CN114066922B - 医学图像分割方法、装置、终端设备及存储介质 - Google Patents
医学图像分割方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN114066922B CN114066922B CN202111402671.7A CN202111402671A CN114066922B CN 114066922 B CN114066922 B CN 114066922B CN 202111402671 A CN202111402671 A CN 202111402671A CN 114066922 B CN114066922 B CN 114066922B
- Authority
- CN
- China
- Prior art keywords
- image
- medical
- sequence
- scanning
- medical sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- 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
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种医学图像分割方法、装置、终端设备及存储介质,该方法包括:获取目标物体的医学序列扫描图像;判断医学序列扫描图像是否需要去除骨头;若医学序列扫描图像不需要去除骨头,则根据医学序列扫描图像,分割医学序列扫描图像。本申请提供的医学图像分割方法,可以在对图像进行分割时,判断出在对原始医学图像进行分割时,不需要进行骨头处理情况,避免了在不需要对图像中的骨头进行去除时,仍然强行对图像中的骨头进行去除,从而导致在去除骨头时,可能将非骨头特征也去除的问题,进一步提高了医学图像分割的有效性。
Description
技术领域
本申请涉及图像处理领域,其具体涉及了一种医学图像分割方法、装置、终端设备及存储介质。
背景技术
现在越来越的医学图像分割会通过人工智能手段的方式进行自动的医学图像分割,从而减少人工成本。且,在使用人工智能的医学图像分割时,特别是在脑部医学图像分割时,会出现头骨的情况,为了使得医学图像处理的结果得到一个更高的精确度,通常在对原始医学图像进行分割时,需要对原始医学图像中的头骨去掉。
然而,通常在去除骨头时,因为人工智能本身的缺陷,可能将非骨头的特征也进行了去除,这样会导致最终得到的图像处理结果的准确性依旧无法得到保障。因此,需要解决如何进一步的提升人工智能手段处理图像的准确性。
发明内容
本申请提供一种医学图像分割方法,可以通过识别出不需要去除骨头的初始图像,直接进行医学图像分割。
第一方面,本申请提供一种医学图像分割方法,所述方法包括:
获取目标物体的医学序列扫描图像;
判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像。
在本申请一些实施例中,所述判断所述医学序列扫描图像是否需要去除骨头,包括:
判断对所述目标物体扫描获取所述医学序列扫描图像的过程中,所述目标物体是否发生位移;
若所述目标物体在扫描的过程中未发生位移,确定所述医学序列扫描图像需要去除骨头;
若所述目标物体在扫描的过程中发生位移,根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头。
在本申请一些实施例中,所述根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头,包括:
若所述目标物体的位移程度小于等于预设的位移阈值,确定所述医学序列扫描图像不需要去除骨头;
若所述目标物体的位移程度大于所述位移阈值,确定所述医学序列扫描图像需要去除骨头。
在本申请一些实施例中,所述根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头,包括
若所述目标物体的位移程度小于等于预设的位移程度,判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系;
判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系;
根据所述身份匹配关系和所述图像种类匹配关系,判断所述医学序列扫描图像是否需要去除骨头。
在本申请一些实施例中,所述判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系,包括:
判断所述医学序列扫描图像的识别信息与所述预设识别信息是否满足身份匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息不匹配,则确定为身份不匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息匹配,则确定为身份匹配关系。
在本申请一些实施例中,所述判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系,包括:
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息匹配,得到增强图像匹配关系;
若所述医学序列扫描图像的描述信息与所述平扫序列图像的描述信息匹配,得到平扫图像匹配关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均匹配,得到第一未知图像种类关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均不匹配,得到第二未知图像种类关系。
在本申请一些实施例中,所述根据所述身份匹配关系和所述图像种类匹配关系,判断所述医学序列扫描图像是否需要去除骨头,包括:
若所述医学序列扫描图像为身份匹配关系,且得到所述增强图像匹配关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述平扫图像匹配关系,确定不判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第一未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第二未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头。
在本申请一些实施例中,所述获取目标物体的医学序列扫描图像之后,所述方法还包括:
获取所述目标物体的额外医学序列扫描图像;
判断所述医学序列扫描图像和所述额外医学序列扫描图像的所述图像种类匹配关系;
若所述医学序列扫描图像和所述额外医学序列扫描图像均为所述第一未知图像种类关系;
分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类。
在本申请一些实施例中,所述分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类,包括:
分别获取所述医学序列扫描图像和所述额外医学序列扫描图像的密度值;
若所述医学序列扫描图像的密度值大于所述额外医学序列扫描图像的密度值,确定所述医学序列扫描图像为增强序列图像,所述额外医学序列扫描图像为平扫序列图像;
若所述医学序列扫描图像的密度值小于所述额外医学序列扫描图像的密度值,确定所述医学序列扫描图像为平扫序列图像,所述额外医学序列扫描图像为增强序列图像。
在本申请一些实施例中,所述分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类之后,所述方法还包括:
若所述医学序列扫描图像为所述增强序列图像,所述额外医学序列扫描图像为所述平扫序列图像,确定所述医学序列扫描图像不需要去噪,所述额外医学序列扫描图像需要去噪;
若所述医学序列扫描图像为所述平扫序列图像,所述额外医学序列扫描图像为所述增强序列图像,确定所述医学序列扫描图像需要去噪,所述额外医学序列扫描图像不需要去噪。
在本申请一些实施例中,所述获取目标物体的医学序列扫描图像之前,所述方法还包括:
筛选预设存储器中所述目标物体的各个医学序列扫描图像;
去除在预设序列数区间之外的医学序列扫描图像,得到序列数过滤图像;
去除在预设获取时间之外的所述序列数过滤图像,得到所述目标物体的医学序列扫描图像。
第二方面,本申请还提供一种医学图像分割装置,所述装置包括:
获取模块,用于获取目标物体的医学序列扫描图像;
判断模块,用于判断所述医学序列扫描图像是否需要去除骨头;
分割模块,用于若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像。
在本申请一些实施例中,所述判断模块具体用于:
若所述目标物体的位移程度小于等于预设的位移阈值,确定所述医学序列扫描图像不需要去除骨头;
若所述目标物体的位移程度大于所述位移阈值,确定所述医学序列扫描图像需要去除骨头。
在本申请一些实施例中,所述判断模块具体还用于:
若所述目标物体的位移程度小于等于预设的位移程度,判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系;
判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系;
根据所述身份匹配关系和所述图像种类匹配关系,判断所述医学序列扫描图像是否需要去除骨头。
在本申请一些实施例中,所述判断模块具体还用于:
判断所述医学序列扫描图像的识别信息与所述预设识别信息是否满足身份匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息不匹配,则确定为身份不匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息匹配,则确定为身份匹配关系。
在本申请一些实施例中,所述判断模块具体还用于:
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息匹配,得到增强图像匹配关系;
若所述医学序列扫描图像的描述信息与所述平扫序列图像的描述信息匹配,得到平扫图像匹配关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均匹配,得到第一未知图像种类关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均不匹配,得到第二未知图像种类关系。
在本申请一些实施例中,所述判断模块具体还用于:
若所述医学序列扫描图像为身份匹配关系,且得到所述增强图像匹配关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述平扫图像匹配关系,确定不判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第一未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第二未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头。
第三方面,本申请还提供一种终端设备,所述终端设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现任一项所述的医学图像分割方法中的步骤。
第四方面,本申请还提供一种存储介质,所述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以实现任一项所述的医学图像分割方法中的步骤。
本申请提供的医学图像分割方法,可以在对图像进行分割时,判断出在对原始医学图像进行分割时,不需要进行骨头处理情况,避免了在不需要对图像中的骨头进行去除时,仍然强行对图像中的骨头进行去除,从而导致在去除骨头时,可能将非骨头特征也去除的问题,进一步提高了医学图像分割的有效性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例中提供的医学图像分割系统的场景示意图;
图2是本申请实施例中医学图像分割方法的一个实施例流程示意图;
图3是本申请实施例中医学图像分割方法的一个实施例流程示意图;
图4是本申请实施例中医学图像分割装置的一个功能模块示意图;
图5是本申请实施例中终端设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请提供了一种医学图像分割方法、装置、终端设备及存储介质,以下分别进行详细说明。
请参阅图1,图1为本申请实施例所提供的医学图像分割系统的场景示意图,该医学图像分割系统可以包括终端设备100和存储设备200,该存储设备200可以向该终端设备100传输数据。如图1中的终端设备100,可以获取该存储设备200中存储的图像数据,以执行本申请中的医学图像分割方法。
本申请实施例中,终端设备100其包括但不限可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant,PDA)、平板电脑、无线终端设备、嵌入式设备等。
本申请的实施例中,终端设备100和存储设备200之间可通过任何通信方式实现通信,包括但不限于,基于第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)、长期演进(Long Term Evolution,LTE)、全球互通微波访问(WorldwideInteroperability for Microwave Access,WiMAX)的移动通信,或基于TCP/IP协议族(TCP/IP Protocol Suite,TCP/IP)、用户数据报协议(User Datagram Protocol,UDP)的计算机网络通信等。
需要说明的是,图1所示的医学图像分割系统的场景示意图仅仅是一个示例,本申请实施例描述的医学图像分割系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着医学图像分割系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
如图2所示,图2为本申请实施例中医学图像分割方法的一个实施例流程示意图,医学图像分割方法可以包括如下步骤201~203:
201、获取目标物体的医学序列扫描图像。
本步骤中的目标物体可以为任意客观存在的物体,例如:杯子、汽车、人体等。其中,也可以是任意客观存在物体中的一个部位,例如杯子的杯把、汽车的车门、人体的头部等,具体此目标物体此处不做限定。此外,医学序列扫描图像可以为穿透性质的图像,例如:X光图像、CT图像,即一种通过放射性手段获取的图像。由于可以是放射类型的图像,众所周知,放射类型的图像扫描物体的过程是根据物体一层一层的进行扫描,从而获得物体内部的构造,具体的,此一层一层的扫描方式可以理解为,将物体放入一个二维坐标轴中,根据Y轴方向,进行一层一层的扫描。因此,由于放射类型的图像是一层一层扫描的,因此按照一层一层的扫描图像就组成了序列,因此就为本步骤中的医学序列扫描图像。
示例性的,假设以人体的头部为目标物体为例,若人体需要接收放射性扫描,则人体通常处于平躺状态,此时人体面部朝上,后脑勺朝下,此时一层一层的扫描就可以从人体面部开始依次扫描,直至扫描至后脑勺,完成扫描动作,此时获得的多层扫描图像,就为此医学序列扫描图像。
202、判断所述医学序列扫描图像是否需要去除骨头。
由于上述步骤可得,医学序列扫描图像可以是一种穿透性质的图像种类,和一般的图像有一定的区别,而这种穿透性质的图像通常是为了观察物体内部的情况,从而判定物体当前的一些状态,因此,对于这种具有穿透性质成像的图像来说,这种图像会获取到物体内部的图像,而骨头这种类型的物体,虽然可能会影响其他物体特征的展示,但是可能存在不需要去除图像中骨头的情况,因为在去除骨头的情况时,有可能去除一些图像的一些特征,从而不能很好的反映目标物体的状态。故,这就是为什么需要判断医学序列扫描图像是否需要去除骨头的原因。
而判断医学序列扫描图像是否需要去除骨头,可以根据医学序列扫描图像中的一些特征来确定是否需要去除骨头,例如:被扫描的目标物体是否在扫描过程中出现位移。若目标物体在扫描的过程中,未出现位移,通常情况下,穿透扫描获得图像特征通常精度比较高,骨头含量少,因此不需要额外的去除骨头步骤。但通常均会有例外情况,例如被扫描的物体是人体时,物体可能在扫描过程中出现移动,也就是位移情况,此时,扫描出的图像可能出现残影情况,这样图像中的特征可能就会被残影干扰,从而去除骨头。且,通常情况来讲,位移情况越大,残影的情况可能就越明显,从而更需要去除骨头。当然,也可以不跟据物体的位移情况进行判断是否需要去除骨头,还可以根据具体的情况进行判断,若医学序列扫描图像中的特征不会被其他干扰因素影响,则就不需要去除骨头,具体此处不做限定。
为此,为了更好的实现本申请实施例,在一个本申请实施例中,若根据目标物体的位移情况,来所述判断所述医学序列扫描图像是否需要去除骨头,还可以包括:
判断对所述目标物体扫描获取所述医学序列扫描图像的过程中,所述目标物体是否发生位移。
根据上述实施例可得,可以通过判定物体是否出现位移而确定是否需要去除骨头,故具体此处不再赘述。其中,判断被扫描的物体是否出现位移,可以通过图像传感装置上预设的红外传感器,来见检测物体是否移动,当然可以根据图像传感器获得的图像上的残影程度确认物体是否有发生位移,具体的,可以根据实际的情况,来设定检测物体是否出现位移,此处不做限定。因此,若根据物体是否发生位移,便可以判定是否需要去除骨头。因此,会出现以下两种情况:
(1)、若所述目标物体在扫描的过程中未发生位移,确定所述医学序列扫描图像需要去除骨头。
根据上述实施例可得,这种具有穿透性质的图像获得的图像质量通常较高,图像中的特征通常比较明显,不会被骨头干扰,因此可以不需要去除骨头。
(2)、若所述目标物体在扫描的过程中发生位移,根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头。
由于出现位移便可能需要去除骨头,但通常在实际情况中,若被扫描的物体因为不同的原因发生了位移后,会出现位移较小或者位移较大的情况,因此若出现位移的情况较小时,即可能出现的残影较小,不会影响图像中的特征呈现。故此时依旧不需要去除骨头,因此,还需要具体的位移情况来确定是否需要去除骨头。
为了更好的实现本申请实施例,在一个本申请实施例中,所述根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头,包括:
若所述目标物体的位移程度小于等于预设的位移阈值,确定所述医学序列扫描图像不需要去除骨头;若所述目标物体的位移程度大于所述位移阈值,确定所述医学序列扫描图像需要去除骨头。
因此,为了检测位移的程度,可以通过设定一个位移阈值,来检测位移大小情况,例如:这个位移阈值可以为1厘米,当物体在被扫描的过程中时,发生了1厘米以上的位移时,就需要对扫描出的图像去除骨头,否则就不需要去除。当然还可以根据具体的情况,对此位移阈值进行具体的设定,例如:若图像传感器的动态捕捉能力较强,此时的位移阈值的设定可以小于1厘米,若图像传感器的动态捕捉能力较弱,则也可以将位移阈值的设定大于1厘米,具体此处不做限定。
为了更好的实现本申请实施例,在一个本申请实施例中,所述根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头,还可以包括如下步骤2021~2023:
2021、若所述目标物体的位移程度小于等于预设的位移程度,判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系。
由于,在实际应用场景中,一个物体被送进扫描装置后,可能会进行多组扫描,得到多组医学序列扫描图像,这些多组医学序列扫描图像会被送入相应的存储装置;或者一个物体在被送入扫描装置后,扫描完成,当前物体的扫描图像就会被送入相应的存储装置中,然后便会进行下一个物体的图像扫描过程,再将下一个物体的扫描图像送入存储装置中以待分割。因此,需要将一个物体与相应的医学序列扫描图像对应起来,故,也就是本申请实施例中的识别信息。例如:目标物体在被送入扫描装置前,可以预设一个识别信息,然后在获得相应的医学序列扫描图像时,也生成一个识别信息,将两个识别信息进行关联,从而在后续的分割中,使得能确定具体的医学序列扫描图像所对应的具体物体。其中,这个识别信息可以是相应的识别码,或者其他的识别方式,具体此处不做限定。
为了更好的实现本申请实施例,在一个本申请实施例中,所述判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系,包括:
判断所述医学序列扫描图像的识别信息与所述预设识别信息是否满足身份匹配关系。
由于根据上述实施例可得,识别信息需要将目标物体和对应的医学序列扫描图像匹配起来,因此需要对识别信息进行判断,而若需要进行判断匹配或者不匹配的关系,则会出现下面两种结果:
A、若所述医学序列扫描图像的识别信息与所述预设识别信息不匹配,则确定为身份不匹配关系。
B、若所述医学序列扫描图像的识别信息与所述预设识别信息匹配,则确定为身份匹配关系。
其中,识别信息上述实施例中已经进行了列举,具体此处不再赘述。而本申请实施例中的两种情况A和B中的匹配或者不匹配情况可以是,医学序列扫描图像的识别信息与存储器中的预设识别信息相同或者是不相同,相同则为匹配,不相同则为不匹配。或者,识别信息可以是关联信息,若医学序列扫描图像的识别信息与存储器中的预设识别信息关联,则两者匹配,医学序列扫描图像的识别信息与存储器中的预设识别信息不关联,则两者不匹配,具体情况具体设定,此处不做限定。
2022、判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系。
此外,当确定了具体的医学序列扫描图像和对应的物体后,即确定了医学序列扫描图像的身份后,还需要确定医学序列扫描图像的图像种类。由于,在实际应用中,穿透性的扫描可能出现多种模式的穿透性扫描,例如CTA扫描(增强序列扫描)、NCCT扫描(平扫扫描)、或者其他类型的穿透扫描。
其中,增强序列扫描是一种,增强型扫描,若目标物体为人体时,在扫描之前,可以让人体喝下相应的造影剂,从而提升扫描图像中的细节特征,因此叫做增强序列扫描。又或者,平扫扫描是不需要目标物体使用造影剂的一种通常扫描方式。由此可得,增强序列扫描可以增强图像中的细节特征,使得特征更明显,因此对于增强序列图像可以不进行骨头去除。
为了更好的实现本申请实施例,在一个本申请实施例中,所述判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系,可以包括以下四种情况:
1)、若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息匹配,得到增强图像匹配关系。
通常来讲,这种穿透类型的扫描图像的格式为DICOM格式的文件,而文件的类型通常都有固定的描述方式,此外,在文件类型描述之上,还可以增加其他的备注信息,因此,将DICOM文件与其他的备注信息结合,就可以组成该增强序列图像的描述信息。因此,若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息匹配,则就可以得到此增强图像匹配关系,即确定该医学序列扫描图像为一种增强扫描图像。其中,匹配的方式与上述实施例中,匹配识别信息的方式相同或相似,具体此处不再赘述。
因此,若所述医学序列扫描图像为身份匹配关系,且得到所述增强图像匹配关系,确定所述医学序列扫描图像不需要去除骨头。
由于上述实施例描述可得,增强序列图像是使用了造影剂的情况,能使得特征更加明显,因此不需要在做额外的骨头去除工作。
2)、若所述医学序列扫描图像的描述信息与所述平扫序列图像的描述信息匹配,得到平扫图像匹配关系。
同上述情况1)中相同,具体此处不再赘述。但需要说明的是,对于不同的扫描设备或者扫描单位来说,在DICOM文件格式之上的情况下,平扫序列图像的其他备注信息可能与增强图像信息的其他备注信息相同,因此这里是有可能将医学序列扫描图像识别成增强扫描图像的风险的。
若所述医学序列扫描图像为身份匹配关系,且得到所述平扫图像匹配关系,确定不判断所述医学序列扫描图像是否需要去除骨头。
此时将图像识别为平扫序列图像,平扫序列图像是不需要使用造影剂的,因此特征的明显程度不如增强序列图像,因此还需要对平扫序列图像进行骨头去除的工作。
3)、若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均匹配,得到第一未知图像种类关系。
根据上述情况2)可得,这里是有可能将医学序列扫描图像与增强扫描图像和平扫扫描图像等同的情况,因此若出现这种特殊情况,即无法分别此医学序列扫描图像的种类,故为一种未知图像种类关系。
若所述医学序列扫描图像为身份匹配关系,且得到所述第一未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头。
在本情况中,此医学序列扫描图像确定了是增强序列图像或平扫序列图像中的一种,即此医学序列扫描图像有可能为增强扫描图像,此时仍然可以默认不需要对此医学序列扫描图像去除骨头。
4)、若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均不匹配,得到第二未知图像种类关系。
在本情况中,此医学序列扫描图像可以不为增强扫描图像或平扫扫描图像的,因此无法识别该医学序列扫描图像的图像种类,也就为第二种未知情况。
若所述医学序列扫描图像为身份匹配关系,且得到所述第二未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头。
当获得了第二种未知情况时,为什么仍确定不需要去除骨头的原因是,在通常的传输或者识别过程中,可能存在延迟的情况,而通常来讲,在实际应用中,因为能够增强特征的呈现,因此采取增强模式的情况较多,故这里可以先假设此为识别的医学序列扫描图像为增强序列图像,从而进行非去噪分割,得到非去噪分割结果。至于,若后期确定了该医学序列扫描图像,而确定需要进行去掉骨头的工作话,在根据去掉骨头后的医学序列扫描图像进行分割计算后,将得到的去噪分割结果覆盖此非去噪分割结果即可。这样做的好处是避免了影响设备或者系统发生传输错误,造成了传输失败或者延迟传送的问题,即在无法确定图像种类的情况下,仍能进行相应的分割处理,增强了系统运行的流畅性。
2023、根据所述身份匹配关系和所述图像种类匹配关系,判断所述医学序列扫描图像是否需要去除骨头。
根据上述步骤2021和2022可得,身份信息是否匹配,和图像种类,都为判定图像是否需要消除骨头的前置条件,因此可以根据身份关系和图像种类关系判断图像是否需要去除骨头。例如:身份不匹配,可能是其他的扫描图像混入了分割处理的过程中,因此,不需要对其分割处理,故也就不需要考虑是否需要去除骨头;或者,该医学序列扫描图像的种类不能够确定,无法判断是否需要去除骨头等。
203、若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像。
当根据上述步骤202中的任意实施例的描述之后可得,这种穿透类型的序列扫描是可以不进行去噪工作的,因此可以直接对此医学序列扫描图像进行相应的处理,具体为什么不用去噪,此处不再赘述。
其中,对不需要去噪的医学序列扫描图像进行分割可以采用相应的分割程序,例如:神经网络模型。此处假设目标物体为人体头部时,此时若医学序列扫描图像不需要去噪,则此医学序列扫描图像则为一种增强序列图像,此时的医学序列扫描图像就可以是一种头部内部的扫描图像,其中可以包括骨头,大脑,血管等组织。此时,若需要将血管分割出来,则把骨头和大脑通过神经网络模型是识别出来之后,去掉,最后输出仅包括血管特征的序列扫描分割图像即可。当然,也可以使用其他的分割方式,可以根据实际情况使用不同的分割手段,具体此处不做赘述。
本申请提供的医学图像分割方法,可以在对图像进行分割时,判断出在对原始医学图像进行分割时,不需要进行骨头处理情况,避免了在不需要对图像中的骨头进行去除时,仍然强行对图像中的骨头进行去除,从而导致在去除骨头时,可能将非骨头特征也去除的问题,进一步提高了医学图像分割的有效性。
为了更好的实现本申请实施例,在一个本申请实施例中,所述获取目标物体的医学序列扫描图像之后,如图3所示,该方法还包括如下步骤301~304:
301、获取所述目标物体的额外医学序列扫描图像。
由于一个物体送入扫描设备后,可以获取相应的扫描序列图像,但在实际的应用场景中,物体在送入扫描设备中时,可以进行多种模式的扫描,进而得到不同的医学序列扫描图像,例如上述实施例中所示的增强序列图像和平扫序列图像。例如:物体进入扫描设备,先进行平扫,获得平扫序列图像,然后再使用造影剂后,再进行增强扫描。这样的话,就可以一次进入扫描设备或者扫描区域,得到多组的医学序列扫描图像。
302、判断所述医学序列扫描图像和所述额外医学序列扫描图像的所述图像种类匹配关系。
由于获得了两种序列的扫描图像,具体的还需要判定这两种序列图像的具体种类,判定医学序列扫描图像的种类的目的是确定是否需要进行去噪处理,跟上述实施例中的目的相同,此处不再赘述。
303、若所述医学序列扫描图像和所述额外医学序列扫描图像均为所述第一未知图像种类关系。
根据上述实施例可得,增强序列图像和平扫序列图像的描述可能出现一样的情况,此时若两个医学序列扫描图像均出现了此情况,则无法确定这两个医学序列扫描图像具体哪一个是增强序列图像和平扫序列图像,但在获得两种医学序列扫描图像时,均仅有一种情况就是,一个医学序列扫描图像为增强序列图像,另一个为平扫序列图像,但此时还无法判断。
304、分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类。
当为上述步骤303的情况时,还需要具体判断两个医学序列扫描图像的具体图像种类。
为此,为了更好的实现本申请实施例,在一个本申请实施例中,所述分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类,包括:
分别获取所述医学序列扫描图像和所述额外医学序列扫描图像的密度值。
由于,增强序列图像是使用了造影剂情况下获得的图像种类,因此能够增强图像中各个特征的明显程度,因此各个特征的密度在增强序列图像中也较大。因此,可以通过判断增强序列图像与平扫序列图像中的特征密度,来确定哪个医学序列扫描图像为增强序列图像和平扫序列图像。因此,会出现以下两种情况:
①、若所述医学序列扫描图像的密度值大于所述额外医学序列扫描图像的密度值,确定所述医学序列扫描图像为增强序列图像,所述额外医学序列扫描图像为平扫序列图像。
②、若所述医学序列扫描图像的密度值小于所述额外医学序列扫描图像的密度值,确定所述医学序列扫描图像为平扫序列图像,所述额外医学序列扫描图像为增强序列图像。
其中,该密度值的设置方式可以根据具体的情况进行设定,例如被检测物体的内部特征较少的情况时,该密度值可以设定的较小;被检测物体的内部特征较多时,该密度值的设定可以较大。
本申请实施例可以有效分别出有多种医学序列扫描图像下,各个医学序列扫描图像的具体种类。
为了更好的实现本申请实施例,在一个本申请实施例中,所述分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类之后,所述方法还包括:
i:若所述医学序列扫描图像为所述增强序列图像,所述额外医学序列扫描图像为所述平扫序列图像,确定所述医学序列扫描图像不需要去噪,所述额外医学序列扫描图像需要去噪。
ii:若所述医学序列扫描图像为所述平扫序列图像,所述额外医学序列扫描图像为所述增强序列图像,确定所述医学序列扫描图像需要去噪,所述额外医学序列扫描图像不需要去噪。
根据上述实施例可得,由于增强序列图像通过了造影剂获得特征增强的效果,因此不需要去除骨头,而平扫序列图像未得到特征增强的效果,故需要去除骨头。
为了更好的实现本申请实施例,在一个本申请实施例中,所述获取目标物体的医学序列扫描图像之前,所述方法还包括:
筛选预设存储器中所述目标物体的各个医学序列扫描图像。
由于在进行图像扫描时,由于系统错误,或者操作错误时,扫描出来的图像不符合检测要求,则不需要对不合格的医学序列扫描图像进行分割。其中,可以有一些不同的具体的筛选方式,例如:
去除在预设序列数区间之外的医学序列扫描图像,得到序列数过滤图像;或去除在预设获取时间之外的所述序列数过滤图像,得到所述目标物体的医学序列扫描图像。
由于上述实施例中已有描述,序列的出现是因为这种穿透类型的扫描时一层一层的对物体进行扫描,扫描的层数越多,序列则越多,因此若扫描的层数不够,便无法展现物体的特征,这样对序列数量不够的扫描图像,也就不需要进行图像的分割。
同时,医学序列扫描图像在获得后,通常处于存储器中,未接到需要进行分割的指令时,这些医学序列扫描图像可能会在存储器中一直存储,这样会占用存储器的空间。此外,若长时间均未进一步收到分割处理的指令后,则证明这些医学序列扫描图像不需要进行分割处理,此时再占用存储器,就会形成存储器空间的浪费,此时也需要将浪费存储器资源的医学序列扫描图像过滤掉。需要说明的是,这里的过滤也可以理解为删除。
本申请实施例可以一定程度上节省存储器的空间。
为了更好实施本申请实施例中的医学图像分割方法,在医学图像分割方法之上,本申请实施例中还提供了一种医学图像分割装置,如图4所示,装置400包括:
获取模块401,用于获取目标物体的医学序列扫描图像;
判断模块402,用于判断所述医学序列扫描图像是否需要去除骨头;
分割模块403,用于若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像。
本申请提供的医学图像分割装置,可以通过获取模块401获取需要分割的图像,再通过判断模块402判断出在对原始医学图像进行分割,再通过分割模块403对图像进行分割,本装置对不需要进行骨头处理情况的图像进行分割,避免了在不需要对图像中的骨头进行去除时,仍然强行对图像中的骨头进行去除,从而导致在去除骨头时,可能将非骨头特征也去除的问题,进一步提高了医学图像分割的有效性。
在本申请一些实施例中,所述判断模块402具体用于:
若所述目标物体的位移程度小于等于预设的位移阈值,确定所述医学序列扫描图像不需要去除骨头;
若所述目标物体的位移程度大于所述位移阈值,确定所述医学序列扫描图像需要去除骨头。
在本申请一些实施例中,所述判断模块402具体还用于:
若所述目标物体的位移程度小于等于预设的位移程度,判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系;
判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系;
根据所述身份匹配关系和所述图像种类匹配关系,判断所述医学序列扫描图像是否需要去除骨头。
在本申请一些实施例中,所述判断模块402具体还用于:
判断所述医学序列扫描图像的识别信息与所述预设识别信息是否满足身份匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息不匹配,则确定为身份不匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息匹配,则确定为身份匹配关系。
在本申请一些实施例中,所述判断模块402具体还用于:
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息匹配,得到增强图像匹配关系;
若所述医学序列扫描图像的描述信息与所述平扫序列图像的描述信息匹配,得到平扫图像匹配关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均匹配,得到第一未知图像种类关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均不匹配,得到第二未知图像种类关系。
在本申请一些实施例中,所述判断模块402具体还用于:
若所述医学序列扫描图像为身份匹配关系,且得到所述增强图像匹配关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述平扫图像匹配关系,确定不判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第一未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第二未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头。
本申请实施例还提供一种终端设备,该终端设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序以实现本申请实施例中任一项的医学图像分割方法中的步骤。其中,该终端设备,其集成了本申请实施例所提供的任一种医学图像分割方法,如图5所示,其示出了本申请实施例所涉及的终端设备的结构示意图,具体来讲:
该终端设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上存储介质的存储器502、电源503和输入单元504等部件。本领域技术人员可以理解,图5中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器501是该终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分,通过运行或执行存储在存储器502内的软件程序和/或模块,以及调用存储在存储器502内的数据,执行终端设备的各种功能和处理数据,从而对终端设备进行整体监控。可选的,处理器501可包括一个或多个处理核心;处理器501可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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,优选的,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界是面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
终端设备还包括给各个部件供电的电源503,优选的,电源503可以通过电源管理系统与处理器501逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该终端设备还可包括输入单元504,该输入单元504可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,终端设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,终端设备中的处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现各种功能,例如:
获取目标物体的医学序列扫描图像;
判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种医学图像分割方法中的步骤。例如,计算机程序被处理器进行加载可以执行如下步骤:
获取目标物体的医学序列扫描图像;
判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种医学图像分割方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (13)
1.一种医学图像分割方法,其特征在于,所述方法包括:
获取目标物体的医学序列扫描图像;
判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像;
所述判断所述医学序列扫描图像是否需要去除骨头,包括:
判断对所述目标物体扫描获取所述医学序列扫描图像的过程中,所述目标物体是否发生位移;
若所述目标物体在扫描的过程中未发生位移,确定所述医学序列扫描图像需要去除骨头;
若所述目标物体在扫描的过程中发生位移,根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头。
2.根据权利要求1所述的医学图像分割方法,其特征在于,所述根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头,包括:
若所述目标物体的位移程度小于等于预设的位移阈值,确定所述医学序列扫描图像不需要去除骨头;
若所述目标物体的位移程度大于所述位移阈值,确定所述医学序列扫描图像需要去除骨头。
3.根据权利要求1所述的医学图像分割方法,其特征在于,所述根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头,包括:
若所述目标物体的位移程度小于等于预设的位移程度,判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系;
判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系;
根据所述身份匹配关系和所述图像种类匹配关系,判断所述医学序列扫描图像是否需要去除骨头。
4.根据权利要求3所述的医学图像分割方法,其特征在于,所述判断所述医学序列扫描图像的识别信息与预设的存储器中的预设识别信息的匹配关系,得到身份匹配关系,包括:
判断所述医学序列扫描图像的识别信息与所述预设识别信息是否满足身份匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息不匹配,则确定为身份不匹配关系;
若所述医学序列扫描图像的识别信息与所述预设识别信息匹配,则确定为身份匹配关系。
5.根据权利要求3所述的医学图像分割方法,其特征在于,所述判断所述医学序列扫描图像的描述信息是否与预设的增强序列图像的描述信息和预设的平扫序列图像的描述信息是否匹配,得到图像种类匹配关系,包括:
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息匹配,得到增强图像匹配关系;
若所述医学序列扫描图像的描述信息与所述平扫序列图像的描述信息匹配,得到平扫图像匹配关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均匹配,得到第一未知图像种类关系;
若所述医学序列扫描图像的描述信息与所述增强序列图像的描述信息和所述平扫序列图像的描述信息均不匹配,得到第二未知图像种类关系。
6.根据权利要求5所述的医学图像分割方法,其特征在于,所述根据所述身份匹配关系和所述图像种类匹配关系,判断所述医学序列扫描图像是否需要去除骨头,包括:
若所述医学序列扫描图像为身份匹配关系,且得到所述增强图像匹配关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述平扫图像匹配关系,确定不判断所述医学序列扫描图像是否需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第一未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头;
若所述医学序列扫描图像为身份匹配关系,且得到所述第二未知图像种类关系,确定所述医学序列扫描图像不需要去除骨头。
7.根据权利要求5所述的医学图像分割方法,其特征在于,所述获取目标物体的医学序列扫描图像之后,所述方法还包括:
获取所述目标物体的额外医学序列扫描图像;
判断所述医学序列扫描图像和所述额外医学序列扫描图像的所述图像种类匹配关系;
若所述医学序列扫描图像和所述额外医学序列扫描图像均为所述第一未知图像种类关系;
分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类。
8.根据权利要求7所述的医学图像分割方法,其特征在于,所述分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类,包括:
分别获取所述医学序列扫描图像和所述额外医学序列扫描图像的密度值;
若所述医学序列扫描图像的密度值大于所述额外医学序列扫描图像的密度值,确定所述医学序列扫描图像为增强序列图像,所述额外医学序列扫描图像为平扫序列图像;
若所述医学序列扫描图像的密度值小于所述额外医学序列扫描图像的密度值,确定所述医学序列扫描图像为平扫序列图像,所述额外医学序列扫描图像为增强序列图像。
9.根据权利要求7所述的医学图像分割方法,其特征在于,所述分别判断所述医学序列扫描图像和所述额外医学序列扫描图像的图像种类之后,所述方法还包括:
若所述医学序列扫描图像为所述增强序列图像,所述额外医学序列扫描图像为所述平扫序列图像,确定所述医学序列扫描图像不需要去噪,所述额外医学序列扫描图像需要去噪;
若所述医学序列扫描图像为所述平扫序列图像,所述额外医学序列扫描图像为所述增强序列图像,确定所述医学序列扫描图像需要去噪,所述额外医学序列扫描图像不需要去噪。
10.根据权利要求1所述的医学图像分割方法,其特征在于,所述获取目标物体的医学序列扫描图像之前,所述方法还包括:
筛选预设存储器中所述目标物体的各个医学序列扫描图像;
去除在预设序列数区间之外的医学序列扫描图像,得到序列数过滤图像;
去除在预设获取时间之外的所述序列数过滤图像,得到所述目标物体的医学序列扫描图像。
11.一种医学图像分割装置,其特征在于,所述装置包括:
获取模块,用于获取目标物体的医学序列扫描图像;
判断模块,用于判断所述医学序列扫描图像是否需要去除骨头;
分割模块,用于若所述医学序列扫描图像不需要去除骨头,则根据所述医学序列扫描图像,分割所述医学序列扫描图像;
所述判断模块具体还用于判断对所述目标物体扫描获取所述医学序列扫描图像的过程中,所述目标物体是否发生位移;
若所述目标物体在扫描的过程中未发生位移,确定所述医学序列扫描图像需要去除骨头;
若所述目标物体在扫描的过程中发生位移,根据所述目标物体的位移程度,判断所述医学序列扫描图像是否需要去除骨头。
12.一种终端设备,其特征在于,所述终端设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现权利要求1至10任一项所述的医学图像分割方法中的步骤。
13.一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以实现权利要求1至10任一项所述的医学图像分割方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111402671.7A CN114066922B (zh) | 2021-11-19 | 2021-11-19 | 医学图像分割方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111402671.7A CN114066922B (zh) | 2021-11-19 | 2021-11-19 | 医学图像分割方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114066922A CN114066922A (zh) | 2022-02-18 |
CN114066922B true CN114066922B (zh) | 2022-06-03 |
Family
ID=80275683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111402671.7A Active CN114066922B (zh) | 2021-11-19 | 2021-11-19 | 医学图像分割方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066922B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393963A (zh) * | 2011-07-05 | 2012-03-28 | 电子科技大学 | 一种基于可形变表面模型的mr图像颅骨剥离方法 |
CN104616289A (zh) * | 2014-12-19 | 2015-05-13 | 西安华海盈泰医疗信息技术有限公司 | 一种3d ct图像中骨组织的移除方法及系统 |
CN107025646A (zh) * | 2017-03-03 | 2017-08-08 | 沈阳东软医疗系统有限公司 | 一种下肢血管提取方法和装置 |
CN107437251A (zh) * | 2017-07-26 | 2017-12-05 | 广州慧扬健康科技有限公司 | 头部mri影像颅骨剥离模块 |
CN108986109A (zh) * | 2018-06-27 | 2018-12-11 | 大连理工大学 | 一种序列化可视人体切片图像自动分割方法 |
CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
CN110211111A (zh) * | 2019-05-31 | 2019-09-06 | 上海联影医疗科技有限公司 | 一种血管提取的方法、装置、图像处理设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555860B (zh) * | 2018-06-04 | 2023-11-14 | 青岛海信医疗设备股份有限公司 | 医学图像中肋骨区域标注的方法、电子设备和存储介质 |
CN110570430B (zh) * | 2019-09-16 | 2023-01-03 | 中南大学 | 基于体配准的眼眶骨组织分割方法 |
CN112102339B (zh) * | 2020-09-21 | 2023-07-07 | 四川大学 | 一种基于图集配准的全身骨显像骨骼分割方法 |
-
2021
- 2021-11-19 CN CN202111402671.7A patent/CN114066922B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393963A (zh) * | 2011-07-05 | 2012-03-28 | 电子科技大学 | 一种基于可形变表面模型的mr图像颅骨剥离方法 |
CN104616289A (zh) * | 2014-12-19 | 2015-05-13 | 西安华海盈泰医疗信息技术有限公司 | 一种3d ct图像中骨组织的移除方法及系统 |
CN107025646A (zh) * | 2017-03-03 | 2017-08-08 | 沈阳东软医疗系统有限公司 | 一种下肢血管提取方法和装置 |
CN107437251A (zh) * | 2017-07-26 | 2017-12-05 | 广州慧扬健康科技有限公司 | 头部mri影像颅骨剥离模块 |
CN108986109A (zh) * | 2018-06-27 | 2018-12-11 | 大连理工大学 | 一种序列化可视人体切片图像自动分割方法 |
CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
CN110211111A (zh) * | 2019-05-31 | 2019-09-06 | 上海联影医疗科技有限公司 | 一种血管提取的方法、装置、图像处理设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
"The effect of threshold level on bone segmentation of cranial base structures fro CT and CBCT images";Luca Friedli et al.;《Scientific Reports》;20200430;全文 * |
"基于R2U-Net和空洞卷积的羊后腿分割目标肌肉区识别";刘楷东 等;《农业机械学报》;20201231;第51卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114066922A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nikolic et al. | Edge detection in medical ultrasound images using adjusted Canny edge detection algorithm | |
CN110570492B (zh) | 一种基于神经网络的ct伪影抑制方法、设备以及介质 | |
CN107622501B (zh) | 一种医学图像的边界检测的方法 | |
US20170365047A1 (en) | Artifact management in imaging | |
CN110363172A (zh) | 一种视频处理方法、装置、电子设备及可读存储介质 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
CN110858399B (zh) | 用于提供虚拟断层扫描中风后续检查图像的方法和装置 | |
CN108172275B (zh) | 一种医学影像处理方法及装置 | |
WO2021114636A1 (zh) | 基于多模态数据的病灶分类方法、装置、设备及存储介质 | |
CN112001983B (zh) | 生成遮挡图像的方法、装置、计算机设备和存储介质 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
JP2002301051A (ja) | 断層像セグメント分割 | |
CN113344926B (zh) | 胆胰超声图像识别方法、装置、服务器及存储介质 | |
CN114066922B (zh) | 医学图像分割方法、装置、终端设备及存储介质 | |
CN116563404B (zh) | 单期扫描影像图像质量控制方法、装置、电子设备及存储介质 | |
WO2007033228A2 (en) | Reducing false positives for automatic computerized detection of objects | |
HongQing | Segmentation of blood vessels in retinal images using 2D entropies of gray level-gradient cooccurrence matrix | |
CN115908802A (zh) | 摄像头遮挡检测方法、装置、电子设备及可读存储介质 | |
Agaian et al. | Noise-resilient edge detection algorithm for brain MRI images | |
CN114612710A (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
US8238682B2 (en) | Parallel processing for generating a thinned image | |
CN112053319B (zh) | 图像处理的方法和装置 | |
CN115908413B (zh) | 造影图像分割方法、电子设备、处理系统及存储介质 | |
Yang et al. | Ultrasound pupil image segmentation based on edge detection and detection operators | |
WO2018030519A1 (ja) | 乳房領域検出システム、乳房領域検出方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |