CN115049807A - 肺部血管模型的建立方法、装置及服务器 - Google Patents
肺部血管模型的建立方法、装置及服务器 Download PDFInfo
- Publication number
- CN115049807A CN115049807A CN202210746710.3A CN202210746710A CN115049807A CN 115049807 A CN115049807 A CN 115049807A CN 202210746710 A CN202210746710 A CN 202210746710A CN 115049807 A CN115049807 A CN 115049807A
- Authority
- CN
- China
- Prior art keywords
- point
- contour
- determining
- contour point
- blood vessel
- 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
Links
Images
Classifications
-
- 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
- G06T19/003—Navigation within 3D models or images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供了一种肺部血管模型的建立方法,涉及医疗技术领域,包括:获取目标对象的肺部扫描数据;根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条件;根据每个轮廓点子集合建立肺部血管模型。本发明可以显著提升肺部血管模型建立的精确度,并降低与周围组织发生的粘连现象,从而减少肺部血管模型的模拟难度。
Description
技术领域
本发明涉及医疗技术领域,尤其是涉及一种肺部血管模型的建立方法、装置及服务器。
背景技术
针对肺部手术的导航设备中,确定肺部病灶组织周围相关联的血管是比较重要的目标,建立肺部血管模型可以指导术中封闭给病灶区域供血的血管。目前,相关技术提出可以通过基于阈值的分割方法、基于区域的分割方法和基于形态学的分割方法等建立肺部血管模型,通过上述方案建立的肺部血管模型清晰度较低,且由于血管的形态结构复杂,从而导致算法难度较高,血管与周围组织发生粘连现象的概率提升,进而降低肺部血管模型建立的精确度。
发明内容
有鉴于此,本发明的目的在于提供一种肺部血管模型的建立方法、装置及服务器,可以显著提升肺部血管模型建立的精确度,并降低与周围组织发生的粘连现象,从而减少肺部血管模型的模拟难度。
第一方面,本发明实施例提供了一种肺部血管模型的建立方法,包括:获取目标对象的肺部扫描数据;根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条件;根据每个轮廓点子集合建立肺部血管模型。
在一种实施方式中,根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条件的步骤,包括:对于首个轮廓点子集合,从肺部扫描数据包含的像素点中确定第一级起始像素点,并提取第一级起始像素点的第一特征值,基于第一级起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定首个轮廓点子集合;对于除首个轮廓点子集合之外的轮廓点子集合,基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点,并提取该起始像素点的第一特征值,基于该起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定该起始像素点对应的轮廓点子集合。
在一种实施方式中,其中,第一特征值用于表征第一级起始像素点的法线方向,基于第一级起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定首个轮廓点子集合的步骤,包括:根据法线方向和预设血管约束条件,确定至少一个轮廓点搜寻方向;其中,预设血管约束条件包括支气管伴行条件;对于每个轮廓点搜寻方向,基于该轮廓点搜寻方向从肺部扫描数据的像素点中确定候选轮廓像素点,计算候选轮廓像素点与第一级起始像素点之间的第一距离值,如果第一距离值大于或等于预设边界阈值,确定候选轮廓像素点属于第一级起始像素点对应的轮廓点子集合。
在一种实施方式中,根据法线方向和预设血管约束条件,确定至少一个轮廓点搜寻方向的步骤,包括:从肺部扫描数据的像素点中确定支气管像素点,并根据支气管像素点和预设血管约束条件对法线方向进行调整,确定至少一个轮廓点搜寻方向。
在一种实施方式中,基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点的步骤,包括:提取前一级起始像素点对应的轮廓点子集合中每个轮廓点的第二特征值;其中,第二特征值用于表征轮廓点的切线方向;对于每个轮廓点,基于该轮廓点的切线方向从肺部扫描数据的像素点中确定候选起始像素点;计算候选起始像素点与该轮廓点之间的距离值;如果距离值等于预设距离阈值,确定该候选起始像素点为该级起始像素点。
在一种实施方式中,基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点的步骤,还包括:确定前一级起始像素点对应的轮廓点子集合的轮廓半径;如果轮廓半径满足预设血管分叉条件,从前一级起始像素点对应的轮廓点子集合中确定该起始像素点。
在一种实施方式中,轮廓点子集合满足预设边界收敛条件的步骤,包括:当该级起始像素点对应的轮廓点子集合的轮廓半径达到最小半径阈值时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件;和/或,根据肺部扫描数据确定肺裂隙点集合,当该级起始像素点对应的轮廓点集合到达肺裂隙处的点集合时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件。
第二方面,本发明实施例还提供一种肺部血管模型的建立装置,包括:信息获取模块,获取目标对象的肺部扫描数据;数据计算模块,根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条件;模型建立模块,根据每个轮廓点子集合建立肺部血管模型。
第三方面,本发明实施例还提供一种服务器,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现第一方面提供的任一项的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现第一方面提供的任一项的方法。
本发明实施例带来了以下有益效果:
本发明实施例提供的一种肺部血管模型的建立方法、装置及服务器,
其中该方法用于获取目标对象的肺部扫描数据,并根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条件,根据每个轮廓点子集合建立肺部血管模型。该方法可以在建立肺部血管模型时,根据预设血管约束条件有效区分血管与血管周围组织,可以显著提升肺部血管模型建立的精确度,并降低与周围组织发生的粘连现象,从而减少肺部血管模型的模拟难度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
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,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种肺部血管模型的建立方法的流程示意图;
图2为本发明实施例提供的一种血管切线、法线方向的示意图;
图3为本发明实施例提供的一种血管支气管伴行的结构示意图;
图4为本发明实施例提供的一种肺裂隙的结构示意图;
图5为本发明实施例提供的另一种肺部血管模型的建立方法的流程示意图;
图6为本发明实施例提供的一种肺部血管模型的建立装置的结构示意图;
图7为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,针对肺部手术的导航设备中,确定肺部病灶组织周围相关联的血管是比较重要的目标,建立肺部血管模型可以指导术中封闭给病灶区域供血的血管,而肺部血管是人体最为重要且拓扑结构最为复杂的组织器官之一,手动分割影像中的组织器官对医生精力、体力消耗极大,影像中模糊的血管边界、低的组织对比度和部分容积效应等影响,使得血管组织难以准确分割;现有肺血管分割方法主要包括基于阈值的分割方法、基于区域的分割方法和基于形态学的分割方法等,基于阈值的血管分割方法实现相对简单,主要采用局部分割阈值或局部灰度结构分析的分割策略,分割结果易出现轮廓模糊和误分割现象;基于区域生长的血管分割方法应用最为广泛,主要基于影像中血管组织的灰度信息进行判断,容易出现过度分割和空洞现象;基于形态学的血管分割方法,主要利用算子对血管组织进行探测,例如SMDC连接成本算子、Canny算子等,这类方法能较好地消除影像中噪声的干扰,保留血管分支的细节,但由于血管形态结构复杂,算子参数很难固定,分割结果中常有粘连现象发生;此外,还有基于机器学习、空间滤波的血管分割方法等,分割效果较好,但算法复杂度较高。
基于此,本发明实施提供的肺部血管模型的建立方法,在算法的约束条件中,加入了支气管的伴行条件,既可以实时调整血管的寻找路径,又可以避免把支气管的像素点计算在内,排除了支气管对肺血管分割的干扰,在计算的过程中,充分考虑了血管区别于其它组织的解剖生理特性,从而有针对性的分割肺血管,可以显著提升肺部血管模型建立的精确度,并降低与周围组织发生的粘连现象,从而减少肺部血管模型的模拟难度。
参见图1所示的一种肺部血管模型的建立方法的流程示意图,该方法主要包括以下步骤S102至步骤S106:
步骤S102,获取目标对象的肺部扫描数据。其中,肺部扫描数据为CT设备扫描的医学数字成像和通信(Digital Imaging and Communications in Medicine,DICOM)图像数据。
在一种实施方式中,肺部扫描数据为三维数据,不同组织的肺部扫描数据具有不同的CT值,示例性的,可以根据CT值的不同区分血管及淋巴等周边组织,淋巴CT值与血管相比较低,因此淋巴CT图像亮度低于血管CT图像。
步骤S104,根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条件。其中,轮廓点集合可以理解为具有相同轮廓半径的一段血管中像素点的集合,选取肺部扫描数据中的内层数据,即靠近心脏的主动脉血管处的像素点为起始像素点,血管约束条件可以为支气管伴行条件,即,支气管与血管为并行关系,根据支气管延伸方向搜寻轮廓点集合,边界收敛条件可以为针对像素点的收敛条件和针对轮廓点集合的收敛条件,当像素点到达肺裂隙处时触发边界收敛条件,和/或当轮廓点集合的轮廓半径达到最小半径阈值时触发边界收敛条件,轮廓点子集合为轮廓点的点集,同一组轮廓点子集合竖直切面处的轮廓半径相同。
在一种实施方式中,肺气道与肺动脉是伴行的,且肺裂缝附近不存在大的血管,因此,当计算的边界收敛条件是轮廓点集合到达肺裂隙处的点集合时(诸如,肺动脉的分支血管达到肺实质的边界,肺静脉达到肺实质和对应肺叶的肺裂隙)时停止计算,或轮廓半径r到达最小半径阈值r(min),此时达到边界收敛条件。
步骤S106,根据每个轮廓点子集合建立肺部血管模型。其中,肺部血管模型为错综复杂的树形结构,大概包含23级分支,管径在20um~15mm范围内变化。
在一种实施方式中,肺部血管模型中的血管具有细长、管状、树状分布的几何特征,因此,选取肺部扫描数据中内层图像的像素点作为血管起始点,由内向外建立肺部血管模型,示例性的,建立肺部血管模型的起始像素点为距离心脏最近的点,肺部血管模型中存在多跟主动脉,因此起始像素点可以为多组像素点。
本发明实施例提供的上述肺部血管模型的建立方法,可以在建立肺部血管模型时,根据预设血管约束条件有效区分血管与血管周围组织,可以显著提升肺部血管模型建立的精确度,并降低与周围组织发生的粘连现象,从而减少肺部血管模型的模拟难度。
本发明实施例还提供了一种确定轮廓点子集合的实施方式,具体的参见如下(1)至(2):
(1)对于首个轮廓点子集合,从肺部扫描数据包含的像素点中确定第一级起始像素点,并提取第一级起始像素点的第一特征值,基于第一级起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定首个轮廓点子集合。其中,特征值为包括第一特征值、第二特征值及像素点的坐标值,第一特征值用于表征轮廓点的法线方向,第二特征值用于表征轮廓点的切线方向,第一级起始像素点为距离心脏最近的点,肺部血管模型中存在多跟主动脉,因此第一级起始像素点可以为多组像素点,血管约束条件可以为支气管伴行条件,即,支气管与血管为并行关系。
在一种实施方式中,可以根据第一特征值和预设血管约束条件调整血管方向,由于支气管与血管是伴行的,因此在寻找轮廓点集合中像素点的过程中,利用约束条件是判断支气管的像素点B(x,y,z)是否在轮廓点P(x,y,z)的八领域范围内,实时调整寻找路径的法线e1方向,靠近并行的支气管方向寻找。
(2)对于除首个轮廓点子集合之外的轮廓点子集合,基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点,并提取该起始像素点的第一特征值,基于该起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定该起始像素点对应的轮廓点子集合。其中,根据前一级起始像素点对应的轮廓点子集合确定的下一级起始像素点可以为同一轮廓点子集合截面处的任意一点。
在一种实施方式中,当一根血管发生分叉为两根血管时,由主血管的轮廓点集合确定的分叉后两个子血管的下一级起始像素点,可以为子血管与主血管轮廓点集合连接处的圆环形截面中的任一像素点。
本发明实施例还提供了一种确定除首个轮廓点子集合之外的轮廓点子集合的起始像素点的实施方式,具体的参见如下(a)至(b):
(a):提取前一级起始像素点对应的轮廓点子集合中每个轮廓点的第二特征值,对于每个轮廓点,基于该轮廓点的切线方向从肺部扫描数据的像素点中确定候选起始像素点,计算候选起始像素点与该轮廓点之间的距离值,如果距离值等于预设距离阈值,确定该候选起始像素点为该级起始像素点,其中,第二特征值用于表征轮廓点的切线方向。其中,距离阈值为当前轮廓点集合对下一轮廓点集合的搜寻距离,设定距离阈值为初始距离d,从当前轮廓点集合中任一轮廓点处,延切向方向延伸d搜寻符合血管CT值的像素点,并将该像素点作为下一轮廓点集合的初始轮廓点,可以将轮廓点集合看做一个整体,沿着当前圆形轮廓的e1方向延伸以初始距离d寻找下一级轮廓点集,并以此进行迭代计算。
(b):确定前一级起始像素点对应的轮廓点子集合的轮廓半径,如果轮廓半径满足预设血管分叉条件,从前一级起始像素点对应的轮廓点子集合中确定该起始像素点。其中,血管的轮廓点集合具有细长、管状结构,轮廓半径为管状的轮廓点集合的竖直切面的半径,由于血管与其它组织的区别就是血管的区间直径不会发生太大变化,且边缘对称出现,因此,相邻轮廓点的轮廓半径按照一定范围内逐渐减小,由此排除围绕在血管周围的淋巴组织,以及其他组织结构。
在一种实施方式中,当轮廓半径突然变大时表明血管开始分叉,此时产生多个起始像素点。
本发明实施例还提供了一种根据特征值及伴行条件确定轮廓点子集合搜寻方向的实施方式,具体的参见如下(1)至(3):
(1)根据法线方向和预设血管约束条件,确定至少一个轮廓点搜寻方向;其中,第一特征值用于表征第一级起始像素点的法线方向,预设血管约束条件包括支气管伴行条件。其中,如图2所示为第一级起始像素点的法线方向,通过像素点的法线方向对确定轮廓点集合的初步搜寻方向,结合支气管伴行条件对初步搜寻方向进行进一步的限定,轮廓点集合最终的搜寻方向。
在一种实施方式中,选取特定层图像的像素点作为血管起始点,假设其值为V(x,y,z),计算出该点的Hessian矩阵以及它的特征值e1和e2,其中e1表示血管的切向方向,e2表示血管的法线方向。
在一种实施方式中,根据|e1|>|e2|确定血管的弯曲方向。
(2)从肺部扫描数据的像素点中确定支气管像素点,并根据支气管像素点和预设血管约束条件对法线方向进行调整,确定至少一个轮廓点搜寻方向。其中,如图3所示,支气管与血管是伴行的,搜寻轮廓点集合中的轮廓点时,根据支气管的CT值,延靠近支气管方向调整搜寻方向。
(3)对于每个轮廓点搜寻方向,基于该轮廓点搜寻方向从肺部扫描数据的像素点中确定候选轮廓像素点,计算候选轮廓像素点与第一级起始像素点之间的第一距离值,如果第一距离值大于或等于预设边界阈值,确定候选轮廓像素点属于第一级起始像素点对应的轮廓点子集合。其中,边界阈值为预先设定的CT值阈值,可以根据边界阈值规定不同组织的CT值范围,从而区分血管与相邻的组织。
在一种实施方式中,延e2方向寻找起始点周围以r为扩散半径扩张的轮廓点集合P(r),P(r)-P(r-1)>=V(r),从而得到的P(r)即为此点的轮廓集合点,其中,V(r)即为设定的边界阈值。
在一种实施方式中,当该级起始像素点对应的轮廓点子集合的轮廓半径达到最小半径阈值时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件;和/或,根据肺部扫描数据确定肺裂隙点集合,当该级起始像素点对应的轮廓点集合到达肺裂隙处的点集合时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件。其中,轮廓点集合可以理解为具有相同轮廓半径的一段血管中像素点的集合,
在一种实施方式中,肺裂隙点集合如图5所示,肺气道与肺动脉是伴行的,且肺裂缝附近不存在大的血管,因此,当计算的边界收敛条件是轮廓点集合到达肺裂隙处的点集合时(诸如,肺动脉的分支血管达到肺实质的边界,肺静脉达到肺实质和对应肺叶的肺裂隙)时停止计算,或轮廓半径r到达最小半径阈值r(min),此时达到边界收敛条件。
为便于对上述实施例提供的肺部血管模型的建立方法进行理解,本发明实施例提供了一种肺部血管模型的建立方法的应用示例,参见图5所示的另一种肺部血管模型的建立方法的流程示意图,该方法主要包括以下步骤S502至步骤S510:
步骤S502:获取目标对象的肺部扫描数据,并确定第一级起始像素点。其中,肺部扫描数据为CT设备扫描的医学数字成像和通信(Digital Imaging and Communicationsin Medicine,DICOM)图像数据。
在一种实施方式中,肺部扫描数据为三维数据,不同组织的肺部扫描数据具有不同的CT值,示例性的,可以根据CT值的不同区分血管及淋巴等周边组织,淋巴CT值与血管相比较低,因此淋巴CT图像亮度低于血管CT图像。
步骤S504:根据第一级起始像素点,确定轮廓点子集合。其中,肺部血管模型中的血管具有细长、管状、树状分布的几何特征,因此,选取肺部扫描数据中内层图像的像素点作为血管起始点,由内向外建立肺部血管模型,示例性的,建立肺部血管模型的起始像素点为距离心脏最近的点,肺部血管模型中存在多跟主动脉,因此起始像素点可以为多组起始像素点。
步骤S506:根据轮廓点子集合的轮廓半径、轮廓点子集合中各点的特征值及预设距离阈值确定下一级轮廓点子集合。其中,轮廓点集合可以理解为具有相同轮廓半径的一段血管中像素点的集合,
步骤S508:轮廓点子集合满足预设边界收敛条件时停止计算。其中,肺气道与肺动脉是伴行的,且肺裂缝附近不存在大的血管,因此,当计算的边界收敛条件是轮廓点集合到达肺裂隙处的点集合时(诸如,肺动脉的分支血管达到肺实质的边界,肺静脉达到肺实质和对应肺叶的肺裂隙)时停止计算,或轮廓半径r到达最小半径阈值r(min),此时达到边界收敛条件。
步骤S510:根据每个轮廓点子集合建立肺部血管模型。其中,肺部血管模型为错综复杂的树形结构,大概包含23级分支,管径在20um~15mm范围内变化。
综上所述,本发明可以在建立肺部血管模型时,根据预设血管约束条件有效区分血管与血管周围组织,可以显著提升肺部血管模型建立的精确度,并降低与周围组织发生的粘连现象,从而减少肺部血管模型的模拟难度。
对于前述实施例提供的肺部血管模型的建立方法,本发明实施例提供了一种肺部血管模型的建立装置,参见图6所示的一种肺部血管模型的建立装置的结构示意图,该装置包括以下部分:
信息获取模块602,获取目标对象的肺部扫描数据;
数据计算模块604,根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条件;
模型建立模块606,根据每个轮廓点子集合建立肺部血管模型。
本申请实施例提供的上述数据处理装置可以在建立肺部血管模型时,根据预设血管约束条件有效区分血管与血管周围组织,可以显著提升肺部血管模型建立的精确度,并降低与周围组织发生的粘连现象,从而减少肺部血管模型的模拟难度。
一种实施方式中,在进行根据肺部扫描数据中起始像素点和预设血管约束条件,从肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至轮廓点子集合满足预设边界收敛条的步骤时,数据计算模块604还用于:对于首个轮廓点子集合,从肺部扫描数据包含的像素点中确定第一级起始像素点,并提取第一级起始像素点的第一特征值,基于第一级起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定首个轮廓点子集合;对于除首个轮廓点子集合之外的轮廓点子集合,基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点,并提取该起始像素点的第一特征值,基于该起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定该起始像素点对应的轮廓点子集合。
一种实施方式中,第一特征值用于表征第一级起始像素点的法线方向,在进行基于第一级起始像素点的第一特征值和预设血管约束条件,从肺部扫描数据的像素点中确定首个轮廓点子集合的步骤时,上述数据计算模块604还用于:根据法线方向和预设血管约束条件,确定至少一个轮廓点搜寻方向;其中,预设血管约束条件包括支气管伴行条件;对于每个轮廓点搜寻方向,基于该轮廓点搜寻方向从肺部扫描数据的像素点中确定候选轮廓像素点,计算候选轮廓像素点与第一级起始像素点之间的第一距离值,如果第一距离值大于或等于预设边界阈值,确定候选轮廓像素点属于第一级起始像素点对应的轮廓点子集合。
一种实施方式中,在进行根据法线方向和预设血管约束条件,确定至少一个轮廓点搜寻方向的步骤时,上述数据计算模块604还用于:从肺部扫描数据的像素点中确定支气管像素点,并根据支气管像素点和预设血管约束条件对法线方向进行调整,确定至少一个轮廓点搜寻方向。
一种实施方式中,在进行基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点的步骤时,上述数据计算模块604还用于:提取前一级起始像素点对应的轮廓点子集合中每个轮廓点的第二特征值;其中,第二特征值用于表征轮廓点的切线方向;对于每个轮廓点,基于该轮廓点的切线方向从肺部扫描数据的像素点中确定候选起始像素点;计算候选起始像素点与该轮廓点之间的距离值;如果距离值等于预设距离阈值,确定该候选起始像素点为该级起始像素点。
一种实施方式中,在进行基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点的步骤时,上述数据计算模块604还用于:确定前一级起始像素点对应的轮廓点子集合的轮廓半径;如果轮廓半径满足预设血管分叉条件,从前一级起始像素点对应的轮廓点子集合中确定该起始像素点。
一种实施方式中,在进行轮廓点子集合满足预设边界收敛条件的步骤时,上述数据计算模块604还用于:当该级起始像素点对应的轮廓点子集合的轮廓半径达到最小半径阈值时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件;和/或,根据肺部扫描数据确定肺裂隙点集合,当该级起始像素点对应的轮廓点集合到达肺裂隙处的点集合时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种服务器,具体的,该服务器包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图7为本发明实施例提供的一种服务器的结构示意图,该服务器100包括:处理器70,存储器71,总线72和通信接口73,所述处理器70、通信接口73和存储器71通过总线72连接;处理器70用于执行存储器71中存储的可执行模块,例如计算机程序。
其中,存储器71可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线72可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器71用于存储程序,所述处理器70在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器70中,或者由处理器70实现。
处理器70可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71,处理器70读取存储器71中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种肺部血管模型的建立方法,其特征在于,包括:
获取目标对象的肺部扫描数据;
根据所述肺部扫描数据中起始像素点和预设血管约束条件,从所述肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至所述轮廓点子集合满足预设边界收敛条件;
根据每个所述轮廓点子集合建立肺部血管模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述肺部扫描数据中起始像素点和预设血管约束条件,从所述肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至所述轮廓点子集合满足预设边界收敛条件的步骤,包括:
对于首个轮廓点子集合,从所述肺部扫描数据包含的像素点中确定第一级起始像素点,并提取所述第一级起始像素点的第一特征值,基于所述第一级起始像素点的第一特征值和预设血管约束条件,从所述肺部扫描数据的像素点中确定首个轮廓点子集合;
对于除所述首个轮廓点子集合之外的轮廓点子集合,基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点,并提取该起始像素点的第一特征值,基于该起始像素点的第一特征值和所述预设血管约束条件,从所述肺部扫描数据的像素点中确定该起始像素点对应的轮廓点子集合。
3.根据权利要求2所述的方法,其特征在于,其中,所述第一特征值用于表征所述第一级起始像素点的法线方向,所述基于所述第一级起始像素点的第一特征值和预设血管约束条件,从所述肺部扫描数据的像素点中确定首个轮廓点子集合的步骤,包括:
根据所述法线方向和预设血管约束条件,确定至少一个轮廓点搜寻方向;其中,所述预设血管约束条件包括支气管伴行条件;
对于每个所述轮廓点搜寻方向,基于该轮廓点搜寻方向从所述肺部扫描数据的像素点中确定候选轮廓像素点,计算所述候选轮廓像素点与所述第一级起始像素点之间的第一距离值,如果所述第一距离值大于或等于预设边界阈值,确定所述候选轮廓像素点属于所述第一级起始像素点对应的轮廓点子集合。
4.根据权利要求3所述的方法,其特征在于,所述根据所述法线方向和预设血管约束条件,确定至少一个轮廓点搜寻方向的步骤,包括:
从所述肺部扫描数据的像素点中确定支气管像素点,并根据所述支气管像素点和所述预设血管约束条件对所述法线方向进行调整,确定至少一个轮廓点搜寻方向。
5.根据权利要求2所述的方法,其特征在于,所述基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点的步骤,包括:
提取前一级起始像素点对应的轮廓点子集合中每个轮廓点的第二特征值;其中,所述第二特征值用于表征所述轮廓点的切线方向;
对于每个所述轮廓点,基于该轮廓点的所述切线方向从所述肺部扫描数据的像素点中确定候选起始像素点;
计算所述候选起始像素点与该轮廓点之间的距离值;
如果所述距离值等于预设距离阈值,确定该候选起始像素点为该级起始像素点。
6.根据权利要求2所述的方法,其特征在于,所述基于前一级起始像素点对应的轮廓点子集合确定该级起始像素点的步骤,还包括:
确定前一级起始像素点对应的轮廓点子集合的轮廓半径;
如果所述轮廓半径满足预设血管分叉条件,从所述前一级起始像素点对应的轮廓点子集合中确定该起始像素点。
7.根据权利要求6所述的方法,其特征在于,所述轮廓点子集合满足预设边界收敛条件的步骤,包括:
当该级起始像素点对应的轮廓点子集合的轮廓半径达到最小半径阈值时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件;
和/或,根据所述肺部扫描数据确定肺裂隙点集合,当该级起始像素点对应的轮廓点集合到达所述肺裂隙处的点集合时,确定该级起始像素点对应的轮廓点子集合满足预设边界收敛条件。
8.一种肺部血管模型的建立装置,其特征在于,包括:
信息获取模块,获取目标对象的肺部扫描数据;
数据计算模块,根据所述肺部扫描数据中起始像素点和预设血管约束条件,从所述肺部扫描数据的像素点中确定至少一个轮廓点子集合,直至所述轮廓点子集合满足预设边界收敛条件;
模型建立模块,根据每个所述轮廓点子集合建立肺部血管模型。
9.一种服务器,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
10.一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存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210746710.3A CN115049807B (zh) | 2022-06-28 | 2022-06-28 | 肺部血管模型的建立方法、装置及服务器 |
PCT/CN2023/099704 WO2024001747A1 (zh) | 2022-06-28 | 2023-06-12 | 肺部血管模型的建立方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210746710.3A CN115049807B (zh) | 2022-06-28 | 2022-06-28 | 肺部血管模型的建立方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049807A true CN115049807A (zh) | 2022-09-13 |
CN115049807B CN115049807B (zh) | 2023-05-09 |
Family
ID=83162770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210746710.3A Active CN115049807B (zh) | 2022-06-28 | 2022-06-28 | 肺部血管模型的建立方法、装置及服务器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115049807B (zh) |
WO (1) | WO2024001747A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205920A (zh) * | 2023-05-05 | 2023-06-02 | 天津医科大学总医院 | 基于肺扫描数据的重点区域检测模型生成方法及系统 |
WO2024001747A1 (zh) * | 2022-06-28 | 2024-01-04 | 上海市胸科医院 | 肺部血管模型的建立方法、装置及服务器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6842638B1 (en) * | 2001-11-13 | 2005-01-11 | Koninklijke Philips Electronics N.V. | Angiography method and apparatus |
CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
CN107230204A (zh) * | 2017-05-24 | 2017-10-03 | 东北大学 | 一种从胸部ct图像中提取肺叶的方法及装置 |
WO2018023917A1 (zh) * | 2016-07-30 | 2018-02-08 | 上海联影医疗科技有限公司 | 一种下肢血管的提取方法及系统 |
CN109146854A (zh) * | 2018-08-01 | 2019-01-04 | 东北大学 | 一种肺结节与肺部血管伴生关系的分析方法 |
US20220092791A1 (en) * | 2018-04-12 | 2022-03-24 | Veran Medical Technologies, Inc. | Methods for the Segmentation of Lungs, Lung Vasculature and Lung Lobes from CT Data and Clinical Applications |
WO2022121493A1 (en) * | 2020-12-07 | 2022-06-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for blood vessel assessment |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7889938B2 (en) * | 2006-03-31 | 2011-02-15 | Canon Kabushiki Kaisha | Method and apparatus for processing line drawings in images |
US8355552B2 (en) * | 2007-06-20 | 2013-01-15 | The Trustees Of Columbia University In The City Of New York | Automated determination of lymph nodes in scanned images |
CN110060254A (zh) * | 2019-05-29 | 2019-07-26 | 深圳华声医疗技术股份有限公司 | 交互式血管测量方法、装置、计算机可读存储介质及系统 |
CN110717888B (zh) * | 2019-09-06 | 2021-03-12 | 天津大学 | 一种血管内光学相干层析成像血管壁内轮廓自动识别方法 |
CN112508880A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 颅内血管图像配准方法、电子设备和计算机可读存储介质 |
CN114299357B (zh) * | 2021-12-18 | 2024-05-03 | 深圳先进技术研究院 | 一种用于血管壁影像分割的自定义卷积路径方法 |
CN115049807B (zh) * | 2022-06-28 | 2023-05-09 | 上海市胸科医院 | 肺部血管模型的建立方法、装置及服务器 |
-
2022
- 2022-06-28 CN CN202210746710.3A patent/CN115049807B/zh active Active
-
2023
- 2023-06-12 WO PCT/CN2023/099704 patent/WO2024001747A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6842638B1 (en) * | 2001-11-13 | 2005-01-11 | Koninklijke Philips Electronics N.V. | Angiography method and apparatus |
WO2018023917A1 (zh) * | 2016-07-30 | 2018-02-08 | 上海联影医疗科技有限公司 | 一种下肢血管的提取方法及系统 |
CN107045721A (zh) * | 2016-10-24 | 2017-08-15 | 东北大学 | 一种从胸部ct图像中提取肺血管的方法及装置 |
CN107230204A (zh) * | 2017-05-24 | 2017-10-03 | 东北大学 | 一种从胸部ct图像中提取肺叶的方法及装置 |
US20220092791A1 (en) * | 2018-04-12 | 2022-03-24 | Veran Medical Technologies, Inc. | Methods for the Segmentation of Lungs, Lung Vasculature and Lung Lobes from CT Data and Clinical Applications |
CN109146854A (zh) * | 2018-08-01 | 2019-01-04 | 东北大学 | 一种肺结节与肺部血管伴生关系的分析方法 |
WO2022121493A1 (en) * | 2020-12-07 | 2022-06-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for blood vessel assessment |
Non-Patent Citations (5)
Title |
---|
XINGHUA CHENG; HAIQUAN CHEN: "Commentary on the impacts of postoperative complications on survival after lung cancer surgery", 《THE JOURNAL OF THORACIC AND CARDIOVASCULAR SURGERY》 * |
尚岩峰等: "管状特性和主动轮廓的3维血管自动提取", 《中国图象图形学报》 * |
耿欢等: "基于CT影像的肺组织分割方法综述", 《计算机应用研究》 * |
边子健等: "肺部CT图像中的解剖结构分割方法综述", 《中国图象图形学报》 * |
高齐新等: "一种基于水平集的肺部血管快速分割方法", 《东北大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024001747A1 (zh) * | 2022-06-28 | 2024-01-04 | 上海市胸科医院 | 肺部血管模型的建立方法、装置及服务器 |
CN116205920A (zh) * | 2023-05-05 | 2023-06-02 | 天津医科大学总医院 | 基于肺扫描数据的重点区域检测模型生成方法及系统 |
CN116205920B (zh) * | 2023-05-05 | 2023-07-18 | 天津医科大学总医院 | 基于肺扫描数据的重点区域检测模型生成方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2024001747A1 (zh) | 2024-01-04 |
CN115049807B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9811912B2 (en) | Image processing apparatus, image processing method and medical imaging device | |
CN115049807B (zh) | 肺部血管模型的建立方法、装置及服务器 | |
US9471989B2 (en) | Vascular anatomy modeling derived from 3-dimensional medical image processing | |
CN109478327B (zh) | 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法 | |
US8050470B2 (en) | Branch extension method for airway segmentation | |
CN117373070B (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
CN113160189A (zh) | 血管中心线提取方法、装置、设备及存储介质 | |
CN111179298A (zh) | 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 | |
Ma et al. | A coronary artery segmentation method based on region growing with variable sector search area | |
CN111986137B (zh) | 生物器官病变检测方法、装置、设备及可读存储介质 | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
CN110428431B (zh) | 一种心脏医学图像的分割方法、装置、设备及存储介质 | |
CN112651984A (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
Zamani Boroujeni et al. | Coronary Artery Center‐Line Extraction Using Second Order Local Features | |
CN108198213B (zh) | 一种标记管状结构的方法及装置、管状结构的处理终端 | |
CN114445445B (zh) | Ct图像的动脉分割方法、装置、电子设备及存储介质 | |
CN114066885B (zh) | 下肢骨骼模型构造方法、装置、电子设备及存储介质 | |
CN116309264A (zh) | 造影图像判定方法及造影图像判定装置 | |
CN114241138A (zh) | 肺小结节三维重建方法、装置、电子设备及存储介质 | |
Duan et al. | Two-pass region growing combined morphology algorithm for segmenting airway tree from CT chest scans | |
CN116051566B (zh) | 一种用于ct增强图像的血管自动分割方法 | |
CN118096993A (zh) | 血管建模方法、装置、计算机设备及计算机可读存储介质 | |
CN114972257A (zh) | 冠状动脉分割方法、装置、存储介质及电子设备 | |
CN116012277A (zh) | 管状腔体组织的提取方法、装置、电子设备及介质 | |
CN116802684A (zh) | 分段形状确定 |
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 |