CN115131376A - 一种体素合并方法及相关装置 - Google Patents
一种体素合并方法及相关装置 Download PDFInfo
- Publication number
- CN115131376A CN115131376A CN202211062476.9A CN202211062476A CN115131376A CN 115131376 A CN115131376 A CN 115131376A CN 202211062476 A CN202211062476 A CN 202211062476A CN 115131376 A CN115131376 A CN 115131376A
- Authority
- CN
- China
- Prior art keywords
- voxel
- voxels
- human body
- region
- medical image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 239000000463 material Substances 0.000 claims abstract description 50
- 238000007781 pre-processing Methods 0.000 claims description 13
- 210000000746 body region Anatomy 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 16
- 238000004088 simulation Methods 0.000 abstract description 9
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 16
- 229910052796 boron Inorganic materials 0.000 description 16
- 206010028980 Neoplasm Diseases 0.000 description 5
- 201000011510 cancer Diseases 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000004881 tumor cell Anatomy 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011275 oncology therapy Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000011163 secondary particle Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06T7/0002—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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Generation (AREA)
Abstract
本申请公开了一种体素合并方法及相关装置，包括：获取人体医学图像；根据人体医学图像，获取人体医学图像的体素信息；根据体素信息，构建初始三维体素模型；将初始三维体素模型划分为非感兴趣区域和感兴趣区域；根据非感兴趣区域的体素的材料号的梯度变化，将非感兴趣区域的体素进行合并。由此可见，本申请针对不同的区域采用不同的合并手段，非感兴趣区域中的体素的合并，考虑了体素之间的组织密度差异；感兴趣区域中的体素保留初始单位体素，基于上述合并方法形成的三维体素模型计算出的人体剂量分布，可以保证中光子的输运模拟的准确性，同时减少计算时间。
Description
技术领域
本申请涉及图像处理领域，特别是涉及一种体素合并方法及相关装置。
背景技术
根据已有的统计数据可知，癌症已经成为严重威胁人类健康的主要公共卫生问题之一，近十几年来癌症的发病率和死亡率均呈持续上升态势。硼中子俘获治疗（BoronNeutron Capture Therapy，BNCT）作为一种能够精准杀死癌细胞的放射治疗方法，是国际最具前景的癌症治疗手段之一。硼中子俘获治疗是通过注射含硼（10B）药物，使得硼（10B）集中于患者的肿瘤细胞中，再用中子照射患者的含硼（10B）肿瘤细胞。硼俘获中子后，产生次级粒子的能量引起周围细胞的严重损伤，从而杀死肿瘤细胞。硼中子俘获治疗既可以实现局域的中子照射，又能对特定的靶向细胞作用，具有高线性能量转移（Linear EnergyTransfer, LET）、较高的相对生物学效应（Relative Biological Effectiveness, RBE）和较低的成本等特点，使其成为当今国际上一种先进有效的癌症放射治疗方法。
在硼中子俘获治疗中，采用的中光子束流的强度会直接影响硼中子捕获治疗的有效性和安全性，因为中光子束流过强会对人体正常组织产生较大伤害；中光子束流过弱，会导致照射时间过长，不利于硼中子捕获治疗。所以中光子束流强度的选择在硼中子俘获治疗中至关重要。中光子束流的强度一般通过模拟中光子输运过程得到的，其中模拟中光子输运过程其实就是模拟中子或光子进入人体后，中光子与人体中的原子核发生什么样的反应，发生反应之后中光子的运动方向、中光子的能量等数据，最后模拟得到中光子到达癌细胞的通量，根据模拟中光子输运过程，为后续硼中子俘获治疗采用的中光子束流强度起指导作用。
在模拟中光子输运过程中，人体中的剂量分布计算至关重要，关系到模拟的中光子输运过程的准确性，从而影响后续硼中子俘获治疗的有效性和安全性。人体的剂量分布计算通常采用三维体素模型，通过正电子发射计算机断层显像(PET/CT)获取的人体医学图像，根据病人医学影像构建出患者的初始三维体素模型，将非感兴趣区域的体素以同一比例进行合并，感兴趣区域的体素不进行合并后，构成三维体素模型，基于上述三维体素模型，计算人体剂量分布。根据上述人体剂量分布不能保证在准确地模拟中光子的输运过程的同时，减少计算时间。
发明内容
本申请提供了一种体素合并方法及相关装置，基于本申请所提供的体素合并方法形成的三维体素模型计算出的人体剂量分布，可以在保证中光子的输运模拟的准确性的同时，减少计算时间。
本申请实施例公开了如下技术方案：
第一方面，本申请公开了一种体素合并方法，其特征在于，包括：
获取人体医学图像；
根据所述人体医学图像，获取所述人体医学图像的体素信息；
根据所述体素信息，构建初始三维体素模型；
将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；
根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。
可选的，将所述非感兴趣区域的体素进行合并，包括：
将所述非感兴趣区域的体素合并为一个或多个长方体。
可选的，将所述非感兴趣区域的体素合并为一个或多个长方体，包括：
根据所述非感兴趣区域，建立与所述非感兴趣区域相适应的坐标轴；
选取所述非感兴趣区域中的任意一个体素作为基准体素；
以所述基准体素为顶点，向坐标轴xyz三个方向连续扩大长方体的维度；
确定所述长方体的最大维度，所述最大维度内的所有体素的材料号和基准体素的材料号的差值均小于预设值；
将所述最大维度内的所有体素合并为一个长方体。
可选的，所述方法还包括：
获取所述最大维度内所有体素的材料号的平均值；
判断所述平均值是否为整数；
若是，则令设定值等于所述平均值；
若否，则令设定值为小于所述平均值的最大整数；
将所述设定值规定为所述长方体的材料号；以便根据所述长方体的材料号计算人体分布剂量。
可选的，所述方法还包括：
对所述人体医学图像进行预处理，确定出图像中包含人体区域并且相切的最小的六面体边界；
根据所述六面体边界，生成有效人体医学图像；
根据所述有效人体医学图像，获取所述有效人体医学图像的体素信息。
可选的，所述方法还包括：
感兴趣区域的体素保留初始单位体素，不进行合并。
可选的，所述获取人体医学图像，包括：
获取包含人体医学图像的DICOM文件；
根据所述DICOM文件，获取DICOM文件中的人体医学图像的体素信息。
第二方面，本申请公开了一种体素合并装置，其特征在于，包括：
图像获取模块，用于获取人体医学图像；
信息获取模块，用于根据所述人体医学图像，获取所述人体医学图像的体素信息；
模型构建模块，用于根据所述体素信息，构建初始三维体素模型；
区域划分模块，用于将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；
体素合并模块，用于根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。
可选的，所述体素合并模块，用于根据非感兴趣区域体素的材料号的梯度变化，将所述非感兴趣区域的体素合并为一个或多个长方体。
可选的，所述体素合并模块，用于根据非感兴趣区域，建立与该非感兴趣区域相适应的坐标轴；选取该非感兴趣区域中的任意一个体素作为基准体素；以该基准体素为顶点，向坐标轴xyz三个方向连续扩大长方体的维度；确定长方体的最大维度，使得最大维度内的所有体素的材料号和基准体素的材料号的差值均小于预设值；将最大维度内的所有体素合并为一个长方体。
可选的，所述体素合并装置还包括：
均值计算模块，用于计算合并为同一个长方体的所有体素的材料号的平均值；
均值判断模块，用于判断所述平均值是否为整数；
若是，则令设定值等于所述平均值；
若否，则令设定值为小于所述平均值的最大整数；
赋值模块，用于将所述设定值规定为所述长方体的材料号；以便根据所述体素构造表示的长方体的材料号计算人体分布剂量。
可选的，所述体素合并装置还包括：
体素保留模块，用于所述感兴趣区域的体素保留初始单位体素。
可选的，所述体素合并装置还包括：
预处理模块，用于对人体医学图像进行预处理，确定出图像中包含人体区域并且相切的最小的六面体边界；
预处理模块，还可以用于根据所述六面体边界，生成有效人体医学图像。
相较于现有技术，本申请具有以下有益效果：本申请提供的体素合并方法及相关装置，获取人体医学图像；根据所述人体医学图像，获取所述人体医学图像的体素信息；根据所述体素信息，构建初始三维体素模型；将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。基于上述体素合并方法得到的三维体素模型，计算人体剂量分布，基于上述人体剂量分布模拟中光子输运过程，可以保证模拟中光子输运过程的准确性的同时，大大减少计算时间。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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性的前提下，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一种体素合并方法的流程图；
图2为本申请实施例提供的一种非感兴趣区域中一个长方体区域的体素坐标示意图；
图3为本申请实施例提供的一种非感兴趣区域中一个长方体区域的体素合并方法流程图；
图4为本申请实施例提供的一种体素合并装置的结构框图。
具体实施方式
正如前文描述现有技术中，基于已有的体素合并方法构成的三维体素模型，计算出来的人体剂量分布，没有办法准确地模拟中光子的输运过程。
发明人经过研究，为了解决上述问题，本申请实施例提供的一种体素合并方法，包括：获取人体医学图像；根据所述人体医学图像，获取所述人体医学图像的体素信息；根据所述体素信息，构建初始三维体素模型；将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。申请提供的体素合并方法及相关装置，针对不同的区域采用不同的合并手段，非感兴趣区域中的体素的合并手段，考虑了体素之间的组织密度差异；感兴趣区域中的体素保留初始单位体素，基于上述合并方法形成的三维体素模型计算出的人体剂量分布，模拟中光子输运过程，可以保证中光子输运过程模拟的准确性，从而保证了硼中子俘获治疗的有效性和准确性。
除此之外，基于本申请提供的体素合并方法及相关装置，得到的三维体素模型，计算人体的剂量分布，可以保证感兴趣区域的人体剂量分布计算准确的情况下，减少计算人体计量分布的计算时间。
为了使本技术领域的人员更好地理解本申请方案，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，都属于本申请保护的范围。
如图1所示，该图为本申请实施例提供了一种体素合并方法的流程图，该方法包括：
S101、终端设备获取人体医学图像信息。
人体医学图像可以通过X线电子计算机断层扫描、磁共振成像、正电子发射断层摄影等方法获得，本申请不做具体限定。
进一步，可以是获取包含人体医学图像的DICOM文件。
DICOM是一种图像格式，是一种质量能满足临床需要的可用于数据交换的医学图像格式。DICOM文件除了包含了人体医学图像，还包括了患者的姓名、性别、年龄等基本信息，以及产生人体医学图像的设备的相关信息。
S102、终端设备对人体医学图像进行预处理。
对人体医学图像进行预处理，是为了确定图像中包含人体区域并且相切的最小的六面体边界。对所获取的人体医学图像进行预处理，有效地将获取的人体医学图像中的外界环境部分去除掉，从而减少后续的计算步骤、计算时间，进而节省了计算资源。
因为人体医学图像可能会包含人体部分以及外界环境部分，中光子输运过程的模拟是基于人体部分的三维体素模型进行的，所以外界环境的组织密度对模拟中光子输运过程没有影响。
具体的，可以通过设备设定程序自动对图像进行预处理，也可以手动操作设备对图像进行预处理，当然也可以采用其他方式对人体医学图像进行预处理，在本申请中对于进行预处理的方式不做具体限定。
需要说明的是，上述S102为可选步骤。
S103、终端设备根据人体医学图像，获取人体医学图像中的体素信息。
体素是体积元素的简称，是三维空间分割上的最小单位。所以读取体素信息，就是读取所获取的人体医学图像上的不可分割的最小的体积单位。体素信息包括：初始单位体素尺寸以及初始体素模型维度。
进一步，设备可以根据DICOM文件，获取DICOM文件中的人体医学图像中的体素信息。
每个DICOM文件包含一张患者的人体医学图像以及患者姓名、性别、年龄、图像所表示的人体部位等基本信息。不同的信息存储在DICOM文件中的不同的数据元之中，其中数据元由4个部分组成：标签TAG号、值表示（VR，value representation）、值长度（valuelength）、值域（value）。其中TAG号包括组号和元素号，例如TAG号（0010，0040），其中组号为0010，元素号为0040。
具体的，可通过以下过程读取DICOM文件中患者的人体医学图像的体素信息包括：
通过读取DICOM文件中的数据元的TAG号获得相应数据，进而获得DICOM文件中患者的医学图像的体素信息。
具体包括：通过TAG号（0020，1041）读取每张切片Z方向的位置，依次排列每张切片，通过TAG号（0008，0023）读取每张切片图像的像素信息，通过TAG号（0028，0010）、（0028，0011）读取每张切片图像x方向的列数和y方向的行数，通过TAG号（0018，0050）、（0028，0030）分别读取z方向切片间距和x、y方向像素间距信息，通过上述信息可以得到初始单位体素尺寸以及初始体素模型维度。
其中TAG号（0020，1041）的数据元存储图像位置信息；TAG号（0008，0023）的数据元存储图像数据信息，例如：各个像素的灰度值等；TAG号（0028，0010）的数据元存储图像列数信息；TAG号（0028，0011）的数据元存储图像行数信息、TAG号（0018，0050）的数据元存储厚度信息以及TAG号（0028，0030）的数据元存储像素间距信息。
S104、终端设备根据体素信息，建立初始三维体素模型。
根据体素信息中包含的初始单位体素尺寸以及初始体素模型维度，建立初始三维体素模型。
S105、终端设备将初始单位体素模型划分为非感兴趣区域和感兴趣区域
S106、终端设备根据非感兴趣区域的体素的材料号的梯度变化，将非感兴趣区域的体素进行合并。
其中体素的材料号是根据体素的HU值映射得到的。
亨氏单位（hounsfield unit），通常称为HU，是测定人体某一局部组织或器官密度大小的一种计量单位。材料号，也就是HU值。 HU值越大，说明组织或器官密度越大，x射线吸收越强；反之，HU值越小，说明组织或器官密度越小，x射线吸收越弱。体素的HU值是可以从扫描得到的人体医学图像中直接获得的。所以材料号也可以体现出体素的组织密度。
中光子的运输过程是要经过非感兴趣区域最终到达感兴趣区域，所以非感兴趣区域的体素的组织密度，会影响到中光子的输运过程，所以要考虑非感兴趣区域的组织密度差异，也就是材料号的梯度变化。
具体的，设备对于非感兴趣区域的体素，选取任意一个体素为长方体的基准体素，向坐标轴xyz三个方向连续扩大长方体的维度，寻找使长方体内所有体素的材料号均和基准体素材料号的差值小于预设值的最大的长方体的维度，并将维度内的所有体素合并为一个CSG长方体，并生成与长方体对应的标识。
其中长方体为CSG长方体。体素构造表示法（Constructive Solid Geometry，CSG）是用计算机进行实体造型的一种构型法。这种构型方法的描述，既符合空间形体的构形过程，又能满足计算机实体造型的要求。所以CSG长方体就是由体素构造的长方体。
基准体素的材料号是每次扩大或合并过程中，作为材料号梯度变化的基准；并且基准体素也是合并成CSG长方体的一个顶点。
进一步，非感兴趣区域可以分解为一个或多个长方体区域，针对其中一个长方体区域的体素合并做具体说明，其他的长方体区域的体素合并相似。为了方便说明，对前端非感兴趣某一长方体区域建立坐标轴，并为各个体素定义唯一的三维坐标，具体如图2所示的一种非感兴趣区域中一个长方体区域的体素坐标示意图。其中(1,1,1)表示(1,1,1)坐标对应的体素，(1,1,1)体素的材料号表示为M(1,1,1)，该区域中坐标最小的体素为(1,1,1)，坐标最大的体素为(X,Y,Z)。
其中体素(r:R,p:P,t:T)表示，坐标x方向从r到R，坐标y方向从p到P，坐标z方向从t到T的所有体素。
图3是为本申请实施例提供的一种非感兴趣区域中一个长方体区域的体素合并方法流程图，如图3所示步骤：
S401、对a、b、c进行赋值，其中a=0,b=0,c=0。
S402、判断（a+1,b+1,c+1）体素是否属于已存在的CSG长方体中；
若否，则进入S403；
若是，则进入S407。
S403、选取体素(1+a,1+b,1+c)为基准体素，沿x方向，确定最大的m值，使得任意体素(i,j,k)∈(1+a:1+a+m,1+b,1+c)，满足M(i,j,k)-M(1+a,1+b,1+c)的绝对值小于预设值。其中m小于X。
S404、沿x方向，确定最大的n值，使得任意体素(i,j,k)∈(1+a:1+a+m,1+b:1+b+n,1+c)，满足M(i,j,k)-M(1+a,1+b,1+c)的绝对值小于预设值。其中n小于Y。
S405、沿z方向，确定最大的q值，使得任意体素(i,j,k)∈(1+a:1+a+m,1+b:1+b+n,1+c:1+c+q)，满足M(i,j,k)-M(1+a,1+b,1+c)的绝对值小于预设值。其中q小于Z。
S406、将体素(i,j,k)∈(1+a:1+a+m,1+b:1+b+n,1+c:1+c+q)的所有体素合并为一个CSG长方体，并赋予与该CSG长方体对应的标识。
S407、判断基准体素(1+a,1+b,1+c)，中x轴的值a+1是否小于X；
若是，则配置a+1，并进入S402；
若否，则进入S408。
S408、判断基准体素(1+a,1+b,1+c)，中y轴的值b+1是否小于Y；
若是，配置a=0、并配置b+1,并进入S402;
若否，则进入S409。
S409、判断基准体素(1+a,1+b,1+c)，中y轴的值c+1是否小于Z；
若是，配置a=0，配置b=0，并配置c+1，并进入S402;
若否，则结束该合并流程；也就是说，该长方体区域的所有体素已经全部遍历，并完成相应的合并。
其中预设值可以是人为输入的，也可以是设备直接生成的，本申请不做具体限定。
进一步，根据CSG长方体中的所有体素的材料号，计算材料号的平均值，根据上述平均值得到设定值，将上述设定值定义为所述CSG长方体的材料号。
具体的，获取所述最大维度内所有体素的材料号的平均值；判断所述平均值是否为整数；若是，则令设定值等于所述平均值；若否，则令设定值为小于所述平均值的最大整数；所述设定值规定为所述长方体的材料号；以便根据所述长方体的材料号计算人体分布剂量。
根据上述流程对非感兴趣区域的体素进行合并，根据合并体素后的非感兴趣区域，计算人体剂量分布，可以保证非感兴趣区域的人体剂量分布的误差在可接受的范围内，不会影响到模拟中光子输运过程的准确性，并且大大减少了人体剂量分布的计算时间。
进一步，设备将感兴趣区域的体素保留初始单位体素，不进行合并；
因为感兴趣区域是最重点的区域，所以计算感兴趣区域的体素的元素组成和物质密度的准确度越高越好，所以采用初始单位小体素。
综上所述，本申请实施例提供的一种体素合并方法，包括：根据所述人体医学图像，获取所述人体医学图像的体素信息；根据所述体素信息，构建初始三维体素模型；将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并；对于感兴趣区域的体素保留初始单位体素，不进行合并。由此可见非感兴趣区域根据材料号的变化梯度进行合并，考虑了非感兴趣区域的体素之间的组织密度差异，基于上述合并方法得到的三维体素模型计算的人体剂量分布，模拟中光子输运过程，可以保证模拟中光子输运过程准确，从而保证了硼中子俘获治疗的有效性和准确性。
进一步，基于本申请提供的体素合并方法，得到的三维体素模型，计算人体的剂量分布，可以保证感兴趣区域的人体剂量分布计算准确的情况下，大大减少计算人体计量分布的计算时间。
如图4所示，该图为本申请实施例提供了一种体素合并装置的结构框图，下面结合图4具体说明，该装置包括：
图像获取模块501，用于获取人体医学图像；
信息获取模块502，用于根据所述人体医学图像，获取所述人体医学图像的体素信息；
模型构建模块503，用于根据所述体素信息，构建初始三维体素模型；
区域划分模块504，用于根据束流方向，将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；
体素合并模块505，用于根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。
进一步，该装置还包括：
体素保留模块，用于所述感兴趣区域的体素保留初始单位体素。
进一步，该装置还包括：
预处理模块，用于对人体医学图像进行预处理，确定出图像中包含人体区域并且相切的最小的六面体边界；
预处理模块，还可以用于根据所述六面体边界，生成有效人体医学图像。
进一步，体素合并模块505，可以用于根据非感兴趣区域体素的材料号的梯度变化，将所述非感兴趣区域的体素合并为一个或多个长方体。
进一步，体素合并模块505，可以用于根据非感兴趣区域，建立与该非感兴趣区域相适应的坐标轴；选取该非感兴趣区域中的任意一个体素作为基准体素；以该基准体素为顶点，向坐标轴xyz三个方向连续扩大长方体的维度；确定长方体的最大维度，使得最大维度内的所有体素的材料号和基准体素的材料号的差值均小于预设值；将最大维度内的所有体素合并为一个长方体。
进一步，该装置还包括：
均值计算模块，用于计算合并为同一个长方体的所有体素的材料号的平均值；
均值判断模块，用于判断所述平均值是否为整数；
若是，则令设定值等于所述平均值；
若否，则令设定值为小于所述平均值的最大整数；
赋值模块，用于将所述设定值规定为所述长方体的材料号；以便根据所述体素构造表示的长方体的材料号计算人体分布剂量。
本申请提供了一种体素合并装置。其中图像获取模块501，用于获取人体医学图像；信息获取模块502，用于根据所述人体医学图像，获取所述人体医学图像的体素信息；模型构建模块503，用于根据所述体素信息，构建初始三维体素模型；区域划分模块504，用于根据束流方向，将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；体素合并模块505，用于根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。基于上述体素合并装置得到的三维体素模型计算的人体剂量分布，模拟中光子输运过程，可以保证模拟中光子输运过程准确，从而保证了硼中子俘获治疗的有效性和准确性。
进一步，基于本申请提供的体素合并装置，得到的三维体素模型，计算人体的剂量分布，可以保证感兴趣区域的人体剂量分布计算准确的情况下，减少计算人体计量分布的计算时间。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元提示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种体素合并方法，其特征在于，包括：
获取人体医学图像；
根据所述人体医学图像，获取所述人体医学图像的体素信息；
根据所述体素信息，构建初始三维体素模型；
将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；
根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。
2.根据权利要求1所述的体素合并方法，其特征在于，将所述非感兴趣区域的体素进行合并，包括：
将所述非感兴趣区域的体素合并为一个或多个长方体。
3.根据权利要求2所述的体素合并方法，其特征在于，将所述非感兴趣区域的体素合并为一个或多个长方体，包括：
根据所述非感兴趣区域，建立与所述非感兴趣区域相适应的坐标轴；
选取所述非感兴趣区域中的任意一个体素作为基准体素；
以所述基准体素为顶点，向坐标轴xyz三个方向连续扩大长方体的维度；
确定所述长方体的最大维度，所述最大维度内的所有体素的材料号和所述基准体素的材料号的差值均小于预设值；
将所述最大维度内的所有体素合并为一个长方体。
4.根据权利要求3所述的体素合并方法，其特征在于：
获取所述最大维度内的所有体素的材料号的平均值；
判断所述平均值是否为整数；
若是，则令设定值等于所述平均值；
若否，则令设定值为小于所述平均值的最大整数；
将所述设定值规定为所述长方体的材料号；以便根据所述长方体的材料号计算人体分布剂量。
5.根据权利要求1所述的体素合并方法，其特征在于：
对所述人体医学图像进行预处理，确定出图像中包含人体区域并且相切的最小的六面体边界；
根据所述六面体边界，生成有效人体医学图像；
根据所述有效人体医学图像，获取所述有效人体医学图像的体素信息。
6.根据权利要求1所述的体素合并方法，其特征在于：
感兴趣区域的体素保留初始单位体素，不进行合并。
7.根据权利要求1-6任意一项所述的体素合并方法，其特征在于，所述获取人体医学图像，包括：
获取包含人体医学图像的DICOM文件；
根据所述DICOM文件，获取DICOM文件中的人体医学图像的体素信息。
8.一种体素合并装置，其特征在于，包括：
图像获取模块，用于获取人体医学图像；
信息获取模块，用于根据所述人体医学图像，获取所述人体医学图像的体素信息；
模型构建模块，用于根据所述体素信息，构建初始三维体素模型；
区域划分模块，用于将所述初始三维体素模型划分为非感兴趣区域和感兴趣区域；
体素合并模块，用于根据所述非感兴趣区域的体素的材料号的梯度变化，将所述非感兴趣区域的体素进行合并。
9.根据权利要求8所述的体素合并装置，其特征在于，所述装置还包括：
预处理模块，用于对人体医学图像进行预处理，确定出图像中包含人体区域并且相切的最小的六面体边界；
预处理模块，还可以用于根据所述六面体边界，生成有效人体医学图像。
10.根据权利要求8所述的体素合并装置，其特征在于，所述装置还包括：
体素保留模块，用于将感兴趣区域的体素保留初始单位体素，不进行合并。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211062476.9A CN115131376A (zh) | 2022-08-31 | 2022-08-31 | 一种体素合并方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211062476.9A CN115131376A (zh) | 2022-08-31 | 2022-08-31 | 一种体素合并方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115131376A true CN115131376A (zh) | 2022-09-30 |
Family
ID=83388051
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211062476.9A Pending CN115131376A (zh) | 2022-08-31 | 2022-08-31 | 一种体素合并方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115131376A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024099252A1 (zh) * | 2022-11-07 | 2024-05-16 | 中硼(厦门)医疗器械有限公司 | 硼中子捕获治疗系统及其治疗计划生成方法 |
| CN118279417A (zh) * | 2024-06-04 | 2024-07-02 | 湖南科技大学 | 一种数据加密压缩方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101819679A (zh) * | 2010-04-19 | 2010-09-01 | 李楚雅 | 三维医学图像分割方法 |
| CN106408576A (zh) * | 2016-09-08 | 2017-02-15 | 飞依诺科技(苏州)有限公司 | 基于三维超声图像的感兴趣区域的自动分割方法及系统 |
| CN111192356A (zh) * | 2019-12-30 | 2020-05-22 | 上海联影智能医疗科技有限公司 | 感兴趣区域的显示方法、装置、设备和存储介质 |
-
2022
- 2022-08-31 CN CN202211062476.9A patent/CN115131376A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101819679A (zh) * | 2010-04-19 | 2010-09-01 | 李楚雅 | 三维医学图像分割方法 |
| CN106408576A (zh) * | 2016-09-08 | 2017-02-15 | 飞依诺科技(苏州)有限公司 | 基于三维超声图像的感兴趣区域的自动分割方法及系统 |
| CN111192356A (zh) * | 2019-12-30 | 2020-05-22 | 上海联影智能医疗科技有限公司 | 感兴趣区域的显示方法、装置、设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024099252A1 (zh) * | 2022-11-07 | 2024-05-16 | 中硼(厦门)医疗器械有限公司 | 硼中子捕获治疗系统及其治疗计划生成方法 |
| CN118279417A (zh) * | 2024-06-04 | 2024-07-02 | 湖南科技大学 | 一种数据加密压缩方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu | An exponential growth of computational phantom research in radiation protection, imaging, and radiotherapy: a review of the fifty-year history | |
| Besemer et al. | Development and validation of RAPID: a patient-specific Monte Carlo three-dimensional internal dosimetry platform | |
| Segars et al. | 4D XCAT phantom for multimodality imaging research | |
| Caon | Voxel-based computational models of real human anatomy: a review | |
| CN115131376A (zh) | 一种体素合并方法及相关装置 | |
| Lee et al. | Hybrid computational phantoms of the male and female newborn patient: NURBS-based whole-body models | |
| Bolch et al. | Hybrid computational phantoms for medical dose reconstruction | |
| CN107865658B (zh) | 用于修正合成电子密度图的方法和设备 | |
| CN102184334B (zh) | 一种基于检索的放射治疗计划系统及检索方法 | |
| EP3619686B1 (en) | Generation of accurate hybrid datasets for quantitative molecular imaging | |
| CN107095689A (zh) | 估测医学成像扫描中患者辐射剂量的方法和系统 | |
| CN106061554A (zh) | 用于患者专用放疗的治疗验证和质量保障的系统和方法 | |
| CN106682409B (zh) | 采样方法及放射治疗计划优化方法、剂量计算方法 | |
| US9295432B2 (en) | Method of determining distribution of a dose in a body | |
| CN115131487A (zh) | 医学影像处理方法、系统、计算机设备、存储介质 | |
| Wu et al. | An image‐based rat model for Monte Carlo organ dose calculations | |
| EP4249049B1 (en) | Method and system for robust radiotherapy treatment planning for dose mapping uncertainties | |
| CN108281191A (zh) | 一种能谱计算机断层扫描剂量的蒙特卡罗模拟方法及系统 | |
| CN117115084A (zh) | 基于放射影像多感兴趣区域的肿瘤异质性评估方法、系统、设备及介质 | |
| KR20080025055A (ko) | 고속의 변형 가능한 포인트에 기초한 영상화에 관한 포인트하위선택 | |
| CN113420491B (zh) | 粒子外照射实验动物器官辐射剂量评估方法 | |
| US20230065196A1 (en) | Patient-specific organ dose quantification and inverse optimization for ct | |
| CN117275670A (zh) | 一种剂量分布的预测方法、系统、装置和存储介质 | |
| CN110322426B (zh) | 基于可变人体模型的肿瘤靶区勾画方法、设备和存储介质 | |
| Xu et al. | Computational phantoms for radiation dosimetry: a 40-Year history of evolution |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220930 |