CN114494300A - 肝脏影像的分割方法及相关装置 - Google Patents

肝脏影像的分割方法及相关装置 Download PDF

Info

Publication number
CN114494300A
CN114494300A CN202210130350.4A CN202210130350A CN114494300A CN 114494300 A CN114494300 A CN 114494300A CN 202210130350 A CN202210130350 A CN 202210130350A CN 114494300 A CN114494300 A CN 114494300A
Authority
CN
China
Prior art keywords
data
liver
point
curved surface
plane
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
CN202210130350.4A
Other languages
English (en)
Inventor
段小明
吴乙荣
李南哲
李其花
郭元甫
陈永健
李和意
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.)
Qingdao Hisense Medical Equipment Co Ltd
Original Assignee
Qingdao Hisense Medical Equipment 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 Qingdao Hisense Medical Equipment Co Ltd filed Critical Qingdao Hisense Medical Equipment Co Ltd
Priority to CN202210130350.4A priority Critical patent/CN114494300A/zh
Publication of CN114494300A publication Critical patent/CN114494300A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30056—Liver; Hepatic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及图像处理技术领域，公开了一种肝脏影像的分割方法及相关装置，用于填补尚未有对肝脏影像数据进行切割的空白。在本申请实施例提供的肝脏影像的分割方法中，首先在肝脏影像的三维体数据中分离出肝脏中心曲面数据，然后基于该肝脏中心曲面数据构建径向基函数，采用径向基函数对肝脏影像数据进行分类处理，将肝脏划分为两部分。为了能够保证径向基函数唯一，本申请实施例中基于肝脏中心曲面数据寻找离面点云数据来构建径向基函数。

Description

肝脏影像的分割方法及相关装置
技术领域
本申请涉及医学影像处理技术领域，尤其涉及一种肝脏影像的分割方法及相关装置。
背景技术
术中导航，是将病人术前或术中影像数据和手术床上病人解剖结构准确对应。手术中跟踪手术器械并将手术器械的位置在病人影像上以虚拟探针的形式实时更新显示，使医生对手术器械相对病人解剖结构的位置一目了然，使外科手术更快速、更精确、更安全。针对不同术式的术中导航技术也是国内外医学领域研究以及医疗产商研究的热门，也是临床医生十分关注的科研方向以及迫切期望商业化软件应用的方向。
目前原发性肝癌的治疗方法仍以外科手术为主。最近几年腹腔镜肝切除的数量迅速增长。腹腔镜肝切除术属于微创手术，相比传统开腹手术有切口小、痛苦小、恢复快、疤痕小等优点，快速成为当前手术的发展趋势。但同时由于其深度感知信息与触觉反馈信息缺失的原因，对外科医生提出了更大的挑战。近几年发展迅速的增强现实技术可以将基于术前医学影像重建的模型数据与术中图像进行融合显示，是术中导航技术应用的一种方式，可使得医生能够直观的看到器官表面以下解剖结构，帮助医生更加精准度完成腹腔镜手术。
增强现实技术中在对医学影像重建的模型数据与术中图像进行融合显示时，医生往往看到的是前半肝；而医学影像重建的模型数据包含整个肝脏，所以有必要对医学影像重建的模型数据中的肝脏进行切割处理。目前尚未提供一种有效的切割方案。
发明内容
本申请实施例提供一种肝脏影像的分割方法及相关装置，用于填补尚未有对肝脏影像数据进行切割的空白。
第一方面，本申请提供一种肝脏影像的分割方法，所述方法包括：
获取肝脏影像的三维体数据；所述三维体数据中包括多个深度层次的二维影像数据；
对每个深度层次的二维影像数据分别提取肝脏中心点曲线，得到由各深度层次的肝脏中心点曲线构成的肝脏中心曲面数据；
确定所述肝脏中心曲面数据中的各数据点的法向；
基于各数据点的法向确定与所述肝脏中心曲面数据具有指定距离的三维体数据作为离面点云数据；
采用所述肝脏中心曲面数据和所述离面点云数据构建径向基函数；
基于所述径向基函数将所述肝脏影像的三维体数据分割为两部分。
在一些可能的实施方式中，所述对每个深度层次的二维影像数据分别提取肝脏中心点曲线，包括：
针对每个深度层次的二维影像数据，获取所述二维影像数据中第一坐标轴上的坐标值；
获取所述二维影像数据中包括所述第一坐标值上的坐标值的数据点；
计算所述数据点的均值得到所述肝脏中心曲线上的点。
在一些可能的实施方式中，所述三维体数据的坐标系包括第一坐标轴、第二坐标轴和第三坐标轴，所述第三坐标轴为深度层次方向，所述确定所述肝脏中心曲面数据中的各数据点的法向，包括：
构建垂直于指定平面的初始法向向量；所述指定平面为第一坐标轴和第三坐标轴构建的平面；
基于所述初始法向向量确定所述肝脏中心曲面数据中每个数据点的多个相邻数据点，并确定所述数据点和相邻数据点构建的曲面；
针对所述肝脏中心曲面数据中每个数据点的曲面，确定所述曲面中在所述数据点的处的法向。
在一些可能的实施方式中，所述基于各数据点的法向确定与所述肝脏中心曲面数据具有指定距离的三维体数据作为离面点云数据，包括：
针对所述肝脏中心曲面数据中的每个数据点，在所述数据点的法向正方向和法向负方向上分别获取距离所述数据点指定距离的三维体数据得到离面点云数据。
在一些可能的实施方式中，所述基于所述径向基函数将所述肝脏影像的三维体数据分割为两部分，包括：
将所述肝脏的三维体数据中的待分类数据点输入所述径向基函数，得到各个待分类数据点的输出值；
将输出值小于预设值的待分类数据点归类为肝脏的一部分；
将输出值大于预设值的待分类数据点归类为肝脏的第二部分。
在一些可能的实施方式中，所述采用所述肝脏中心曲面数据和所述离面点云数据构建径向基函数，包括：
求解以下方程组中的未知系数λ和a；
Figure BDA0003502352330000031
其中，A为N×N维的分块矩阵，A中的元素为肝脏中心曲面数据和离面点云数据中每两个数据点的距离sij，i，j＝{1，2，3，…，N}；
P为N×4维的分块矩阵，P中的元素包括肝脏中心曲面数据和离面点云数据中的各数据点坐标(xi，yi，zi)，i＝1，2，3，…，N和NX1维的单位矩阵；
分块矩阵PT是P的转置矩阵；
分块矩阵bA的维数为N×1维，bA包括：肝脏中心曲面数据中各数据点对应的
Figure BDA0003502352330000032
维零矩阵、正法向方向的离面点云数据中各数据点对应的
Figure BDA0003502352330000033
维的所述指定距离d倍的单位阵、负法向方向的离面点云数据点对应的
Figure BDA0003502352330000034
维的所述指定距离-d倍的单位阵；
分块矩阵bP为4×1维零矩阵；
基于所述未知系数构建所述径向基函数的表达式：
Figure BDA0003502352330000041
其中，P(x)＝a0+a1x+a2y+a3z
在所述径向基函数中，R(x)是径向基函数的输出结果、P(x)是线性多项式；λi是未知系数λ中的第i个权重系数，xi是肝脏中心曲面数据和离面点云数据中第i个数据点的坐标；N为肝脏中心曲面数据和离面点云数据中数据点的总数、x是待分类数据点每个数据点由x、y、z三个值表达、求解的未知系数a包括a0、a1、a2和a3。
在一些可能的实施方式中，所述确定所述肝脏中心曲面数据中的各数据点的法向之前，所述方法还包括：
对所述肝脏中心曲面数据进行下采样。
第二方面，本申请还提供了一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如本申请第一方面中提供的任一方法。
第三方面，本申请一实施例还提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本申请第一方面中提供的任一方法。
第四方面，本申请一实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如本申请第一方面中提供的任一方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
在本申请实施例提供的肝脏影像的分割方法中，首先在肝脏影像的三维体数据中分离出肝脏中心曲面数据，然后基于该肝脏中心曲面数据构建径向基函数，采用径向基函数对肝脏影像数据进行分类处理，将肝脏划分为两部分。为了能够保证径向基函数唯一，本申请实施例中基于肝脏中心曲面数据寻找离面点云数据来构建径向基函数。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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为本申请实施例提供的肝脏影像的分割方法的应用场景示意图；
图2为本申请一实施例提供的肝脏影像的分割方法的流程示意图；
图3为本申请一实施例提供降采样后的效果示意图；
图4为本申请一实施例提供的肝脏影像的分割后的效果示意图；
图5为本申请一实施例提供的肝脏影像的分割装置的框图；
图6是根据一示例性实施例示出的肝脏影像的分割方法的电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应所述理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
以下，对本申请实施例中的部分用语进行解释说明，以便于本领域技术人员理解。
(1)本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
(2)“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
鉴于相关技术中尚未提供一种有效的对肝脏影像进行切割方案，本申请提出了一种肝脏影像的分割方法及相关装置。
在本申请实施例提供的肝脏影像的分割方法中，首先在肝脏影像的三维体数据中分离出肝脏中心曲面数据，然后基于该肝脏中心曲面数据构建径向基函数，采用径向基函数对肝脏影像数据进行分类处理，将肝脏划分为两部分。为了能够保证径向基函数唯一，本申请实施例中基于肝脏中心曲面数据寻找离面点云数据来构建径向基函数。
此外，本申请实施例中，为了提高数据的处理效率，还对肝脏中心曲面数据进行下采样，以降低对CPU(central process ing unit、中央处理器)的占用率节约计算资源。
在介绍完本申请实施例的设计思想之后，下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本申请实施例提供的技术方案。
参考图1，其为本申请实施例提供的肝脏影像的分割方法的应用场景示意图。该应用场景包括多个医学影像设备101用于采集肝脏的影像数据、还包括电子设备102。
医学影像设备101例如是CT扫描设备，电子设备102例如是终端设备或服务器。
医学影像设备101包括但不限于桌面计算机、移动电话、移动电脑、平板电脑、智能可穿戴设备、智能电视等电子设备。电子设备102可以是一台服务器、若干台服务器组成的服务器集群或云计算中心。电子设备102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
需要说明的是，能够读取计算机程序实现本申请实施例提供的肝脏影像的分割方法的设备均适用于本申请实施例。
当然，本申请实施例提供的方法并不限于图1所示的应用场景，还可以用于其它可能的应用场景，本申请实施例并不进行限制。对于图1所示的应用场景的各个设备所能实现的功能将在后续的方法实施例中一并进行描述，在此先不过多赘述。
为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
参考图2为本申请实施例提供一种肝脏影像的分割方法的流程示意图，包括以下步骤：
在步骤201中，获取肝脏影像的三维体数据；所述三维体数据中包括多个深度层次的二维影像数据。
例如，获取肝脏的CT扫描序列数据(dicom图像)，然后将其转换为ni i格式的分层体数据(.ni i格式，内部数值为dicom图像中对应的CT值)，即得到肝脏影像的三维体数据。分层体数据包括多个深度层次的二维影像数据。此外，还获得CT影像数据的标注数据，该标注数据用于标记哪些点属于肝脏哪些点属于背景点，例如255标识肝脏点，0标识背景点。为了便于处理，标注数据也转换为nii格式的分层体数据，在标注数据的.nii格式中，肝脏对应位置为1，其它位置为0。由此每个深度层次的二维影像数据均有对应的标注数据，用于指示该二维影像数据中哪些点属于肝脏。
肝脏的三维体数据的坐标系为三维坐标系，包括第一坐标轴、第二坐标轴和第三坐标轴。假设第三坐标轴标识深度层次方向即Z轴，第一坐标轴为X轴，第二坐标轴为Y轴。则每个二维影像数据中，Z值相同，X和Y值是会变化的。
在步骤202中，对每个深度层次的二维影像数据分别提取肝脏中心点曲线，得到由各深度层次的肝脏中心点曲线构成的肝脏中心曲面数据；
在一些实施例中，可以得到同一二维影像数据中第二坐标轴的中心点，由此得到感知中心点曲线。例如，针对每个深度层次的二维影像数据，可实施为：
获取所述二维影像数据中第一坐标轴上的坐标值；然后获取所述二维影像数据中包括所述第一坐标值上的坐标值的数据点；之后，计算所述数据点的均值得到所述肝脏中心曲线上的点。
例如，通过深度分层取出bmp格式的标注数据图片，以X0Y坐标下任一X0下，确定图像中所有肝脏的Y值{Y0,Y1,Y2,…,YN}的最小值与最大值和的平均值作为，获取每张图片的肝脏中心曲线。
每个深度层次得到对应的肝脏中心曲线，所有深度层次的肝脏中心曲线的几何即为肝脏中心曲面数据。
为了便于加快处理效率，本申请实施例中，在得到感知中心曲面数据之后，对所述肝脏中心曲面数据进行下采样。下采样的方式可根据实际需求设置，例如可以采用pcl(point cloud，点云)中的VoxelGrid filter进行下采样，VoxelGrid filter可以堪称是个小的3D(3维)小方盒，所有存在的点将以它们的质心近似(如，下采样)。这种方法比使用体素的中心近似慢，但它更准确地表示底层表面，得到的采样点能够更好的表达肝脏的中心曲面。
下采样后的肝脏中心曲面数据的示意图如图3所示。图3中，数据分布覆盖感知的中心曲面，且分布较为均匀能够很好的标识感知的中心曲面。
在步骤203中，确定所述肝脏中心曲面数据中的各数据点的法向。
本申请实施例中，可以先确定初始法向，然后基于该初始法向来确定各数据点的法向。例如可实施为：
构建垂直于指定平面的初始法向向量；所述指定平面为第一坐标轴和第三坐标轴构建的平面；例如，若肝脏切割面是X0Z面(0为坐标原点)，所以初始法向量定义为垂直X0Z面的[0,1,0])；
基于所述初始法向向量确定所述肝脏中心曲面数据中每个数据点的多个相邻数据点，并确定所述数据点和相邻数据点构建的曲面；例如，采用该法向向量为基础，通过Kdtree的k近邻方法，得到肝脏中心曲面数据中任一数据点A的相邻点；这一点A加上其相邻点，组成一个曲面B，确定这一点A的法向(垂直曲面B)，依此最终确定数据点A的法向。
得到法向的目的是为了得到离面点云数据用于构建径向基函数，故此，在步骤204中，基于各数据点的法向确定与所述肝脏中心曲面数据具有指定距离的三维体数据作为离面点云数据；
其中，指定距离可根据实际需求配置，本申请对此不作限定。本申请实施例中，分别在法向正方向和法向负方向上各得到一个离面。故此，针对所述肝脏中心曲面数据中的每个数据点，在所述数据点的法向正方向和法向负方向上分别获取距离所述数据点指定距离的三维体数据得到离面点云数据。
例如，将肝脏中心曲面数据中的各数据点在其法向的正法向和负法向上，分别移动距离d(即指定距离)，得到正法向方向和负法向方向的离面点云数据。该离面点云数据的加入，是为了防止的径向基函数插值方程的退化，可理解为就是保证方程解唯一。
在步骤205中，采用所述肝脏中心曲面数据和所述离面点云数据构建径向基函数；
可实施为先求解以下方程组(1)中的未知系数λ和a；
Figure BDA0003502352330000091
在方程组(1)中，A为N×N维的分块矩阵，A中的元素为肝脏中心曲面数据和离面点云数据中每两个数据点的距离sij，i,j＝{1,2,3,…,N}；A可表示为如式(2)所示：
Figure BDA0003502352330000101
方程组(1)中的P为N×4维的分块矩阵，P中的元素包括肝脏中心曲面数据和离面点云数据中的各数据点坐标(xi,yi,zi),i＝1,2,3,…,N和NX1维的单位矩阵；P可表示为如式(3)所示：
Figure BDA0003502352330000102
方程组(1)中的分块矩阵PΤ是P的转置矩阵；
方程组(1)中的分块矩阵bA的维数为N×1维，bA包括：肝脏中心曲面数据中各数据点对应的
Figure BDA0003502352330000103
维零矩阵、正法向方向的离面点云数据中各数据点对应的
Figure BDA0003502352330000104
维的所述指定距离d倍的单位阵、负法向方向的离面点云数据点对应的
Figure BDA0003502352330000105
维的所述指定距离-d倍的单位阵；bA可表示为如式(4)所示：
Figure BDA0003502352330000106
方程组(1)中的分块矩阵bP为4×1维零矩阵，可表示为如式(5)所示；
Figure BDA0003502352330000111
在求解出未知系数λ和a之后，基于所述未知系数构建所述径向基函数的表达式如式(6)所示：
Figure BDA0003502352330000112
在所述径向基函数中，R(x)是径向基函数的输出结果、P(x)是线性多项式；λi是未知系数λ中的第i个权重系数，xi是肝脏中心曲面数据和离面点云数据中第i个数据点的坐标；N为肝脏中心曲面数据和离面点云数据中数据点的总数、x是待分类数据点每个数据点由x、y、z三个值表达、求解的未知系数a包括a0、a1、a2和a3。
在步骤206中，基于所述径向基函数将所述肝脏影像的三维体数据分割为两部分。
可以将所述肝脏的三维体数据中的待分类数据点输入所述径向基函数，得到各个待分类数据点的输出值，其中：
将输出值为小于预设值的待分类数据点归类为肝脏的一部分；
将输出值为大于预设值的待分类数据点归类为肝脏的第二部分。
如公式(6)所示，径向基函数的输出值包括大于0的值或小于0的值，将输出结果值大于0的待分类数据点归为前半肝的数据点，将输出结果值小于0的待分类数据点归为后半肝的数据点。最终肝脏影像的分割结果如图4所示，如图4肝脏被分割为两部分。在后续使用时，可仅选取其中一部分的肝脏数据使用。
综上所述，本申请提出一种肝脏自动分割方案，该方案中可以CT肝脏体数据为基础，获取出肝脏中心曲面点集，对曲面点集降采样后，构建出点集法向；根据降采样后的点集及法向，分别获取正法向方向和负法向方向上的离面点集数据，根据三种点集数据，利用rbf(Radial Basis Function，径向基函数)插值得到肝脏曲面等值面的参数信息，根据参数信息，对肝脏的前后进行归类，最终实现对肝脏的前后切割。
基于相同的发明构思本申请实施例还提供一种肝脏影像的分割装置。图5是根据一示例性实施例示出的一种肝脏影像的分割装置的框图，参照图5，该装置500包括：
三维体获取模块501，用于获取肝脏影像的三维体数据；所述三维体数据中包括多个深度层次的二维影像数据；
中心曲面分离模块502，用于对每个深度层次的二维影像数据分别提取肝脏中心点曲线，得到由各深度层次的肝脏中心点曲线构成的肝脏中心曲面数据；
法向确定模块503，用于确定所述肝脏中心曲面数据中的各数据点的法向；
离面确定模块504，用于基于各数据点的法向确定与所述肝脏中心曲面数据具有指定距离的三维体数据作为离面点云数据；
函数构建模块505，用于采用所述肝脏中心曲面数据和所述离面点云数据构建径向基函数；
分割模块506，用于基于所述径向基函数将所述肝脏影像的三维体数据分割为两部分。
在一些可能的实施例中，中心曲面分离模块502，用于：
针对每个深度层次的二维影像数据，获取所述二维影像数据中第一坐标轴上的坐标值；
获取所述二维影像数据中包括所述第一坐标值上的坐标值的数据点；
计算所述数据点的均值得到所述肝脏中心曲线上的点。
在一些可能的实施例中，法向确定模块503用于：
构建垂直于指定平面的初始法向向量；所述指定平面为第一坐标轴和第三坐标轴构建的平面；
基于所述初始法向向量确定所述肝脏中心曲面数据中每个数据点的多个相邻数据点，并确定所述数据点和相邻数据点构建的曲面；
针对所述肝脏中心曲面数据中每个数据点的曲面，确定所述曲面中在所述数据点的处的法向。
在一些可能的实施例中，离面确定模块504用于：针对所述肝脏中心曲面数据中的每个数据点，在所述数据点的法向正方向和法向负方向上分别获取距离所述数据点指定距离的三维体数据得到离面点云数据。
在一些可能的实施例中，分割模块506用于：
将所述肝脏的三维体数据中的待分类数据点输入所述径向基函数，得到各个待分类数据点的输出值；
将输出值小于预设值的待分类数据点归类为肝脏的一部分；
将输出值大于预设值的待分类数据点归类为肝脏的第二部分。
在一些可能的实施例中，函数构建模块505用于：
求解以下方程组中的未知系数λ和a；
Figure BDA0003502352330000131
其中，A为N×n维的分块矩阵，A中的元素为肝脏中心曲面数据和离面点云数据中每两个数据点的距离sij，i，j＝{1，2，3，…，N}；
P为N×4维的分块矩阵，P中的元素包括肝脏中心曲面数据和离面点云数据中的各数据点坐标(xi，yi，zi)，i＝1，2，3，…，N和NX1维的单位矩阵；
分块矩阵PT是P的转置矩阵；
分块矩阵bA的维数为N×1维，bA包括：肝脏中心曲面数据中各数据点对应的
Figure BDA0003502352330000132
维零矩阵、正法向方向的离面点云数据中各数据点对应的
Figure BDA0003502352330000133
维的所述指定距离d倍的单位阵、负法向方向的离面点云数据点对应的
Figure BDA0003502352330000134
维的所述指定距离-d倍的单位阵；
分块矩阵bP为4×1维零矩阵；
基于所述未知系数构建所述径向基函数的表达式：
Figure BDA0003502352330000141
其中，P(x)＝a0+a1x+a2y+a3z
在所述径向基函数中，R(x)是径向基函数的输出结果、P(x)是线性多项式；λi是未知系数λ中的第i个权重系数，xi是肝脏中心曲面数据和离面点云数据中第i个数据点的坐标；N为肝脏中心曲面数据和离面点云数据中数据点的总数、x是待分类数据点每个数据点由x、y、z三个值表达、求解的未知系数a包括a0、a1、a2和a3。
在一些可能的实施例中，所述装置还包括：
降采样模块，用于确定所述肝脏中心曲面数据中的各数据点的法向之前，对所述肝脏中心曲面数据进行下采样。
在介绍了本申请示例性实施方式的界肝脏影像的分割方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的肝脏影像的分割方法。例如，处理器可以执行如肝脏影像的分割方法中的步骤。
下面参照图6来描述根据本申请的这种实施方式的电子设备130。图6显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器132，上述指令可由处理器131执行以完成上述肝脏影像的分割方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器131执行时实现如本申请提供的肝脏影像的分割方法的任一方法。
在示例性实施例中，本申请提供的一种肝脏影像的分割方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的肝脏影像的分割方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于肝脏影像的分割方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程图像缩放设备的处理器以产生一个机器，使得通过计算机或其他可编程图像缩放设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程图像缩放设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程图像缩放设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种肝脏影像的分割方法，其特征在于，所述方法包括：
获取肝脏影像的三维体数据；所述三维体数据中包括多个深度层次的二维影像数据；
对每个深度层次的二维影像数据分别提取肝脏中心点曲线，得到由各深度层次的肝脏中心点曲线构成的肝脏中心曲面数据；
确定所述肝脏中心曲面数据中的各数据点的法向；
基于各数据点的法向确定与所述肝脏中心曲面数据具有指定距离的三维体数据作为离面点云数据；
采用所述肝脏中心曲面数据和所述离面点云数据构建径向基函数；
基于所述径向基函数将所述肝脏影像的三维体数据分割为两部分。
2.根据权利要求1所述的方法，其特征在于，所述对每个深度层次的二维影像数据分别提取肝脏中心点曲线，包括：
针对每个深度层次的二维影像数据，获取所述二维影像数据中第一坐标轴上的坐标值；
获取所述二维影像数据中包括所述第一坐标值上的坐标值的数据点；
计算所述数据点的均值得到所述肝脏中心曲线上的点。
3.根据权利要求1所述的方法，其特征在于，所述三维体数据的坐标系包括第一坐标轴、第二坐标轴和第三坐标轴，所述第三坐标轴为深度层次方向，所述确定所述肝脏中心曲面数据中的各数据点的法向，包括：
构建垂直于指定平面的初始法向向量；所述指定平面为第一坐标轴和第三坐标轴构建的平面；
基于所述初始法向向量确定所述肝脏中心曲面数据中每个数据点的多个相邻数据点，并确定所述数据点和相邻数据点构建的曲面；
针对所述肝脏中心曲面数据中每个数据点的曲面，确定所述曲面中在所述数据点的处的法向。
4.根据权利要求1所述的方法，其特征在于，所述基于各数据点的法向确定与所述肝脏中心曲面数据具有指定距离的三维体数据作为离面点云数据，包括：
针对所述肝脏中心曲面数据中的每个数据点，在所述数据点的法向正方向和法向负方向上分别获取距离所述数据点指定距离的三维体数据得到离面点云数据。
5.根据权利要求1所述的方法，其特征在于，所述基于所述径向基函数将所述肝脏影像的三维体数据分割为两部分，包括：
将所述肝脏的三维体数据中的待分类数据点输入所述径向基函数，得到各个待分类数据点的输出值；
将输出值小于预设值的待分类数据点归类为肝脏的一部分；
将输出值大于预设值的待分类数据点归类为肝脏的第二部分。
6.根据权利要求1所述的方法，其特征在于，所述采用所述肝脏中心曲面数据和所述离面点云数据构建径向基函数，包括：
求解以下方程组中的未知系数λ和a；
Figure FDA0003502352320000021
其中，A为N×N维的分块矩阵，A中的元素为肝脏中心曲面数据和离面点云数据中每两个数据点的距离sij，i，j＝{1，2，3，…，N}；
P为N×4维的分块矩阵，P中的元素包括肝脏中心曲面数据和离面点云数据中的各数据点坐标(xi，yi，zi)，i＝1，2，3，…，N和NX1维的单位矩阵；
分块矩阵PT是P的转置矩阵；
分块矩阵bA的维数为N×1维，bA包括：肝脏中心曲面数据中各数据点对应的
Figure FDA0003502352320000022
维零矩阵、正法向方向的离面点云数据中各数据点对应的
Figure FDA0003502352320000023
维的所述指定距离d倍的单位阵、负法向方向的离面点云数据点对应的
Figure FDA0003502352320000024
维的所述指定距离-d倍的单位阵；
分块矩阵bP为4×1维零矩阵；
基于所述未知系数构建所述径向基函数的表达式：
Figure FDA0003502352320000031
其中，P(x)＝a0+a1x+a2y+a3z
在所述径向基函数中，R(x)是径向基函数的输出结果、P(x)是线性多项式；λi是未知系数λ中的第i个权重系数，xi是肝脏中心曲面数据和离面点云数据中第i个数据点的坐标；N为肝脏中心曲面数据和离面点云数据中数据点的总数、x是待分类数据点每个数据点由x、y、z三个值表达、求解的未知系数a包括a0、a1、a2和a3。
7.根据权利要求1-6中任一所述的方法，其特征在于，所述确定所述肝脏中心曲面数据中的各数据点的法向之前，所述方法还包括：
对所述肝脏中心曲面数据进行下采样。
8.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1-7中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-7中任一项所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
CN202210130350.4A 2022-02-11 2022-02-11 肝脏影像的分割方法及相关装置 Pending CN114494300A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210130350.4A CN114494300A (zh) 2022-02-11 2022-02-11 肝脏影像的分割方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210130350.4A CN114494300A (zh) 2022-02-11 2022-02-11 肝脏影像的分割方法及相关装置

Publications (1)

Publication Number Publication Date
CN114494300A true CN114494300A (zh) 2022-05-13

Family

ID=81480842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210130350.4A Pending CN114494300A (zh) 2022-02-11 2022-02-11 肝脏影像的分割方法及相关装置

Country Status (1)

Country Link
CN (1) CN114494300A (zh)

Similar Documents

Publication Publication Date Title
US10147223B2 (en) Apparatus and method for computer-aided diagnosis
Heim et al. Large-scale medical image annotation with crowd-powered algorithms
Al-Zu’bi et al. Efficient 3D medical image segmentation algorithm over a secured multimedia network
US20120166462A1 (en) Automated image data processing and visualization
KR20210002606A (ko) 의료 영상 처리 방법 및 장치, 전자 기기 및 저장 매체
US11151785B2 (en) Finite element modeling of anatomical structure
CN116433605A (zh) 基于云智能的医学影像分析移动增强现实系统和方法
US20180005378A1 (en) Atlas-Based Determination of Tumor Growth Direction
EP3314582B1 (en) Interactive mesh editing
CN116452618A (zh) 一种三输入脊柱ct图像分割方法
US11132793B2 (en) Case-adaptive medical image quality assessment
CN113409333B (zh) 一种三维图像的切割方法及电子设备
CN107567638A (zh) 对解剖结构的基于模型的分割
WO2021030995A1 (zh) 基于vrds ai下腔静脉影像的分析方法及产品
JP7033369B2 (ja) サーフェス・ベースのオブジェクト識別
Hsieh et al. Markerless Augmented Reality via Stereo Video See‐Through Head‐Mounted Display Device
Zhang et al. A spine segmentation method under an arbitrary field of view based on 3d swin transformer
CN114494300A (zh) 肝脏影像的分割方法及相关装置
Pan et al. Automatic annotation of liver computed tomography images based on a vessel‐skeletonization method
CN113781653A (zh) 对象模型生成方法、装置、电子设备及存储介质
WO2021081839A1 (zh) 基于vrds 4d的病情分析方法及相关产品
JP2022519634A (ja) ダイポールパッチへの患者固有の皮質表面テッセレーション
Wang et al. The architecture of an automatic eHealth platform with mobile client for cerebrovascular disease detection
CN111613300A (zh) 基于VRDS 4D医学影像的肿瘤与血管Ai处理方法及产品
JP6053736B2 (ja) ３次元オブジェクト分割出力装置およびその応用

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