CN114419071A - 一种基于mr横轴位图像分割的心脏三维定位方法 - Google Patents

一种基于mr横轴位图像分割的心脏三维定位方法 Download PDF

Info

Publication number
CN114419071A
CN114419071A CN202210075808.0A CN202210075808A CN114419071A CN 114419071 A CN114419071 A CN 114419071A CN 202210075808 A CN202210075808 A CN 202210075808A CN 114419071 A CN114419071 A CN 114419071A
Authority
CN
China
Prior art keywords
heart
scanning
axis
dimensional
parameters
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.)
Pending
Application number
CN202210075808.0A
Other languages
English (en)
Inventor
陈阳
陈瑞峰
朱剑锋
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202210075808.0A priority Critical patent/CN114419071A/zh
Publication of CN114419071A publication Critical patent/CN114419071A/zh
Pending legal-status Critical Current

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
    • G06T7/11—Region-based segmentation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种基于MR横轴位图像分割的心脏三维定位方法，通过扫描多层MR横轴位图像、使用“区域生长分割算法”分割心脏区域、重建三维心脏图像、手动调整定位面、计算出扫描面参数、输入扫描仪器中，完成心脏四腔心、横轴位、长轴位扫描。与手动定位法相比，本发明只需要扫描横轴位的胸腔影像，经过后处理得到扫描面参数后，输入磁共振扫描系统，即可直接扫描心脏的长轴、短轴、四腔心等扫描面，缩短了定位流程所消耗的时间，提高了心脏定位的准确度。

Description

一种基于MR横轴位图像分割的心脏三维定位方法
技术领域
本发明涉及一种基于MR横轴位图像分割的心脏三维定位方法，属于计算机图像处理领域。
背景技术
磁共振心脏检查是诊断心脏病的重要手段，兼具了其他检测方式(如CT、超声)的优势。例如：通过常规序列可以显示心脏的大体形态；通过电影序列可以评估心肌功能；通过首过灌注及延迟强化可以诊断心肌疾病。但是，这些检查之前都有一个必要的步骤——心脏定位。
在分析脑、肝脏等解剖结构时，临床医生通常使用横矢冠三个方位进行断层扫描。但心脏定位扫描不能采用这种方式，因为心脏相对于人体竖直方向是倾斜的，使用横冠矢方位扫描出的心脏断层图像难以作为诊断的依据。相应地，心脏需要扫描三个重要方位，包括长轴、短轴、四腔心。寻找这三个方位的过程称为心脏定位。
目前主要的心脏定位方法是手动定位法，即在二维定位像上画定位线，按照一些步骤规范，一步一步去定位。这种方法流程较为复杂，一般的步骤“扫横轴位->二腔心->四腔心->短轴->长轴”。每一步的定位准确度都会影响接下来的流程，尤其是“二腔心->四腔心”这步是容易出错，所以手动定位法上手难度较大，依赖于医生的经验。
发明内容
本发明针对手动定位法中存在的问题，提出了一种基于MR横轴位图像分割的心脏三维定位方法，为医生提供了另一种心脏定位的方案。
本发明为解决上述问题采用以下技术方案：
本发明提供一种基于MR横轴位图像分割的心脏三维定位方法，具体步骤如下：
步骤1，扫描MR横轴位，选择合适的扫描层厚和层数，使横轴位断层覆盖整个心脏；
步骤2，使用“区域生长分割算法”，对每张图像进行心脏区域分割，“区域生长分割算法”是一种半自动分割方法，流程如图1所示，从队列中取出队首像素，将这个像素点作为“种子”，向四周搜索像素点，若像素点tag＝0，且与种子之间的像素值差小于“阈值”，则将该像素加入队列，tag设为1；
步骤3，重建三维心脏图像，将步骤二中分割得到的心脏掩码，调整像素间隔后，堆叠成三维心脏图像；步骤3提到的重建三维心脏图像具体细节如下：软件读取DICOM文件中的PixelSpacing字段，作为x轴和y轴的像素间隔，将相邻2张DICOM文件中的ImagePositionPatient字段的差作为z轴的像素间隔，将步骤2得到的心脏掩码合成一个三维数组，乘以像素间隔，在软件中使用VTK渲染出一个具有实际尺寸的三维心脏图像。
步骤4，手动调整定位面，计算扫描面参数，定位面和扫描面的关系如图2所示，定位面是用户任意调整的平行四边形，扫描面是以定位面为中心，有指定边长的正方形。用户可以通过调整定位面起始点的坐标、横轴和纵轴的方向向量、长度，改变定位面的形状，并将其定位面移动到指定位置、设置扫描面边长、计算得到扫描面参数(左上角坐标A，横轴X方向向量
Figure BDA0003483959150000021
纵轴Y方向向量
Figure BDA0003483959150000022
平面法向量
Figure BDA0003483959150000023
)。已知定位面横轴M方向向量
Figure BDA0003483959150000024
长度Lm、纵轴N方向向量
Figure BDA0003483959150000025
长度Ln、左上角坐标P和扫描面边长L。同时规定normalizeize()表示标准化(转化为单位向量)，×运算符表示叉乘，
Figure BDA0003483959150000026
表示定位面和扫描面的法向量。扫描面参数的推导过程如下：
Figure BDA0003483959150000027
Figure BDA0003483959150000028
Figure BDA0003483959150000029
Figure BDA00034839591500000210
Figure BDA00034839591500000211
Figure BDA00034839591500000212
Figure BDA00034839591500000213
Figure BDA00034839591500000214
Figure BDA00034839591500000215
Figure BDA00034839591500000216
Figure BDA00034839591500000217
步骤5，将扫描面参数(包括左上角坐标、横轴方向向量、纵轴方向向量、面法向量)导磁共振扫描系统中，进行核磁共振扫描。
相对于现有技术，本发明有以下优点：(1)通过使用“区域生长算法”对胸腔影像进行半自动分割，能够提高医生分割心脏区域的效率；(2)通过多张MR横轴位图像堆叠心脏三维图像，让医生能够更直观地观察心脏形态，确定心脏扫描面的位置；(3)通过调整定位面的参数，可以快速地将定位面调到预想中的位置，并计算出扫描面的参数，输入磁共振扫描系统中扫描；(4)与手动定位法相比，该方法只需要扫描横轴位的胸腔影像，经过后处理得到扫描面参数后直接扫描心脏的长轴、短轴、四腔心等扫描面，缩短了定位流程消耗的时间，提高了心脏定位的准确度。
附图说明
图1为区域生长分割算法的流程图；
图2为定位面和扫描面的关系示意图；
图3为本发明的流程示意图；
图4为本发明整体定位方法示意图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
实施例1：本发明提供一种基于MR横轴位图像分割的心脏三维定位方法，具体步骤如下：
步骤1，扫描MR横轴位，选择合适的扫描层厚和层数，使横轴位断层覆盖整个心脏；
步骤2，使用“区域生长分割算法”，对每张图像进行心脏区域分割，“区域生长分割算法”是一种半自动分割方法，流程如图1所示，从队列中取出队首像素，将这个像素点作为“种子”，向四周搜索像素点，若像素点tag＝0，且与种子之间的像素值差小于“阈值”，则将该像素加入队列，tag设为1；
步骤3，重建三维心脏图像，将步骤二中分割得到的心脏掩码，调整像素间隔后，堆叠成三维心脏图像；步骤3提到的重建三维心脏图像具体细节如下：软件读取DICOM文件中的PixelSpacing字段，作为x轴和y轴的像素间隔，将相邻2张DICOM文件中的ImagePositionPatient字段的差作为z轴的像素间隔，将步骤2得到的心脏掩码合成一个三维数组，乘以像素间隔，在软件中使用VTK渲染出一个具有实际尺寸的三维心脏图像。
步骤4，手动调整定位面，计算扫描面参数，定位面和扫描面的关系如图2所示，定位面是用户任意调整的平行四边形，扫描面是以定位面为中心，有指定边长的正方形。用户可以通过调整定位面起始点的坐标、横轴和纵轴的方向向量、长度，将定位面移动到指定位置、设置扫描面边长、计算得到扫描面参数(左上角坐标A，横轴X方向向量
Figure BDA0003483959150000031
纵轴Y方向向量
Figure BDA0003483959150000032
平面法向量
Figure BDA0003483959150000033
)。已知定位面横轴M方向向量
Figure BDA0003483959150000034
长度Lm、纵轴N方向向量
Figure BDA0003483959150000035
长度Ln、左上角坐标P和扫描面边长L。同时规定normalize()表示标准化(转化为单位向量)，×运算符表示叉乘，
Figure BDA0003483959150000041
表示定位面和扫描面的法向量。扫描面参数的推导过程如下：
Figure BDA0003483959150000042
Figure BDA0003483959150000043
Figure BDA0003483959150000044
Figure BDA0003483959150000045
Figure BDA0003483959150000046
Figure BDA0003483959150000047
Figure BDA0003483959150000048
Figure BDA0003483959150000049
Figure BDA00034839591500000410
Figure BDA00034839591500000411
Figure BDA00034839591500000412
步骤5，将扫描面参数(包括左上角坐标、横轴方向向量、纵轴方向向量、面法向量)导入仪器中，进行核磁共振扫描。
发明的整个流程示意图如图3所示。
具体实施例：一种基于MR横轴位图像分割的心脏三维定位方法，具体步骤如下：
步骤1，扫描MR横轴位。患者进入扫描仪后，医生将层厚设置为8mm，层数设置为12，并使定位线覆盖整个心脏，进行扫描，将得到的图片保存为DICOM格式；
步骤2，分割图像心脏区域。将步骤1中得到的DICOM文件导入软件，调整图像窗宽窗位，并采用“区域生长分割算法”进行分割，分割过程如下：用鼠标点击图像中的某一像素，该像素即被视为“种子”，向四周搜索，寻找像素值差小于“阈值”的像素，归为心脏区域，若分割不准确，点击撤销，调整“阈值”，继续分割操作，最后得到12张心脏分割图；
步骤3，重建三维心脏图像。软件读取DICOM文件中的PixelSpacing字段，作为x轴和y轴的像素间隔，将相邻2个DICOM文件中的ImagePositionPatient字段的差值作为z轴的像素间隔，将步骤2得到的心脏掩码合成一个三维数组，乘以像素间隔，在软件中重建出一个具有实际尺寸的三维心脏图像；
步骤4，手动调整定位面，计算扫描面参数。在软件中调整定位面起始点、横轴、纵轴，使定位面位于心脏的四腔心位置，接着调整扫描面的边长，通过定位面与扫描面的转化关系，得到扫描面参数(左上角坐标、横轴方向向量、纵轴方向向量、平面法向量)；
步骤5，将扫描面参数导入扫描仪软件中，进行核磁共振扫描。
效果评估：
本发明提出一种基于MR横轴位图像分割的心脏三维定位方法，为心脏定位提供了一种有效的方案。通过该发明的得到的心脏定位图的质量取决于定位面的准确度。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种基于MR横轴位图像分割的心脏三维定位方法，其特征在于，具体步骤如下：
步骤1，扫描MR横轴位，选择合适的扫描层厚和层数，使横轴位断层覆盖整个心脏；
步骤2，使用“区域生长分割算法”，对每张图像进行心脏区域分割；
步骤3，重建三维心脏图像，将步骤二中分割得到的心脏掩码，重建三维心脏图像；
步骤4，手动调整定位面，计算扫描面参数；
步骤5，将扫描面参数导入仪器中，进行核磁共振扫描。
2.根据权利要求1所述的一种基于MR横轴位图像分割的心脏三维定位方法，其特征在于，将步骤2提到的“区域生长分割算法”编写成软件,该软件使用pyqt5框架编写，实现功能是：导入图片后，调整窗宽窗位，用鼠标点击图像中的某一像素，该像素即被视为“种子”，向四周搜索，寻找像素值差小于“阈值”的像素，归为心脏区域，若分割不准确，点击撤销，调整“阈值”，继续分割操作。
3.根据权利要求1所述的一种基于MR横轴位图像分割的心脏三维定位方法，其特征在于，步骤3提到的重建三维心脏图像具体细节如下：软件读取DICOM文件中的PixelSpacing字段，作为x轴和y轴的像素间隔，将相邻2张DICOM文件中的ImagePositionPatient字段的差作为z轴的像素间隔，将步骤2得到的心脏掩码合成一个三维数组，乘以像素间隔，在软件中使用VTK渲染出一个具有实际尺寸的三维心脏图像。
4.根据权利要求1所述的一种基于MR横轴位图像分割的心脏三维定位方法，其特征在于，步骤4提到的手动调整定位面使用软件实现的，实现细节如下：定位面是一个平行四边形，决定其位置和形状的参数包括起始点(x,y,z坐标)，横轴和纵轴即与x轴夹角、与y轴夹角、与z轴夹角、长度，改变这几个参数，就能改变定位面的形状，并将其移动到指定位置。
5.根据权利要求1所述的一种基于MR横轴位图像分割的心脏三维定位方法，其特征在于，步骤4提到的扫描面参数，是根据定位面参数计算出来，已知扫描面是一个正方形，其参数包括起始点的坐标A、横轴的方向向量
Figure FDA0003483959140000011
纵轴的方向向量
Figure FDA0003483959140000012
边长L，而定位面是一个平行四边形，参数包括左上角坐标P、横轴的方向向量
Figure FDA0003483959140000021
长度Lm、纵轴的方向向量
Figure FDA0003483959140000022
长度Ln，同时规定normalize()表示标准化将向量(转化为单位向量)，×运算符表示叉乘，
Figure FDA0003483959140000023
表示定位面和扫描面的法向量，扫描面参数的推导过程如下：
Figure FDA0003483959140000024
Figure FDA0003483959140000025
Figure FDA0003483959140000026
Figure FDA0003483959140000027
Figure FDA0003483959140000028
Figure FDA0003483959140000029
Figure FDA00034839591400000210
Figure FDA00034839591400000211
Figure FDA00034839591400000212
Figure FDA00034839591400000213
Figure FDA00034839591400000214
CN202210075808.0A 2022-01-23 2022-01-23 一种基于mr横轴位图像分割的心脏三维定位方法 Pending CN114419071A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210075808.0A CN114419071A (zh) 2022-01-23 2022-01-23 一种基于mr横轴位图像分割的心脏三维定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210075808.0A CN114419071A (zh) 2022-01-23 2022-01-23 一种基于mr横轴位图像分割的心脏三维定位方法

Publications (1)

Publication Number Publication Date
CN114419071A true CN114419071A (zh) 2022-04-29

Family

ID=81275620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210075808.0A Pending CN114419071A (zh) 2022-01-23 2022-01-23 一种基于mr横轴位图像分割的心脏三维定位方法

Country Status (1)

Country Link
CN (1) CN114419071A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820754A (zh) * 2022-05-24 2022-07-29 东南大学 一种基于模板匹配的心脏四腔心自动定位方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820754A (zh) * 2022-05-24 2022-07-29 东南大学 一种基于模板匹配的心脏四腔心自动定位方法
CN114820754B (zh) * 2022-05-24 2024-05-03 东南大学 一种基于模板匹配的心脏四腔心自动定位方法

Similar Documents

Publication Publication Date Title
US7822246B2 (en) Method, a system and a computer program for integration of medical diagnostic information and a geometric model of a movable body
CN105025803B (zh) 从多个三维视图对大对象的分割
JP5580030B2 (ja) 画像処理装置、および画像位置合せ方法
Li et al. Quantification and MRI validation of regional contractile dysfunction in mice post myocardial infarction using high resolution ultrasound
CN101796544B (zh) 体素数据的可视化方法和系统
CN102567728B (zh) 医用图像处理装置及方法和程序
CN106651895B (zh) 一种分割三维图像的方法和装置
US20120007863A1 (en) Image processing apparatus and image processing method
US20110075896A1 (en) Computer readable medium, systems and methods for medical image analysis using motion information
EP2245592B1 (en) Image registration alignment metric
CN106485691B (zh) 信息处理装置、信息处理系统和信息处理方法
JP2010119654A (ja) 画像処理装置、画像処理方法、プログラム、及び記憶媒体
JP2004180932A (ja) コンピュータ支援診断装置
CN110782489B (zh) 影像数据的匹配方法、装置、设备及计算机可读存储介质
JP5194138B2 (ja) 画像診断支援装置およびその動作方法、並びに画像診断支援プログラム
US20130004039A1 (en) Medical image conversion apparatus, method and program
CN111340825A (zh) 一种纵膈淋巴结分割模型的生成方法及系统
EP2601637B1 (en) System and method for multi-modality segmentation of internal tissue with live feedback
JP2013059658A (ja) 画像処理装置、画像処理方法、プログラム、及び記憶媒体
JP5296981B2 (ja) アフィン変換を用いたモダリティ内医療体積画像の自動位置合わせ
CN111166332B (zh) 一种基于磁共振波谱和磁共振影像的放疗靶区勾画方法
JP4497951B2 (ja) 医用画像診断装置
EP2483866A1 (en) Medical image analysis system using n-way belief propagation for anatomical images subject to deformation and related methods
CN114419071A (zh) 一种基于mr横轴位图像分割的心脏三维定位方法
JP4668289B2 (ja) 画像処理装置および方法並びにプログラム

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