WO2022120714A9 - 图像分割方法及装置、图像引导系统、放射治疗系统 - Google Patents
图像分割方法及装置、图像引导系统、放射治疗系统 Download PDFInfo
- Publication number
- WO2022120714A9 WO2022120714A9 PCT/CN2020/135254 CN2020135254W WO2022120714A9 WO 2022120714 A9 WO2022120714 A9 WO 2022120714A9 CN 2020135254 W CN2020135254 W CN 2020135254W WO 2022120714 A9 WO2022120714 A9 WO 2022120714A9
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- image
- target
- marker
- segmentation
- processing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003709 image segmentation Methods 0.000 title claims abstract description 57
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 17
- 239000003550 marker Substances 0.000 claims abstract description 112
- 238000012545 processing Methods 0.000 claims abstract description 67
- 230000011218 segmentation Effects 0.000 claims abstract description 56
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 1
- 238000002591 computed tomography Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 11
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 206010028980 Neoplasm Diseases 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000010931 gold Substances 0.000 description 4
- 229910052737 gold Inorganic materials 0.000 description 4
- 238000002786 image-guided radiation therapy Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Definitions
- Image-guided radiation therapy is a technique for determining tumor offset by registering images.
- a metal marker gold standard for short
- the image to be registered can include the gold standard, and accordingly, the position of the gold standard can be directly referenced. standard image.
- image segmentation When performing image registration based on the gold standard, it is generally necessary to perform image segmentation on the image to be registered, so as to obtain a gold standard image including only the gold standard, and this process may also be called image segmentation.
- an acquisition module for acquiring a target image including markers
- FIG. 3 is a flowchart of an image segmentation method provided by an embodiment of the present disclosure.
- the grayscale gradient between the pixel at the position of the marker and the pixel at other positions in the candidate segmentation image can be further enhanced, that is, the display of the marker can be further made clearer.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种图像分割方法及装置、图像引导系统、放射治疗系统，属于放疗技术领域。该图像引导系统在获取到包括标志物的目标图像后，可以先对该目标图像进行图像处理得到标志物清晰度相对较大的备选分割图像，再采用图像分割算法对该备选分割图像分割得到标志物图像。由此，可以确保可靠分割出目标图像包括的标志物，即该图像分割方法的分割可靠性较高。
Description
本公开涉及放疗技术领域，特别涉及一种图像分割方法及装置、图像引导系统、放射治疗系统。
图像引导放射治疗(image guided radiation therapy，IGRT)技术是通过配准图像确定肿瘤偏移量的一种技术。且为了提高配准精度，一般可以在患者体内或体表设置金属标记物(简称，金标)，以使得待配准的图像中可以包含金标，相应的，使得可以直接参考金标的位置配准图像。在基于金标进行图像配准时，一般还需对待配准的图像进行图像分割，以得到仅包括金标的金标图像，该过程也可以称为图像分割。
相关技术中，一般采用边缘检测算法(如，candy算法)对待配准的图像进行图像分割以得到金标图像。但是，该分割方法的分割可靠性较低。
发明内容
本公开实施例提供了一种图像分割方法及装置、图像引导系统、放射治疗系统，可以解决相关技术中分割方法的分割可靠性较低的问题。技术方案如下：
一方面，提供了一种图像分割方法，所述方法包括：
获取包括标志物的目标图像；
对所述目标图像进行图像处理，得到备选分割图像，所述备选分割图像中的所述标志物的清晰度大于所述目标图像中的所述标志物的清晰度；
采用图像分割算法分割所述备选分割图像，得到所述标志物对应的标志物图像。
另一方面，提供了一种图像分割装置，所述装置包括：
获取模块，用于获取包括标志物的目标图像；
处理模块，用于对所述目标图像进行图像处理，得到备选分割图像，所述备选分割图像中的所述标志物的清晰度大于所述目标图像中的所述标志物的 清晰度；
分割模块，用于采用图像分割算法分割所述备选分割图像，得到所述标志物对应的标志物图像。
又一方面，提供了一种图像引导系统，所述图像引导系统包括：处理器和存储器，所述存储器中存储有指令，所述指令由所述处理器加载并执行以实现如上述方面所述的图像分割方法。
再一方面，提供了一种存储介质，所述存储介质中存储有指令，当所述存储介质在处理组件上运行时，使得处理组件执行如上述方面所述的图像分割方法。
再一方面，提供了一种放射治疗系统，所述放射治疗系统包括：患者支撑装置、主机以及图像引导系统；所述图像引导系统为如上述方面所述的系统，或者，所述图像引导系统包括如上述方面所述的装置；
其中，所述主机分别与所述图像引导系统和所述患者支撑装置连接，所述图像引导系统用于基于分割得到的金标图像确定患者的肿瘤的偏移量，并将所述肿瘤的偏移量发送至所述主机，所述主机用于基于所述肿瘤的偏移量调整所述患者支撑装置的位置。
本公开实施例提供的技术方案至少具有如下有益效果：
综上所述，本公开实施例提供了一种图像分割方法及装置、图像引导系统、放射治疗系统。该图像引导系统在获取到包括标志物的目标图像后，可以先对该目标图像进行图像处理得到标志物清晰度相对较大的备选分割图像，再采用图像分割算法对该备选分割图像分割得到标志物图像。由此，可以确保可靠分割出目标图像包括的标志物，即该图像分割方法的分割可靠性较高。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种放射治疗系统的结构示意图；
图2是本公开实施例提供的一种金标设置示意图；
图3是本公开实施例提供的一种图像分割方法的流程图；
图4是本公开实施例提供的另一种图像分割方法的流程图；
图5是本公开实施例提供的一种图像分割时的处理过程示意图；
图6是本公开实施例提供的一种得到备选分割图像的方法流程图；
图7是本公开实施例提供的另一种得到备选分割图像的方法流程图；
图8是本公开实施例提供的另一种图像分割时的处理过程示意图；
图9是本公开实施例提供的又一种得到备选分割图像的方法流程图；
图10是本公开实施例提供的一种图像分割装置的结构框图；
图11是本公开实施例提供的另一种图像分割装置的结构框图；
图12是本公开实施例提供的又一种图像分割装置的结构框图；
图13是本公开实施例提供的一种图像引导系统的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
图1是本公开实施例提供的一种放射治疗系统的结构示意图。如图1所示，该放射治疗系统可以包括患者支撑装置01、主机02以及图像引导系统03。
可选的，患者支撑装置01可以为图1所示的治疗床，当然，也可以为治疗椅等用于支撑患者的其他装置。主机02可以为一控制设备。图像引导系统03可以为IGRT系统。主机02可以与患者支撑装置01和图像引导系统03和建立有通信连接，该通信连接可以为有线连接，或者也可以为无线连接。
在放射治疗过程中，图像引导系统03可以采用IGRT技术追踪目标对象(如，患者的肿瘤)的位置，并将目标对象的目标偏移量发送至主机02。主机02可以基于接收到的目标偏移量灵活调整患者支撑装置01的位置，以实现对患者的图像引导。可选的，图像引导系统03追踪目标对象的位置的原理为：
采用图像引导装置获取投影图像(为二维图像)，并与基准图像进行配准， 得到目标对象的偏移量。配准两幅图像可以是指以指定的一幅图像为参考图像，另一幅图像为待配准图像，配准的目的是使待配准图像与基准图像上的所有点的坐标均达到一致。因目标对象的实时投影图像一般为放射治疗过程中或者摆位过程中实时获取到的图像，即为现场采集到的图像，故目标对象的实时投影图像可以作为待配准图像。
可选的，基准图像可以为：基于制定治疗计划时采集到的目标对象的计算机断层扫描(computed tomography，CT)图像重建生成的数字重建放射(digitally reconstructed radio，DRR)图像。或者，基于制定治疗计划时采集到的目标对象的核磁共振(magnetic resonance，MR)图像重建生成的DRR图像。或者，摆位完成后采集到的图像，如摆位完成后直接采集到的二维投影图像或基于摆位完成后采集到的锥形束电子扫描(cone beam computed tomography，CBCT)图像重建生成的DRR图像。因该摆位完成后采集到的图像不再受摆位误差的影响，故以摆位完成后的图像作为基准图像与实时投影图像配准的精度更高。
可选的，为了进一步提高配准精度，可以在患者的体内植入标志物，或在患者的体表贴附标志物，以使得最终配准的基准图像和二维投影图像中均可以包括标志物。如此，在配准时，可以基于两幅图像中的标志物配准该两幅图像。该标志物可以为金属材料制成的金属标志物(简称，金标)。
例如，可以设置至少三个不共线的标志物。若目标对象为位于头部的肿瘤，则结合图2，可以在患者的两个太阳穴和鼻尖处分别设置一个标志物B1。若目标对象位于体部，则可以在患者的脊柱处设置至少三个不共线的标志物。
通过设置至少三个不共线的标志物，可以在配准时，结合每个标志物的位置，综合确定偏移量。如此，即可以使得图像引导系统03能够参考不同角度处的多个标志物的位置配准图像，相应的，可以进一步提高配准精度。
在采用标志物配准两幅图像时，由于图像中不仅包括金标还包括其他组织(如，骨骼阻值)，因此需要预先对待配准的两幅图像进行图像分割，以得到仅包括标志物的图像。本公开下述实施例记载了一种图像分割方法，采用该方法分割的可靠性较好。
图3是本公开实施例提供的一种图像分割方法的流程图，该方法可以应用于图1所示的图像引导系统03中。如图3所示，该方法可以包括：
步骤301、获取包括标志物的目标图像。
可选的，该标志物可以在摆位前或者制定治疗计划前，设置于患者的体表或体内。如此，图像引导系统03即可以可靠获取到包括标志物的目标图像。例如，图像引导系统03可以采用图像引导装置获取该目标图像。
步骤302、对目标图像进行图像处理，得到备选分割图像。
在获取到目标图像后，图像引导系统03可以进一步对该目标图像进行处理，以得到相对于目标图像而言，所包括的标志物清晰度较大的备选分割图像。即，备选分割图像中的标志物的清晰度大于目标图像中的标志物的清晰度。
步骤303、采用图像分割算法分割备选分割图像，得到标志物对应的标志物图像。
在得到备选分割图像后，图像引导系统03可以采用图像分割算法分割该备选分割图像，以得到仅包括标志物的标志物图像。
综上所述，本公开实施例提供了一种图像分割方法。图像引导系统在获取到包括标志物的目标图像后，可以先对该目标图像进行图像处理得到标志物清晰度相对较大的备选分割图像，再采用图像分割算法对该备选分割图像分割得到标志物图像。由此，可以确保可靠分割出目标图像包括的标志物，即该图像分割方法的分割可靠性较高。
图4是本公开实施例提供的一种标志物分割方法的流程图，该方法可以应用于图1所示的图像引导系统03中。如图4所示，该方法可以包括：
步骤401、获取包括标志物的目标图像。
可选的，如上述实施例记载，该标志物可以在摆位前或制定治疗计划前设置于患者体表或体内。如此，图像引导系统即可以可靠获取到包括标志物的目标图像。且，因标志物成像清晰，故可以提高图像引导的可靠性。
基于标志物的设置时间，可以确定目标图像可以包括：
目标对象在目标拍摄角度下的二维投影图像，该二维投影图像可以在由图像引导系统采用图像引导装置在摆位阶段或治疗阶段获取得到，相应的，可以确定为获取该二维投影图像，该标志物应该在摆位前设置于患者体内或体表。
或者，目标对象的锥形束电子扫描CBCT图像，该CBCT图像可以由图像引导系统采用图像引导装置在摆位完成后治疗前获取得到。相应的，可以确定为获取该CBCT图像，该标志物应该在摆位前设置于患者体内或体表。且，例如，可以采用图像引导装置先在不同拍摄角度下获取目标对象的多个基准二维 投影图像，然后再基于该多个基准二维投影图像重建生成CBCT图像。
或者，基于CBCT图像生成的目标对象在目标拍摄角度下的数字重建放射DRR图像。
或者，目标对象的CT图像。相应的，可以确定为获取该CT图像，该标志物应该在制定治疗计划前设置于患者体内或体表。
或者，基于CT图像生成的目标对象在目标拍摄角度下的DRR图像。
或者，也可以为MR图像或基于MR图像在目标拍摄角度下重建生成的DRR图像。其中，上述实施例记载的目标拍摄角度均可以为治疗时，采用图像引导装置获取实时投影图像所采用的拍摄角度。
步骤402、对目标图像进行预处理。
可选的，在本公开实施例中，图像引导系统在获取到目标图像后，可以先对目标图像进行预处理，以得到显示效果较好的图像。
例如，该预处理可以为图像平滑处理。相应的，处理后的目标图像的噪声点干扰即较少。当然，该预处理也可以为其他修正目标图像的图像处理，本公开实施例对此不做限定。
示例的，参考图5，其示出了目标图像10，以及将目标图像10进行预处理后得到的图像20。该两幅图像中均包括标志物，仅仅显示效果上存在差异。
步骤403、对预处理后的目标图像进行图像处理，得到备选分割图像。
结合图5可以看出，处理后的目标图像中标志物的显示效果还是较差，即很难看清楚标志物的所在位置。故，为了确保后续分割精度，图像引导系统可以先对目标图像进行图像处理，以得到备选分割图像。其中，该图像处理的目的是提高标志物的显示清晰度。即，得到的备选分割图像中的标志物的清晰度可以大于目标图像中的标志物的清度。
作为一种可选的实现方式，参考图6，步骤403可以包括：
步骤4031A、对目标图像进行图像模糊处理。
可选的，图像引导系统03可以通过模糊处理算法对目标图像进行图像模糊处理，以将目标图像中的标志物模糊掉，使标志物融入目标图像的背景中，得到一副新的参考图像。其中，该背景可以为除标志物外的图像。
示例的，继续参考图5，其还示出了模糊处理后的图像30。从附图中可以看出，标志物B1在模糊处理后的图像30中的清晰度远小于在模糊处理前的目标图像20中的清晰度。
步骤4032A、对图像模糊处理前的目标图像和图像模糊处理后的目标图像进行图像相减处理，得到备选分割图像。
可选的，在对目标图像进行图像模糊处理后，图像引导系统03即可以基于图像相减的处理方法采用模糊处理前的目标图像20减去模糊处理后的目标图像30，得到备选分割图像。其中，图像相减可以是指：模糊处理前的目标图像20中某点的像素值减去模糊处理后的目标图像30中该点的像素值。
示例的，继续参考图5，其还示出了最终相减处理得到的备选分割图像40。从附图中可以看出，标志物B1在备选分割图像40中能够清晰的显示出来。
以上步骤4031A和4032A也可以统称为：通过对目标图像执行去背景操作，得到备选分割图像。
可选的，还可以对图像相减处理得到的图像作自乘处理，以得到标志物显示效果更为清晰的备选分割图像。其中，图像自乘可以是指：待处理的图像中各点的像素值乘以各点的像素值，且相乘的两点为同一点。
通过自乘处理，可以进一步增强备选分割图像中标志物所在位置的像素点与其他位置处的像素点的灰度梯度，即进一步使得标志物的显示更为清晰。
作为一种可选的实现方式，以目标图像为目标对象的CT图像或者CBCT图像为例，图7示出了另一种图像处理方法，即步骤403可以包括：
步骤4031B、将目标图像转换为医学数字成像和通信(digital imaging and communications in medicine，DICOM)格式的图像。
可选的，为便于后续的图像处理操作，图像引导系统可以先将获取到的目标图像转换为DICOM格式的图像。
步骤4032B、将目标图像中各点的像素值转换为CT值。
然后，图像引导系统可以将目标图像中各点的像素值均转换为CT值，CT值的单位可以为(hounsfield，HU)。CT值可以用于衡量人体组织对所接收到的放射治疗射线的吸收率。
步骤4033B、获取目标图像中标志物和各目标对象的CT值。
将各点的像素值转换为CT值后，图像引导系统即可以进一步获取到目标图像中的标志物以及各目标对象的CT值。
步骤4034B、基于CT值和预设的参考阈值，对目标图像进行图像归一化处理，得到备选分割图像。
其中，该参考阈值可以为CT值过滤用的阈值，且该参考阈值可以预先设 置于图像引导系统中。图像引导系统在确定出目标图像中标志物和各目标对象的CT值后，可以对比标志物和各目标对象的CT值与参考阈值的大小关系，并基于对比结果，灵活调整标志物和各目标对象的CT值，以完成图像归一化处理，得到备选分割图像。
例如，图像引导系统可以将目标图像中除标志物外的目标对象中，CT值小于参考阈值的目标对象的CT值设置为第一阈值，且不改变目标图像中除标志物外的目标对象中，CT值大于等于参考阈值的目标对象的CT值，得到备选分割图像。此外，图像引导系统还可以再将目标图像中标志物的CT值设置为与第一阈值不同的第二阈值。如此，即完成了对目标图像的归一化处理，得到备选分割图像。
作为又一种可选的实现方式，在步骤403之前，方法还可以包括：
首先，图像引导系统获取参考图像，该参考图像中的标志物与目标图像中的标志物的位置可以一一对应。例如，图像引导系统可以先获取目标图像的目标拍摄角度，然后再获取重建后的三维图像，以及该三维图像在该目标拍摄角度下的目标DRR图像。该目标DRR图像即为最终获取到的参考图像。
可选的，图像引导系统可以对重建后的三维图像进行过滤，得到仅包括标志物的三维图像，并将基于仅包括标志物的三维图像在目标拍摄角度下生成的DRR图像确定为目标DRR图像。且该重建后的三维图像可以为CBCT图像。
然后，图像引导系统在获取到的参考图像中构建一个或多个参考感兴趣区域(region of interest，ROI)，每个参考ROI可以包含一个或多个标志物，且每个ROI的面积均小于参考图像的面积。如此，在参考图像中构建ROI也可以理解为：在参考图像中截取包括标志物的目标区域。
可选的，图像引导系统可以基于标志物的目标点的位置确定标志物在参考图像中实际所处位置，然后图像引导系统可以通过图像处理算法，进一步在二维投影图像中构建(也可以称为勾勒)包括标志物的ROI。
示例的，参考图8，其示出了包括标志物B1的参考图像P1，以及在参考P1中构建的包括标志物B1的ROI。
可选的，该目标点可以为标志物上的任一点，当然，为了提高获取标志物的可靠性，该目标点可以为标志物的中心点，相应的，目标点的位置即可以为标志物的中心点的坐标。
相应的，如图9所示，步骤403可以包括：
步骤4031C、将一个或多个参考ROI映射于目标图像中，相应得到一个或多个参考目标ROI。
再结合图8，在构建出ROI后，图像引导系统可以进一步将ROI映射于目标图像P2中，从而相应的得到一个或多个参考目标ROI，每个参考目标ROI中均包括一个完整的标志物的图像。
步骤4032C、将一个或多个参考目标ROI作为备选分割图像。
最后，图像引导系统即可以将一个或多个参考目标ROI确定为包括标志物的备选分割图像。
因该参考目标ROI的面积相对于一副完整的图像的面积较小，相应的，该参考目标ROI中所包括的信息也较少。如此，在后续处理该备选分割图像时，所采用的算法成本即较低，处理效率也较高，且因该参考目标ROI包括完整的标志物的图像，故处理可靠性也较好。
步骤404、采用图像分割算法分割备选分割图像，得到标志物对应的标志物图像。
在得到备选分割图像后，图像引导系统即可以采用图像分割算法对备选分割图像进行分割处理，以得到仅包括标志物的标志物图像。
可选的，该图像分割算法可以为大津阈值算法，大津阈值算法也可以称为最大类间方差法或大津算法。采用大津阈值算法分割备选分割图像的原理为：按照大津阈值算法求得的阈值对备选分割图像进行二值化分割，以使得该备选分割图像的前景与背景的类间方差达到最大。采用该方法分割图像，不仅计算简单，且不易受图像的亮度和对比度的影响，效果较好。当然，图像分割算法也可以为其他分割算法，本公开实施例对采用的分割算法不做限定。
示例的，图5和图8均示出了最终得到的标志物图像00。在得到标志物图像00后，图像引导系统即可以通过对比该标志物位于待配准的两幅图像中的位置，得到目标对象的偏移量。
需要说明的是，本公开实施例提供的图像分割方法步骤的先后顺序可以进行适当调整，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本公开的保护范围之内，因此不再赘述。
综上所述，本公开实施例提供了一种图像分割方法。图像引导系统在获取到包括标志物的目标图像后，可以先对该目标图像进行图像处理得到标志物清晰度相对较大的备选分割图像，再采用图像分割算法对该备选分割图像分割得 到标志物图像。由此，可以确保可靠分割出目标图像包括的标志物，即该图像分割方法的分割可靠性较高。
图10是本公开实施例提供的一种图像分割装置的结构框图，该装置可以应用于图1所示的图像引导系统03中。如图10所示，该装置可以包括：
获取模块501，用于获取包括标志物的目标图像。
处理模块502，用于对目标图像进行图像处理，得到备选分割图像。
其中，该备选分割图像中的标志物的清晰度大于目标图像中的标志物的清晰度。
分割模块503，用于采用图像分割算法分割备选分割图像，得到标志物对应的标志物图像。
作为一种可选的实现方式，处理模块502可以用于：对目标图像执行去背景操作，得到备选分割图像。其中，背景为除该标志物外的图像。例如，该处理模块502可以用于对目标图像进行图像模糊处理，并对图像模糊处理前的目标图像和图像模糊处理后的目标图像进行图像相减处理，得到备选分割图像。
可选的，在本公开实施例中，目标图像可以包括：目标对象在目标拍摄角度下的二维投影图像。或者，目标对象的锥形束电子扫描CBCT图像。或者，基于CBCT图像生成的目标对象在目标拍摄角度下的数字重建放射DRR图像。或者，目标对象的电子扫描CT图像。或者，基于CT图像生成的目标对象在目标拍摄角度下的DRR图像。
作为另一种可选的实现方式：处理模块502可以用于对目标图像进行过滤，得到仅包括标志物的图像并作为备选分割图像。
可选的，若目标图像为目标对象的CT图像或者CBCT图像，则处理模块502可以用于：获取目标图像中标志物和各目标对象的CT值，并基于CT值和预设的参考阈值，对目标图像进行图像归一化处理，得到备选分割图像。
可选的，如图11所示，该装置还可以包括：第一转换模块504，用于在获取目标图像中标志物和各目标对象的CT值之前，将目标图像转换为医学数字成像和通信DICOM格式的图像。
可选的，处理模块502可以用于：基于CT值和预设的参考阈值，将目标图像中除标志物外的目标对象中，CT值小于参考阈值的目标对象的CT值设置为第一阈值，得到备选图像。
可选的，再结合图11，该装置还可以包括：设置模块505，用于将目标图像中标志物的CT值设置为第二阈值。
可选的，再结合图11，该装置还可以包括：第二转换模块506，用于在获取目标图像中标志物和各目标对象的CT值之前，将目标图像中各点的像素值转换为CT值。
可选的，图12是本公开实施例提供的又一种图像分割装置的结构框图。如图12所示，该装置还可以包括：
图像获取模块508，可以用于获取参考图像。
其中，该参考图像中的标志物与目标图像中的标志物位置一一对应。
构建模块509，可以用于在参考图像中构建一个或多个参考感兴趣区域ROI，参考ROI包含一个或多个标志物。
相应的，作为再一种可选的实现方式：处理模块502可以用于：将一个或多个参考ROI映射于目标图像中，相应得到一个或多个参考目标ROI，并将一个或多个参考目标ROI作为备选分割图像。
可选的，图像获取模块508可以用于：
获取目标图像的目标拍摄角度。
获取重建后的三维图像。
获取重建后的三维图像在目标拍摄角度下的目标DRR图像，并将目标DRR图像作为参考图像。例如，图像获取模块508可以用于对重建后的三维图像进行过滤，得到仅包括标志物的三维图像，并获取仅包括标志物的三维图像在目标拍摄角度下的目标DRR图像。
可选的，重建后的三维图像可以为CBCT图像。
可选的，处理模块502可以用于：对目标图像进行预处理，并对预处理后的目标图像进行图像处理，得到备选分割图像。其中，该预处理可以包括：图像平滑处理。
可选的，图像分割算法可以为大津阈值算法。
综上所述，本公开实施例提供了一种图像分割装置。该装置在获取到包括标志物的目标图像后，可以先对该目标图像进行图像处理得到标志物清晰度相对较大的备选分割图像，再采用图像分割算法对该备选分割图像分割得到标志物图像。由此，可以确保可靠分割出目标图像包括的标志物，即该图像分割装置的分割可靠性较高。
关于上述实施例中的图像分割装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
可选的，参考图13，在本公开实施例中，图1所示的图像引导系统30可以包括：处理器301和存储器302。其中，该存储器302中可以存储有指令，该指令由处理器301加载并执行可以实现如图3或图4所示的图像分割方法。
可选的，本公开实施例还提供了一种存储介质，该存储介质中可以存储有指令，当存储介质在处理组件上运行时，可以使得处理组件执行如图3或图4所示的图像分割方法。
以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (20)
- 一种图像分割方法，其特征在于，所述方法包括：获取包括标志物的目标图像；对所述目标图像进行图像处理，得到备选分割图像，所述备选分割图像中的所述标志物的清晰度大于所述目标图像中的所述标志物的清晰度；采用图像分割算法分割所述备选分割图像，得到所述标志物对应的标志物图像。
- 根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行图像处理，得到备选分割图像，包括：对所述目标图像执行去背景操作，得到备选分割图像；其中，所述背景为除所述标志物外的图像。
- 根据权利要求2所述的方法，其特征在于，所述对所述目标图像执行去背景操作，得到备选分割图像，包括：对所述目标图像进行图像模糊处理；对图像模糊处理前的所述目标图像和图像模糊处理后的所述目标图像进行图像相减处理，得到备选分割图像。
- 根据权利要求1所述的方法，其特征在于，所述目标图像包括：目标对象在目标拍摄角度下的二维投影图像；或者，所述目标对象的锥形束电子扫描CBCT图像；或者，基于所述CBCT图像生成的所述目标对象在所述目标拍摄角度下的数字重建放射DRR图像；或者，所述目标对象的电子扫描CT图像；或者，基于所述CT图像生成的所述目标对象在所述目标拍摄角度下的DRR图像。
- 根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行图像处理，得到备选分割图像，包括：对所述目标图像进行过滤，得到仅包括所述标志物的图像并作为备选分割 图像。
- 根据权利要求5所述的方法，其特征在于，所述目标图像为所述目标对象的CT图像或者CBCT图像，所述对所述目标图像进行过滤，得到仅包括所述标志物的图像并作为备选分割图像，包括：获取所述目标图像中标志物和各目标对象的CT值；基于所述CT值和预设的参考阈值，对所述目标图像进行图像归一化处理，得到备选分割图像。
- 根据权利要求6所述的方法，其特征在于，在获取所述目标图像中标志物和各目标对象的CT值之前，所述方法还包括：将所述目标图像转换为医学数字成像和通信DICOM格式的图像。
- 根据权利要求7所述的方法，其特征在于，所述基于所述CT值和预设的参考阈值，对所述目标图像进行图像归一化处理，得到备选分割图像，包括：基于所述CT值和预设的参考阈值，将所述目标图像中除所述标志物外的所述目标对象中，CT值小于所述参考阈值的所述目标对象的CT值设置为第一阈值，得到备选图像。
- 根据权利要求8所述的方法，其特征在于，所述方法还包括：将所述目标图像中所述标志物的CT值设置为第二阈值。
- 根据权利要求6所述的方法，其特征在于，在获取所述目标图像中标志物和各目标对象的CT值之前，所述方法还包括：将所述目标图像中各点的像素值转换为CT值。
- 根据权利要1所述的方法，其特征在于，所述方法还包括：获取参考图像，所述参考图像中的标志物与所述目标图像中的标志物位置一一对应；在所述参考图像中构建一个或多个参考感兴趣区域ROI，所述参考ROI包含一个或多个标志物；相应的，所述对所述目标图像进行图像处理，得到备选分割图像，包括：将所述一个或多个参考ROI映射于所述目标图像中，相应得到一个或多个参考目标ROI；将所述一个或多个参考目标ROI作为备选分割图像。
- 根据权利要求11所述的方法，其特征在于，所述获取参考图像，包括：获取所述目标图像的目标拍摄角度；获取重建后的三维图像；获取所述重建后的三维图像在所述目标拍摄角度下的目标DRR图像，将所述目标DRR图像作为参考图像。
- 根据权利要求12所述的方法，其特征在于，所述获取所述重建后的三维图像在所述目标拍摄角度下的目标DRR图像，包括：对所述重建后的三维图像进行过滤，得到仅包括所述标志物的三维图像；获取所述仅包括所述标志物的三维图像在所述目标拍摄角度下的目标DRR图像。
- 根据权利要求12所述的方法，其特征在于，所述重建后的三维图像为CBCT图像。
- 根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行图像处理，得到备选分割图像，包括：对所述目标图像进行预处理，所述预处理包括：图像平滑处理；对预处理后的目标图像进行图像处理，得到备选分割图像。
- 根据权利要求1所述的方法，其特征在于，所述图像分割算法为大津阈值算法。
- 一种图像分割装置，其特征在于，所述装置包括：获取模块，用于获取包括标志物的目标图像；处理模块，用于对所述目标图像进行图像处理，得到备选分割图像，所述 备选分割图像中的所述标志物的清晰度大于所述目标图像中的所述标志物的清晰度；分割模块，用于采用图像分割算法分割所述备选分割图像，得到所述标志物对应的标志物图像。
- 一种图像引导系统，其特征在于，所述图像引导系统包括：处理器和存储器，所述存储器中存储有指令，所述指令由所述处理器加载并执行以实现如权利要求1至16任一所述的图像分割方法。
- 一种存储介质，其特征在于，所述存储介质中存储有指令，当所述存储介质在处理组件上运行时，使得处理组件执行如权利要求1至16任一所述的图像分割方法。
- 一种放射治疗系统，其特征在于，所述放射治疗系统包括：患者支撑装置、主机以及图像引导系统；所述图像引导系统为如权利要求18所述的系统，或者，所述图像引导系统包括如权利要求17所述的装置；其中，所述主机分别与所述图像引导系统和所述患者支撑装置连接，所述图像引导系统用于基于分割得到的标志物图像确定目标对象的目标偏移量，并将所述目标偏移量发送至所述主机，所述主机用于基于所述目标偏移量调整所述患者支撑装置的位置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/135254 WO2022120714A1 (zh) | 2020-12-10 | 2020-12-10 | 图像分割方法及装置、图像引导系统、放射治疗系统 |
| CN202080107397.8A CN116635888A (zh) | 2020-12-10 | 2020-12-10 | 图像分割方法及装置、图像引导系统、放射治疗系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/135254 WO2022120714A1 (zh) | 2020-12-10 | 2020-12-10 | 图像分割方法及装置、图像引导系统、放射治疗系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| WO2022120714A1 WO2022120714A1 (zh) | 2022-06-16 |
| WO2022120714A9 true WO2022120714A9 (zh) | 2022-08-04 |
Family
ID=81972991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2020/135254 WO2022120714A1 (zh) | 2020-12-10 | 2020-12-10 | 图像分割方法及装置、图像引导系统、放射治疗系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116635888A (zh) |
| WO (1) | WO2022120714A1 (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7577199B1 (en) * | 2003-06-19 | 2009-08-18 | Nvidia Corporation | Apparatus and method for performing surveillance using motion vectors |
| CN104063059B (zh) * | 2014-07-13 | 2017-01-04 | 华东理工大学 | 一种基于手指分割的实时手势识别方法 |
| CN105574859B (zh) * | 2015-12-14 | 2018-08-21 | 中国科学院深圳先进技术研究院 | 一种基于ct图像的肝脏肿瘤分割方法及装置 |
| CN107545572A (zh) * | 2016-06-23 | 2018-01-05 | 爱威科技股份有限公司 | 图像中目标的处理方法和装置 |
| CN106249881B (zh) * | 2016-07-21 | 2019-03-19 | 江苏奥格视特信息科技有限公司 | 增强现实视场空间和虚拟三维目标动态配准方法 |
| CN111932565B (zh) * | 2019-05-13 | 2023-09-19 | 中国科学院沈阳自动化研究所 | 一种多靶标识别跟踪解算方法 |
-
2020
- 2020-12-10 WO PCT/CN2020/135254 patent/WO2022120714A1/zh active Application Filing
- 2020-12-10 CN CN202080107397.8A patent/CN116635888A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022120714A1 (zh) | 2022-06-16 |
| CN116635888A (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107789001B (zh) | 一种用于成像扫描的摆位方法和系统 | |
| JP4271941B2 (ja) | 患者の断層撮影投影画像を増強するための方法 | |
| US8942455B2 (en) | 2D/3D image registration method | |
| US11443441B2 (en) | Deep inspiration breath-hold setup using x-ray imaging | |
| CN102737395B (zh) | 一种医用x射线系统中的图像处理方法及装置 | |
| US8457372B2 (en) | Subtraction of a segmented anatomical feature from an acquired image | |
| US8787648B2 (en) | CT surrogate by auto-segmentation of magnetic resonance images | |
| US11756242B2 (en) | System and method for artifact reduction in an image | |
| US10154820B2 (en) | Method and apparatus for navigating CT scan with a marker | |
| RU2589461C2 (ru) | Устройство для создания присваиваний между областями изображения и категориями элементов | |
| WO2007030311A2 (en) | Adaptive radiation therapy method with target detection | |
| JP2007505690A5 (zh) | ||
| US10275895B2 (en) | Mechanism for advanced structure generation and editing | |
| US20170055931A1 (en) | Methods and systems for image artifacts reduction | |
| Munbodh et al. | Automated 2D‐3D registration of a radiograph and a cone beam CT using line‐segment enhancement a | |
| US9254106B2 (en) | Method for completing a medical image data set | |
| EP4301229B1 (en) | Image-based planning of tomographic scan | |
| US20140294276A1 (en) | Automatic estimation of anatomical extents | |
| Bögel et al. | Respiratory Motion Compensation Using Diaphragm Tracking for Cone‐Beam C‐Arm CT: A Simulation and a Phantom Study | |
| Madan et al. | A framework for automatic creation of gold-standard rigid 3D–2D registration datasets | |
| Zeng et al. | Measuring spinous process angle on ultrasound spine images using the GVF segmentation method | |
| WO2022120714A9 (zh) | 图像分割方法及装置、图像引导系统、放射治疗系统 | |
| WO2022120716A1 (zh) | 实时图像引导方法、装置及系统、放射治疗系统 | |
| WO2022120707A1 (zh) | 实时图像引导方法、装置及系统、放射治疗系统 | |
| CN110992406B (zh) | 一种基于感兴趣区的放疗患者摆位刚体配准算法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20964652 Country of ref document: EP Kind code of ref document: A1 |
|
| WWE | Wipo information: entry into national phase |
Ref document number: 202080107397.8 Country of ref document: CN |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 20964652 Country of ref document: EP Kind code of ref document: A1 |