CN116228796B - 一种ct图像椎弓根分割方法、装置及存储介质 - Google Patents

一种ct图像椎弓根分割方法、装置及存储介质 Download PDF

Info

Publication number
CN116228796B
CN116228796B CN202310490963.3A CN202310490963A CN116228796B CN 116228796 B CN116228796 B CN 116228796B CN 202310490963 A CN202310490963 A CN 202310490963A CN 116228796 B CN116228796 B CN 116228796B
Authority
CN
China
Prior art keywords
image
pedicle
segmentation
cone
segmented
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.)
Active
Application number
CN202310490963.3A
Other languages
English (en)
Other versions
CN116228796A (zh
Inventor
李危石
邹达
黄冕
齐欢
马驰
吕维加
赵祎
尚泽森
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.)
Peking University Third Hospital Peking University Third Clinical Medical College
Original Assignee
Peking University Third Hospital Peking University Third Clinical Medical College
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 Peking University Third Hospital Peking University Third Clinical Medical College filed Critical Peking University Third Hospital Peking University Third Clinical Medical College
Priority to CN202310490963.3A priority Critical patent/CN116228796B/zh
Publication of CN116228796A publication Critical patent/CN116228796A/zh
Application granted granted Critical
Publication of CN116228796B publication Critical patent/CN116228796B/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
    • G06T7/10—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
    • G06T7/0002—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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明属于医学图像处理技术领域，公开了一种CT图像椎弓根分割方法、装置及存储介质，其中，分割方法包括：获取带有分割标注掩膜的椎体模板CT图像和待分割椎体CT图像；获取将椎体模板CT图像配准到待分割椎体CT图像的变形场；基于变形场和分割标注掩膜，得到待分割椎体CT图像的分割掩膜；基于分割掩膜得到待分割椎体CT图像中整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的分割结果。本发明解决了现有技术无法实现整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨区域的准确分割和骨密度精确测量，以及无法准确测量椎弓根长度、宽度、高度三个径线方向最短距离，导致经椎弓根植入螺钉的尺寸和方向不准确，抗拔出能力差，脊髓神经损伤的问题。

Description

一种CT图像椎弓根分割方法、装置及存储介质
技术领域
本发明涉及医学图像处理领域，尤其涉及一种CT图像椎弓根分割方法、装置及存储介质。
背景技术
脊柱的椎体从解剖上可以分为前、中、后三个部分（也叫前柱、中柱、后柱），前柱是脊柱的椎体，后柱是脊柱的椎板棘突关节等附件结构，中柱就是连接前后柱的双侧椎弓根。经椎弓根螺钉内固定技术是脊柱外科最常用的手术技术之一，主要用于治疗脊柱椎间盘源性疾病和脊柱骨折、脊柱畸形等。经椎弓根螺钉植入时是从后柱进钉，穿过中柱的椎弓根，最终直达前柱，从而可以为脊柱提供前中后三柱稳定，是目前被认为最坚强的脊柱内固定方法。
脊柱椎弓根的外形类似圆柱体，但又远比圆柱更为复杂多变，主要包括外层约1mm左右厚度的皮质骨和内层的松质骨。椎弓根的外形尺寸、骨密度高低决定了大约80%的椎弓根螺钉抗拔出力。也就是说椎弓根越宽大，椎弓根骨密度越低，椎弓根螺钉的抗拔出力越低，越容易出现手术以后的椎弓根螺钉松动。
因此，外科医师在手术前必须对椎弓根的尺寸和骨密度条件进行评估。在尺寸评估方面，主刀医师在术前脊柱CT断层图像中找到椎弓根最细的部分，测量该处的椎弓根径线，从而指导主刀医师选择合适的螺钉直径、进钉点、以及螺钉植入方向。上述选择错误将导致螺钉植入位置不良，突破椎弓根皮质骨外壁损伤外围的脊髓神经。在骨密度评估方面，主刀医师是在术前通过常规的骨密度检查来评价患者整体的骨密度状态，比如评估患者是否为骨质疏松、骨量减少或骨量正常。主刀医生也可以在术前脊柱CT断层图像中找到预计椎弓根螺钉会经过的层面，通过阅片软件测量该层面的椎弓根内部CT值，参考该CT值来判断椎弓根的骨密度。
然而在椎弓根尺寸评估方面，常规方法是人工手动测量，CT断层图像难以准确找到椎弓根最狭窄处的径线，另外受CT机器参数、扫描方式以及测量者手动选择误差的影响，测量的准确性、可重复性差，效率低。在椎弓根骨密度评估方面，常用的骨密度检查是测量患者的整体骨密度水平，而不是局部小区域的骨密度。虽然整体骨密度水平与椎弓根局部骨密度有一定相关性，但仍不能作为替代。尤其是在老年患者中，由于脊柱退变的影响，脊柱局部骨密度变异大，椎弓根局部骨密度与整体的骨密度相关性小。即使利用CT断层图像人工测量椎弓根CT值的方法测量，也会存在和上述径线测量一样的不足。另外，椎弓根分为外层的皮质骨和内层的松质骨，虽然与椎弓根螺钉接触的大部分是松质骨，但当螺钉接触到部分皮质骨也会明显影响螺钉的抗拔出力。目前尚没有一种方法可以区分椎弓根的皮质骨和松质骨区域。
发明内容
鉴于上述的分析，本发明旨在提供一种CT图像椎弓根分割方法、装置及存储介质。本发明解决了现有技术中无法实现整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨区域的准确分割和骨密度精确测量，以及无法准确测量椎弓根长度、宽度、高度三个径线方向最短距离的问题。上述问题导致了经椎弓根植入螺钉的尺寸和方向选择不准确，抗拔出能力差，脊髓神经损伤的问题。
本发明的目的主要是通过以下技术方案实现的：
一方面，提供一种CT图像椎弓根分割方法，包括：
获取带有分割标注掩膜的椎体模板CT图像和待分割椎体CT图像；所述分割标注掩膜包括整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的三维区域和特征点标注；
获取将所述椎体模板CT图像配准到所述待分割椎体CT图像的变形场；
基于所述变形场和分割标注掩膜，得到所述待分割椎体CT图像的分割掩膜；
基于所述分割掩膜得到待分割椎体CT图像中整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的分割结果。
进一步的，所述获取将所述椎体模板CT图像配准到所述待分割椎体CT图像的变形场，包括：
对所述待分割椎体CT图像的边界进行裁剪或填充，得到与所述模板椎体CT图像相同尺寸的待分割椎体CT图像；
基于配准方法，将所述椎体模板CT图像向所述待分割椎体CT图像进行变形；
计算变形后的所述椎体模板CT图像与所述待分割椎体CT图像的相似度，经过迭代优化最大化相似度，得到收敛的变形场。
进一步的，所述基于所述变形场和分割标注掩膜，得到所述待分割椎体CT图像的分割掩膜，包括：
基于所述变形场，对椎体模板CT图像的分割标注掩膜进行变形，以将所述分割标注掩膜迁移到待分割椎体CT图像上，得到与待分割椎体CT图像对应的分割掩膜。
进一步的，所述特征点标注包括：对整体椎弓根的长度、宽度和高度三个方向各标注两个不同位置处的特征点。
进一步的，所述基于所述分割掩膜得到整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的分割结果，包括：
基于所述待分割椎体CT图像分割掩膜上的整体椎弓根的三个方向上的特征点，得到三个方向的单位向量；
获取所述分割掩膜在待分割椎体CT图像中每个体素的位置坐标；
在整体椎弓根和去除皮质骨后的椎弓根松质骨区域内分别任意选择两个坐标点，计算对应区域内两个坐标点的向量，并与三个方向的所述单位向量做内积；
遍历整体椎弓根和椎弓根松质骨区域内的位置坐标，分别得到每个区域内长度、宽度和高度三个方向上内积最小值所对应的三组坐标点，基于内积最小值所对应的每组坐标点的连接线段的长度，得到整体椎弓根和椎弓根松质骨区域的长度、宽度和高度。
进一步的，所述基于所述分割掩膜得到整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的分割结果，还包括：
对整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的分割掩膜分别与其对应的椎体CT图像内的CT值做体素级别的相乘，过滤非感兴趣区域的体素及CT值；
对得到的感兴趣区域的体素级别CT值求平均，分别得到整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的体积平均CT值。
进一步的，所述配准方法为基于对称微分同胚的配准方法；
基于下述公式对所述椎体模板CT图像向所述待分割椎体CT图像进行变形：
Figure SMS_1
；
Figure SMS_2
；
其中，
Figure SMS_4
为椎体模板CT图像，/>
Figure SMS_7
为对称微分同胚变形场，/>
Figure SMS_9
为椎体模板CT图像中任意体素的空间坐标，/>
Figure SMS_5
为时间步，/>
Figure SMS_6
；/>
Figure SMS_8
为t=0的初始时刻的变形场状态；/>
Figure SMS_10
为t=1的最终时刻的变形场状态；/>
Figure SMS_3
为速度场，为平方可积分的连续向量场。
进一步的，通过下述公式进行迭代优化，得到所述变形场：
Figure SMS_11
其中，
Figure SMS_22
为图像/>
Figure SMS_14
和/>
Figure SMS_18
的对称微分同胚映射的优化方程，/>
Figure SMS_15
为椎体模板CT图像，/>
Figure SMS_19
为待分割椎体CT图像；/>
Figure SMS_23
为/>
Figure SMS_27
到/>
Figure SMS_21
的前向变形场，/>
Figure SMS_25
为/>
Figure SMS_12
到/>
Figure SMS_17
的后向变形场，/>
Figure SMS_24
为速度场，/>
Figure SMS_28
为椎体CT图像的域，/>
Figure SMS_26
为CT图像/>
Figure SMS_29
和/>
Figure SMS_13
经过变形场/>
Figure SMS_16
变形后的相似度,/>
Figure SMS_20
表示通过线性微分算子对速度场进行正则化。
另一方面，还提供一种椎弓根分割装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述的CT图像椎弓根分割方法。
第三方面，还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序可被处理器执行，实现前述的CT图像椎弓根分割方法。
本技术方案的有益效果：
1. 针对现有方法不能实现椎弓根准确自动分割的问题，基于经过专家标注的椎弓根三维区域，通过对称微分同胚配准方法，精准分割出整体椎弓根、椎弓根外层皮质骨、椎弓根内层松质骨三维区域,扩大了椎体分割方法的应用范围。
2. 本发明基于经过专家标注的椎弓根三维区域及椎弓根长度、宽度和高度三个方向特征点，通过对称微分同胚配准方法，对椎弓根进行精确分割的同时，还可以识别出椎弓根长度、宽度和高度三个方向，以及整体椎弓根和去除两端皮质骨后的椎弓根内部松质骨区域的长度、宽度、高度三个方向的尺寸，且自动测量整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的体积平均CT值，为螺钉植入提供了准确的参考。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的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可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件；
图1为本发明实施例的CT图像椎弓根分割方法流程图；
图2为本发明实施例的椎体模板CT图像及椎弓根标注的横断面示意图；
图3为本发明实施例的椎体CT图像及椎弓根标注的矢状面示意图；
图4为本发明实施例的椎体CT图像及椎弓根标注的冠状面示意图；
图5为本发明实施例的椎弓根皮质骨区域与松质骨区域三维重建后的示意图；
图6为本发明实施例的图像配准方法示意图；
图7为本发明实施例的优化后的椎弓根变形场横断面示意图；
图8为本发明实施例的优化后的椎弓根变形场矢状面示意图；
图9为本发明实施例的优化后的椎弓根变形场冠状面示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
本发明的一个实施例，提供一种CT图像椎弓根分割方法，如图1所示，包括以下步骤：
步骤1：获取带有分割标注掩膜的椎体模板CT图像和待分割椎体CT图像。
特殊的，本实施例的椎体模板CT图像的分割标注掩膜包括整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的三维区域和特征点标注；特征点标注包括对整体椎弓根的长度、宽度和高度三个方向各标注两个不同位置处的特征点。
具体的，在进行椎体模板CT图像标注时，首先准备一例脊柱椎体CT影像图片，由骨科临床专家或具有脊柱专业知识的人员基于体素级别进行标注，分割出该例脊柱椎体CT影像图片中的整体椎弓根、椎弓根外层皮质骨、椎弓根内层松质骨三维区域，并同时标注整体椎弓根沿长度、宽度和高度三个方向上的特征点，每个方向上各标注两个特征点，即可得到整体椎弓根沿长度、宽度和高度上的三个方向。标注完成后，对椎体模板CT图像制作分割标注掩膜，并可以进行三维重建以实现可视化。如图2、图3、图4和图5和所示的椎弓根横断面、矢状面、冠状面和三维重建图中，外层包裹形区域为椎弓根皮质骨区域，内层长条形区域为椎弓根松质骨区域，在椎弓根的分割掩膜及三维重建图中标识了整体椎弓根沿长度、宽度、高度三个方向上的特征点及三个方向的示意箭头。
步骤2：获取将椎体模板CT图像配准到待分割椎体CT图像的变形场。
优选的，包括：对待分割椎体CT图像的边界进行裁剪或填充，得到与模板椎体CT图像相同尺寸的待分割椎体CT图像；
基于配准方法，如图6所示，将椎体模板CT图像作为动态图像向待分割椎体CT图像进行变形；计算变形后的椎体模板CT图像与待分割椎体CT图像的相似度，经过迭代优化最大化相似度，得到收敛的变形场，如图7、图8和图9所示，分别为优化后的椎弓根CT图像变形场的横断面、矢状面和冠状面示意图。
具体的，本实施例采用的配准方法为基于对称微分同胚的配准方法；
基于下述公式对椎体模板CT图像向待分割椎体CT图像进行变形：
Figure SMS_30
；
Figure SMS_31
；
其中，
Figure SMS_34
为椎体模板CT图像，/>
Figure SMS_36
为对称微分同胚变形场，/>
Figure SMS_38
为椎体模板CT图像中任意体素的空间坐标，/>
Figure SMS_33
为时间步，/>
Figure SMS_35
；/>
Figure SMS_37
为t=0的初始时刻的变形场状态；/>
Figure SMS_39
为t=1的最终时刻的变形场状态；/>
Figure SMS_32
为速度场，为平方可积分的连续向量场。
Figure SMS_40
；
其中，
Figure SMS_50
为图像/>
Figure SMS_41
和/>
Figure SMS_46
的对称微分同胚映射的优化方程，/>
Figure SMS_43
为椎体模板CT图像，/>
Figure SMS_45
为待分割椎体CT图像；/>
Figure SMS_49
为/>
Figure SMS_53
到/>
Figure SMS_52
的前向变形场，/>
Figure SMS_56
为/>
Figure SMS_44
到/>
Figure SMS_48
的后向变形场，/>
Figure SMS_54
为速度场，/>
Figure SMS_57
为椎体CT图像的域，/>
Figure SMS_55
为CT图像/>
Figure SMS_58
和/>
Figure SMS_42
在经过变形场
Figure SMS_47
变形后的相似度,/>
Figure SMS_51
表示通过线性微分算子对速度场进行正则化。
更具体的，在实际应用中，在获取得到椎体模板CT图像和待分割椎体CT图像后，对待分割椎体CT图像的边界进行裁剪或填充，使其与椎体模板CT图像尺寸相同。然后运用图像配准原理，将待分割CT图像作为固定（fixed）图像，模板CT图像作为动态（moving）图像，即将模板CT图像通过变形场的变换，三维配准到待分割的CT图像上。
需要说明的是，因所需配准的两张CT图像从两个不同的椎体获得，所表示的椎体几何拓扑结构不同，无法通过将其中一个椎体平移、旋转或缩放配准到另一个椎体，不适合采用基于仿射变换的刚性配准方法。因此，本实施例采用非刚性配准方法，通过基于对称微分同胚（Symmetric Diffeomorphic）的配准方法，可得到对称的拥有光滑连续逆映射的光滑连续映射并可微的变形场，本实施例的方法得到的变形场更加精确，提高了CT图像分割精度。
对于基于对称微分同胚的配准方法的实现，包括：首先定义一个对称微分同胚变形场
Figure SMS_60
，其中/>
Figure SMS_64
为图像中任意体素的空间坐标，/>
Figure SMS_67
为时间步（默认为从0到1）；定义两张待配准的图像/>
Figure SMS_61
和/>
Figure SMS_63
，其中，在本实施例中/>
Figure SMS_66
为椎体模板CT图像，/>
Figure SMS_69
为待分割椎体CT图像；定义一个平方可积分的连续向量场为速度场/>
Figure SMS_59
；则根据微分同胚变形原理，微分同胚变形场/>
Figure SMS_62
为将速度场/>
Figure SMS_65
在时间/>
Figure SMS_68
从0到1上做积分，即：
Figure SMS_70
；
即微分同胚变形场将图像
Figure SMS_71
变形的操作为：/>
Figure SMS_72
；
对称微分同胚变形场保证了从
Figure SMS_74
到/>
Figure SMS_77
的前向变形与从/>
Figure SMS_80
到/>
Figure SMS_75
的后向变形的路径是完全一致的，即，假设/>
Figure SMS_78
为前向变形场，/>
Figure SMS_81
为后向变形场，假设/>
Figure SMS_82
为图像/>
Figure SMS_73
中与/>
Figure SMS_76
在图像
Figure SMS_79
中对应的解剖结构，则有：
Figure SMS_83
。
通过计算变形后的模板CT图像与待分割CT图像的相似度指标，迭代优化对称微分同胚变形场，即通过优化以下公式：
Figure SMS_84
，
其中，
Figure SMS_85
为椎体影像（即CT图像）的域，/>
Figure SMS_86
代表图像/>
Figure SMS_87
和/>
Figure SMS_88
在经过
Figure SMS_89
变形场变形后的相似度，且需保证：
Figure SMS_90
，
其中
Figure SMS_91
，/>
Figure SMS_92
，/>
Figure SMS_93
，其中/>
Figure SMS_94
=1或2，/>
Figure SMS_95
为单位矩阵，最终迭代优化得到使相似度最大的/>
Figure SMS_96
最优解。
本发明选取动态图像与固定图像交叉相关性（Cross-correlation）作为相似度的评价指标。
首先定义：
Figure SMS_97
，
Figure SMS_98
，
其中，
Figure SMS_99
代表以/>
Figure SMS_100
为中心的大小为/>
Figure SMS_101
的局部视窗内的体素均值，n为局部视窗内的体素数量，本实施例中/>
Figure SMS_102
；
则图像
Figure SMS_103
与图像/>
Figure SMS_104
的交叉相关性为：
Figure SMS_105
，
其中，
Figure SMS_106
表示交叉相关性，/>
Figure SMS_107
代表在上述大小为/>
Figure SMS_108
的局部视窗内计算的内积。
计算变形后的模板CT图像与待分割CT图像的相似度，并将其作为配准性能的指标进行迭代优化，得到优化至收敛状态的变形场。迭代优化至收敛后的变形场可视化如 图 2所示，基于变形场可得到每个体素对应在CT图像中X、Y、Z三个正交方向叠加的向量的模，实际应用中，可以通过变形场每个体素的RGB颜色分别代表在X、Y、Z三个通道的向量的模的大小。
步骤3：基于变形场和分割标注掩膜，得到待分割椎体CT图像的分割掩膜。
具体的，基于变形场，对椎体模板CT图像的分割标注掩膜进行变形，以将分割标注掩膜迁移到待分割椎体CT图像上，得到与待分割椎体CT图像对应的分割掩膜。
前述的迭代优化至收敛后得到变形场，即为将动态图像的椎体配准到固定图像的椎体所需的变换；利用此变形场，对椎体模板CT图像（动态图像）的分割标注掩膜进行变形，相当于将动态图像的专家标注迁移到待分割椎体CT图像（固定图像）上，可得到与固定图像相对应的分割标注掩膜，即得到待分割CT图像的整体椎弓根、外层椎弓根皮质骨、内层椎弓根松质骨分割掩膜。同时，由于在标注椎弓根的分割掩膜时，同时标注了整体椎弓根沿长度、宽度和高度三个方向上的特征点，因此根据得到的待分割CT图像分割掩膜上整体椎弓根沿长度、宽度和高度三个方向的特征点，可以得到三个方向特征点在CT图像上对应的坐标，并根据各个方向上的特征点，计算出各个方向的单位向量。
步骤4：基于分割掩膜得到待分割椎体CT图像中整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的分割结果。
具体的，本实施例中得到的分割结果包括整体椎弓根和椎弓根松质骨区域的长度、宽度和高度方向的尺寸及整体椎弓根、椎弓根皮质骨区域和椎弓根松质骨区域三个区域的平均CT值。
首先，基于上述分割结果及整体椎弓根沿长度、宽度、高度的三个方向，自动计算出整体椎弓根的长度、宽度、高度，以及去除两端皮质骨后的椎弓根内部松质骨区域的长度、宽度、高度。
具体包括：基于待分割椎体CT图像分割掩膜上的整体椎弓根的三个方向上的特征点，得到三个方向的单位向量；获取分割掩膜在待分割椎体影像中每个体素的位置坐标；在整体椎弓根和去除皮质骨后的椎弓根松质骨区域内分别任意选择两个坐标点，计算对应区域内两个坐标点对应的向量与三个方向的所述单位向量的内积；遍历整体椎弓根和椎弓根松质骨区域内的位置坐标，得到整体椎弓根区域内长度、宽度和高度三个方向上，每个方向对应的内积最小值所对应的三组坐标点，和椎弓根松质骨区域内长度、宽度和高度三个方向上，每个方向对应的内积最小值所对应的三组坐标点，基于内积最小值所对应的每组坐标点的连接线段的长度，得到整体椎弓根和椎弓根松质骨区域的长度、宽度和高度。
另外，基于前述的分割结果，分别自动测量整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的体积平均CT值；
具体包括：得到整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的分割掩膜后，分别将各分割掩膜（感兴趣区域值为1，背景区域值为0）与其对应的椎体CT图像内的CT值做体素级别的相乘（element-wise/voxel-wisemultiplication），相当于过滤掉了非感兴趣区域的体素及CT值。最后将得到的感兴趣区域的体素级别CT值求平均，即得到整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的体积平均CT值。
本发明的另一个实施例，提供了一种CT图像椎弓根分割装置，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，且处理器执行计算机程序时实现本发明上述任一实施例的CT图像椎弓根分割方法。
本发明的第三个实施例，提供了一种计算机可读存储介质，存储介质上存储有计算机程序，计算机程序可被处理器执行，实现本发明上述任一实施例的CT图像椎弓根分割方法。
综上所述，本发明提供的一种CT图像椎弓根分割方法，针对现有方法不能实现椎弓根准确自动分割的问题，基于经过专家标注的椎弓根三维区域，通过对称微分同胚配准方法，精准分割出整体椎弓根、椎弓根外层皮质骨、椎弓根内层松质骨三维区域,扩大了椎体分割方法的应用范围。且基于经过专家标注的椎弓根三维区域及椎弓根长度、宽度和高度三个方向特征点，通过对称微分同胚配准方法，对椎弓根进行精确分割的同时，还可以识别出椎弓根长度、宽度和高度三个方向，以及整体椎弓根和去除两端皮质骨后的椎弓根内部松质骨区域的长度、宽度、高度三个方向的尺寸，自动测量整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的体积平均CT值，为螺钉植入提供了准确的参考。
本领域技术人员可以理解，实现上述实施例中方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种CT图像椎弓根分割方法，其特征在于，包括：
获取带有分割标注掩膜的椎体模板CT图像和待分割椎体CT图像；所述分割标注掩膜包括整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的三维区域和特征点标注；所述特征点标注包括：对整体椎弓根的长度、宽度和高度三个方向各标注两个不同位置处的特征点；
获取将所述椎体模板CT图像配准到所述待分割椎体CT图像的变形场；
基于所述变形场和分割标注掩膜，得到所述待分割椎体CT图像的分割掩膜；
基于所述分割掩膜得到待分割椎体CT图像中整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的分割结果；包括：
基于所述待分割椎体CT图像分割掩膜上的整体椎弓根的三个方向上的特征点，得到三个方向的单位向量；
获取所述分割掩膜在待分割椎体CT图像中每个体素的位置坐标；
在整体椎弓根和去除皮质骨后的椎弓根松质骨区域内分别任意选择两个坐标点，计算对应区域内两个坐标点的向量，并与三个方向的所述单位向量做内积；
遍历整体椎弓根和椎弓根松质骨区域内的位置坐标，分别得到每个区域内长度、宽度和高度三个方向上内积最小值所对应的三组坐标点，基于内积最小值所对应的每组坐标点的连接线段的长度，得到整体椎弓根和椎弓根松质骨区域的长度、宽度和高度。
2.根据权利要求1所述的CT图像椎弓根分割方法，其特征在于，所述获取将所述椎体模板CT图像配准到所述待分割椎体CT图像的变形场，包括：
对所述待分割椎体CT图像的边界进行裁剪或填充，得到与所述模板椎体CT图像相同尺寸的待分割椎体CT图像；
基于配准方法，将所述椎体模板CT图像向所述待分割椎体CT图像进行变形；
计算变形后的所述椎体模板CT图像与所述待分割椎体CT图像的相似度，经过迭代优化最大化相似度，得到收敛的变形场。
3.根据权利要求1所述的CT图像椎弓根分割方法，其特征在于，所述基于所述变形场和分割标注掩膜，得到所述待分割椎体CT图像的分割掩膜，包括：
基于所述变形场，对椎体模板CT图像的分割标注掩膜进行变形，以将所述分割标注掩膜迁移到待分割椎体CT图像上，得到与待分割椎体CT图像对应的分割掩膜。
4.根据权利要求1所述的CT图像椎弓根分割方法，其特征在于，所述基于所述分割掩膜得到整体椎弓根、椎弓根外层皮质骨和椎弓根内层松质骨的分割结果，还包括：
对整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的分割掩膜分别与其对应的椎体CT图像内的CT值做体素级别的相乘，过滤非感兴趣区域的体素及CT值；
对得到的感兴趣区域的体素级别CT值求平均，分别得到整体椎弓根、椎弓根皮质骨区域、椎弓根松质骨区域的体积平均CT值。
5.根据权利要求2所述的CT图像椎弓根分割方法，其特征在于，所述配准方法为基于对称微分同胚的配准方法；
基于下述公式对所述椎体模板CT图像向所述待分割椎体CT图像进行变形：
Figure QLYQS_1
；
Figure QLYQS_2
；
其中，
Figure QLYQS_4
为椎体模板CT图像，/>
Figure QLYQS_7
为对称微分同胚变形场，/>
Figure QLYQS_9
为椎体模板CT图像中任意体素的空间坐标，/>
Figure QLYQS_5
为时间步，/>
Figure QLYQS_6
；/>
Figure QLYQS_8
为t=0的初始时刻的变形场状态；
Figure QLYQS_10
为t=1的最终时刻的变形场状态；/>
Figure QLYQS_3
为速度场，为平方可积分的连续向量场。
6.根据权利要求5所述的CT图像椎弓根分割方法，其特征在于，通过下述公式进行迭代优化，得到所述变形场：
Figure QLYQS_11
；
其中，
Figure QLYQS_15
为图像/>
Figure QLYQS_14
和/>
Figure QLYQS_24
的对称微分同胚映射的优化方程，/>
Figure QLYQS_18
为椎体模板CT图像，
Figure QLYQS_27
为待分割椎体CT图像；/>
Figure QLYQS_19
为/>
Figure QLYQS_25
到/>
Figure QLYQS_17
的前向变形场，/>
Figure QLYQS_28
为/>
Figure QLYQS_12
到/>
Figure QLYQS_22
的后向变形场，/>
Figure QLYQS_16
为速度场，/>
Figure QLYQS_26
为CT图像的域，/>
Figure QLYQS_21
为CT图像/>
Figure QLYQS_29
和/>
Figure QLYQS_13
在经过变形场/>
Figure QLYQS_23
变形后的相似度,/>
Figure QLYQS_20
表示通过线性微分算子对速度场进行正则化。
7.一种CT图像椎弓根分割装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述的CT图像椎弓根分割方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序可被处理器执行，实现权利要求1-6中任一项所述的CT图像椎弓根分割方法。
CN202310490963.3A 2023-05-05 2023-05-05 一种ct图像椎弓根分割方法、装置及存储介质 Active CN116228796B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310490963.3A CN116228796B (zh) 2023-05-05 2023-05-05 一种ct图像椎弓根分割方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310490963.3A CN116228796B (zh) 2023-05-05 2023-05-05 一种ct图像椎弓根分割方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN116228796A CN116228796A (zh) 2023-06-06
CN116228796B true CN116228796B (zh) 2023-07-07

Family

ID=86580835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310490963.3A Active CN116228796B (zh) 2023-05-05 2023-05-05 一种ct图像椎弓根分割方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN116228796B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116616876B (zh) * 2023-06-15 2024-01-09 中国人民解放军总医院第一医学中心 Pvp手术中穿刺路径智能规划方法、装置、设备及介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10390886B2 (en) * 2015-10-26 2019-08-27 Siemens Healthcare Gmbh Image-based pedicle screw positioning
CN112074841A (zh) * 2018-03-30 2020-12-11 珀金埃尔默健康科学有限公司 3d图像中自动检测和分割椎体的系统和方法
CN112927213B (zh) * 2021-03-11 2022-11-11 上海交通大学 一种医学图像分割方法、介质及电子设备
CN113240699B (zh) * 2021-05-20 2022-02-08 推想医疗科技股份有限公司 图像处理方法及装置，模型的训练方法及装置，电子设备
CN114565554A (zh) * 2022-01-11 2022-05-31 浙江工业大学 一种基于超声冠状面图像的x光图像配准方法及装置
CN115880319B (zh) * 2023-02-16 2023-07-21 博志生物科技(深圳)有限公司 一种椎体终板及邻近松质骨自动分割方法及装置

Also Published As

Publication number Publication date
CN116228796A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
JP7162793B2 (ja) 超音波拓本技術に基づく脊椎画像生成システム及び脊柱手術用のナビゲーション・位置確認システム
US8594401B2 (en) Automated characterization of time-dependent tissue change
US8698795B2 (en) Interactive image segmentation
EP2252204B1 (en) Ct surrogate by auto-segmentation of magnetic resonance images
JP5337845B2 (ja) デジタル画像上での測定の実施法
US8897514B2 (en) Imaging method for motion analysis
EP1614069B1 (en) Volume measurements in 3d datasets
Weinheimer et al. About objective 3-d analysis of airway geometry in computerized tomography
US8649843B2 (en) Automated calcium scoring of the aorta
JP6426608B2 (ja) 解析モルフォミクス：高速医用画像自動解析法
CN116228796B (zh) 一种ct图像椎弓根分割方法、装置及存储介质
CN111374712B (zh) 一种超声成像方法及超声成像设备
CN108830852B (zh) 三维超声肿瘤辅助测量系统及方法
EP3673854B1 (en) Correcting medical scans
CN113069134A (zh) 一种基于ct三维重建图像的股骨髓腔内形态学参数三维测量方法
CN111166332B (zh) 一种基于磁共振波谱和磁共振影像的放疗靶区勾画方法
CN113223028A (zh) 一种基于mr和ct的多模态肝脏肿瘤分割方法
CN113643176A (zh) 一种肋骨显示方法和装置
Kim et al. Development of automatized new indices for radiological assessment of chest-wall deformity and its quantitative evaluation
JP7409624B2 (ja) 情報処理装置、情報処理方法、及びプログラム
Sarkar et al. Morphometric and volumetric measurements of orbit with cone-beam computed tomography
EP3391332B1 (en) Determination of registration accuracy
Bergmeier et al. Workflow and simulation of image-to-physical registration of holes inside spongy bone
Dobbe et al. Precision of image-based registration for intraoperative navigation in the presence of metal artifacts: application to corrective osteotomy surgery
KR100399051B1 (ko) 흉부 단순 엑스선 영상에서 늑골의 경계를 자동으로추출하는 방법

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