施例中,所述电子设备700包括存储器710、处理器720和显示器730。所述存储器710存储有计算机程序,所述处理器720与所述存储器710通信相连,调用所述计算机程序时实现图1A或图4A所述的医学图像处理方法,所述显示器730与所述存储器710和所述显示器720通信相连,用于显示所述医学图像处理方法的相关GUI交互界面。
本发明所述医学图像处理方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明所述医学图像处理方法通过对肺部医学图像进行处理以获取初始气道模型,进而获取所述初始气道模型中的断裂区域,并通过对所述断裂区域进行修复来获取最终的气道模型。与相关技术相比,本发明所述医学图像处理方法获取到的气道模型包含更多的支气道,具有更高的准确度。
此外,本发明所述医学图像处理方法在获取所述初始气道模型时,还可以包括对所述初始气道模型的剪枝操作。进一步的,本发明所述医学图像处理方法还可以根据不同等级的气道分割结果进行融合得到所述初始气道模型,因而所述初始气道模型本身即可包含更多直径较小的分支气道或末端气道,基于所述初始气道模型获取的最终气道模型具有更高的准确性。
综上所述,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种医学图像处理方法,其特征在于,所述医学图像处理方法包括:
获取肺部医学图像;
对所述肺部医学图像进行分割以获取初始气道模型;
获取所述初始气道模型中的断裂区域;
对所述断裂区域进行修复以获取气道模型。
2.根据权利要求1所述的医学图像处理方法,其特征在于,所述初始气道模型包含至少两个连通体,其中,最大的一个连通体为主连通体,其余连通体为孤立连通体,获取所述初始气道模型中的断裂区域的实现方法包括:
获取各所述连通体的中心线以及各所述连通体的中心线端点;
根据各所述连通体的中心线以及各所述连通体的中心线端点,判断各所述孤立连通体与所述主连通体是否能够配对连接;
根据判断结果获取所述初始气道模型中的断裂区域。
3.根据权利要求2所述的医学图像处理方法,其特征在于,判断各所述孤立连通体与所述主连通体是否能够配对连接的实现方法包括:
获取各所述孤立连通体的中心线端点与所述主连通体的中心线端点之间的距离,并根据所述距离判断各所述孤立连通体与所述主连通体是否能够配对连接;和/或
获取各所述孤立连通体的中心线与所述主连通体的中心线之间的角度,并根据所述角度判断各所述孤立连通体与所述主连通体是否能够配对连接;和/或
获取各所述孤立连通体的直径与所述主连通体的直径之间的差异,并根据所述差异判断各所述孤立连通体与所述主连通体是否能够配对连接。
4.根据权利要求2所述的医学图像处理方法,其特征在于,对所述断裂区域进行修复以获取气道模型的实现方法包括:
根据所述孤立连通体的中心线端点和所述主连通体的中心线端点,获取所述断裂区域的中心线;
根据所述孤立连通体的直径和所述主连通体的直径获取所述断裂区域的直径;
根据所述断裂区域的中心线和所述断裂区域的直径获取所述断裂区域的气道模型;
对所述主连通体、所述断裂区域的气道模型和所述孤立连通体进行拼接,以获取所述气道模型。
5.根据权利要求4所述的医学图像处理方法,其特征在于,所述医学图像处理方法还包括:
根据所述拼接的结果获取新的主连通体和新的孤立连通体;
判断各所述新的孤立连通体与所述新的主连通体是否能够配对连接;
根据判断结果获取所述初始气道模型中新的断裂区域;
对所述新的断裂区域进行修复,以更新所述气道模型。
6.根据权利要求4所述的医学图像处理方法,其特征在于,获取所述断裂区域的中心线的实现方法包括:
对于任一所述孤立连通体,若该孤立连通体能够与所述主连通体配对连接,则采用B样条曲线将该孤立连通体的中心线端点与所述主连通体的中心线端点相连,以获取该孤立连通体附近的断裂区域的中心线。
7.根据权利要求1所述的医学图像处理方法,其特征在于,对所述断裂区域进行修复以获取所述气道模型的实现方法包括:
获取所述断裂区域中的一个或多个点作为基点;
根据所述基点进行扩展以实现对所述断裂区域的修复。
8.根据权利要求1所述的医学图像处理方法,其特征在于,对所述肺部医学图像进行分割以获取所述初始气道模型的实现方法包括:
对所述肺部医学图像进行分割以获取气道的第一分割结果;
获取所述肺部医学图像的至少一个区域图像;
对所述区域图像进行分割以获取气道的第二分割结果;
根据所述第一分割结果和所述第二分割结果进行融合以获取所述初始气道模型。
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:该计算机程序被处理器执行时实现权利要求1-8任一项所述的医学图像处理方法。
10.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有一计算机程序;
处理器,与所述存储器通信相连,调用所述计算机程序时执行权利要求1-8任一项所述的医学图像处理方法;
显示器,与所述处理器和所述存储器通信相连,用于显示所述医学图像处理方法的相关GUI交互界面。
CN202110728433.9A 2021-06-29 2021-06-29 一种医学图像处理方法、介质及电子设备 Active CN113450277B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110728433.9A CN113450277B (zh) 2021-06-29 2021-06-29 一种医学图像处理方法、介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110728433.9A CN113450277B (zh) 2021-06-29 2021-06-29 一种医学图像处理方法、介质及电子设备

Publications (2)

Publication Number Publication Date
CN113450277A true CN113450277A (zh) 2021-09-28
CN113450277B CN113450277B (zh) 2023-08-22

Family

ID=77814037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110728433.9A Active CN113450277B (zh) 2021-06-29 2021-06-29 一种医学图像处理方法、介质及电子设备

Country Status (1)

Country Link
CN (1) CN113450277B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376556A (zh) * 2014-10-31 2015-02-25 四川大学 一种岩石ct图像目标分割方法
CN107481251A (zh) * 2017-07-17 2017-12-15 东北大学 一种从肺部ct图像中提取末端支气管树的方法
CN108510478A (zh) * 2018-03-19 2018-09-07 青岛海信医疗设备股份有限公司 肺气道图像分割方法、终端、存储介质
CN109215032A (zh) * 2017-06-30 2019-01-15 上海联影医疗科技有限公司 图像分割的方法及系统
CN109377458A (zh) * 2018-09-30 2019-02-22 数坤(北京)网络科技有限公司 一种冠脉分割断裂的修复方法及装置
CN109919937A (zh) * 2019-03-13 2019-06-21 数坤(北京)网络科技有限公司 血管分割图像断裂的修复方法、系统和计算机存储介质
CN110047078A (zh) * 2019-04-18 2019-07-23 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
CN111145206A (zh) * 2019-12-27 2020-05-12 联想(北京)有限公司 肝脏图像分割质量评估方法、装置及计算机设备
CN112837307A (zh) * 2021-02-24 2021-05-25 北京博清科技有限公司 焊道轮廓的确定方法、装置、处理器与系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376556A (zh) * 2014-10-31 2015-02-25 四川大学 一种岩石ct图像目标分割方法
CN109215032A (zh) * 2017-06-30 2019-01-15 上海联影医疗科技有限公司 图像分割的方法及系统
CN107481251A (zh) * 2017-07-17 2017-12-15 东北大学 一种从肺部ct图像中提取末端支气管树的方法
CN108510478A (zh) * 2018-03-19 2018-09-07 青岛海信医疗设备股份有限公司 肺气道图像分割方法、终端、存储介质
CN109377458A (zh) * 2018-09-30 2019-02-22 数坤(北京)网络科技有限公司 一种冠脉分割断裂的修复方法及装置
CN109919937A (zh) * 2019-03-13 2019-06-21 数坤(北京)网络科技有限公司 血管分割图像断裂的修复方法、系统和计算机存储介质
CN110047078A (zh) * 2019-04-18 2019-07-23 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
CN111145206A (zh) * 2019-12-27 2020-05-12 联想(北京)有限公司 肝脏图像分割质量评估方法、装置及计算机设备
CN112837307A (zh) * 2021-02-24 2021-05-25 北京博清科技有限公司 焊道轮廓的确定方法、装置、处理器与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
程诗音等: "颈动脉磁共振图像的血管中心线提取", 《中国体视学与图像分析》 *
程诗音等: "颈动脉磁共振图像的血管中心线提取", 《中国体视学与图像分析》, no. 04, 25 December 2016 (2016-12-25) *
韩明等: "《数学建模案例》", 30 June 2012, pages: 45 *

Also Published As

Publication number Publication date
CN113450277B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
Li et al. Optimal surface segmentation in volumetric images-a graph-theoretic approach
Bordas et al. Development and analysis of patient-based complete conducting airways models
US20070109299A1 (en) Surface-based characteristic path generation
US8358819B2 (en) System and methods for image segmentation in N-dimensional space
CN102208105B (zh) 医学图像处理技术
JP5072449B2 (ja) 医用画像処理装置及び医用画像処理方法
WO2009103046A2 (en) Medical image reporting system and method
CN109155063B (zh) 用于生成胆管树形结构的定量数据的方法和设备
JP7101809B2 (ja) 画像処理装置、画像処理方法、及びプログラム
WO2008035446A1 (fr) Processeur d'images médicales, procédé et programme de traitement d'images associés
JP2010000133A (ja) 画像表示装置、画像表示方法及びプログラム
JP2005278690A (ja) コンピュータを用いた3次元胸部ct画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム
Grélard et al. New methods for the geometrical analysis of tubular organs
CN112862884A (zh) 一种基于图割和断裂补全的血管提取方法
CN115512110A (zh) 一种涉及跨模态注意力机制的医学图像肿瘤分割方法
CN114155193B (zh) 一种基于特征强化的血管分割方法及装置
JP2007061635A (ja) 気道内腔の大きさおよび気道壁の厚さを求めるためのシステムおよび方法
WO2015150320A1 (en) Segmentation of tubular organ structures
CN111145226A (zh) 基于ct影像的三维肺部特征提取方法
JP2018077667A (ja) 画像処理装置、画像処理方法、画像処理システム及びプログラム
CN113450277B (zh) 一种医学图像处理方法、介质及电子设备
CN112132981A (zh) 图像处理的方法及装置,电子设备及存储介质
Fiori et al. Automatic colon polyp flagging via geometric and texture features
CN114511512B (zh) 一种基于交互指导的血管图像分割方法
WO2022237154A1 (zh) 一种医学影像分割装置及方法

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