CN114648525A - 基于流域分析的器官分段方法及系统 - Google Patents

基于流域分析的器官分段方法及系统 Download PDF

Info

Publication number
CN114648525A
CN114648525A CN202210500298.7A CN202210500298A CN114648525A CN 114648525 A CN114648525 A CN 114648525A CN 202210500298 A CN202210500298 A CN 202210500298A CN 114648525 A CN114648525 A CN 114648525A
Authority
CN
China
Prior art keywords
image
segmentation
branch
segment
analysis
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
CN202210500298.7A
Other languages
English (en)
Other versions
CN114648525B (zh
Inventor
叶建平
张晓东
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.)
Shenzhen Yitu Intelligent Technology Co ltd
Original Assignee
Shenzhen Yitu Intelligent 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 Shenzhen Yitu Intelligent Technology Co ltd filed Critical Shenzhen Yitu Intelligent Technology Co ltd
Priority to CN202210500298.7A priority Critical patent/CN114648525B/zh
Publication of CN114648525A publication Critical patent/CN114648525A/zh
Application granted granted Critical
Publication of CN114648525B publication Critical patent/CN114648525B/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
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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

Landscapes

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

Abstract

本发明提供了基于流域分析的器官分段方法及系统，属于图像处理技术领域，方法包括对CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征管道组织的第二图像掩膜数据；定义待分段的第一图像掩膜数据为分析对象并生成标记图像；对第二图像掩膜数据进行体绘制渲染，并在渲染图像中进行分段标记并更新标记图像；对标记图像在分析对象约束下进行Voronoi划分得到分析对象的分段图像，根据分段号从分段图像中提取对应的掩模图像进行三维建模，得到每个分段的三维模型。该方法不仅可以应用于肝脏、肾脏、肺叶等器官的分段，还可以适用于基于其他管道结构分析基础上的分段或流域分析的应用，具有很高的适用性和通用性。

Description

基于流域分析的器官分段方法及系统
技术领域
本发明属于图像处理技术领域，具体涉及基于流域分析的器官分段方法及系统。
背景技术
在解剖学上，器官分段主要是为不同的分支管道结构（血管或气管）标识出所支配的组织区域，不同器官的分段方法不尽相同，例如肺部是按照支气管分支进行分页和分段，左肺分二叶右肺分三叶，在分页的基础上再分段，左肺分八段，右肺分十段。肝脏则是根据门静脉和肝静脉的分支划分为五叶八段。肾脏根据动脉的分支分为五段。
目前器官分段主要还是通过CT图像识别不同的管道组织，分段的结构识别和认识基本还是依靠临床医生在脑海中构思，段与段之间的分界面没有办法确认，有些情况下还需要从二维的段面获取距离信息，不能很好的计算实际组织分段的体积。
3D可视化技术可以在临床上对个体化病例进行3D解剖呈现，可以直观反映病例内部不同组织器官在空间位置的解剖关系，但是目前3D可视化技术并不能与临床解剖分段理论进行很好的结合，尤其是有些病例管道结构（血管或支气管）出现变异的时候，理论上的分段结论会存在一定的局限性，有些器官的段在实际情况中会多一段或者少一段或者位置和标准理论不一致，这给临床的应用带来很大的困扰。
发明内容
针对现有技术中的缺陷，本发明提供一种基于流域分析的器官分段方法及系统，提高了适用性和通用性。
第一方面，一种基于流域分析的器官分段方法，包括：
获取CT影像；
对CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征器官中管道组织的第二图像掩膜数据；
定义待分段的第一图像掩膜数据为分析对象，并生成对应的标记图像；
对分析对象对应的第二图像掩膜数据进行体绘制渲染，以得到渲染图像；
在渲染图像中对管道组织分支进行分段标记，根据分段标记结果更新标记图像；
对标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像；
获取分段图像中每个分段对应的掩模图像并进行三维建模。
进一步地，生成对应的标记图像具体包括：
分别获取分析对象的外包围轮廓和第二图像掩膜数据的外包围轮廓；
定义两个外包围轮廓的最大长方体区域为目标区域；
生成与目标区域大小相同的标记图像；标记图像中所有体素值为初始值。
进一步地，在渲染图像中对管道组织分支进行分段标记具体包括：
接收第一选择指令，在渲染图像中选中不同的管道组织分支，并接收选中的管道组织分支的分段号；
在标记图像中修改表征选中的管道组织分支的体素值为分段号。
进一步地，接收第一选择指令，在渲染图像中选中不同的管道组织分支具体包括：
根据分析对象定义标准分段模板和分段数目；标准分段模板包括多个分段号；
接收第一选择指令，在渲染图像中选中一个种子点；
对种子点进行区域增长，以得到管道组织分支。
进一步地，接收选中的管道组织分支的分段号具体包括：
接收第二选择指令，在标准分段模板中选中任一分段号，作为选中的管道组织分支对应的分段号。
进一步地，在接收选中的管道组织分支的分段号之后，在标记图像中修改表征选中的管道组织分支的体素值为分段号之前还包括：
接收段号新建指令，录入新的分段号，作为选中的管道组织分支对应的分段号；
分段数目累加1。
进一步地，在接收选中的管道组织分支的分段号之后，在标记图像中修改表征选中的管道组织分支的体素值为分段号之前还包括：
当选中的管道组织分支与已标记了分段号的管道组织分支属于同一段时，将已标记的分段号作为选中的管道组织分支的分段号；
接收分支取消指令，取消选中的管道组织分支的分段号，在标记图像中修改表征选中的管道组织分支的体素值为初始值。
进一步地，对标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像具体包括：
计算标记图像的距离图像，根据距离图像对标记图像的图像空间进行Voronoi划分后，与对应的分析对象进行求交运算，得到分析对象对应的分段图像。
进一步地，获取分段图像中每个分段对应的掩模图像并进行三维建模具体包括：
根据每个分段号从分段图像中提取对应的掩模图像，并进行三维重建，以得到三维模型。
第二方面，一种基于流域分析的器官分段系统，包括：
采集单元：用于获取CT影像；
分割单元：用于对CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征器官中管道组织的第二图像掩膜数据；
分段单元：用于定义待分段的第一图像掩膜数据为分析对象，并生成对应的标记图像；对分析对象对应的第二图像掩膜数据进行体绘制渲染，以得到渲染图像；在渲染图像中对管道组织分支进行分段标记，根据分段标记结果更新标记图像；
流域分析单元：用于对标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像；
建模单元：用于获取分段图像中每个分段对应的掩模图像并进行三维建模。
由上述技术方案可知，本发明提供的基于流域分析的器官分段方法及系统，针对不同器官分段理论方法的共性，提出了从CT图像导入、脏器和管状组织分割、分割体绘制、模板化个性化分支选择、脏器流域分析分段、分段3D建模等步骤的一站式处理，不仅可以应用于肝脏、肾脏、肺叶等器官的分段，还可以适用于基于其他管道结构分析基础上的分段或流域分析的应用，具有很高的适用性和通用性。通过3D可视化体绘制的方式实现方便的交互和操作，在分段标记的基础上采用距离图像的方法计算管道组织分支对应的分段区域，最后建立分段区域的三维模型，能够兼容个性化和3D可视化的分段需求，适应性强。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本实施例提供的器官分段方法的流程图。
图2a为本实施例提供的肺部CT数据横断面的切片显示示意图。
图2b为本实施例提供的肺部CT数据矢状面的切片显示示意图。
图2c为本实施例提供的肺部CT数据冠状面的切片显示示意图。
图3为本实施例提供的表面模型数据和图像掩膜数据的示意图。
图4为本实施例提供的图像分割的方法流程图。
图5a为本实施例提供的右肺上叶分割的渲染图。
图5b为本实施例提供的右侧支气管分割的渲染图。
图6为本实施例提供的标记图像生成方法的流程图。
图7为本实施例提供的分段标记方法的流程图。
图8a为本实施例提供的在渲染图像中选中初始选择区域的示意图。
图8b为本实施例提供的在渲染图像中选中整个管道组织分支的示意图。
图9为本实施例提供的已分段的支气管的渲染图。
图10为本实施例提供的该方法得到的3D模型的渲染图。
图11a为本实施例提供的腹部CT横断面方向的切片显示示意图。
图11b为本实施例提供的腹部CT矢状面方向的切片显示示意图。
图11c为本实施例提供的腹部CT冠状面方向的切片显示示意图。
图12a为本实施例提供的肝脏的渲染图。
图12b为本实施例提供的肝脏中门静脉分割的渲染图。
图13为本实施例提供的肝脏分段后的示意图。
图14a为本实施例提供的肝脏的三维模型前上方方向的渲染图。
图14b为本实施例提供的肝脏的三维模型右前方方向的渲染图。
图15a为本实施例提供的肾脏CT横断面方向的切片显示示意图。
图15b为本实施例提供的肾脏CT矢状面方向的切片显示示意图。
图15c为本实施例提供的肾脏CT冠状面方向的切片显示示意图。
图16a为本实施例提供的左肾的渲染图。
图16b为本实施例提供的左肾中肾动脉分割的渲染图。
图17为本实施例提供的左肾分段后的示意图。
图18为本实施例提供的左肾的三维模型的渲染图。
图19为本实施例提供的器官分段系统的模块框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例：
一种基于流域分析的器官分段方法，参见图1，包括：
S1：获取CT影像；
S2：对CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征器官中管道组织的第二图像掩膜数据；
S3：定义待分段的第一图像掩膜数据为分析对象，并生成对应的标记图像；
S4：对分析对象对应的第二图像掩膜数据进行体绘制渲染，以得到渲染图像；
S5：在渲染图像中对管道组织分支进行分段标记，根据分段标记结果更新标记图像；
S6：对标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像；
S7：获取分段图像中每个分段对应的掩模图像并进行三维建模。
在本实施例中，单层图片由一个二维矩阵表示，其基本的图片元素是“像素”。当多个单层图片按顺序叠加在一起时，就会形成多层图像，多层图像为三维立方体的数据，其基本图元称为“体素”。现有CT影像大多数为多层图像。CT影像可以是序列CT图像，序列CT图像可以是从CT检查设备或PACS（picture archiving and communication system）系统中读取到的符合DICOM3.0标准的序列CT图像。如果从CT检查设备或PACS系统读取到的数据包中包含多个分期，就需要对数据包中的数据进行分期操作，再选出合适的分期数据进行处理。序列CT图像的分期主要通过图像的study ID和series ID确定。例如分期操作首先读取每张图像的study ID和series ID，将study ID和series ID相同的图像分为同一个分期，同一分期的图像还可以分别存储在不同的目录下，当获得合适的分期数据后，还可以对分期数据进行三视图渲染，参见图2a-2c。
在本实施例中，该方法对CT影像进行图像分割后，得到图像掩膜数据（例如第一图像掩膜数据、第二图像掩膜数据）。典型的图像掩膜数据（Mask）为Binary Mask，图像掩膜数据分别用0和1代表图像中的一个体素是否有值。Mask数据可以利用体绘制渲染的技术实现三维模式的显示，渲染图像能够进行三维模式的显示。经过体绘制渲染的Mask数据不会丢失和原始图像一致的存储结构，在处理过程中还可以利用CT影像中的一些基本图像的属性信息，参见图3，图3左侧为表面模型数据，右侧为图像掩膜数据。MASK图像和原始CT影像的体素位置能够一一对应，可以很好的表示器官分割结果，当MASK图像中某个体素属于肺组织设置其体素值为1，当MASK图像中某个体素不属于肺组织设置其体素值为0。该方法以分割数据作为分析对象，无须提前建模，提高分段效率和精度，避免了现有方法中存在的三维模型与分割图像进行反复变换带来的计算量和精度损失。
在本实施例中，分析对象为待分段的第一图像掩膜数据。该方法还根据分析对象生成对应的标记图像，标记图像中所有体素值为初始值，例如标记图像中所有体素值可以初始化为0。
在本实施例中，该方法当选定分析对象后，可以对第二图像掩膜数据中不同的管道组织分支进行分段标记，例如管道组织分支可以是分析对象管道上供血区域的分支。该方法在对第二图像掩膜数据进行管道组织分支的分段标记时，持续标记管道组织分支，直至当前分段数目满足分段需求时停止分段。分段需求包括分段数目达到器官需要分的段数，例如肝需要分成8段，且每个分段为其管道组织分支供应的区域。
在本实施例中，不同器官的分段理论的共性特征为：所有的分段都是依据管道组织分支所支配或者供养的区域，所以该方法对标记图像在分析对象约束下进行流域分析，根据流域分析结果提取各个管道组织分支对应的掩模图像，进行三维建模。
该方法针对不同器官分段理论方法的共性，提出了从CT图像导入、脏器和管状组织分割、分割体绘制、模板化个性化分支选择、脏器流域分析分段、分段3D建模等步骤的一站式处理，该方法不仅可以应用于肝脏、肾脏、肺叶等器官的分段，还可以适用于基于其他管道结构分析基础上的分段或流域分析的应用，具有很高的适用性和通用性。
该方法采用标准模板化的方式固化现有器官的分段理论，根据不同器官分段理论区分不同脏器的分段，并对个体化解剖变异分支的分段进行自适应修改。通过3D可视化体绘制的方式实现方便的交互和操作，在分段标记的基础上采用距离图像的方法计算管道组织分支对应的分段区域，最后重建分段的三维模型，能够兼容个性化和3D可视化的分段需求，适应性强。
进一步地，在一些实施例中，参见图4，对CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征器官中管道组织的第二图像掩膜数据具体包括：
S11：对CT影像进行图像分割，以得到表征器官的第一图像掩膜数据；
S12：对CT影像进行图像分割，以得到表征器官中管道组织的第二图像掩膜数据。
在本实施例中，图像分割可以是利用阈值或者连通区域增长进行分割。该方法对CT影像进行图像分割，得到实质器官的基本分割，还可以对分割后图像进行平滑、裁切得到准确的器官分割结果，即第一图像掩膜数据，记为OrganM。然后根据器官分段依据的管道组织分支对CT影像进行分割，例如肺分段依据的管道组织分支是气管，肝分段依据的管道组织分支是门静脉，肾分段依据的管道组织分支是动脉，并对分割后图像进行平滑、裁切得到准确的管道组织分支分割结果，即第二图像掩膜数据，记为TubeM。该方法还可以对分割图像OrganM和TubeM进行体绘制渲染，得到如图5a-5b所示的渲染图像。
进一步地，在一些实施例中，参见图6，生成对应的标记图像具体包括：
S21：分别获取分析对象的外包围轮廓和第二图像掩膜数据的外包围轮廓；
S22：定义两个外包围轮廓的最大长方体区域为目标区域；
S23：生成与目标区域大小相同的标记图像。
在本实施例中，外包围轮廓即图像掩膜数据最外围的轮廓，本实施例中的目标区域的坐标范围为[Xmin, Xmax, Ymin, Ymax, Zmin, Zmax]，其中Xmin和 Xmax为图像掩膜数据在X方向上的最小值和最大值，Ymin和 Ymax为图像掩膜数据在Y方向上的最小值和最大值，Zmin和 Zmax为图像掩膜数据在方向上的最小值和最大值。目标区域能够包围分析对象的外包围轮廓或第二图像掩膜数据的外包围轮廓。标记图像中所有体素值为初始值。
进一步地，在一些实施例中，参见图7，在渲染图像中对管道组织分支进行分段标记具体包括：
S31：接收第一选择指令，在渲染图像中选中不同的管道组织分支，并接收选中的管道组织分支的分段号；
S32：在标记图像中修改表征选中的管道组织分支的体素值为分段号。
在本实施例中，第一选择指令可以为鼠标的操作指令。管道组织分支的选择方法可以为：在渲染图像中选中一个种子点；对种子点进行区域增长，以得到管道组织分支。例如在渲染图像的一个分支上通过鼠标左键单击选中一个种子点，种子点可以为渲染图像上的一个体素，利用鼠标滚轮对种子点进行区域增长，使得当前管道组织分支区域被选中。
在本实施例中，区域增长方法可以包括以下步骤：
1）获取当前鼠标点击位置上的体素点坐标p，并建立空的队列Q，将坐标p压入队列Q中，设定距离阈值d；
2）判断队列Q是否为空，如果是，则执行结束；否则从队列Q中取出一个种子点s，其中种子点s为队列Q中的坐标；
3）获取当前种子点s的26-邻域N26（s），26-邻域N26（s）包括当前体素的周围26个位置的体素。如果26-邻域N26（s）中邻域点x满足TubeM(x)=1且|x-s|<d时，将邻域点x加入队列Q，并修改邻域点x的体素值。其中TubeM(x)=1说明在第二图像掩膜数据中，体素x有值；|x-s|<d说明邻域点x和种子点s的距离小于距离阈值d。
4）循环执行步骤2-3，直至队列Q为空；重新渲染第二图像掩膜数据；
5）判断当前选定的管道组织分支是否满足要求，如果不满足则调节距离阈值d；例如调节距离阈值d=d+1，即增加选择区域；调节距离阈值d=d-1，即减少选择区域；每次更新距离阈值d后，重新执行步骤1-4。
该方法只需要在渲染图像上选择一个点，就可以得到最优的管道组织分支区域，参见图8a-8b，8a为初始选择区域，8b为经过区域增长选中的整个管道组织分支。该方法对图像掩膜数据进行3D可视化体绘制渲染，并在3D可视化基础上进行三维方式的交互和选择，即在渲染图像上选择分支种子点，利用区域增长算法选择分支区域，并通过鼠标滚轮实时调整选择区域范围。
该方法在选中一管道组织分支后，可以直接选择管道组织分支的分段号。例如该方法根据分析对象预定义标准分段模板和分段数目；标准分段模板包括多个分段号；通常情况下，根据不同器官分段理论预先定义各个器官的标准分段模板，例如可以参考不同器官的分段解剖理论以XML语言定义的标准分段模板的名称和段号，这样在分段过程中，可以根据不同的分析对象选择不同的标准分段模板，适应各种器官的分段。
标准分段模板中包括多个分段号，每个分段号可以包括名称和段号，例如肝可以分为八段，定义肝的分段数目为8，分段号中名称为B，段号为1-8，所以肝I段的分段号为B1、肝II段的分段号为B2，以此类推。这样当直接选择管道组织分支的分段号时，可以在选中的管道组织分支点击鼠标右键，弹出分段号选择菜单，在分段号选择菜单中直接选择任一分段号作为选中的管道组织分支的分段号。
在本实施例中，当直接选择管道组织分支的分段号后，该方法还需要在标记图像中修改表征选中的管道组织分支的体素值，例如在标记图像中获取表征选中的管道组织分支的体素，将这些体素值修改为该管道组织分支的分段号。例如当在渲染图像中将肝I段分段为B1时，在标记图像中肝I段对应的所有体素值修改为B1。该方法当完成器官中一个管道组织分支的分段后，需要及时在标记图像中更新对应体素值。
进一步地，在一些实施例中，接收选中的管道组织分支对应的分段号具体包括：
接收第二选择指令，在标准分段模板中选中任一分段号，作为选中的管道组织分支对应的分段号。
在本实施例中，当直接选择管道组织分支的分段号时，可以在选中的管道组织分支点击鼠标右键，弹出分段号选择菜单，分段号选择菜单罗列了标准分段模板中所有的分段号，在分段号选择菜单中直接选择任一分段号作为选中的管道组织分支的分段号，在标记图像中更新对应体素值。
进一步地，在一些实施例中，在接收选中的管道组织分支的分段号之后，在标记图像中修改表征选中的管道组织分支的体素值为分段号之前，还包括：
接收段号新建指令，录入新的分段号，作为选中的管道组织分支对应的分段号；
分段数目累加1。
在本实施例中，如果器官解剖有变异，由于变异部分的分段号不在预设的标准分段模板中，所以该方法在标准分段模板的基础上还可以动态增加个性化分段标记，即新增分段号。例如当选中管道组织分支后，还可以在当前选中管道组织分支点击鼠标右键，弹出分段号选择菜单，选择“新建段”选项后，录入新的分段号，将该分段号作为选中管道组织分支的分段号，例如针对肝的一个管道组织分支新增分段号为B9，此时分段数目累加1，表示肝分为9段，并在标记图像中更新对应体素值。该方法不仅可以根据不同器官标准的分段理论对器官进行分段，并可以结合个体化解剖结构的变异情况进行分段，分段结果更加精确客观，对于手术预案制定具有重要的指导意义。
该方法采用标准模板化的方式固化现有器官的分段理论，根据不同器官分段理论区分不同脏器的分段，并对个体化解剖变异分支的分段进行自适应、个性化的修改。
进一步地，在一些实施例中，在接收选中的管道组织分支的分段号之后，在标记图像中修改表征选中的管道组织分支的体素值为分段号之前还包括：
当选中的管道组织分支与已标记了分段号的管道组织分支属于同一段时，将已标记的分段号作为选中的管道组织分支的分段号；
接收分支取消指令，取消选中的管道组织分支的分段号，在标记图像中修改表征选中的管道组织分支的体素值为初始值。
在本实施例中，如果在渲染图像中选中的管道组织分支和已标记分段号的管道组织分支属于同一个分段时，将选中的管道组织分支与已标记分段号的管道组织分支进行合并，例如在渲染图像中选中的管道组织分支位置处点击鼠标右键，弹出分段号选择菜单，在分段号选择菜单中与已标记分段号的管道组织分支的分段号，并在标记图像中更新对应体素值。
在本实施例中，如果已标记了分段号的管道组织分支不满足要求，可以取消该管道组织分支的分段号后进行重新分段标记，当取消管道组织分支的分段号后，在标记图像中更新对应体素值，例如在渲染图像中选中的管道组织分支位置处点击鼠标右键，弹出分段号选择菜单，在分段号选择菜单中选择“取消”选项后，取消选中的管道组织分支的分段号，在标记图像中更新对应体素值为初始值。例如图9为已分段的支气管的渲染图像。该方法还可以在渲染的时候对不同标记值进行不同颜色的渲染，能够直观地进行分段的选择和确认，实现标准分段和个性化分段处理。
该方法还实现了器官的动态化分段，对选择的管道组织分支动态创建新的分段号，适应个性化分段的需求，并支持多个分支的合并操作，增加分段的自由度和适应性，并可以取消管道组织分支的分段号，由此生成符合个体化解剖特点的标记图像，准确划分个性化的不同器官的分段，降低操作难度，操作具有较高的弹性，该方法可以根据不同的场景进行不同细分等级的分段。
进一步地，在一些实施例中，对标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像具体包括：
计算标记图像的距离图像，根据距离图像对标记图像的图像空间进行Voronoi划分后，与对应的分析对象进行求交运算，得到分析对象对应的分段图像。
在本实施例中，该方法计算标记图像的距离图像的方法可以为：首先将标记图像中所有体素的距离值标记为0，然后计算每个未标记体素与所有已标记体素的最小欧式距离，作为未标记体素的距离值，该距离值可以为Danielsson距离，距离已标记体素越近的体素，其距离值越小；距离已标记体素越远的体素，其距离值越大。
在本实施例中，该方法当计算完距离图像后，根据距离图像对标记图像的图像空间进行Voronoi划分后，与第一图像掩模数据进行求交运算得到分析对象的分段图像。
进一步地，在一些实施例中，获取分段图像中每个分段对应的掩模图像并进行三维建模具体包括：
根据每个分段号从分段图像中提取对应的掩模图像，并进行三维重建，以得到三维模型。
在本实施例中，该方法根据分段图像获取每个分段对应的掩模图像并进行三维建模获取相应的分段三维模型。例如三维建模方法包括遍历标记图像中的所有体素值，采用阈值联通算法获取每个体素值对应的分段的二值MASK数据，将这个二值MASK数据作为输入，调用MarchingCube算法进行三维重建，得到这个标记值对应分段的3D模型，参见图10，图10中包括了各个分段号对应的分段三维模型，并使用将该标记值作为这个分段模型数据的名称。判断当前分段是否满足要求。如果否，需要进一步进行亚段划分，则只需要选择需要进一步细分的段分割图像MASK作为分析对象即可。该方法利用距离图像并在第一图像掩模数据约束下实现标记图像的Voronoi划分，实现对于不同管道组织分支的模拟流域分析。
为了进一步地说明该器官分段方法的效果，以下分别以肝脏和肾脏为例进行说明：
1、肝脏的分段。
图11a-11c为腹部CT图像多方向切片显示，图12a为肝脏的渲染图，图12b为肝脏中门静脉分割的渲染图，图13为肝脏中门静脉分割分割成8段后的示意图，图14a-14b为标记图像进行流域分析后提取每个管道组织分支的分割图像并进行三维建模和渲染的示意图。
2、肾脏的分段。
图15a-15c为肾脏CT图像多方向切片显示，图16a为左肾的渲染图，图16b为左肾中肾动脉分割的渲染图，图17为左肾中肾动脉分割分割成5段后的示意图，图18为标记图像进行流域分析后提取每个管道组织分支的分割图像并进行三维建模和渲染的示意图。
一种基于流域分析的器官分段系统，参见图19，包括：
采集单元1：用于获取CT影像；
分割单元2：用于对CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征器官中管道组织的第二图像掩膜数据；
分段单元3：用于定义待分段的第一图像掩膜数据为分析对象，并生成分段对应的标记图像；对分析对象对应的第二图像掩膜数据进行体绘制渲染，以得到渲染图像；在渲染图像中对管道组织分支进行分段标记，根据分段标记结果更新标记图像；
流域分析单元4：用于对标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像；
建模单元5：用于获取分段图像中每个分段对应的掩模图像并进行三维建模。
进一步地，在一些实施例中，分段单元3具体用于：
分别获取分析对象的外包围轮廓和第二图像掩膜数据的外包围轮廓；
定义两个外包围轮廓的最大长方体区域为目标区域；
生成与目标区域大小相同的标记图像；标记图像中所有体素值为初始值。
进一步地，在一些实施例中，分段单元3具体用于：
接收第一选择指令，在渲染图像中选中不同的管道组织分支，并接收选中的管道组织分支的分段号；
在标记图像中修改表征选中的管道组织分支的体素值为分段号。
进一步地，在一些实施例中，分段单元3具体用于：
根据分析对象定义标准分段模板和分段数目；标准分段模板包括多个分段号；
接收第一选择指令，在渲染图像中选中一个种子点；
对种子点进行区域增长，以得到管道组织分支。
进一步地，在一些实施例中，分段单元3具体用于：
接收第二选择指令，在标准分段模板中选中任一分段号，作为选中的管道组织分支对应的分段号。
进一步地，在一些实施例中，分段单元3还用于：
接收段号新建指令，录入新的分段号，作为选中的管道组织分支对应的分段号；
分段数目累加1。
进一步地，在一些实施例中，分段单元3还用于：
当选中的管道组织分支与已标记了分段号的管道组织分支属于同一段时，将已标记的分段号作为选中的管道组织分支的分段号；
接收分支取消指令，取消选中的管道组织分支的分段号，在标记图像中修改表征选中的管道组织分支的体素值为初始值。
进一步地，流域分析单元4具体用于：
计算标记图像的距离图像，根据距离图像对标记图像的图像空间进行Voronoi划分后，与对应的分析对象进行求交运算，得到分析对象对应的分段图像。
进一步地，建模单元5具体用于：
根据每个分段号从分段图像中提取对应的掩模图像，并进行三维重建，以得到三维模型。
本发明实施例所提供的系统，为简要描述，实施例部分未提及之处，可参考前述实施例中相应内容。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基于流域分析的器官分段方法，其特征在于，包括：
获取CT影像；
对所述CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征所述器官中管道组织的第二图像掩膜数据；
定义待分段的第一图像掩膜数据为分析对象，并生成对应的标记图像；
对所述分析对象对应的第二图像掩膜数据进行体绘制渲染，以得到渲染图像；
在所述渲染图像中对管道组织分支进行分段标记，根据分段标记结果更新所述标记图像；
对所述标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像；
获取所述分段图像中每个分段对应的掩模图像并进行三维建模。
2.根据权利要求1所述基于流域分析的器官分段方法，其特征在于，所述生成对应的标记图像具体包括：
分别获取所述分析对象的外包围轮廓和所述第二图像掩膜数据的外包围轮廓；
定义两个外包围轮廓的最大长方体区域为目标区域；
生成与所述目标区域大小相同的所述标记图像；所述标记图像中所有体素值为初始值。
3.根据权利要求2所述基于流域分析的器官分段方法，其特征在于，所述在所述渲染图像中对管道组织分支进行分段标记具体包括：
接收第一选择指令，在所述渲染图像中选中不同的管道组织分支，并接收选中的管道组织分支的分段号；
在所述标记图像中修改表征选中的所述管道组织分支的体素值为所述分段号。
4.根据权利要求3所述基于流域分析的器官分段方法，其特征在于，接收第一选择指令，在所述渲染图像中选中不同的管道组织分支具体包括：
根据所述分析对象定义标准分段模板和分段数目；所述标准分段模板包括多个分段号；
接收所述第一选择指令，在所述渲染图像中选中一个种子点；
对所述种子点进行区域增长，以得到所述管道组织分支。
5.根据权利要求4所述基于流域分析的器官分段方法，其特征在于，接收所述选中的管道组织分支的分段号具体包括：
接收第二选择指令，在所述标准分段模板中选中任一分段号，作为所述选中的管道组织分支对应的分段号。
6.根据权利要求5所述基于流域分析的器官分段方法，其特征在于，在所述接收所述选中的管道组织分支的分段号之后，所述在所述标记图像中修改表征选中的所述管道组织分支的体素值为所述分段号之前还包括：
接收段号新建指令，录入新的分段号，作为所述选中的管道组织分支对应的分段号；
所述分段数目累加1。
7.根据权利要求6所述基于流域分析的器官分段方法，其特征在于，在所述接收所述选中的管道组织分支的分段号之后，所述在所述标记图像中修改表征选中的所述管道组织分支的体素值为所述分段号之前还包括：
当所述选中的管道组织分支与已标记了分段号的管道组织分支属于同一段时，将所述已标记的分段号作为所述选中的管道组织分支的分段号；
接收分支取消指令，取消所述选中的管道组织分支的分段号，在所述标记图像中修改表征选中的所述管道组织分支的体素值为初始值。
8.根据权利要求1所述基于流域分析的器官分段方法，其特征在于，所述对所述标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像具体包括：
计算所述标记图像的距离图像，根据距离图像对标记图像的图像空间进行Voronoi划分后，与对应的所述分析对象进行求交运算，得到分析对象对应的分段图像。
9.根据权利要求8所述基于流域分析的器官分段方法，其特征在于，所述获取所述分段图像中每个分段对应的掩模图像并进行三维建模具体包括：
根据每个分段号从所述分段图像中提取对应的掩模图像，并进行三维重建，以得到三维模型。
10.一种基于流域分析的器官分段系统，其特征在于，包括：
采集单元：用于获取CT影像；
分割单元：用于对所述CT影像进行图像分割，以得到表征器官的第一图像掩膜数据和表征所述器官中管道组织的第二图像掩膜数据；
分段单元：用于定义待分段的第一图像掩膜数据为分析对象，并生成对应的标记图像；对所述分析对象对应的第二图像掩膜数据进行体绘制渲染，以得到渲染图像；在所述渲染图像中对管道组织分支进行分段标记，根据分段标记结果更新所述标记图像；
流域分析单元：用于对所述标记图像在分析对象约束下进行Voronoi划分，以得到分析对象的分段图像；
建模单元：用于获取所述分段图像中每个分段对应的掩模图像并进行三维建模。
CN202210500298.7A 2022-05-10 2022-05-10 基于流域分析的器官分段方法及系统 Active CN114648525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210500298.7A CN114648525B (zh) 2022-05-10 2022-05-10 基于流域分析的器官分段方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210500298.7A CN114648525B (zh) 2022-05-10 2022-05-10 基于流域分析的器官分段方法及系统

Publications (2)

Publication Number Publication Date
CN114648525A true CN114648525A (zh) 2022-06-21
CN114648525B CN114648525B (zh) 2022-08-23

Family

ID=81996499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210500298.7A Active CN114648525B (zh) 2022-05-10 2022-05-10 基于流域分析的器官分段方法及系统

Country Status (1)

Country Link
CN (1) CN114648525B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116721175A (zh) * 2023-08-09 2023-09-08 安翰科技(武汉)股份有限公司 一种图像显示方法、图像显示装置以及胶囊内窥镜系统
CN117197164A (zh) * 2023-11-08 2023-12-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050196024A1 (en) * 2004-03-03 2005-09-08 Jan-Martin Kuhnigk Method of lung lobe segmentation and computer system
US20060228009A1 (en) * 2005-04-12 2006-10-12 General Electric Company Method and system for automatically segmenting organs from three dimensional computed tomography images
CN101425186A (zh) * 2008-11-17 2009-05-06 华中科技大学 一种基于ct图像的肝脏分段方法及其系统
CN103810752A (zh) * 2014-02-18 2014-05-21 海信集团有限公司 基于医学图像的肝脏分段方法及其肝脏分段系统
US20160117814A1 (en) * 2013-04-10 2016-04-28 The Asan Foundation Method for distinguishing pulmonary artery and pulmonary vein, and method for quantifying blood vessels using same
US20190066301A1 (en) * 2017-08-30 2019-02-28 Siemens Healthcare Gmbh Method for segmentation of an organ structure of an examination object in medical image data
CN113129317A (zh) * 2021-04-23 2021-07-16 广东省人民医院 一种基于流域分析技术的肺叶自动分段方法
CN114140369A (zh) * 2020-08-13 2022-03-04 武汉联影智融医疗科技有限公司 器官的分割方法、装置、计算机设备和存储介质
CN114419077A (zh) * 2022-03-31 2022-04-29 深圳市一图智能科技有限公司 一种基于ct图像的肺支气管自动分割方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050196024A1 (en) * 2004-03-03 2005-09-08 Jan-Martin Kuhnigk Method of lung lobe segmentation and computer system
US20060228009A1 (en) * 2005-04-12 2006-10-12 General Electric Company Method and system for automatically segmenting organs from three dimensional computed tomography images
CN101425186A (zh) * 2008-11-17 2009-05-06 华中科技大学 一种基于ct图像的肝脏分段方法及其系统
US20160117814A1 (en) * 2013-04-10 2016-04-28 The Asan Foundation Method for distinguishing pulmonary artery and pulmonary vein, and method for quantifying blood vessels using same
CN103810752A (zh) * 2014-02-18 2014-05-21 海信集团有限公司 基于医学图像的肝脏分段方法及其肝脏分段系统
US20190066301A1 (en) * 2017-08-30 2019-02-28 Siemens Healthcare Gmbh Method for segmentation of an organ structure of an examination object in medical image data
CN114140369A (zh) * 2020-08-13 2022-03-04 武汉联影智融医疗科技有限公司 器官的分割方法、装置、计算机设备和存储介质
CN113129317A (zh) * 2021-04-23 2021-07-16 广东省人民医院 一种基于流域分析技术的肺叶自动分段方法
CN114419077A (zh) * 2022-03-31 2022-04-29 深圳市一图智能科技有限公司 一种基于ct图像的肺支气管自动分割方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
万少朋: ""基于CT图像的肝脏分段方法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
彭丰平等: "CT序列图像中肝脏及其管道的分割", 《计算机工程与应用》 *
文辉等: "基于层级血管树的肝脏分段方法", 《计算机应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116721175A (zh) * 2023-08-09 2023-09-08 安翰科技(武汉)股份有限公司 一种图像显示方法、图像显示装置以及胶囊内窥镜系统
CN116721175B (zh) * 2023-08-09 2023-10-10 安翰科技(武汉)股份有限公司 一种图像显示方法、图像显示装置以及胶囊内窥镜系统
CN117197164A (zh) * 2023-11-08 2023-12-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统
CN117197164B (zh) * 2023-11-08 2024-03-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统

Also Published As

Publication number Publication date
CN114648525B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN114648525B (zh) 基于流域分析的器官分段方法及系统
Hahn et al. Visualization and interaction techniques for the exploration of vascular structures
US7565000B2 (en) Method and apparatus for semi-automatic segmentation technique for low-contrast tubular shaped objects
US8538105B2 (en) Medical image processing apparatus, method, and program
Ritter et al. Medical image analysis
CN104050347B (zh) 路径规划系统和方法
JP6080249B2 (ja) ３次元画像表示装置および方法並びにプログラム
CN106204733B (zh) 肝脏和肾脏ct图像联合三维构建系统
JP6080248B2 (ja) ３次元画像表示装置および方法並びにプログラム
US20060181551A1 (en) Method, computer program product, and apparatus for designating region of interest
US11132801B2 (en) Segmentation of three-dimensional images containing anatomic structures
EP2856428B1 (en) Segmentation highlighter
CN102422307A (zh) 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品
Bornik et al. Integrated computer-aided forensic case analysis, presentation, and documentation based on multimodal 3D data
US20110082667A1 (en) System and method for view-dependent anatomic surface visualization
CN111583385B (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
WO2020168698A1 (zh) 基于VRDS 4D医学影像的静脉的Ai内镜分析方法及产品
WO2021030995A1 (zh) 基于vrds ai下腔静脉影像的分析方法及产品
CN109754472B (zh) 一种组织轮廓编辑方法、装置、计算机设备及存储介质
Mistelbauer et al. Centerline reformations of complex vascular structures
CN114723893A (zh) 一种基于医疗影像的器官组织空间关系渲染方法及系统
EP3498172A1 (en) Resection process estimation device and resection process navigation system
CN111798468B (zh) 图像处理方法及装置、存储介质及电子终端
CN113888566A (zh) 目标轮廓曲线确定方法、装置、电子设备以及存储介质
EP3828836A1 (en) Method and data processing system for providing a two-dimensional unfolded image of at least one tubular structure

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