CN115661176A - 基于ct图像的三维体构建方法、装置、存储介质以及终端 - Google Patents
基于ct图像的三维体构建方法、装置、存储介质以及终端 Download PDFInfo
- Publication number
- CN115661176A CN115661176A CN202211300540.2A CN202211300540A CN115661176A CN 115661176 A CN115661176 A CN 115661176A CN 202211300540 A CN202211300540 A CN 202211300540A CN 115661176 A CN115661176 A CN 115661176A
- Authority
- CN
- China
- Prior art keywords
- contour
- image
- images
- target
- segmentation
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了一种基于CT图像的三维体构建方法、装置、存储介质以及终端,获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像;基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。由于第二轮廓分割是对手动分割的第一轮廓图像进行主动处理计算,那么得到第二轮廓图像时,可以避免大量图像的手动操作,减少人机交互,加快三维体构建效率,并且手动分割的第一轮廓图像可以保证目标物三维体的准确性。
Description
技术领域
本申请涉及计算机图像处理技术领域,尤其涉及一种基于CT图像的三维体构建方法、装置、存储介质以及终端。
背景技术
在医疗、生物、地质等方面的科学研究过程中,研究目标物时可以基于目标物的CT图像进行观察,而为了能够从各角度观察目标物的内部结构,通常根据目标物的CT图像进行三维体构建,得到可以从任意视角进行观察的三维投影图像,方便研究人员对目标物的内部组织或器官的结构进行观察诊断。
构建出准确的三维体可以帮助医疗人员、研究人员准确判断分析目标物情况,有助于现代科学发展,而在目前的三维体构建方法中,对于复杂案例的处理方法都需要经过较复杂的操作流程,因此亟需发展一种操作简单并且结果准确的三维体构建方法。
发明内容
本申请提供一种基于CT图像的三维体构建方法、装置、存储介质以及终端,可以解决相关技术中交互过程繁琐、三维构建结果不准确的技术问题。
第一方面,本申请实施例提供一种基于CT图像的三维体构建方法,该方法包括:
获取目标物的CT序列图像,响应于用户针对所述CT序列图像中的第一目标CT图像的手动轮廓分割操作,对所述第一目标CT图像进行第一轮廓分割,得到所述目标物的第一轮廓图像;
基于各第一轮廓图像主动对所述CT序列图像中除去所述第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到所述目标物的第二轮廓图像;
根据各第一轮廓图像以及各第二轮廓图像构建所述目标物的三维体。
第二方面,本申请实施例提供一种基于CT图像的三维体构建装置,该装置包括:
第一分割模块,用于获取目标物的CT序列图像,响应于用户针对所述CT序列图像中的第一目标CT图像的手动轮廓分割操作,对所述第一目标CT图像进行第一轮廓分割,得到所述目标物的第一轮廓图像;
第二分割模块,用于基于各第一轮廓图像主动对所述CT序列图像中除去所述第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到所述目标物的第二轮廓图像;
三维体构建模块,用于根据各第一轮廓图像以及各第二轮廓图像构建所述目标物的三维体。
第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法的步骤。
第四方面,本申请实施例提供一种终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序适于由处理器加载并执行上述的方法的步骤。
本申请一些实施例提供的技术方案带来的有益效果至少包括:
本申请提供一种基于CT图像的三维体构建方法,获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像;基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。由于第二轮廓分割是对手动分割的第一轮廓图像进行主动处理计算,那么得到第二轮廓图像的过程中,可以避免大量CT图像的手动操作,减少人机交互,加快目标物的三维体构建效率,并且手动分割得到的第一轮廓图像可以保证目标物三维体的构建准确性。
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一种基于CT图像的三维体构建方法的示例性系统架构图;
图2为本申请实施例提供的一种基于CT图像的三维体构建方法的流程示意图;
图3为本申请实施例提供的一种基于CT图像的三维体构建方法的流程示意图;
图4为本申请实施例提供的一种对CT序列图像进行目标物分割的流程示意图;
图5为本申请实施例提供的一种基于CT图像的三维体构建装置的结构框图;
图6为本申请实施例提供的一种终端的结构示意图。
具体实施方式
为使得本申请的特征和优点能够更加的明显和易懂,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,所描述的实施例仅仅是本申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域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。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。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。
近些年,伴随着计算机技术的迅猛发展以及图像图形学技术的日趋成熟,将数字图像处理技术和计算机技术已经普遍应用在医学、生物学等领域,借助数字图像处理来观察物体特征。依赖于现代医学影像技术的发展,医务人员可通过各类医学仪器得到人体器官的影像学诊断图像,例如X线计算机断层成像(X-CT)、超声成像等能够提供人体器官组织的形态学信息;核医学图像如SPECT、PET和磁共振图像(MRI)不仅提供了组织器官的形态学信息,可清晰显示软骨等组织结构,并且可提供相关示踪元素分布及其生物活性信息,给临床诊断和科研等带来了帮助。借助这些技术,医生以及研究人员可以更准确、更方便地进行诊断,可大大提高临床诊断准确性,具有非常重要的现实意义。
而对于传统的数字影像技术,通常是采集目标物的某一断层的影像数据,然后将其显示在胶片或屏幕上进行分析和诊断。但无论是显示在胶片上还是屏幕上,观察人员都只能观察二维图像,并且只能在拍摄影像数据的某一固定方向对图像进行观察。这种情况下,观察人员主要依据经验对图像进行分析,因而诊断结果带有很强的主观性,并且在遇到需要理解复杂甚至变形的三维结构时的观察难度很大。而三维重建技术的应用可以改善这种状况,三维重建技术是利用计算机技术对获取的序列断层图像中的目标观察对象进行分割处理、进行三维虚拟重建及显示等,使观察人员可以从多方位、多层次对影像学数据进行具体的分析,从而对目标物的状态和情况进行判断,因此,三维重建技术的应用将大幅度提高目标物的观察效率和准确性。
对于CT序列图像中的目标物分割的准确性和高效性直接决定了三维技术重建的质量,而目前存在各种3D图像的目标物分割算法。其中,一种分割方法是基于区域的分割方法,该方法主要是通过多次调整像素阈值来选取对应位置,但此方法没有考虑不同角度的空间信息,无法准确构建复杂的三维体,并且多次调整阈值时的交互过程和操作都较为繁琐;另一种分割方法是基于边的分割方法,通过检测像素值变化比较剧烈的像素点,算法试图从图像中检测出可能的边界来完成分割任务,该种方法交互较为方便,只需勾画初始轮廓,但初始轮廓的质量好坏影响最终的效果;另外还存在基于机器学习的分割方法,主要分为无监督和有监督的方法,无监督的方法主要是利用聚类算法,包括Kmeans,EM算法等,该类方法交互简单但在复杂的分割任务表现一般,而有监督的方法是在对像素提取特征之后选取部分已经分割好的像素点或图片作为训练集,训练一个分类模型,并用这个模型来完成图像的分割工作,此种方法需要大量标注准确结果的训练集进行训练,对于样本的准备难度和模型的训练难度较大。
由于在实际情况中,用于训练自动分割模型的训练样本集的准备难度较大,并且自动分割模型对于复杂案例的处理效果普遍较差,同时基于用户操作交互来进行交互式分割时,对于用户的操作要求较高,操作步骤比较繁琐,会导致分割流程较慢,浪费用户大量的精力时间资源。
因此本申请实施例提供一种获取目标物的CT序列图像,对CT序列图像中的第一目标CT图像进行手动的第一轮廓分割,得到目标物的第一轮廓图像;基于各第一轮廓图像主动对CT序列图像中剩余的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体方法,以解决上述技术问题。
请参阅图1,图1为本申请实施例提供的一种基于CT图像的三维体构建方法的示例性系统架构图。
如图1所示,系统架构可以包括终端101、网络102和服务器103。网络102用于在终端101和服务器103之间提供通信链路的介质。网络102可以包括各种类型的有线通信链路或无线通信链路,例如:有线通信链路包括光纤、双绞线或同轴电缆的,无线通信链路包括蓝牙通信链路、无线保真(Wireless-Fidelity,Wi-Fi)通信链路或微波通信链路等。
终端101可以通过网络102与服务器103交互,以接收来自服务器103的消息或向服务器103发送消息,或者终端101可以通过网络102与服务器103交互,进而接收其他用户向服务器103发送的消息或者数据。终端101可以是硬件,也可以是软件。当终端101为硬件时,可以是各种电子设备,包括但不限于智能手表、智能手机、平板电脑、膝上型便携式计算机和台式计算机等。当终端101为软件时,可以是安装在上述所列举的电子设备中,其可以实现呈多个软件或软件模块(例如:用来提供分布式服务),也可以实现成单个软件或软件模块,在此不作具体限定。
在本申请实施例中,终端101首先获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像;然后,终端101基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;最终,终端101根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。
服务器103可以是提供各种服务的业务服务器。需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
或者,该系统架构还可以不包括服务器103,换言之,服务器103可以为本说明书实施例中可选的设备,即本说明书实施例提供的方法可以应用于仅包括终端101的系统结构中,本申请实施例对此不做限定。
应理解,图1中的终端、网络以及服务器的数目仅是示意性的,根据实现需要,可以是任意数量的终端、网络以及服务器。
请参阅图2,图2为本申请实施例提供的一种基于CT图像的三维体构建方法的流程示意图。本申请实施例的执行主体可以是执行基于CT图像的三维体构建的终端,也可以是执行基于CT图像的三维体构建方法的终端中的处理器,还可以是执行基于CT图像的三维体构建方法的终端中的基于CT图像的三维体构建服务。为方便描述,下面以执行主体是终端中的处理器为例,介绍基于CT图像的三维体构建方法的具体执行过程。
如图2所示,基于CT图像的三维体构建方法至少可以包括:
S202、获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像。
可选地,由于目前的各种分割方法中,自动分割模型的性能HIA无法适用于复杂的案例场景,而手动操作进行分割时,又需要对每一张图像调整对应像素阈值,导致交互过程耗时长且繁琐。那么考虑到分割结果的准确性会直接影响三维重建结果的准确性,从而影响用户对目标物的观察判断结果,因此需要保证分割结果的准确性的基础上,减少用户的交互时间以及操作步骤。
可选地,当用户需要对目标物进行观察时,首先可以获取目标物的电子计算机影像数据,例如目标物的CT序列图像,CT序列图像为再一次拍摄过程中获得的目标物从各个角度的X线计算机断层成像切片,CT序列图像中的所有CT图像能够组合出目标物的三维立体信息。基于用户的交互操作来分割目标物轮廓时,用户能够直接观察到该CT图像的分割结果,并且基于用户自身的操作确定出的目标物轮廓也能准确地符合用户需求,若对所有的CT图像都进行手动分割则会导致分割时间过长,操作过于繁琐,而只对少量初始轮廓进行手动分割则可能导致无法获得准确的轮廓。
基于此,可以对所有CT图像进行筛选,对一部分满足预设分割条件的CT图像进行手动轮廓分割操作,对另一部分CT图像进行自动分割。选取进行手动轮廓分割操作的CT图像时,可以基于CT图像本身的清晰度和图像中目标物的角度等因素,来设置预设分割条件,例如,对目标物边缘不太清晰的CT图像进行手动轮廓分割操作,以及对通过不同角度拍摄目标物的CT图像进行手动轮廓分割操作等。也即将满足预设分割条件的CT图像作为第一目标CT图像,响应于用户针对第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像。
可选地,第一轮廓分割可以有多种分割方式,例如通过使用分割工具勾画目标物轮廓边缘或手动点击目标物轮廓边缘点进行分割,各种方式可以由用户自己选择,或者计算机根据当前CT图像的质量进行演算后自动确定适合的分割方法。具体地,对于边界明显的第一目标CT图像使用GrabCut算法,只需要手动圈出需要分割的区域,分割工具能够自动分割出圈画区域中的目标物轮廓;对于边界不明显的第一目标CT图像使用辅助分割算法,手动点击目标物的边缘点来分割目标物轮廓。此时得到的第一轮廓图像为用户与计算机进行交互后得到的目标物的轮廓图像。
S204、基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像。
可选地,从上述实施例的介绍可以知道,第一目标CT图像是经过筛选的需要进行手动轮廓分割操作的CT图像,相应的,CT序列图像中除去第一目标CT图像之外的其他CT图像,也即第二目标CT图像中的目标物轮廓可以满足自动轮廓分割条件,也就说明可以主动对第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像,这样直接减少了第二目标CT图像的分割用时,加快CT序列图像的分割速度,提高了目标物的三维重建效率,除此之外,考虑到第一轮廓图像的目标物轮廓是准确的,那么可以直接基于第一轮廓图像进行第二目标CT图像的第二轮廓分割,以保证在第二轮廓图像中得到准确的轮廓分割结果。
S206、根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。
可选地,通过第一轮廓分割得到第一轮廓图像以及通过第二轮廓分割得到第二轮廓图像之后,目标物的CT序列图像中各角度下的目标物轮廓都分割得到,那么根据各第一轮廓图像以及各第二轮廓图像可以构建目标物的三维体。构建三维体时,可以使用已有的各类三维重建方法,本申请实施例对此不作限定。第一轮廓图像为用户通过手动操作,与计算机交互后得到的图像,那么第一轮廓图像中的目标物轮廓是满足用户需求的、准确的,那么基于第一轮廓图像中的目标物轮廓得到的第二轮廓图像中的目标物轮廓也是准确的,同时主动进行的第二轮廓分割减少了大量第二目标CT图像的分割时间,因此通过本申请实施例可以加快目标物的三维体构建效率,并且可以保证构建目标物三维体的准确性。
在本申请实施例中,提供一种基于CT图像的三维体构建方法,获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像;基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。由于第二轮廓分割是对手动分割的第一轮廓图像进行主动处理计算,那么得到第二轮廓图像的过程中,可以避免大量CT图像的手动操作,减少人机交互,加快目标物的三维体构建效率,并且手动分割得到的第一轮廓图像可以保证目标物三维体的构建准确性。
请参阅图3,图3为本申请实施例提供的一种基于CT图像的三维体构建方法的流程示意图。
如图3所示,基于CT图像的三维体构建方法至少可以包括:
S302、获取目标物的CT序列图像,响应于用户针对CT序列图像中的初始CT图像的手动轮廓分割操作,对初始CT图像进行第一轮廓分割,将第一轮廓分割结果作为目标物的参考轮廓图像。
可选地,目标物的CT序列图像中,通常存在目标物的多个角度的切片,各角度的切片按顺序排列,例如按照左视切片5张、左斜视切片5张、右视切片5张、右斜视切片5张,得到一共包含20张CT图像的CT序列图像。通常同一角度下目标物轮廓相差不大,可以基于同一个手动确定的标准参考轮廓来进行多张同视角图像的分割,而不同角度下目标物的轮廓可能存在较大差距,因此对于不同角度的CT图像,可能需要分别进行手动分割确定不同的标准参考轮廓,除此之外,同视角CT图像中,轮廓边缘不清晰的图像可能也需要进行手动分割确定。
进一步地,为了获得准确的目标物流轮廓,首先先针对某一个角度,确定该角度下CT图像的目标物轮廓,此时需要选取CT序列图像中的初始CT图像,针对CT序列图像中的初始CT图像进行手动轮廓分割操作,对初始CT图像进行第一轮廓分割,来得到第一张第一轮廓图像。确定初始CT图像时,可以由用户自助选择序列图像中的任意一张,也可以使用默认的序列图像中的第一张,本申请实施例对此不作限定。
可选地,对初始CT图像进行分割之后,得到的第一轮廓图像作为首张第一轮廓图像,此时选取下一张第一目标CT图像是,可以基于初始CT图像的第一轮廓分割结果进行参考,也即将第一轮廓分割结果作为目标物的参考轮廓图像,将CT序列图像中其他的CT图像与参考轮廓图像进行对比,确定满足预设轮廓关系的CT图像为下一张进行手动轮廓分割的图像,预设轮廓关系可以是两个图像之间的目标物轮廓的结构相关性、角度相关性等。也就说明,进行第一轮廓分割的第一目标CT图像为CT序列图像中的初始CT图像以及与初始CT图像满足预设轮廓关系的差异CT图像。
S304、基于CT序列图像中各CT图像的排序,依次计算CT序列图像中初始CT图像之后的CT图像与参考轮廓图像关于目标物的轮廓结构相似度。
可选地,为方便描述,请参阅图4,图4为本申请实施例提供的一种对CT序列图像进行目标物分割的流程示意图。如图4所示,开始流程之后,输入CT序列图像,确定需要手动轮廓分割操作的第一目标CT图像,对该第一目标CT图像进行第一轮廓分割,将第一轮廓分割结果作为目标物的参考轮廓图像;获取参考轮廓图像之后,基于CT序列图像中各CT图像的排序,依次计算CT序列图像中初始CT图像之后的CT图像与参考轮廓图像关于目标物的轮廓结构相似度。
可选地,轮廓结构相似度也即结构相似性(Structural Similarity,SSIM),是一种衡量两幅图像相似度的指标,也即当CT图像与参考轮廓图像之间的轮廓结构相似度较高,则说明CT图像与参考轮廓图像中目标物轮廓的结构相似,因此可能可以直接进行自动分割处理,而当CT图像与参考轮廓图像之间的轮廓结构相似度较低,则说明CT图像与参考轮廓图像中目标物轮廓的结构不相似,可以认为需要进行手动的第一轮廓分割。因此计算初始CT图像之后的CT图像与参考轮廓图像关于目标物的轮廓结构相似度,可以筛选出下一张需要手动分割的第一目标CT图像。
S306、当确定轮廓结构相似度小于参考相似度阈值的差异CT图像时,暂停计算并响应于用户针对差异CT图像的手动轮廓分割操作,对差异CT图像进行第一轮廓分割,根据第一轮廓分割结果替换参考轮廓图像作为最新参考轮廓图像以及基于最新参考轮廓图像更新参考相似度阈值。
可选地,由于当CT图像与参考轮廓图像之间的轮廓结构相似度较低,则说明CT图像与参考轮廓图像中目标物轮廓的结构不相似,可以认为需要进行手动的第一轮廓分割,那么判断轮廓结构相似度是否较低时,可以设置参考相似度阈值,确定小于该阈值的相似度为较低相似度。设置参考相似度阈值时,可以基于当前参考轮廓图像的轮廓结构进行设置,那么参考相似度阈值会随着当前参考轮廓图像的改变而适应性迭代,能够准确适用于复杂的CT图像分割场景。
请参阅图4,当确定轮廓结构相似度小于参考相似度阈值的差异CT图像时,该差异CT图像则为需要进行第一轮廓分割的图像,此时需要暂停计算并响应于用户针对差异CT图像的手动轮廓分割操作,对差异CT图像进行第一轮廓分割,分割之后需要继续对后面的CT图像进行计算结构相似度,此时需要判断出与当前最新的第一轮廓图像不相似的CT图像进行下一次手动分割,那么根据第一轮廓分割结果替换参考轮廓图像作为最新参考轮廓图像以及基于最新参考轮廓图像更新参考相似度阈值。
S308、根据最新参考轮廓图像以及更新后的参考相似度阈值继续执行计算,直到遍历完CT序列图像中除初始CT图像的所有CT图像,以及将所有历史参考轮廓图像作为目标物的第一轮廓图像。
进一步地,请继续参阅图4,根据最新参考轮廓图像以及更新后的参考相似度阈值继续执行计算,直到遍历完CT序列图像中除初始CT图像的所有CT图像,也即遍历到CT序列图像中最后一张图像时,说明CT图像中需要手动分割的图像都已经进行第一轮廓分割了,此时将所有历史参考轮廓图像作为目标物的第一轮廓图像,就完成针对目标物的第一轮廓分割流程,在少量的用户交互下实现高质量CT序列图像的分割。
S3010、基于各第一轮廓图像中各像素点与目标物的轮廓边缘之间的距离,确定各第一轮廓图像的距离矩阵。
可选地,将CT序列图像中的第一轮廓图像都确定之后,CT序列图像中剩余未分割的图像,都是与顺序在其前后的两轮廓图像的结构相似度较高的,例如,当CT序列图像中存在第一张和第五张图像为第一轮廓图像,那么其中第二张至第四张的轮廓都与第一张相近,并且轮廓变化趋势在第一张和第五张的变化之间。此时可以基于各第一轮廓图像中各像素点与目标物的轮廓边缘之间的距离,确定各第一轮廓图像的距离矩阵。其中,轮距离矩阵的计算方法为,设置每个像素点都有一个到目标物轮廓边缘的距离最小值,若该像素点在目标物轮廓边缘内部,则设定该距离为负,若该像素点在目标物轮廓边缘外部,则设定该距离为正,目标物轮廓边缘上的像素点到目标物轮廓边缘距离为零。经过上述操作,可以获得图像的距离矩阵。
S3012、将相邻的两个第一轮廓图像确定为一个第一轮廓图像组,根据各第一轮廓图像组中第一轮廓图像的距离矩阵,主动对位于各第一轮廓图像组中第一轮廓图像之间的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像。
可选地,请参阅图4,此时可以对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割。为方便描述,将相邻的两个第一轮廓图像确定为一个第一轮廓图像组,根据各第一轮廓图像组中第一轮廓图像的距离矩阵,主动对位于各第一轮廓图像组中第一轮廓图像之间的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像,这样可以减少用户的操作时间。
在一种优选的实施例中,可以基于各第一轮廓图像组的距离矩阵,对位于各第一轮廓图像组中第一轮廓图像之间的第二目标CT图像进行插值,插值为在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点。插值可通过函数在有限个点处的取值状况,估算出函数在其他点处的近似值,也就可以用来填充图像变换时像素之间的空隙。
S3014、根据各第一轮廓图像以及各第二轮廓图像确定目标物的标准轮廓,以及基于标准轮廓构建目标物的三维体。
可选地,请参阅图4,从CT序列图像中分割得到目标物的轮廓图像之后,可以首先根据各第一轮廓图像以及各第二轮廓图像确定目标物的标准轮廓,确定目标物的标准轮廓时,可以根据各第一轮廓图像以及各第二轮廓图像确定目标物的的初始轮廓,此时初始轮廓可能不够精细化,那么进一步可以基于主动轮廓模型对初始轮廓进行规范,其中主动轮廓方法,也称为snake,是一种迭代式区域增长图像分割算法。使用主动轮廓算法,可以在图像上指定初始曲线,然后使用activecontour函数使曲线向对象边界演化,确定目标物的标准轮廓,并最终基于标准轮廓对目标物进行三维重建,得到目标物的三维体。
进一步地,得到目标物的三维体之后,为了方便用户观察目标三维体与原三维体之间的关系,可以使用最大强度投影算法分别对目标物所属于的原三维体以及目标物的三维体显示不同颜色,以区分目标三维体与原三维体,并使用等值面算法在显示界面的预设坐标轴中展示目标物的重建三维分割体以及CT序列图像,方便用户观察结果并进行相应调整。
在本申请实施例中,提供一种基于CT图像的三维体构建方法,通过各CT图像与前一张参考轮廓图像的轮廓结构相似度,来选取需要进行手动分割的第一目标CT图像,基于用户与计算机的交互对第一目标CT图像进行第一轮廓分割;再基于第一目标CT图像的距离矩阵,对相邻的第一目标CT图像组之间的第二目标CT图像进行插值,实现对第二目标CT图像的第二轮廓分割,减少了用户的操作时间;得到准确的分割结果之后,构建目标物的三维体,并且将渲染的三维体和CT图像在同一坐标轴下显示,方便查看各方向CT图像的分割情况。
请参阅图5,图5为本申请实施例提供的一种基于CT图像的三维体构建装置的结构框图。如图5所示,基于CT图像的三维体构建装置500包括:
第一分割模块510,用于获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像;
第二分割模块520,用于基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;
三维体构建模块530,用于根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。
可选地,第一目标CT图像为CT序列图像中的初始CT图像以及与初始CT图像满足预设轮廓关系的差异CT图像。
可选地,第一分割模块510,还用于响应于用户针对CT序列图像中的初始CT图像的手动轮廓分割操作,对初始CT图像进行第一轮廓分割,将第一轮廓分割结果作为目标物的参考轮廓图像;基于CT序列图像中各CT图像的排序,依次计算CT序列图像中初始CT图像之后的CT图像与参考轮廓图像关于目标物的轮廓结构相似度;当确定轮廓结构相似度小于参考相似度阈值的差异CT图像时,暂停计算并响应于用户针对差异CT图像的手动轮廓分割操作,对差异CT图像进行第一轮廓分割,根据第一轮廓分割结果替换参考轮廓图像作为最新参考轮廓图像以及基于最新参考轮廓图像更新参考相似度阈值;根据最新参考轮廓图像以及更新后的参考相似度阈值继续执行计算,直到遍历完CT序列图像中除初始CT图像的所有CT图像,以及将所有历史参考轮廓图像作为目标物的第一轮廓图像。
可选地,第二分割模块520,还用于基于各第一轮廓图像中各像素点与目标物的轮廓边缘之间的距离,确定各第一轮廓图像的距离矩阵;将相邻的两个第一轮廓图像确定为一个第一轮廓图像组,根据各第一轮廓图像组中第一轮廓图像的距离矩阵,主动对位于各第一轮廓图像组中第一轮廓图像之间的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像。
可选地,第二轮廓分割为插值处理操作。
可选地,三维体构建模块530,还用于根据各第一轮廓图像以及各第二轮廓图像确定目标物的标准轮廓,以及基于标准轮廓构建目标物的三维体。
可选地,三维体构建模块530,还用于根据各第一轮廓图像以及各第二轮廓图像确定目标物的的初始轮廓;基于主动轮廓模型对初始轮廓进行规范,确定目标物的标准轮廓。
在本申请实施例中,提供一种基于CT图像的三维体构建装置,其中,第一分割模块,用于获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像;第二分割模块,用于基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;三维体构建模块,用于根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。由于第二轮廓分割是对手动分割的第一轮廓图像进行主动处理计算,那么得到第二轮廓图像的过程中,可以避免大量CT图像的手动操作,减少人机交互,加快目标物的三维体构建效率,并且手动分割得到的第一轮廓图像可以保证目标物三维体的构建准确性。
本申请实施例还提供了一种计算机存储介质,计算机存储介质可以存储有多条指令,指令适于由处理器加载并执行如上述实施例中的任一项的方法的步骤。
请参见图6,图6为本申请实施例提供的一种终端的结构示意图。如图6所示,终端600可以包括:至少一个终端处理器601,至少一个网络接口604,用户接口603,存储器605,至少一个通信总线602。
其中,通信总线602用于实现这些组件之间的连接通信。
其中,用户接口603可以包括显示屏(Display)、摄像头(Camera),可选用户接口603还可以包括标准的有线接口、无线接口。
其中,网络接口604可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,终端处理器601可以包括一个或者多个处理核心。终端处理器601利用各种接口和线路连接整个终端600内的各个部分,通过运行或执行存储在存储器605内的指令、程序、代码集或指令集,以及调用存储在存储器605内的数据,执行终端600的各种功能和处理数据。可选的,终端处理器601可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。终端处理器601可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到终端处理器601中,单独通过一块芯片进行实现。
其中,存储器605可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory,ROM)。可选的,该存储器605包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器605可用于存储指令、程序、代码、代码集或指令集。存储器605可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器605可选的还可以是至少一个位于远离前述终端处理器601的存储装置。如图6所示,作为一种计算机存储介质的存储器605中可以包括操作系统、网络通信模块、用户接口模块以及基于CT图像的三维体构建程序。
在图6所示的终端600中,用户接口603主要用于为用户提供输入的接口,获取用户输入的数据;而终端处理器601可以用于调用存储器605中存储的基于CT图像的三维体构建程序,并具体执行以下操作:
获取目标物的CT序列图像,响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像;
基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像;
根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体。
在一些实施例中,第一目标CT图像为CT序列图像中的初始CT图像以及与初始CT图像满足预设轮廓关系的差异CT图像。
在一些实施例中,终端处理器601在执行响应于用户针对CT序列图像中的第一目标CT图像的手动轮廓分割操作,对第一目标CT图像进行第一轮廓分割,得到目标物的第一轮廓图像时,具体执行以下步骤:响应于用户针对CT序列图像中的初始CT图像的手动轮廓分割操作,对初始CT图像进行第一轮廓分割,将第一轮廓分割结果作为目标物的参考轮廓图像;基于CT序列图像中各CT图像的排序,依次计算CT序列图像中初始CT图像之后的CT图像与参考轮廓图像关于目标物的轮廓结构相似度;当确定轮廓结构相似度小于参考相似度阈值的差异CT图像时,暂停计算并响应于用户针对差异CT图像的手动轮廓分割操作,对差异CT图像进行第一轮廓分割,根据第一轮廓分割结果替换参考轮廓图像作为最新参考轮廓图像以及基于最新参考轮廓图像更新参考相似度阈值;根据最新参考轮廓图像以及更新后的参考相似度阈值继续执行计算,直到遍历完CT序列图像中除初始CT图像的所有CT图像,以及将所有历史参考轮廓图像作为目标物的第一轮廓图像。
在一些实施例中,终端处理器601在执行基于各第一轮廓图像主动对CT序列图像中除去第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像时,具体执行以下步骤:基于各第一轮廓图像中各像素点与目标物的轮廓边缘之间的距离,确定各第一轮廓图像的距离矩阵;将相邻的两个第一轮廓图像确定为一个第一轮廓图像组,根据各第一轮廓图像组中第一轮廓图像的距离矩阵,主动对位于各第一轮廓图像组中第一轮廓图像之间的第二目标CT图像进行第二轮廓分割,得到目标物的第二轮廓图像。
在一些实施例中,第二轮廓分割为插值处理操作。
在一些实施例中,终端处理器601在执行根据各第一轮廓图像以及各第二轮廓图像构建目标物的三维体时,具体执行以下步骤:根据各第一轮廓图像以及各第二轮廓图像确定目标物的标准轮廓,以及基于标准轮廓构建目标物的三维体。
在一些实施例中,终端处理器601在执行基于根据各第一轮廓图像以及各第二轮廓图像确定目标物的标准轮廓时,具体执行以下步骤:根据各第一轮廓图像以及各第二轮廓图像确定目标物的的初始轮廓;基于主动轮廓模型对初始轮廓进行规范,确定目标物的标准轮廓。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。上述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行上述计算机程序指令时,全部或部分地产生按照本说明书实施例上述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中,或者通过上述计算机可读存储介质进行传输。上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DigitalSubscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字多功能光盘(DigitalVersatile Disc,DVD))、或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本申请所提供的一种基于CT图像的三维体构建方法、装置、存储介质以及终端的描述,对于本领域的技术人员,依据本申请实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于CT图像的三维体构建方法,其特征在于,所述方法包括:
获取目标物的CT序列图像,响应于用户针对所述CT序列图像中的第一目标CT图像的手动轮廓分割操作,对所述第一目标CT图像进行第一轮廓分割,得到所述目标物的第一轮廓图像;
基于各第一轮廓图像主动对所述CT序列图像中除去所述第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到所述目标物的第二轮廓图像;
根据各第一轮廓图像以及各第二轮廓图像构建所述目标物的三维体。
2.根据权利要求1所述的方法,其特征在于,所述第一目标CT图像为所述CT序列图像中的初始CT图像以及与所述初始CT图像满足预设轮廓关系的差异CT图像。
3.根据权利要求2所述的方法,其特征在于,所述响应于用户针对所述CT序列图像中的第一目标CT图像的手动轮廓分割操作,对所述第一目标CT图像进行第一轮廓分割,得到所述目标物的第一轮廓图像,包括:
响应于用户针对所述CT序列图像中的所述初始CT图像的手动轮廓分割操作,对所述初始CT图像进行第一轮廓分割,将第一轮廓分割结果作为所述目标物的参考轮廓图像;
基于所述CT序列图像中各CT图像的排序,依次计算所述CT序列图像中所述初始CT图像之后的CT图像与所述参考轮廓图像关于所述目标物的轮廓结构相似度;
当确定所述轮廓结构相似度小于参考相似度阈值的差异CT图像时,暂停计算并响应于所述用户针对所述差异CT图像的手动轮廓分割操作,对所述差异CT图像进行第一轮廓分割,根据第一轮廓分割结果替换所述参考轮廓图像作为最新参考轮廓图像以及基于所述最新参考轮廓图像更新所述参考相似度阈值;
根据所述最新参考轮廓图像以及更新后的所述参考相似度阈值继续执行计算,直到遍历完所述CT序列图像中除所述初始CT图像的所有CT图像,以及将所有历史参考轮廓图像作为所述目标物的第一轮廓图像。
4.根据权利要求1所述的方法,其特征在于,所述基于各第一轮廓图像主动对所述CT序列图像中除去所述第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到所述目标物的第二轮廓图像,包括:
基于各第一轮廓图像中各像素点与所述目标物的轮廓边缘之间的距离,确定各第一轮廓图像的距离矩阵;
将相邻的两个第一轮廓图像确定为一个第一轮廓图像组,根据各第一轮廓图像组中第一轮廓图像的距离矩阵,主动对位于各第一轮廓图像组中第一轮廓图像之间的第二目标CT图像进行第二轮廓分割,得到所述目标物的第二轮廓图像。
5.根据权利要求1所述的方法,其特征在于,所述第二轮廓分割为插值处理操作。
6.根据权利要求1所述的方法,其特征在于,所述根据各第一轮廓图像以及各第二轮廓图像构建所述目标物的三维体,包括:
根据各第一轮廓图像以及各第二轮廓图像确定所述目标物的标准轮廓,以及基于所述标准轮廓构建所述目标物的三维体。
7.根据权利要6所述的方法,其特征在于,所述基于所述根据各第一轮廓图像以及各第二轮廓图像确定所述目标物的标准轮廓,包括:
根据各第一轮廓图像以及各第二轮廓图像确定所述目标物的的初始轮廓;
基于主动轮廓模型对所述初始轮廓进行规范,确定所述目标物的标准轮廓。
8.一种基于CT图像的三维体构建装置,其特征在于,所述装置包括:
第一分割模块,用于获取目标物的CT序列图像,响应于用户针对所述CT序列图像中的第一目标CT图像的手动轮廓分割操作,对所述第一目标CT图像进行第一轮廓分割,得到所述目标物的第一轮廓图像;
第二分割模块,用于基于各第一轮廓图像主动对所述CT序列图像中除去所述第一目标CT图像之外的第二目标CT图像进行第二轮廓分割,得到所述目标物的第二轮廓图像;
三维体构建模块,用于根据各第一轮廓图像以及各第二轮廓图像构建所述目标物的三维体。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~7任意一项的所述方法的步骤。
10.一种终端,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211300540.2A CN115661176A (zh) | 2022-10-24 | 2022-10-24 | 基于ct图像的三维体构建方法、装置、存储介质以及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211300540.2A CN115661176A (zh) | 2022-10-24 | 2022-10-24 | 基于ct图像的三维体构建方法、装置、存储介质以及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115661176A true CN115661176A (zh) | 2023-01-31 |
Family
ID=84990496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211300540.2A Pending CN115661176A (zh) | 2022-10-24 | 2022-10-24 | 基于ct图像的三维体构建方法、装置、存储介质以及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115661176A (zh) |
-
2022
- 2022-10-24 CN CN202211300540.2A patent/CN115661176A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cai et al. | A review of the application of deep learning in medical image classification and segmentation | |
Mahmood et al. | Deep adversarial training for multi-organ nuclei segmentation in histopathology images | |
CN109583440B (zh) | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 | |
CN111161275B (zh) | 医学图像中目标对象的分割方法、装置和电子设备 | |
CN110728674B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
CN108198184B (zh) | 造影图像中血管分割的方法和系统 | |
US20190065897A1 (en) | Medical image analysis method, medical image analysis system and storage medium | |
CN110414631B (zh) | 基于医学图像的病灶检测方法、模型训练的方法及装置 | |
CN110189323B (zh) | 一种基于半监督学习的乳腺超声图像病灶分割方法 | |
US20220222932A1 (en) | Training method and apparatus for image region segmentation model, and image region segmentation method and apparatus | |
CN110517238B (zh) | Ct医学影像ai三维重建与人机交互可视化网络系统 | |
EP3893198A1 (en) | Method and system for computer aided detection of abnormalities in image data | |
CN103514597A (zh) | 图像处理装置 | |
US11967181B2 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
CN111899244B (zh) | 图像分割、网络模型的训练方法及装置,及电子设备 | |
Wang et al. | Uncertainty-guided efficient interactive refinement of fetal brain segmentation from stacks of MRI slices | |
US20220366679A1 (en) | Methods and systems for training learning network for medical image analysis | |
CN107481254A (zh) | 医学图像的处理方法、装置、介质和电子设备 | |
CN112435341A (zh) | 三维重建网络的训练方法及装置、三维重建方法及装置 | |
CN111583385A (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 | |
CN113658175A (zh) | 一种征象数据的确定方法及装置 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
Gheorghiță et al. | Improving robustness of automatic cardiac function quantification from cine magnetic resonance imaging using synthetic image data | |
CN114365188A (zh) | 基于vrds ai下腔静脉影像的分析方法及产品 | |
US20240062498A1 (en) | Systems and methods for rendering models based on medical imaging data |
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 |