CN113870169A - 一种医学影像标注方法、介质及电子设备 - Google Patents

一种医学影像标注方法、介质及电子设备 Download PDF

Info

Publication number
CN113870169A
CN113870169A CN202010536471.XA CN202010536471A CN113870169A CN 113870169 A CN113870169 A CN 113870169A CN 202010536471 A CN202010536471 A CN 202010536471A CN 113870169 A CN113870169 A CN 113870169A
Authority
CN
China
Prior art keywords
labeling
pixel points
pixel point
representative
seed
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
CN202010536471.XA
Other languages
English (en)
Other versions
CN113870169B (zh
Inventor
顾静军
邓雅卿
丁元
陈以宁
周公敢
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 Pujian Medical Technology Co ltd
Original Assignee
Hangzhou Pujian Medical 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 Pujian Medical Technology Co ltd filed Critical Hangzhou Pujian Medical Technology Co ltd
Priority to CN202010536471.XA priority Critical patent/CN113870169B/zh
Publication of CN113870169A publication Critical patent/CN113870169A/zh
Application granted granted Critical
Publication of CN113870169B publication Critical patent/CN113870169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—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)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供一种医学影像标注方法、介质及电子设备。所述医学影像标注方法包括：获取待标注对象的种子像素点；根据所述种子像素点三维邻域内像素点的CT值确定代表像素点；根据所述代表像素点对所述待标注对象进行标注。所述医学影像标注方法能够实现待标注对象的三维标注。

Description

一种医学影像标注方法、介质及电子设备
技术领域
本发明属于图像分析领域，涉及一种图像标注方法，特别是涉及一种医学影像标注方法、介质及电子设备。
背景技术
基于人工智能方法的医学影像辅助诊断需要收集大量的有标签数据以训练算法模型。为此，通常需要采用交互式图像分割算法从已有的病例中标注出肿瘤或器官的位置，进而收集足够的数据用于算法模型训练。然而，肿瘤或器官多为三维结构，现有交互式图像分割算法不具备三维分割的功能，致使现有方法难以实现对肿瘤或器官的三维标注。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种医学影像标注方法、介质及电子设备，用于解决现有技术中不能实现三维标注的问题。
为实现上述目的及其他相关目的，本发明提供一种医学影像标注方法。所述医学影像标注方法包括：获取待标注对象的种子像素点；根据所述种子像素点三维邻域内像素点的CT值确定代表像素点；根据所述代表像素点对所述待标注对象进行标注。
于本发明的一实施例中，根据所述种子像素点三维邻域内像素点的CT值确定代表像素点的实现方法包括：获取第一立方体内像素点的平均CT值；所述第一立方体为包含所述种子像素点且半径为r1的立方体；其中，r1>0；获取第二立方体内像素点的平均CT值；所述第二立方体为包含所述种子像素点且半径为r2的立方体；其中，r2>0且r2<r1；根据所述第一立方体内像素点的平均CT值和所述第二立方体内像素点的平均CT值确定代表像素点。
于本发明的一实施例中，根据所述代表像素点对所述待标注对象进行标注的实现方法包括：获取各层CT图像中的代表像素点；根据所述代表像素点对各层CT图像进行标注，获得所述待标注对象在各层的标注结果；根据所述待标注对象在各层的标注结果获得所述待标注对象的三维标注结果。
于本发明的一实施例中，根据所述代表像素点对任一层CT图像进行标注的实现方法包括：根据所述任一层CT图像包含的代表像素点生成最小凸多边形和/或凸包；对所述最小凸多边形和/或凸包进行填充，从而获得所述待标注对象在该层的标注结果。
于本发明的一实施例中，对所述最小凸多边形和/或凸包进行填充的实现方法包括：获取所述任一层CT图像中的对应种子像素点；在所述任一层CT图像中，判断所述对应种子像素点的相邻像素点是否超出所述最小凸多边形和/或凸包的范围，若否，将所述对应种子像素点的相邻像素点作为所述对应种子像素点，重复此步骤；所述对应种子像素点的集合即为所述最小凸多边形和/或凸包的填充结果。
于本发明的一实施例中，根据所述种子像素点三维邻域内像素点的CT值确定代表像素点的实现方法包括：获取包含所述种子像素点的三维采样区域；对所述三维采样区域内像素点的CT值进行统计，并根据统计结果获取所述代表像素点的CT值范围；根据所述代表像素点的CT值范围确定所述代表像素点。
于本发明的一实施例中，根据所述代表像素点的CT值范围确定所述代表像素点的实现方法包括：获取与所述种子像素点相邻的代表像素点，将所述相邻的代表像素点作为种子像素点，重复此步骤。
于本发明的一实施例中，根据所述代表像素点对所述待标注对象进行标注的实现方法包括：对所述代表像素点形成的区域进行腐蚀和/或膨胀操作，以获得所述待标注对象的标注结果。
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；所述计算机程序被执行时执行本发明所述医学影像标注方法。
本发明还提供一种电子设备；所述电子设备包括：存储器，其上存储有计算机程序；处理器，与所述存储器相连，用于调用所述计算机程序时执行本发明所述医学影像标注方法；显示器，与所述存储器和所述处理器分别相连，用于显示所述医学影像标注方法相应的GUI交互界面。
如上所述，本发明的医学影像标注方法、介质及电子设备，具有以下有益效果：
所述医学影像标注方法通过获取种子像素点三维邻域内像素点的CT值以确定代表像素点，进而实现对待标注对象的标注。所述代表像素点存在于所述种子像素点三维邻域内，故所述医学影像标注方法能够实现待标注对象的三维标注。
附图说明
图1显示为本发明所述医学影像标注方法于一实施例中的流程图。
图2显示为本发明所述医学影像标注方法于一实施例中步骤S12的流程图。
图3A显示为本发明所述医学影像标注方法于一实施例中步骤S13的流程图。
图3B显示为本发明所述医学影像标注方法于一实施例中的医学影像示例图。
图4显示为本发明所述医学影像标注方法于一实施例中步骤S133的流程图。
图5A显示为本发明所述医学影像标注方法于一实施例中步骤S1332的流程图。
图5B显示为本发明所述医学影像标注方法于一实施例中的CT序列示例图。
图6显示为本发明所述医学影像标注方法于一实施例中的流程图。
图7A显示为本发明所述医学影像标注方法于一实施例中步骤S12的流程图。
图7B显示为本发明所述医学影像标注方法于一实施例中步骤S72的流程图。
图8显示为本发明所述医学影像标注方法于一实施例中的流程图。
图9显示为本发明所述医学影像标注方法于一实施例中的流程图。
图10显示为本发明所述医学影像标注方法于一实施例中的标注结果示例图。
图11A显示为本发明所述医学影像标注方法于一实施例中的CT图像示例图。
图11B显示为本发明所述医学影像标注方法于一实施例中的标注图像示例图。
图12A显示为本发明所述医学影像标注方法于一实施例中的CT图像示例图。
图12B显示为本发明所述医学影像标注方法于一实施例中的标注图像示例图。
图13显示为本发明所述电子设备于一实施例中的结构示意图。
元件标号说明
3 CT序列
31 第三CT图像
311 血管截面
32 第四CT图像
321 血管截面
10 标注图像
101 第三标注图像
1011 标准结果
102 第四标注图像
1021 标注结果
13 电子设备
131 存储器
132 处理器
133 显示器
S11～S13 步骤
S121a～S123a 步骤
S131～S133 步骤
S1331～S1332 步骤
S51～S52 步骤
S61～S67 步骤
S71～S73 步骤
S721～S722 步骤
S81～S86 步骤
S91～S94 步骤
S931a～S938a 步骤
S931b～S937b 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。
基于人工智能方法的医学影像辅助诊断需要收集大量的有标签数据以训练算法模型。为此，通常需要采用交互式图像分割算法从已有的病例中标注出肿瘤或器官的位置，进而收集足够的数据用于算法模型训练。然而，肿瘤或器官多为三维结构，以医学CT影像为例，肿瘤或器官往往存在于多层CT图像中，现有交互式图像分割算法不具有三维分割功能，通常需要医生逐层进行标注并最后汇总成肿瘤或器官的三维标注结果，效率较低。
针对这一问题，本发明提供一种医学影像标注方法，所述医学影像标注方法包括：获取待标注对象的种子像素点；根据所述种子像素点三维邻域内像素点的CT值确定代表像素点；根据所述代表像素点对所述待标注对象进行标注。所述代表像素点存在于所述种子像素点的三维邻域内，故所述医学影像标注方法能够实现待标注对象的三维标注。
请参阅图1，于本发明的一实施例中，所述医学影像标注方法包括：
S11，获取待标注对象的种子像素点；所述待标注对象位于医学影像中，优选地，所述医学影像包含由多层CT图像组成的CT序列。所述待标注对象可以为肿瘤，也可以为器官，还可以为与周围亮度明显不同的区域。
所述种子像素点为所述待标注对象内部或表面的一个像素点，该种子像素点可以由用户通过鼠标等设备从所述医学影像中选取，也可以通过图像识别等方式从所述医学影像中选取。优选地，所述种子像素点的数量为1个，位于某一层CT图像中。
S12，根据所述种子像素点三维邻域内像素点的CT值确定代表像素点；所述三维邻域是指所述种子像素点周围一定范围内的三维空间，具体范围可以根据实际需求设置。所述代表像素点为所述待标注对象内部或者表面具有代表性的像素点。
S13，根据所述代表像素点对所述待标注对象进行标注。所述待标注对象的标注结果可以是一个标注区域，用户可以通过GUI界面观察和获取所述标注区域。
本实施例所述医学影像标注方法通过获取种子像素点三维邻域内像素点的CT值以确定代表像素点，进而实现对所述待标注对象的标注。所述代表像素点存在于所述种子像素点三维邻域内，故所述医学影像标注方法能够实现待标注对象的三维标注。
如图2所示，于本发明的一实施例中，根据所述种子像素点三维邻域内像素点的CT值确定代表像素点的一种实现方法包括：
S121a，获取第一立方体内像素点的平均CT值；所述第一立方体为包含所述种子像素点且半径为r1的立方体；其中，r1>0，其取值可以根据经验值进行设定；优选地，5≤r1≤10，所述种子像素点位于所述第一立方体的中心。
S122a，获取第二立方体内像素点的平均CT值；所述第二立方体为包含所述种子像素点且半径为r2的立方体；其中，r2>0且r2<r1；优选地，r2＝r1/2，所述种子像素点位于所述第二立方体的中心。
S123a，根据所述第一立方体内像素点的平均CT值mean1和所述第二立方体内像素点的平均CT值mean2确定代表像素点。所述代表像素点可以位于同一层CT图像，也可以位于多层CT图像。
于本实施例中，步骤S123a的一种实现方法包括：
若mean1<mean2，则说明待标注对象的CT值整体偏小，此时可以在所述第一立方体内选取CT值接近或略小于mean1的像素点作为代表像素点；具体地：选取第一立方体内CT值小于等于k1×mean1的像素点作为代表像素点，其中，k1为第一系数且其取值范围优选为1<k1<2；
mean1>mean2，则说明待标注对象的CT值整体偏大，此时可以在所述第一立方体内选取CT值接近或略大于mean1的像素点作为代表像素点；具体地：选取第一立方体内CT值大于等于k2×mean1的像素点作为代表像素点，其中，k2为第二系数且其取值范围优选为0.5<k2<1。
需要说明的是，所述第一系数k1和第二系数k2均为可调参数，k1取值越小则最终选择的代表像素点越少，k2取值越大则最终选择的代表像素点越少，实际应用中可以根据实际情况进行调整。
实际医学应用中，许多待标注对象(例如肿瘤)存在占据区域小、形状不规则和/或边界不明显的问题，致使现有图像分割算法很难对这类待标注对象进行分割和标注。本实施例所述医学影像标注方法通过调整第一系数和第二系数的取值能够调整代表像素点的数量，具体地：代表像素点数量越少则最终获得的标注区域越小，此时所述医学影像标注方法适用于占据区域较小的待标注对象；代表像素点数量越多则最终获得的标注区域越大，此时所述医学影像标注方法适用于占据区域大的待标注对象。
此外，本实施例所述医学影像标注方法根据像素点的CT值选取代表像素点，整个标注过程与待标注对象的形状和边界无关，即：无论所述待标注对象的形状和边界如何，本实施例所述医学影像标注方法仅依据像素点的CT值确定代表像素点，并根据所述代表像素点对待标注对象进行标注。故本实施例所述医学影像标注方法对形状不规则和/或边界不明显的待标注对象也能实现较好的标注效果。
请参阅图3A，于本发明的一实施例中，所述待标注对象位于医学影像中，所述医学影像包含多层CT图像，所述多层CT图像例如图3B所示11层CT图像；根据所述代表像素点对所述待标注对象进行标注的实现方法包括：
S131，获取各层CT图像中的代表像素点；
S132，根据所述代表像素点对各层CT图像进行标注，获得所述待标注对象在各层的标注结果；
S133，根据所述待标注对象在各层的标注结果获得所述待标注对象的三维标注结果。
请参阅图4，于本发明的一实施例中，根据所述代表像素点对任一层CT图像进行标注的实现方法包括：
S1331，根据所述任一层CT图像包含的代表像素点生成最小凸多边形和/或凸包；其中，最小凸多边形和/或凸包可以通过现有方法获得，此处不再赘述。对于所述任一层CT图像，所述待标注对象在该层CT图像中的标注结果为一平面区域，该平面区域的边界由所述最小凸多边形和/或凸包确定。
S1332，对所述最小凸多边形和/或凸包进行填充，从而获得所述待标注对象在该层的标注结果。具体地，所述最小凸多边形和/或凸包内部和边界的像素点即为所述待标注对象在该层包含的所有像素点，因此，根据所述最小凸多边形和/或凸包的填充结果即可获得所述待标注对象在该层的标注结果。
请参阅图5A，于本发明的一实施例中，对所述最小凸多边形和/或凸包进行填充的实现方法包括：
S51，获取所述任一层CT图像中的对应种子像素点；所述对应种子像素点是指该层CT图像中与所述种子像素点横坐标和纵坐标相同的像素点；特别地，若所述任一层CT图像包含所述种子像素点，则该层CT图像中的对应种子像素点为所述种子像素点。请参阅图5B，若所述种子像素点的坐标为(x0,y0,z0)，则某层CT图像中的对应像素点坐标为(x0,y0,z1)。
S52，在所述任一层CT图像中，判断所述对应种子像素点的相邻像素点是否超出所述最小凸多边形和/或凸包的范围：若否，将所述对应种子像素点的相邻像素点作为所述对应种子像素点；重复此步骤S52；最终获得的所述对应种子像素点的集合即为所述最小凸多边形和/或凸包的填充结果。
具体地，在所述任一层CT图像中，所述对应种子像素点(x0,y0,z1)存在四个相邻像素点，分别为：(x0+1,y0,z1)、(x0-1,y0,z1)、(x0,y0+1,z1)和(x0,y0-1,z1)；找出所有位于所述最小凸多边形和/或凸包内对应种子像素点的相邻像素点并将其作为新的对应种子像素点，重复上述步骤，直到所有对应种子像素点的相邻像素点均为对应种子像素点或位于所述最小凸多边形和/或凸包范围外。
请参阅图6，于本发明的一实施例中，对于任一层CT图像，对所述最小凸多边形和/或凸包进行填充的具体实现流程包括：
S61，获取对应种子像素点(x0,y0,z1)；
S62，初始化零矩阵M1，新建空队列Q1；所述零矩阵M1的尺寸与该层CT图像的尺寸相同，所述零矩阵M1中的每个元素与该层CT图像中的像素点一一对应，且矩阵M1内所有元素的初始数值均为0；
S63，在所述矩阵M1中，将最小凸多边形和/或凸包边界上的像素点对应的元素数值设置为1；
S64，将所述对应种子像素点(x0,y0,z1)插入队列Q1；
S65，从队列Q1中取出一个元素，此时队列Q1中不再包含该元素；
S66，依次判断矩阵M1中与该元素左侧像素点、右侧像素点、上方像素点和下方像素点对应的元素数值是否为0；若数值为0，将对应的像素点插入队列Q1，并将矩阵M1中的对应元素数值设置为1。例如：对于像素点(x0,y0,z1)，依次判断其左侧像素点(x0-1,y0,z1)、右侧像素点(x0+1,y0,z1)、上方像素点(x0,y0+1,z1)和下方像素点(x0,y0-1,z1)对应的矩阵M1中元素数值是否为0；若矩阵M1中与左侧像素点(x0-1,y0,z1)对应的元素数值为0，则将该左侧像素点(x0-1,y0,z1)插入队列Q1，并将矩阵M1中与该左侧像素点(x0-1,y0,z1)对应的元素数值设置为1；
S67，判断队列Q1是否为空：若队列Q1为空，结束该流程；若队列Q1不为空，跳转至步骤S65。
该流程结束后，矩阵M1中数值为1的元素对应的像素点即为所述待标注对象在该层CT图像中的标注结果。
请参阅图7A，于本发明的一实施例中，根据所述种子像素点三维邻域内像素点的CT值确定代表像素点的实现方法包括：
S71，获取包含所述种子像素点的三维采样区域；所述三维采样区域为所述种子像素点周围的某一三维空间，例如：以所述种子像素点为中心边长为r3的立方体，其中r3>0；优选地，r3＝r1。
S72，对所述三维采样区域内像素点的CT值进行统计，并根据统计结果获取所述代表像素点的CT值范围。
S73，根据所述代表像素点的CT值范围确定所述代表像素点。具体地，所散三维采样区域中CT值位于所述代表像素点的CT值范围内的像素点即可认为是代表像素点。
具体地，请参阅图7B，对所述三维采样区域内像素点的CT值进行统计，并根据统计结果获取所述代表像素点的CT值范围的实现方法包括：
S721，统计所述三维采样区域内所有像素点的CT值，获得CT值分布直方图；
S722，剔除所述CT值分布直方图中的噪声点，获得所述代表像素点的CT值范围。由于出现次数较少的像素点可能为噪声点，对所述噪声点进行剔除可以通过剔除CT值小于lower或大于upper的像素点，此时所述代表像素点的CT值范围为[lower,upper]；其中，lower为下边界，其取值大于0，优选地，lower＝a×max+(1-a)×min；upper为上边界，其取值大于lower，优选地，upper＝a×min+(1-a)×max。其中，min为所述像素点CT值的最小值，max为所述像素点CT值的最大值，0<a<0.5。
优选地，为了在所述直方图分布范围较大时也能获取较小的标注区域，步骤S722还包括：剔除CT值距离中值mid的差值小于m(0<m<3000)的像素点。此时，所述代表像素点的CT值范围为[lower,upper]∩[mid-m,mid+m]。通过加入对中值的偏差控制能够实现小区域的标注，此时对较大区域的标注可以通过多次标注后取并集实现，从而给用户带来更大的操作上的灵活性。
于本发明的一实施例中，根据所述代表像素点的CT值范围确定所述代表像素点的实现方法包括：获取与所述种子像素点三维相邻的代表像素点，将所述相邻的代表像素点作为种子像素点，重复此步骤。所述三维相邻是指在三维空间内与所述种子像素点相邻的代表像素点。
请参阅图8，于本实施例中，根据所述代表像素点的CT值范围确定所述代表像素点的具体实现流程包括：
S81，获取种子像素点(x0,y0,z0)；
S82，初始化零矩阵M2，新建空队列Q2；所述零矩阵M2为三维矩阵，其中的元素与医学影像中多层CT图像的所有像素点一一对应；
S83，将所述种子像素点插入队列Q2中；
S84，从队列Q2中取出一个元素，此时队列Q2不再包含该元素；
S85，依次判断该元素的三维相邻像素点中是否存在代表像素点；若该元素的三维相邻像素点中存在代表像素点，则将与该元素相邻的所有代表像素点插入队列Q2中，并将矩阵M2中与所述代表像素点对应的元素数值设置为1；
具体地，该元素的三维相邻元素是指在三维空间内与该元素相邻的六个像素点，例如：对于种子像素点(x0,y0,z0)，其三维相邻像素点分别为：(x0-1,y0,z0)、(x0+1,y0,z0)、(x0,y0-1,z0)、(x0,y0+1,z0)、(x0,y0,z0-1)和(x0,y0,z0+1)；判断某一相邻像素点是否为代表像素点的方式为：若某相邻像素点的CT值位于步骤S72所述代表像素点的CT值范围，则认为该相邻像素点为代表像素点；否则认为该相邻像素点不是代表像素点。
例如，若种子像素点(x0,y0,z0)的三维相邻像素点中有且只有(x0-1,y0,z0)为代表像素点，则将(x0-1,y0,z0)插入队列Q2，并将矩阵M2中与(x0-1,y0,z0)相对应的元素数值置1。
S86，判断队列Q2是否为空：若队列Q2为空队列，结束此流程；否则执行步骤S84。
步骤S81～S86执行完毕后，矩阵M2中所有数值为1的元素对应的像素点即为所有代表像素点。
于本发明的一实施例中，根据所述代表像素点对所述待标注对象进行标注的实现方法包括：对所述代表像素点形成的区域进行腐蚀和/或膨胀操作，以获得所述待标注对象的标注结果。
实际应用中，代表像素点多为离散点，其形成的区域往往包含空洞；本实施例通过腐蚀和/或膨胀操作能够填补区域内的空洞，从而获得更加光滑的标注结果。膨胀和/或腐蚀属于图像处理中的常用方法，其可以通过dilate()和erode()函数实现，此处不再赘述。
请参阅图9，于本发明的一实施例中，对单期CT扫描序列影像进行标注的实现方法包括：
S91，获取医学影像；所述医学影像为单期CT扫描序列影像，其包含多层CT图像。
S92，获取种子像素点；所述种子像素点位于某一层CT图像的一个待标注对象内部或表面，其可以通过鼠标点选的方式获得，也可以通过AI算法自动识别获得；所述待标注对象为肿瘤或器官。
S93，对所述待标注对象采用局部方法和全局方法分别进行标注；
S94，对所述局部方法得到的局部标注区域和全局方法得到的全局标注区域取并集作为所述待标注对象的标注结果。
其中，对所述待标注对象采用局部方法进行标注的实现方法包括：
S931a，以所述种子像素点为中心，选取半径为r1的第一立方体范围；
S932a，计算所述第一立方体内像素点的平均CT值mean1；
S933a，以所述种子像素点为中心，计算半径为r2的第二立方体内像素点的平均CT值mean2；
S934a，根据mean1和mean2确定代表像素点，具体地：若mean1<mean2，选取所述第一立方体内CT值大于k1×mean1的像素点为代表像素点；否则，选取所述第一立方体内CT值小于k2×mean1的像素点为代表像素点；其中，k1为第一系数且其取值范围优选为1<k1<2；k2为第二系数且其取值范围优选为0.5<k2<1；k1和k2均可调；
S935a，选取所述CT序列中的一层CT图像作为当前层，例如：可以选取第一层CT图像或最后一层CT图像作为当前层；
S936a，获取当前层内代表像素点对应的最小凸多边形和/或凸包，并对所述最小凸多边形和/或凸包进行填充，填充结果即为当前层内的局部标注区域；
S937a，选取CT序列中的下一层CT图像作为当前层；
S928a，判断当前层CT图像中的代表像素点数是否小于预设值：若是，则结束该局部方法；否则，执行步骤S936a；所述预设值可以根据实际情况进行设置，例如设置为5。
通过步骤S921a～S928a所述局部方法能够获得各层CT图像内的局部标注区域，对各层CT图像内的局部标注区域取并集即可获得所述待标注对象的局部标注区域；
于本实施例中，采用全局方法对所述待标注对象进行标注的实现方法包括：
S931b，以所述种子像素点为中心，选取边长为r3的多层正方形作为采样区域；
S932b，统计所有正方形内所有像素点的CT值；
S933b，将所有像素点的CT值按照从小到大的顺序进行排列；
S934b，给定可调参数a(0<a<0.5)，并获取所有正方形内像素点的数量n；
S935b，取第n×a个像素点的CT值为下边界lower，取第n×(1-a)个像素点的CT值为上边界upper；当n为偶数时，取第n/2个像素点的CT值为中值；当n为奇数时，取第(n+1)/2个像素点的CT值为中值；
S936b，以所述种子像素点为中心，依次选取采样区域内CT值落在[lower,upper]范围内的像素点，若像素点的CT值和中值的差值绝对值小于m(0<m<3000)则认为该像素点在标注区间内；依次选取像素点的方法可以参考S81～S86；
S937b，根据所述标注区间内的所有像素点得到初级标注区域，对所述初级标注区域进行膨胀和/或腐蚀得到全局标注区域；所述全局标注区域的边界更加光滑。
于本发明的一实施例中采用上述步骤S91～S94对图3B所示医学影像进行标注，获得的标注结果如图10所示，其中，所述标注图像10为所述CT序列3对应的标注结果。于本实施例中，所述待标注对象为一血管，图3B中的各层CT图像均包含该血管的一个截面。并且，于本实施例中，步骤S931a所述第一立方体的半径r1＝5，步骤S933a所述第二立方体的半径r2＝2.5；步骤S934a选取第一系数k1＝1.5，第二系数k2＝0.9；步骤S934b所述可调参数a＝0.3；步骤S936b选取m＝500。为便于说明，图11A示出了图3B中的第三CT图像31的放大图，其包含血管截面311；图11B显示为所述第三CT图像31相应的第三标注图像101，其中，标注结果1011对应所述血管截面311。另外，图12A示出了图3B中的第四CT图像32的放大图，其包含血管截面321；图12B显示为所述第四CT图像32相应的第四标注图像102，其中，标注结果1021对应所述血管截面321。通过对比可知，所述医学影像标注方法能够有效地提取所述待标注对象的轮廓边界。于本发明的一实施例中，所述医学影像标注方法还包括：对于面积较大的待标注对象，获取所述待标注对象的多个种子像素点；依次对所有种子像素点执行步骤S11～S13以获得每个种子像素点对应的标注结果；将每个种子像素点对应的标注结果取并集以获得所述面积较大的标注对象。例如：用户可以通过点击鼠标的方式提供种子像素点，通过连续点击鼠标以提供多个种子像素点。
于本发明的一实施例中，所述医学影像标注方法还包括：接收用户输入的调整指令对所述待标注对象的标注结果进行调整。例如，用户可以通过鼠标拖拽所述待标注对象的标注区域以调整所述待标注对象的标注结果，从而获得更加准确的标注区域。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；所述计算机程序被执行时执行本发明所述医学影像标注方法。
请参阅图13，本发明还提供一种电子设备13，所述电子设备13包括：存储器131，其上存储有计算机程序；处理器132，与所述存储器相连，用于调用所述计算机程序时执行本发明所述医学影像标注方法；显示器133，与所述存储器和所述处理器分别相连，用于显示所述医学影像标注方法相应的GUI交互界面。
本发明所述的医学影像标注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。
本发明所述医学影像标注方法中，用户只需提供一个待标注对象的种子像素点即可对同一CT序列中多层CT图像包含的待标注对象进行同时标注，从而实现对所述待标注对象的三维标注；
本发明所述医学影像标注方法设置有多个可调参数，例如：k1、k2、a，用户可以根据实际情况或者经验进行调整进而获得更好的标注效果；
实际应用中部分待标注对象例如肿瘤存在区域范围小、边界不明显以及形状不规范等问题，传统图像分割算法很难实现这类对象的标注；本发明所述医学影像标注方法只根据像素点的CT值进行标注，与待标注对象的大小、边界以及形状无关，能够很好的实现对该类待标注对象的标注。
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)

1.一种医学影像标注方法，其特征在于，所述医学影像标注方法包括：
获取待标注对象的种子像素点；
根据所述种子像素点三维邻域内像素点的CT值确定代表像素点；
根据所述代表像素点对所述待标注对象进行标注。
2.根据权利要求1所述医学影像标注方法，其特征在于，根据所述种子像素点三维邻域内像素点的CT值确定代表像素点的一种实现方法包括：
获取第一立方体内像素点的平均CT值；所述第一立方体为包含所述种子像素点且半径为r1的立方体；其中，r1>0；
获取第二立方体内像素点的平均CT值；所述第二立方体为包含所述种子像素点且半径为r2的立方体；其中，r2>0且r2<r1；
根据所述第一立方体内像素点的平均CT值和所述第二立方体内像素点的平均CT值确定代表像素点。
3.根据权利要求2所述医学影像标注方法，其特征在于，根据所述代表像素点对所述待标注对象进行标注的实现方法包括：
获取各层CT图像中的代表像素点；
根据所述代表像素点对各层CT图像进行标注，获得所述待标注对象在各层的标注结果；
根据所述待标注对象在各层的标注结果获得所述待标注对象的三维标注结果。
4.根据权利要求3所述医学影像标注方法，其特征在于，根据所述代表像素点对任一层CT图像进行标注的实现方法包括：
根据所述任一层CT图像包含的代表像素点生成最小凸多边形和/或凸包；
对所述最小凸多边形和/或凸包进行填充，从而获得所述待标注对象在该层的标注结果。
5.根据权利要求4所述医学影像标注方法，其特征在于，对所述最小凸多边形和/或凸包进行填充的实现方法包括：
获取所述任一层CT图像中的对应种子像素点；
在所述任一层CT图像中，判断所述对应种子像素点的相邻像素点是否超出所述最小凸多边形和/或凸包的范围，若否，将所述对应种子像素点的相邻像素点作为对应种子像素点，重复此步骤；
所述对应种子像素点的集合即为所述最小凸多边形和/或凸包的填充结果。
6.根据权利要求1所述医学影像标注方法，其特征在于，根据所述种子像素点三维邻域内像素点的CT值确定代表像素点的实现方法包括：
获取包含所述种子像素点的三维采样区域；
对所述三维采样区域内像素点的CT值进行统计，并根据统计结果获取所述代表像素点的CT值范围；
根据所述代表像素点的CT值范围确定所述代表像素点。
7.根据权利要求6所述医学影像标注方法，其特征在于，根据所述代表像素点的CT值范围确定所述代表像素点的实现方法包括：
获取与所述种子像素点相邻的代表像素点，将所述相邻的代表像素点作为种子像素点，重复此步骤。
8.根据权利要求6所述医学影像标注方法，其特征在于，根据所述代表像素点对所述待标注对象进行标注的实现方法包括：
对所述代表像素点形成的区域进行腐蚀和/或膨胀操作，以获得所述待标注对象的标注结果。
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：所述计算机程序被执行时执行权利要求1-8任一项所述医学影像标注方法。
10.一种电子设备，其特征在于，所述电子设备包括：
存储器，其上存储有计算机程序；
处理器，与所述存储器相连，用于调用所述计算机程序时执行权利要求1-8任一项所述医学影像标注方法；
显示器，与所述存储器和所述处理器分别相连，用于显示所述医学影像标注方法相应的GUI交互界面。
CN202010536471.XA 2020-06-12 2020-06-12 一种医学影像标注方法、介质及电子设备 Active CN113870169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010536471.XA CN113870169B (zh) 2020-06-12 2020-06-12 一种医学影像标注方法、介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010536471.XA CN113870169B (zh) 2020-06-12 2020-06-12 一种医学影像标注方法、介质及电子设备

Publications (2)

Publication Number Publication Date
CN113870169A true CN113870169A (zh) 2021-12-31
CN113870169B CN113870169B (zh) 2023-12-01

Family

ID=78980793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010536471.XA Active CN113870169B (zh) 2020-06-12 2020-06-12 一种医学影像标注方法、介质及电子设备

Country Status (1)

Country Link
CN (1) CN113870169B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030223627A1 (en) * 2001-10-16 2003-12-04 University Of Chicago Method for computer-aided detection of three-dimensional lesions
US20050286756A1 (en) * 2004-06-25 2005-12-29 Stmicroelectronics, Inc. Segment based image matching method and system
WO2007105107A2 (en) * 2006-03-14 2007-09-20 Agency For Science, Technology And Research Methods, apparatus and computer-readable media for image segmentation
CN101256670A (zh) * 2008-03-20 2008-09-03 华南师范大学 序列图像三维可视化的方法及装置
US20120053464A1 (en) * 2010-08-25 2012-03-01 Hitachi Aloka Medical, Ltd. Ultrasonic image processing apparatus
JP2016151997A (ja) * 2015-02-19 2016-08-22 大日本印刷株式会社 立体物造形用データ出力規制装置
US20170301129A1 (en) * 2016-04-14 2017-10-19 Ziosoft, Inc. Medical image processing apparatus, medical image processing method, and medical image processing system
CN108846838A (zh) * 2018-06-04 2018-11-20 卢龙 一种三维mri半自动病灶图像分割方法及系统
US10380736B1 (en) * 2015-10-14 2019-08-13 Larry Partain MIP determination of solid cancer size and size changes based on contrast enhanced MRI and CT imaging
CN110993067A (zh) * 2019-12-05 2020-04-10 上海杏脉信息科技有限公司 医学影像标注系统
CN111179298A (zh) * 2019-12-12 2020-05-19 深圳市旭东数字医学影像技术有限公司 基于ct图像的三维肺自动分割与左右肺分离方法及其系统
CN111242952A (zh) * 2020-01-15 2020-06-05 腾讯科技（深圳）有限公司 图像分割模型训练方法、图像分割方法、装置及计算设备
CN111415335A (zh) * 2020-03-11 2020-07-14 北京深睿博联科技有限责任公司 血管标注方法和装置
CN111862001A (zh) * 2020-06-28 2020-10-30 微医云(杭州)控股有限公司 Ct影像的半自动标注方法及装置、电子设备、存储介质
CN112053769A (zh) * 2020-09-30 2020-12-08 沈阳东软智能医疗科技研究院有限公司 一种三维医学影像标注方法、装置及相关产品
CN113744849A (zh) * 2021-08-31 2021-12-03 华中科技大学 一种ct图像半自动标注方法和系统
JP2022548453A (ja) * 2020-08-17 2022-11-21 上▲海▼商▲湯▼智能科技有限公司 画像分割方法及び装置、電子デバイス並びに記憶媒体
CN115713590A (zh) * 2022-09-27 2023-02-24 中国人民解放军陆军军医大学第二附属医院 一种基于ct的三维重建图像处理方法及系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030223627A1 (en) * 2001-10-16 2003-12-04 University Of Chicago Method for computer-aided detection of three-dimensional lesions
US20050286756A1 (en) * 2004-06-25 2005-12-29 Stmicroelectronics, Inc. Segment based image matching method and system
WO2007105107A2 (en) * 2006-03-14 2007-09-20 Agency For Science, Technology And Research Methods, apparatus and computer-readable media for image segmentation
CN101256670A (zh) * 2008-03-20 2008-09-03 华南师范大学 序列图像三维可视化的方法及装置
US20120053464A1 (en) * 2010-08-25 2012-03-01 Hitachi Aloka Medical, Ltd. Ultrasonic image processing apparatus
JP2016151997A (ja) * 2015-02-19 2016-08-22 大日本印刷株式会社 立体物造形用データ出力規制装置
US10380736B1 (en) * 2015-10-14 2019-08-13 Larry Partain MIP determination of solid cancer size and size changes based on contrast enhanced MRI and CT imaging
US20170301129A1 (en) * 2016-04-14 2017-10-19 Ziosoft, Inc. Medical image processing apparatus, medical image processing method, and medical image processing system
CN108846838A (zh) * 2018-06-04 2018-11-20 卢龙 一种三维mri半自动病灶图像分割方法及系统
CN110993067A (zh) * 2019-12-05 2020-04-10 上海杏脉信息科技有限公司 医学影像标注系统
CN111179298A (zh) * 2019-12-12 2020-05-19 深圳市旭东数字医学影像技术有限公司 基于ct图像的三维肺自动分割与左右肺分离方法及其系统
CN111242952A (zh) * 2020-01-15 2020-06-05 腾讯科技（深圳）有限公司 图像分割模型训练方法、图像分割方法、装置及计算设备
CN111415335A (zh) * 2020-03-11 2020-07-14 北京深睿博联科技有限责任公司 血管标注方法和装置
CN111862001A (zh) * 2020-06-28 2020-10-30 微医云(杭州)控股有限公司 Ct影像的半自动标注方法及装置、电子设备、存储介质
JP2022548453A (ja) * 2020-08-17 2022-11-21 上▲海▼商▲湯▼智能科技有限公司 画像分割方法及び装置、電子デバイス並びに記憶媒体
CN112053769A (zh) * 2020-09-30 2020-12-08 沈阳东软智能医疗科技研究院有限公司 一种三维医学影像标注方法、装置及相关产品
CN113744849A (zh) * 2021-08-31 2021-12-03 华中科技大学 一种ct图像半自动标注方法和系统
CN115713590A (zh) * 2022-09-27 2023-02-24 中国人民解放军陆军军医大学第二附属医院 一种基于ct的三维重建图像处理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张雪莹;王成龙;谢海滨;张成秀;马超;陆建平;杨光;: "基于GPU加速的磁共振血管造影图像的并行分割与追踪算法", 波谱学杂志, no. 04 *

Also Published As

Publication number Publication date
CN113870169B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
JP7324268B2 (ja) 複雑なデータのリアルタイムレンダリングのためのシステムおよび方法
CN110050281B (zh) 学习图像中的对象的注释
CN109584349B (zh) 用于渲染材料属性的方法和设备
US11132801B2 (en) Segmentation of three-dimensional images containing anatomic structures
Law et al. Automated extraction of bronchus from 3D CT images of lung based on genetic algorithm and 3D region growing
US8077948B2 (en) Method for editing 3D image segmentation maps
CN110168619B (zh) 在虚拟现实或增强现实环境中渲染复杂数据的系统和方法
US9129391B2 (en) Semi-automated preoperative resection planning
JP6824845B2 (ja) 画像処理システム、装置、方法およびプログラム
Shariaty et al. Automatic lung segmentation method in computed tomography scans
EP1775685A1 (en) Information processing device and program
AU2017279679A1 (en) Fast rendering of quadrics and marking of silhouettes thereof
JP6862147B2 (ja) 画像処理装置、画像処理装置の作動方法、画像処理システム
Falcao et al. Segmentation of 3D objects using live wire
JP7294788B2 (ja) ３ｄ配置のタイプに応じた２ｄ画像の分類
CN109345536B (zh) 一种图像超像素分割方法及其装置
JP2006513483A (ja) 三次元構造をセグメント分割する方法
CN111583385A (zh) 一种可变形数字人解剖学模型的个性化变形方法及系统
Lichtenberg et al. Parameterization, Feature Extraction and Binary Encoding for the Visualization of Tree‐Like Structures
CN113538521A (zh) 一种冠脉影像分割方法、介质及电子设备
CN107106110A (zh) 图像处理装置以及图像处理方法
JP6827707B2 (ja) 情報処理装置および情報処理システム
CN113870169A (zh) 一种医学影像标注方法、介质及电子设备
Levinski et al. Interactive surface-guided segmentation of brain MRI data
JP2010167067A (ja) 医用画像処理装置及びプログラム

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
CB03 Change of inventor or designer information

Inventor after: Gu Jingjun

Inventor after: Zhou Gonggan

Inventor before: Gu Jingjun

Inventor before: Deng Yaqing

Inventor before: Ding Yuan

Inventor before: Chen Yining

Inventor before: Zhou Gonggan

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant