CN1943512A - 一种确定感兴趣区域的装置及方法 - Google Patents
一种确定感兴趣区域的装置及方法 Download PDFInfo
- Publication number
- CN1943512A CN1943512A CN 200610138350 CN200610138350A CN1943512A CN 1943512 A CN1943512 A CN 1943512A CN 200610138350 CN200610138350 CN 200610138350 CN 200610138350 A CN200610138350 A CN 200610138350A CN 1943512 A CN1943512 A CN 1943512A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- area
- characteristic
- projection
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种确定感兴趣区域的装置和方法,所述装置,包括:接口单元,用于获取医学图像;投影特征提取单元,用于在所述医学图像中提取投影特征;投影组件,用于将投影特征在所述医学图像的各个维度方向上投影得到投影曲线;特征区域选取组件,用于在所述投影曲线上选取特征点,同一维度方向上特征点之间的区间所对应的所述医学图像中的区域构成该维度的特征区域;感兴趣区域确定组件,用于提取上述各个维度方向上特征区域的重合部分,重合部分即为感兴趣区域。本发明可以快速准确的自动确定感兴趣区域,依靠本发明进行下一步图像处理,如分割,检测等,可以大大提高处理速度,并有效避免处理过程中的误差。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种在医学图像中确定感兴趣区域的装置及方法。
背景技术
近年来,医学成像形态例如X射线计算机断层扫描(ComputerTomography,简称CT)以及磁共振成像(MRI)系统在实际进行医学诊断和治疗的医疗设备中已经变得日益普及。这样的医学成像形态在对病人进行医学检查或治疗的过程中,能够容易地产生每一个病人(即,待诊断的对象)的大量图像。例如,CT是用计算机控制下的X线对人体的体层扫描,利用人体组织在X线下显现的不同密度来进行对比达到精确显示解剖结构之目的。
在实际应用中,通过现有的成像技术获取的图像中,无论是二维还是三维图像,往往只有某部分区域是起决定性作用的,比如肿瘤区域、肾脏区域、乳腺区域等等,该部分区域就可以称作感兴趣区域,而图像中的其他部分则可以不需要加以更多注意。从图像中确定的感兴趣区域,对目标对象进行下一步图像处理非常有益,如观察、对比、分割、检测、或计算、确定图像特征或参数等,有利于提高下一步图像处理的速度和精确度。在本领域中,三维图像感兴趣区域称为VOI(Volume Of Interest),二维图像感兴趣区域称为ROI(Region Of Interest)。
现有技术中,针对医学图像中感兴趣区域的确定方法可以是手动、自动以及两种方法相结合的半自动方法。手动方法包括显示图像和用户使用例如鼠标、键盘等描绘图像;自动方法可以运用诸如形状和大小的在先知识自动描绘感兴趣区域。
在专利号为200510006818.5号的专利文件中公开了一种用于形成3D超声图像的设备和方法,该发明涉及通过自动检测目标对象的轮廓而只利用该轮廓内存在的体积数据来形成3D超声图像的3D超声诊断,包括:第一单元,用于在2D超声图像上产生感兴趣区域(ROI)方框;第二单元,用于检测该ROI方框中的目标对象的轮廓;以及第三单元,用于通过再现存在于检测到的轮廓中的体积数据来形成3D超声图像。上述方法虽然可以在图像上自动产生感兴趣区域的方框,但该区域的确定还需要进一步调节方框的尺寸和大小,并不能直接获得。
在专利号为03127890.6号的专利文件中也公开了一种使用三维感兴趣区域来处理图像的方法和装置,包括:一个ROI指定单元,被配置成在由多幅图像形成的一个三维空间中的一个目标区域指定一个三维的感兴趣的区域(ROI);一个判定单元,被配置成在多个截面中判定出与该三维ROI相交的一个或多个截面;以及一个显示单元,被配置成显示由判定单元判定的各截面的图像。该发明可以解决在显示所述多幅图像时,在多幅图像的每一幅上,能够清楚地指示目标图像的同一区域,但是该发明在第一和第二图像中的ROI指定过程却仍然需要依靠人工和经验手动完成。
综上所述,现有的医学图像处理技术中,如何在获取的医学图像中利用计算机自动将所需的感兴趣区域准确的确定出来,是本领域技术人员迫切需要解决的技术问题。
发明内容
本发明所要解决的技术问题是提供一种在医学图像中确定感兴趣区域的装置及方法,以根据一定规则自动获得感兴趣区域,并对该区域进行精确描述,方便相关人员的进一步操作。通过对于在此特定区域内对目标对象进行下一步图像处理,如分割,检测等,可以大大提高下一步图像处理的速度和精确度。
为解决上述技术问题,本发明采用如下技术方案,提供一种确定感兴趣区域的装置,包括:
接口单元,用于获取医学图像;
投影特征提取单元,用于在所述医学图像中提取投影特征;
投影组件,用于将投影特征在所述医学图像的各个维度方向上投影得到投影曲线;
特征区域选取组件,用于在所述投影曲线上选取特征点,同一维度方向上特征点之间的区间所对应的所述医学图像中的区域构成该维度的特征区域;
感兴趣区域确定组件,用于提取上述各个维度方向上特征区域的重合部分,重合部分即为感兴趣区域。
当所述医学图像为腹部CT图像时,所述投影特征为分割出的特定组织的体素个数,其提取方法为区域生长法,所述投影特征提取单元包括:种子点确定模块,用于在所述获取的CT图像中最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;区域生长模块,用于从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。
优选的,所述投影特征提取单元还可以包括:种子点重复确定模块,用于判断在所述医学图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
所述特征点的选取方式可以为:直接在所述投影曲线上选取获得;或者,对所述投影曲线经过方差分布计算之后选取获得;或者,通过根据一个特征点以经验值为步长为向负方向做面积累加和曲线而实现;或者,根据部分特征点通过计算偏移量而得到其他特征点。
当所述医学图像为乳腺X射线图像时,所述投影特征提取单元可以包括:梯度图像获取组件,用于计算所述乳腺X射线图像的梯度图像;投影特征确定组件,用于确定梯度图像中每一列或行的最大梯度值为投影特征。
优选的,所述特征点的选取过程为:直接根据预置规则确定全部特征点;或者,先根据预置规则确定部分特征点,再计算获得其他特征点。
本发明还提供了一种确定感兴趣区域的方法,包括:
步骤1,获取医学图像;
步骤2,在所述医学图像中提取投影特征;
步骤3,将投影特征在所述医学图像的各个维度方向上投影得到投影曲线;
步骤4,在所述投影曲线上选取特征点,同一维度方向上特征点之间的区间所对应的所述医学图像中的区域构成该维度的特征区域;
步骤5,提取上述各个维度方向上特征区域的重合部分,重合部分即为感兴趣区域。
优选的,所述医学图像为腹部CT图像,所述投影特征为分割出的特定组织的体素个数,其提取方法为区域生长法,所述步骤2包括:在所述获取的CT图像中最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。进一步,所述步骤2还可以包括:判断在所述医学图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
其中,所述特征点的选取方式可以为:直接在所述投影曲线上选取获得;或者,对所述投影曲线经过方差分布计算之后选取获得;或者,通过根据一个特征点以经验值为步长为向负方向做面积累加和曲线而实现;或者,根据部分特征点通过计算偏移量而得到其他特征点。
所述医学图像为乳腺X射线图像,所述步骤2可以包括:计算所述乳腺X射线图像的梯度图像;确定梯度图像中每一列或行的最大梯度值为投影特征。其中,所述特征点的选取过程可以为:直接根据预置规则确定全部特征点;或者,先根据预置规则确定部分特征点,再计算获得其他特征点。
与现有技术相比,本发明具有以下优点:
本发明基于图像处理技术,根据对目标对象进行下一步操作之目的将所述医学图像中的图像特征,如灰度、梯度、体素个数等,以特定方式分别投影到所述医学图像的各个维度上,所述维度可以是二维的,也可以是三维的,从而对于各种ROI或VOI的确定都是可以实现的。
另外,本发明基于图像特征在医学图像中确定感兴趣区域,所述图像特征可以由相关人员根据实际需要确定,从而可以满足各类型感兴趣区域的确定。
并且,本发明通过对各个维度方向上的投影曲线分别进行分析,在所述投影曲线上选取特征点以确定该投影曲线对应的维度方向的特征区域,然后再取各个维度方向上的特征区域的重合部分为感兴趣区域,可以保证感兴趣区域具有较高的精确度。由于本发明可以快速准确的自动确定感兴趣区域,因此,依靠本发明进行下一步图像处理,如分割,检测等,可以大大提高处理速度,并有效避免处理过程中的误差。
附图说明
图1是本发明一种确定感兴趣区域的装置的结构图;
图2是通过图1所示的装置确定肾脏区域的流程图;
图3是本发明通过接口单元获取腹部CT图像的示意图;
图4是分割出的骨骼区域的示意图;
图5a-图5b是确定肾脏区域时将骨骼分割结果在X轴方向上投影,得到投影曲线的示意图;
图6是确定肾脏区域时将骨骼分割结果在Y轴方向上投影,得到投影曲线的示意图;
图7是确定肾脏区域时将骨骼分割结果在Z轴方向上投影,得到投影曲线的示意图;
图8是在CT图像中标记出肾脏区域的示意图;
图9是确定膀胱区域时将骨骼分割结果在X轴方向上投影,得到投影曲线的示意图;
图10是确定膀胱区域时将骨骼分割结果在Y轴方向上投影,得到投影曲线的示意图;
图11是确定膀胱区域时将骨骼分割结果在Z轴方向上投影,得到投影曲线的示意图;
图12是在CT图像中标记出膀胱区域的示意图;
图13是通过图1所示的装置确定乳腺区域的流程图;
图14是本发明接口单元获取的乳腺二维图像的示意图;
图15是采用sobel算子获得图14所示乳腺二维图像的梯度图像的示意图;
图16是确定乳腺区域时将乳腺梯度图像的每一列的最大梯度值在X轴方向上投影,得到投影曲线的示意图;
图17是对于采用CC体位获取的乳腺二维图像,将其梯度图像中每一行的最大梯度值在Y轴方向上投影,得到投影曲线的示意图;
图18是对于采用MLO体位获取的乳腺二维图像,将其梯度图像中每一行的最大梯度值在Y轴方向上投影,得到投影曲线的示意图;
图19是在乳腺二维图像中标记出乳腺区域的示意图;
图20是本发明一种确定感兴趣区域的方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的核心构思在于,将某个图像特征,如灰度、梯度、体素个数等以特定方式分别投影到医学图像的各个维度上,形成投影曲线,然后对各个维度方向上的投影曲线分别进行分析,找到特征区域,各个维度方向上特征区域的重合部分即为确定的感兴趣区域。
参照图1,是本发明一种确定感兴趣区域的装置的结构图,包括以下单元:
接口单元101,用于获取医学图像;
投影特征提取单元102,用于根据检测目的在所述医学图像中提取投影特征;
感兴趣区域确定单元103,用于基于所述投影特征在所述医学图像中确定感兴趣区域,包括:
投影组件1031,用于将投影特征在所述医学图像的各个维度方向上投影得到投影曲线;
特征区域选取组件1032,用于在所述投影曲线上选取特征点,同一维度方向上特征点之间的区间对应的所述医学图像中的区域构成该维度的特征区域;
感兴趣区域确定组件1033,用于提取上述各个维度方向上特征区域的重合部分,重合部分即为感兴趣区域。
特征区域选取组件1032中在所述投影曲线上选取特征点时,可以直接在所述投影曲线上选取获得;也可以对所述投影曲线经过方差分布计算之后选取获得。当然方差计算仅仅是常用的一种方式,本领域技术人员可以采用其他方式对所述投影曲线进行二次处理而选取获得特征点,本发明对此不加以限制。
本发明的接口单元101可以通过各种方式获取医学图像,例如,直接和医学成像设备连接获取或者通过移动存储设备获取等方式都是可行的,本发明适用于所有医学图像。
公知的是,所述医学图像可以是二维的,例如,用X射线对乳房进行头尾位(Cranio Caudal,CC)和内侧斜位(Mediolateral Oblique,MLO)照射得到的图像就是二维的图像,此外,所述医学图像也可以是三维的,例如,通过CT扫描获得的图像。
作为一种实施例,当所述医学图像为乳腺二维图像时,如感兴趣区域为乳腺区域,所述投影特征可以为梯度图像中每一行或列的最大梯度值,获取所述乳腺二维图像的梯度图像可以采用sobel算子、Robers算子、Priwitt算子、Krisch算子等,本领域技术人员根据需要选择即可,本发明对此不需要对此进行限定。
作为另一种实施例,当所述医学图像为腹部CT图像时,如感兴趣区域是腹部器官,所述投影特征可以为分割出的特定组织在每个投影单位方向上的体素个数,例如:需要的感兴趣区域为肾脏或膀胱区域时,分割出的特定组织为骨骼,所述投影特征就为分割出的骨骼在每个投影单位方向上的体素个数。对于特定组织的分割可以采用现有技术中的各种方法,如ASM(Active Shape Model)法、直方图阈值分割法、区域分裂与合并法、MRF随机法或者KNN算法等,本发明优选采用区域生长法计算获取所述投影特征。
可以想到的是,当所述医学图像为乳腺二维图像时,所对应的笛卡尔坐标系为二维笛卡尔坐标系,该坐标轴优选以水平方向为X轴方向,垂直方向为Y轴方向;将所述投影特征分别在所述二维笛卡尔坐标系的X轴和Y轴方向上投影得到投影曲线,然后找到各个轴方向上的特征区域,各个特征区域的重合部分即构成感兴趣区域。
相应地,当所述医学图像为腹部CT图像时,所对应的笛卡尔坐标系为三维笛卡尔坐标系,该坐标轴优选以人体的左手方向为X轴正方向,胸部方向为Y轴正方向,头部方向为Z轴正方向。
将所述投影特征分别在所述三维笛卡尔坐标系的X轴、Y轴和Z轴方向上投影得到投影曲线,然后找到各个轴方向上的特征区域,各个特征区域的重合部分即构成感兴趣区域。
当然,所述笛卡尔坐标系的方向都是可调的,本领域技术人员按照需求选择即可,本发明不需要对此进行限制。
为了方便相关人员的观察、分析和检测,本发明还包括标记单元104,用于在所述医学图像中标记出所述感兴趣区域。基于本发明所确定的感兴趣区域进行下一步图像处理,可以大大提高处理速度,并有效避免处理过程中的误差。
以下根据使用本发明的装置对人体肾脏区域、膀胱区域和乳腺区域的自动确定为例对本发明进行详细说明。
参照图2,是通过本发明的装置确定肾脏区域的流程图,包括以下步骤:
步骤201,通过接口单元获取腹部CT图像,获取的图像如图3所示,图3中从左至右依次表示冠状面显示、横断面显示和矢状面显示;
步骤202、通过投影特征提取单元采用区域生长法在所获取的腹部CT图像中分割出骨骼区域。
在本实施例中,所述医学图像为腹部CT图像,所述投影特征为分割出的特定组织的体素个数,所述投影特征提取单元可以包括以下模块:
种子点确定模块,用于在所述获取的CT图像中最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;
区域生长模块,用于从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域;
种子点重复确定模块,用于判断在所述医学图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
采用上述模块组成的投影特征提取单元具体的,可以通过以下步骤完成提取投影特征的过程:
设定骨骼区域分割阈值为150;
在获取的腹部CT图像的最靠近胸部的平面层Ptop上,遍历该平面上的点,取第一个CT值大于骨骼区域分割阈值150的点为种子点;
从上述种子点开始区域生长,将CT值大于或者等于骨骼区域分割阈值150的点标记为骨骼,所有标记为骨骼的点构成骨骼区域;
判断在所述腹部CT图像的最靠近胸部的平面层Ptop上是否存在C T值大于150但是未标记属于骨骼区域的点,如果存在,则将该点作为种子点,重复上一步骤开始区域生长;
如图4所示,最终所有标记为骨骼的点即构成分割出的骨骼区域。
当然,除区域生长法外,采用其它方法进行骨骼分割也是可以的,例如,ASM(Active Shape Model)法等。在本实施例中,所述区域生长法可以保证在获取的CT图像上准确分割出骨骼,并采用重复生长的方法,避免了误差。
步骤203,通过感兴趣区域确定单元在上述CT三维图像中确定感兴趣区域,包括以下步骤:
步骤2031,建立三维笛卡儿坐标系,以任意一点为原点,设定以人体的左手方向为X轴正方向,胸部方向为Y轴正方向,头部方向为Z轴正方向;作为另一实施例,所述坐标轴的方向是可调的,本领域技术人员根据检测需要选择即可;
步骤2032,X轴方向特征区域确定;
如图5a所示,将骨骼分割结果在X轴方向上投影,得到投影曲线1001;
计算投影曲线1001上每一点在其邻域上的方差,得到方差分布曲线1002,在本步骤中所需的特征点是对所述投影曲线经过方差分布计算之后选取获得的;
取方差分布曲线1002上两边和中间的4个峰值所在的位置为特征点XRMin、XRmax、XLmin和XLMax。其中,点XRMin、XRMax之间的区间所对应的所述医学图像中的区域构成该维度的特征区域(右肾),点XLMin、XLMax之间的区间所对应的所述医学图像中的区域构成该维度的特征区域(左肾)。具体对应参见图5b所示,其中,方差分布曲线1002上所取的特征点之间的区间在图5b中标记为51,所对应的医学图像中的该维度的特征区域在图5b中标记为52。
步骤2033,Y轴方向特征区域确定;
如图6所示,将骨骼分割结果在Y轴方向上投影,得到投影曲线1101;
计算投影曲线1101上每一点在其邻域上的方差,得到方差分布曲线1102,在本步骤中所需的特征点是对所述投影曲线经过方差分布计算之后选取获得的;
取方差分布曲线1102上最大峰值后的波谷为特征点Ymin;为了得到另一个特征点Ymax,从Y轴投影曲线上的Ymin点开始以N(N为经验值,本实施例取10)为步长为向负方向做面积累加和曲线,该曲线开始趋于平缓地地方对应的就是Ymax,特征点Ymin、Ymax之间的区间映射到图像中的区域即构成双肾的特征区域。
步骤2034,Z轴方向特征区域确定;
如图7所示,将骨骼分割结果在Z轴方向上投影,得到投影曲线;直接在所述投影曲线选取得到特征点;
对所述投影曲线观察分析得出,该曲线左侧有明显的双峰,说明骨骼分布较多,是对骨盆的投影结果,该曲线右侧分布比较平均,且数值较左侧小,是对脊椎投影的结果,取两段投影的结合处为特征点Zmin;另一个特征点Zmax根据肾脏的物理长度,同时结合数据的层厚计算偏移量得出,具体计算方法为:肾脏的长度为Lmm,数据的层厚为Tmm,则肾脏在扫描数据中的长度N=L/T层,Zmax=N+Zmin。特征点Zmin、Zmax之间的区间映射到图像中的区域即构成双肾的特征区域。
步骤2035,合并上述X轴、Y轴和Z轴方向的特征区域,确定重合的区域为肾脏区域。
步骤204,在CT图像中标记出所述肾脏区域。标记出来的肾脏区域如图8所示,其中,a为横断面显示,b为冠状面显示。
本发明的另一实施例为,通过本发明的装置确定膀胱区域的,按照上述方法通过接口单元获取腹部CT图像,然后采用区域生长法在所获取的腹部CT图像中分割出骨骼区域后,本实施例同样也是通过确定各个维度方向上的特征区域来确定膀胱区域,其中,对于笛卡尔坐标系的设置方式同样可以参考上一实施例。在所获取的CT图像中确定膀胱区域的具体步骤为:
步骤a),建立三维笛卡儿坐标系,以任意一点为原点,设定以人体的左手方向为X轴正方向,胸部方向为Y轴正方向,头部方向为Z轴正方向;
步骤b),X轴方向特征区域确定;
如图8所示,将骨骼分割结果在X轴方向上投影,得到投影曲线;直接在所述投影曲线选取得到特征点;
从横断面可见膀胱位于左右两侧股骨头中间区域,取对应曲线上的中点Xmin,Xmax为特征点,特征点Xmin,Xmax之间的区间映射到图像中的区域即构成特征区域。
步骤c),Y轴方向特征区域确定;
如图10所示,将骨骼分割结果在Y轴方向上投影,得到投影曲线;直接在所述投影曲线选取得到特征点;
从横断面可见膀胱位于趾骨与尾椎骨之间区域,取对应于投影曲线的中点Ymin,Ymax为特征点,特征点Ymin,Ymax之间的区间映射到图像中的区域即构成特征区域。
步骤d),Z轴方向特征区域确定;
如图11所示,将骨骼分割结果在Z轴方向上投影,得到投影曲线;直接在所述投影曲线选取得到特征点;
从冠状面可见膀胱在股骨头与趾骨之间区域,取对应曲线上的点Zmin,Zmax为特征点,特征点Zmin,Zmax之间的区间映射到图像中的区域即构成特征区域。
步骤e),合并上述X轴、Y轴和Z轴方向的特征区域,确定重合的区域为膀胱区域。
步骤f),在CT图像中标记出所述膀胱区域。标记出的膀胱区域如图12所示。
以下将对根据本发明的装置确定乳腺区域的过程详细说明。参照图13,是通过本发明的装置确定乳腺区域的流程图,包括以下步骤:
步骤301,通过接口单元获取乳腺的二维图像,获取的图像如图14所示,图14中a表示CC体位右侧图像、b表示CC体位左侧图像、c表示MLO体位右侧图像、d表示MLO体位左侧图像;
步骤302,通过投影特征提取单元在所述乳腺二维图像的梯度图像中确定每一投影行或列的最大梯度值;
本实施例中的投影特征提取单元可以包括以下组件:梯度图像获取组件,用于获取所述乳腺图像的梯度图像;投影特征确定组件,用于确定梯度图像中每一投影列或行的最大梯度值为投影特征。
其中,获取梯度图像的具体方法可以采用sobel算子、Robers算子、Priwitt算子、Krisch算子等各种方法,本实施例采用sobel算子,具体计算过程为:
对数字图像{f(i,j)}的每个像素,考察它上、下、左、右邻点灰度的加权差,与之接近的邻点的权大。据此定义Sobel算子如下:
|(f(i-1,j-1)+2f(i-1,j)+f(i-1,j+1))-(f(i+1,j-1)+2f(i+1,j)+f(i+1,j+1))|+|(f(i-1,j-1)+2f(i,j-1)+f(i+1.j-1))-(f(i-1,j+1)+2f(i,j+1)+f(i+1.j+1))|
其卷积算子
适当取门限TH,作如下判断:s(i,j)>TH,(i,j)为阶跃状边缘点,{s(i,j)}为边缘图像,采用sobel算子计算得到所述乳腺二维图像的梯度图像如15所示。
步骤303,通过感兴趣区域确定单元在所述乳腺二维图像中确定乳腺区域,包括以下步骤:
步骤3031,建立二维笛卡尔坐标系,设定以水平方向为X轴方向,垂直方向为Y轴方向;
步骤3032,X轴方向特征区域确定;
如图16所示,将步骤302得到的乳腺梯度图像中每一投影列的最大梯度值投影在X轴上,得到投影曲线1601;
计算投影曲线1601上每一点在其邻域上的方差,得到方差分布曲线1602,在本步骤中所需的特征点是对所述投影曲线经过方差分布计算之后选取获得的;
取方差分布曲线1602上中间的峰值所在的位置为特征点Xmax,可以从图像中看出,图像的起止点分别为Lx和Rx,无论是CC体位还是MLO体位的图像,若图像为左侧乳腺图像,则特征点Lx、Xmax之间的区间映射到图像中的区域即构成乳腺的特征区域,若图像为右侧乳腺图像,则特征点Xmax、Rx之间的区间映射到图像中的区域即构成乳腺的特征区域。步骤3033,Y轴方向特征区域确定;
如图17所示,对于采用CC体位获取的乳腺二维图像,将步骤302得到的乳腺梯度图像中每一投影行的最大梯度值投影在Y轴上,得到投影曲线1701;
计算投影曲线上每一点在其邻域上的方差,得到方差分布曲线1702,在本步骤中所需的特征点是对所述投影曲线经过方差分布计算之后选取获得的;
取方差分布曲线1702上中间的2个峰值所在的位置为特征点Y1,和Y2,特征点Y1,和Y2之间的区间映射到图像中的区域即构成乳腺的特征区域。
如图18所示,对于采用MLO体位获取的乳腺二维图像,将步骤302得到的乳腺梯度图像中每一投影行的最大梯度值投影在Y轴上,得到投影曲线1801;
计算投影曲线1801上每一点在其邻域上的方差,得到方差分布曲线1802,在本步骤中所需的特征点是对所述投影曲线经过方差分布计算之后选取获得的;
取方差分布曲线1802中间的峰值Ymax为特征点,另一特征点取图像的上端点TY,特征点TY、Ymax之间的区间映射到图像中的区域即构成乳腺的特征区域。
步骤3034,合并上述X轴和Y轴方向的特征区域,确定重合的区域为乳腺区域。
步骤304,在所述乳腺二维图像中标记出所述乳腺区域。标记出的乳腺区域如图19所示。
将本发明应用于多套临床采集的三维CT图像和二维X射线图像,均能准确的找到感兴趣区域。
参照图20,是本发明一种确定感兴趣区域的方法的流程图,包括以下步骤:
步骤401,获取医学图像;
步骤402,根据检测目的在所述医学图像中提取投影特征;
步骤403,基于所述投影特征在所述医学图像中确定感兴趣区域,包括以下子步骤:
投影子步骤4031,将投影特征在所述医学图像的各个维度方向上投影得到投影曲线;
特征区域选取子步骤4032,在所述投影曲线上选取特征点,同一维度方向上特征点之间的区间映射到图像中的区域构成特征区域;
感兴趣区域确定子步骤4033,提取上述各个维度方向上特征区域的重合部分,重合部分即为感兴趣区域。
本发明优选的还可以包括步骤404,在所述医学图像中标记出所述感兴趣区域。
其中,所述特征点的选取方式可以为:直接在所述投影曲线上选取获得;或者,对所述投影曲线经过方差分布计算之后选取获得。另外,所述特征点的选取过程可以为:直接根据预置规则确定全部特征点;或者,先根据预置规则确定部分特征点,再计算获得其他特征点。其中,计算获得其他特征点的实现方式为:通过根据一个特征点以经验值为步长为向负方向做面积累加和曲线而实现;或者,通过计算偏移量而实现。
本发明的一种实施例为,所述医学图像为腹部CT图像,所述投影特征为分割出的特定组织的体素个数,其提取方法为区域生长法,所述步骤402具体包括:在所述获取的CT图像中最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。
优选的,为进一步确定分割特定组织区域,所述步骤402还包括以下步骤:判断在所述医学图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。基于本实施例,在医学图像中建立三维笛卡尔坐标系,优选以人体的左手方向为X轴正方向,胸部方向为Y轴正方向,头部方向为Z轴正方向。
作为另一实施例,本发明所述医学图像为乳腺二维图像,所述步骤402包括以下步骤:获取所述乳腺二维图像的梯度图像;确定梯度图像中每一投影行或列的最大梯度值为投影特征。基于本实施例,在医学图像中建立二维笛卡尔坐标系,优选以水平方向为X轴方向,垂直方向为Y轴方向。
由于图20所示的方法可以在图1所示的装置上完成,相关内容和详细的实施过程已经在前述部分进行了详细描述,因此,在此就不再赘述。
以上对本发明所提供的一种确定感兴趣区域的装置和方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1、一种确定感兴趣区域的装置,其特征在于,包括:
接口单元,用于获取医学图像;
投影特征提取单元,用于在所述医学图像中提取投影特征;
投影组件,用于将投影特征在所述医学图像的各个维度方向上投影得到投影曲线;
特征区域选取组件,用于在所述投影曲线上选取特征点,同一维度方向上特征点之间的区间所对应的所述医学图像中的区域构成该维度的特征区域;
感兴趣区域确定组件,用于提取上述各个维度方向上特征区域的重合部分,重合部分即为感兴趣区域。
2、如权利要求1所述的装置,其特征在于,所述医学图像为腹部CT图像,所述投影特征为分割出的特定组织的体素个数,其提取方法为区域生长法,所述投影特征提取单元包括:
种子点确定模块,用于在所述获取的CT图像中最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;
区域生长模块,用于从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。
3、如权利要求2所述的装置,其特征在于,所述投影特征提取单元还包括:
种子点重复确定模块,用于判断在所述医学图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
4、如权利要求1所述的装置,其特征在于,所述特征点的选取方式为:
直接在所述投影曲线上选取获得;
或者,对所述投影曲线经过方差分布计算之后选取获得;
或者,通过根据一个特征点以经验值为步长为向负方向做面积累加和曲线而实现;
或者,根据部分特征点通过计算偏移量而得到其他特征点。
5、如权利要求1所述的装置,其特征在于,所述医学图像为乳腺X射线图像,所述投影特征提取单元包括:
梯度图像获取组件,用于计算所述乳腺X射线图像的梯度图像;
投影特征确定组件,用于确定梯度图像中每一列或行的最大梯度值为投影特征。
6、如权利要求1或5所述的装置,其特征在于,所述特征点的选取过程为:
直接根据预置规则确定全部特征点;
或者,先根据预置规则确定部分特征点,再计算获得其他特征点。
7、一种确定感兴趣区域的方法,其特征在于,包括:
步骤1,获取医学图像;
步骤2,在所述医学图像中提取投影特征;
步骤3,将投影特征在所述医学图像的各个维度方向上投影得到投影曲线;
步骤4,在所述投影曲线上选取特征点,同一维度方向上特征点之间的区间所对应的所述医学图像中的区域构成该维度的特征区域;
步骤5,提取上述各个维度方向上特征区域的重合部分,重合部分即为感兴趣区域。
8、如权利要求7所述的方法,其特征在于,所述医学图像为腹部CT图像,所述投影特征为分割出的特定组织的体素个数,其提取方法为区域生长法,所述步骤2包括:
在所述获取的CT图像中最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;
从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。
9、如权利要求8所述的方法,其特征在于,所述步骤2还包括:
判断在所述医学图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
10、如权利要求7所述的方法,其特征在于,所述特征点的选取方式为:
直接在所述投影曲线上选取获得;
或者,对所述投影曲线经过方差分布计算之后选取获得;
或者,通过根据一个特征点以经验值为步长为向负方向做面积累加和曲线而实现;
或者,根据部分特征点通过计算偏移量而得到其他特征点。
11、如权利要求7所述的方法,其特征在于,所述医学图像为乳腺X射线图像,所述步骤2包括:
计算所述乳腺X射线图像的梯度图像;
确定梯度图像中每一列或行的最大梯度值为投影特征。
12、如权利要求7或11所述的方法,其特征在于,所述特征点的选取过程为:
直接根据预置规则确定全部特征点;
或者,先根据预置规则确定部分特征点,再计算获得其他特征点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610138350XA CN100423695C (zh) | 2006-11-08 | 2006-11-08 | 一种确定感兴趣区域的装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610138350XA CN100423695C (zh) | 2006-11-08 | 2006-11-08 | 一种确定感兴趣区域的装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1943512A true CN1943512A (zh) | 2007-04-11 |
CN100423695C CN100423695C (zh) | 2008-10-08 |
Family
ID=38043317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200610138350XA Active CN100423695C (zh) | 2006-11-08 | 2006-11-08 | 一种确定感兴趣区域的装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100423695C (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222352A (zh) * | 2010-04-16 | 2011-10-19 | 株式会社日立医疗器械 | 图像处理方法和图像处理装置 |
CN102968783A (zh) * | 2012-10-15 | 2013-03-13 | 深圳市旭东数字医学影像技术有限公司 | 从腹部图像数据中自动分割骨骼的方法及系统 |
CN103914697A (zh) * | 2012-12-29 | 2014-07-09 | 上海联影医疗科技有限公司 | 一种乳房三维图像感兴趣区域的提取方法 |
CN104798107A (zh) * | 2012-11-23 | 2015-07-22 | 皇家飞利浦有限公司 | 从医学图像生成关键图像 |
CN107885835A (zh) * | 2017-11-09 | 2018-04-06 | 东软集团股份有限公司 | 断层扫描图像的相似层图像查找方法和装置 |
WO2019023900A1 (zh) * | 2017-07-31 | 2019-02-07 | 深圳联影医疗科技有限公司 | 在体数据中提取感兴趣区域的方法及系统 |
CN109801276A (zh) * | 2019-01-14 | 2019-05-24 | 沈阳联氪云影科技有限公司 | 一种计算心胸比的方法及装置 |
CN109902718A (zh) * | 2019-01-24 | 2019-06-18 | 西北大学 | 一种二维形状匹配方法 |
CN111932520A (zh) * | 2018-08-31 | 2020-11-13 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4129375B2 (ja) * | 2002-08-13 | 2008-08-06 | 株式会社東芝 | 医用画像診断装置および画像領域指定支援方法 |
US6961404B2 (en) * | 2002-09-26 | 2005-11-01 | Eastman Kodak Company | Method and system for reconstructing an image from projection data acquired by a cone beam computed tomography system |
KR100686289B1 (ko) * | 2004-04-01 | 2007-02-23 | 주식회사 메디슨 | 대상체 영상의 윤곽내 볼륨 데이터를 이용하는 3차원초음파 영상 형성 장치 및 방법 |
-
2006
- 2006-11-08 CN CNB200610138350XA patent/CN100423695C/zh active Active
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222352A (zh) * | 2010-04-16 | 2011-10-19 | 株式会社日立医疗器械 | 图像处理方法和图像处理装置 |
CN102968783A (zh) * | 2012-10-15 | 2013-03-13 | 深圳市旭东数字医学影像技术有限公司 | 从腹部图像数据中自动分割骨骼的方法及系统 |
CN102968783B (zh) * | 2012-10-15 | 2016-09-14 | 深圳市旭东数字医学影像技术有限公司 | 从腹部图像数据中自动分割骨骼的方法及系统 |
CN104798107A (zh) * | 2012-11-23 | 2015-07-22 | 皇家飞利浦有限公司 | 从医学图像生成关键图像 |
CN104798107B (zh) * | 2012-11-23 | 2018-02-06 | 皇家飞利浦有限公司 | 从医学图像生成关键图像 |
CN103914697A (zh) * | 2012-12-29 | 2014-07-09 | 上海联影医疗科技有限公司 | 一种乳房三维图像感兴趣区域的提取方法 |
CN103914697B (zh) * | 2012-12-29 | 2018-08-31 | 上海联影医疗科技有限公司 | 一种乳房三维图像感兴趣区域的提取方法 |
US11094066B2 (en) | 2017-07-31 | 2021-08-17 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for extracting a region of interest from volume data |
WO2019023900A1 (zh) * | 2017-07-31 | 2019-02-07 | 深圳联影医疗科技有限公司 | 在体数据中提取感兴趣区域的方法及系统 |
US11776216B2 (en) | 2017-07-31 | 2023-10-03 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for extracting a region of interest from volume data |
CN107885835A (zh) * | 2017-11-09 | 2018-04-06 | 东软集团股份有限公司 | 断层扫描图像的相似层图像查找方法和装置 |
CN111932520A (zh) * | 2018-08-31 | 2020-11-13 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
CN109801276B (zh) * | 2019-01-14 | 2023-05-19 | 沈阳联氪云影科技有限公司 | 一种计算心胸比的方法及装置 |
CN109801276A (zh) * | 2019-01-14 | 2019-05-24 | 沈阳联氪云影科技有限公司 | 一种计算心胸比的方法及装置 |
CN109902718A (zh) * | 2019-01-24 | 2019-06-18 | 西北大学 | 一种二维形状匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100423695C (zh) | 2008-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1943512A (zh) | 一种确定感兴趣区域的装置及方法 | |
CN1943513A (zh) | 一种针对ct图像的处理装置、方法及系统 | |
RU2695619C2 (ru) | Способ и устройство для выбора области диагностики и система диагностики для определения эластичности | |
CN110956633B (zh) | 一种基于虚拟立体定位像的快速ct扫描方法及系统 | |
CN1907225A (zh) | 用于脑内出血损伤分割的方法和设备 | |
CN1698540A (zh) | 图像处理方法、图像处理系统以及x-射线ct系统 | |
CN106846346B (zh) | 基于关键帧标记的序列ct图像骨盆轮廓快速提取方法 | |
CN108765438B (zh) | 一种肝脏边界的识别方法及系统 | |
CN101036163A (zh) | 一种把知识结构映射到器官的方法:利用知识结构映射的自动测量和可视化 | |
CN101076282A (zh) | 移动目标的动态追踪 | |
CN1947151A (zh) | 用于在图像中使用发散梯度场响应进行基于滑降的对象分割的系统和方法 | |
RU2589461C2 (ru) | Устройство для создания присваиваний между областями изображения и категориями элементов | |
CN1449721A (zh) | 具有医学图像测量功能的医学图像处理装置 | |
JP2009207886A (ja) | 椎骨中心検出装置および方法並びにプログラム | |
CN1521695A (zh) | 从图像中减少噪声的图像处理设备 | |
CN104248454B (zh) | 一种二维超声图像与穿刺针共面判断方法 | |
CN103829966B (zh) | 用于自动确定侦测图像中的定位线的方法和系统 | |
CN1655193A (zh) | 用于对断层图像数据分段的方法和图像处理系统 | |
CN106780491B (zh) | Gvf法分割ct骨盆图像中采用的初始轮廓生成方法 | |
CN105741293A (zh) | 定位医学图像上器官的方法 | |
US20210110580A1 (en) | Three-dimensional ultrasound image display method | |
CN105389815A (zh) | 一种乳腺图像配准方法及装置 | |
CN105894508A (zh) | 一种医学图像自动定位质量的评估方法 | |
CN1220877C (zh) | 织物平整度等级客观评定方法 | |
CN110738633B (zh) | 一种机体组织的三维图像处理方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee after: DongSoft Medical System Co., Ltd. Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16 Patentee before: Dongruan Medical Systems Co., Ltd., Shenyang |
|
CP03 | Change of name, title or address |