CN101396271B - 一种识别ct图像中感兴趣区域边界的方法 - Google Patents
一种识别ct图像中感兴趣区域边界的方法 Download PDFInfo
- Publication number
- CN101396271B CN101396271B CN200710153227.XA CN200710153227A CN101396271B CN 101396271 B CN101396271 B CN 101396271B CN 200710153227 A CN200710153227 A CN 200710153227A CN 101396271 B CN101396271 B CN 101396271B
- Authority
- CN
- China
- Prior art keywords
- row
- value
- image
- interest
- initial
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提出一种识别CT图像中感兴趣区域(ROI)的方法,该方法包含以下步骤:(1)设置一识别ROI的阈值、一检测列数和一起始列;(2)从起始列开始,至一与起始列和检测列数相关的终止列范围内,依次将每一列上最大的CT值与阈值进行比较,若在所述范围内最大的CT值均大于或等于阈值,则将终止列的列值作为所述感兴趣区域的边界;只要在所述范围内有一列最大的CT值小于阈值,则将该列的下一列作为起始列,重复步骤(2),直至所述终止列大于所述CT图像的最大列或者小于所述CT图像的最小列为止。采用了上述方法后,能够更加准确和快速地确定CT图像上的ROI边界,从而识别CT图像上的ROI区域。
Description
技术领域
本发明涉及一种图像识别的方法,尤其是一种在计算机断层扫描(Computed Tomography,以下简称CT)中识别感兴趣区域(Region ofInteresting,ROI)的方法。
背景技术
在医学图像中,例如CT的定位像或者扫描图像中,图像的使用者往往只对图像的某一部分感兴趣,这部分区域被称为感兴趣区域,图像的剩余部分则称为背景。对于医学图像,感兴趣区域通常是其中的病变部位。例如,CT图像的重建视野(Field of View,FOV)就可被认为是一种感兴趣区域。
由于对于医生或者其他CT图像使用者而言,感兴趣区域往往是他们最为关注的区域,因此需要在整个CT图像上对感兴趣区域进行识别。在通过计算机等辅助设备对CT图像的感兴趣区域进行识别时,如何快速和准确地确定感兴趣区域的左、右边界就成为一个必须解决的问题。
发明内容
本发明的主要目的是提供一种识别CT图像中感兴趣区域的方法,通过该方法能够更加准确和快速地确定CT图像上的ROI边界,从而识别CT图像上的ROI区域,使得医生更关注ROI区域中的CT图像,提高诊断的准确性和效率。
为达到上述目的,本发明的技术方案具体是这样实现的:一种识别CT图像中感兴趣区域(ROI)的方法,该方法包含以下步骤:
(1)设置一识别ROI的阈值、一检测列数和一起始列;
(2)从所述起始列开始,至一与所述起始列和所述检测列数相关的终止列范围内,依次将每一列上CT值最大的像素点的CT值与所述识别ROI的阈值进行比较,
若在所述范围内每一列上CT值最大的像素点的CT值均大于或等于所述识别ROI的阈值,则将所述终止列的列值作为所述感兴趣区域的边界;
只要在所述范围内有一列CT值最大的像素点的CT值小于所述识别ROI的阈值,则将该列的下一列作为起始列,重复步骤(2),直至所述终止列大于所述CT图像的最大列或者小于所述CT图像的最小列为止。
根据本发明的一个方面,步骤(2)中,若上述终止列为所述起始列加上所述检测列数减去一,则将所述终止列的列值作为所述感兴趣区域的左边界。在识别ROI的左边界时,所述起始列通常为所述CT图像的最小列,优选地为第1列。
根据本发明的另一个方面,步骤(2)中,若上述终止列为所述起始列减去所述检测列数加上一,则将所述终止列的列值作为所述感兴趣区域的右边界。在识别ROI的右边界时,所述起始列通常为所述CT图像的最大列,对于512*512图像而言,优选为第512列。
根据本发明的又一个方面,所述识别ROI的阈值为-24,所述检测列数为15列。
采用了上述方法后,能够更加准确和快速地确定CT图像上的ROI边界,从而识别CT图像上的ROI区域,使得医生更关注ROI区域中的CT图像,提高诊断的准确性和效率。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的描述,其中:
图1是本发明中采用的识别CT图像中感兴趣区域的方法流程图。
具体实施方式
图1是本发明中采用的识别CT图像中感兴趣区域的方法流程图。一般来说,一幅CT定位像通常由512*512个像素点组成,每个像素点具有一个图像值,称为CT值。该CT值的取值范围在-1024至3071之间,单位为HU。
下面分别按照实施例一和实施例二对本发明进行详细描述。实施例一是采用本发明方法对CT图像中ROI的左边界进行识别。首先,设置一识别ROI的阈值、一检测列数和一起始列。本实施例一中识别ROI的阈值设为-24,单位为HU,检测列数设为15列,起始列为大小为512*512的CT图像的最小列,即第1列。
其次,从第1列开始,至以第15列(1+15-1=15)为终止列的范围内,依次将每一列上CT值最大的像素点的CT值与识别ROI的阈值进行比较。具体而言,先选取第1列上CT值最大的像素点的CT值与-24进行比较,如果该CT值大于或者等于-24,再继续选取第2列上CT值最大的像素点的CT值与-24进行比较,如果这一CT值也大于或者等于-24,再继续选取第3列上CT值最大的像素点的CT值与-24进行比较……。也就是说,只有前一列上CT值最大的像素点的CT值大于或者等于-24,才在本范围内继续选取下一列上CT值最大的像素点的CT值与-24进行比较。而在比较过程中,只要有一列CT值最大的像素点的CT值小于-24,则将该列的下一列作为新的起始列,并按照(起始列+15-1)确定新的终止列,并在新的起始列至终止列的范围内重新按照本段落所描述的过程来识别ROI的左边界。
如果在从起始列至终止列的范围内每一列上CT值最大的像素点的CT值均大于或者等于-24,则识别过程结束,并将此时终止列的列值作为所识别的ROI的左边界。如果经过若干次重新设置起始列至终止列的范围,而在这若干次设置的范围中始终没有该范围中每一列上CT值最大的像素点的CT值均大于或等于-24的情形发生,可知所设置的终止列逐步接近CT图像的最大列,即第512列,一旦当重新设置的终止列大于CT图像的第512列时,识别过程结束,此时没有识别出ROI的左边界。
举例来说,假设512*512个像素点的CT图像中,第1列至第30列中CT值最大的像素点的CT值分别为以下值,单位为HU:
1000,832,450,280,560,100,-60,48,70,-68,
320,380,85,58,220,310,420,330,280,180,
150,100,0,-10,-15,10,50,90,145,231,
首先,起始列为第1列,终止列为第15列,先将第1列的1000与-24相比,由于1000大于-24,继续比较第2列,第2列的832也大于-24,则继续比较第3列,......,一直继续比较到1至15列范围内第1个CT值最大的像素点的CT值小于-24的第7列时,由于该列中-60小于-24,因此将该列的下一列,即第8列作为新的起始列,并根据该新的起始列重新设置终止列为22列。
新的起始列为第8列,新的终止列为第22列,首先将第8列的48与-24相比,由于48大于-24,继续比较第9列,第9列的70也大于-24,继续比较第10列,由于第10列的-68小于-24,则将第10列的下一列,即第11列作为新的起始列,并重新设置终止列为第25列。
新的起始列为第11列,新的终止列为第25列,先将第11列的320与-24相比,由于320大于-24,继续比较第12列,......,一直继续到终止列25列,第25列上的-15也大于-24,因此识别过程结束,此时将第25列作为ROI区域的左边界。
假如对上述数据进行修改,在11至第25列中的范围内也并不满足每一列的CT值最大的像素点的CT值均大于或者等于-24,则需要重新设置起始列和终止列。再假如一直持续到起始列为498,终止列为512的范围中,也没有满足该范围内每一列的CT值最大的像素点的CT值均大于或者等于-24,则起始列为大于498的列,而终止列大于CT图像的最大列数512,此时识别过程结束,并认为在第1列到第512列的范围中没有识别出ROI的左边界。
实施例二是采用本发明方法对CT图像中ROI的右边界进行识别。首先,设置一识别ROI的阈值、一检测列数和一起始列。本实施例一中识别ROI的阈值设为-24,单位为HU,检测列数设为15列,起始列为大小为512*512的CT图像的最大列,即第512列。
其次,从第512列开始,至以第498列(512-15+1=498)为终止列的范围内,依次将每一列上CT值最大的像素点的CT值与识别ROI的阈值进行比较。具体而言,先选取第512列上CT值最大的像素点的CT值与-24进行比较,如果该CT值大于或者等于-24,再继续选取第511列上CT值最大的像素点的CT值与-24进行比较,如果这一CT值也大于或者等于-24,再继续选取第510列上CT值最大的像素点的CT值与-24进行比较……。也就是说,只有前一列上CT值最大的像素点的CT值大于或者等于-24,才在本范围内继续选取下一列上CT值最大的像素点的CT值与-24进行比较。而在比较过程中,只要有一列CT值最大的像素点的CT值小于-24,则将该列的下一列作为新的起始列,并按照(起始列-15+1)确定新的终止列,并在新的起始列至终止列的范围内重新按照本段落所描述的过程来识别ROI的右边界。
如果在从起始列至终止列的范围内每一列上CT值最大的像素点的CT值均大于或者等于-24,则识别过程结束,并将此时终止列的列值作为所识别的ROI的右边界。如果经过若干次重新设置起始列至终止列的范围,而在这若干次设置的范围中始终没有该范围中每一列上CT值最大的像素点的CT值均大于或等于-24的情形发生,可知所设置的终止列逐步接近CT图像的最小列,即第1列,一旦当重新设置的终止列小于CT图像的第1列时,识别过程结束,此时没有识别出ROI的右边界。
举例来说,假设512*512个像素点的CT图像中,第512列至第483列中CT值最大的像素点的CT值分别为以下值,单位为HU:
1000,832,450,280,560,100,-60,48,70,-68,
320,380,85,58,220,310,420,330,280,180,
150,100,0,-10,-15,10,50,90,145,231,
首先,起始列为第512列,终止列为第498列,先将第512列的1000与-24相比,由于1000大于-24,继续比较第511列,第511列的832也大于-24,则继续比较第510列,......,一直继续比较到512至498列范围内第1个CT值最大的像素点的CT值小于-24的第506列时,由于该列中-60小于-24,因此将该列的下一列,即第505列作为新的起始列,并根据该新的起始列重新设置终止列为491列。
新的起始列为第505列,新的终止列为第491列,首先将第505列的48与-24相比,由于48大于-24,继续比较第504列,第504列的70也大于-24,继续比较第503列,由于第503列的-68小于-24,则将第503列的下一列,即502列作为新的起始列,并重新设置终止列为第488列。
新的起始列为第502列,新的终止列为第488列,先将第502列的320与-24相比,由于320大于-24,继续比较第501列,......,一直继续到终止列488列,第488列上的-15也大于-24,因此识别过程结束,此时将第488列作为ROI区域的右边界。
假如对上述数据进行修改,在502至第488列中的范围内也并不满足每一列的CT值最大的像素点的CT值均大于或者等于-24,则需要重新设置起始列和终止列。再假如一直持续到起始列为15,终止列为1的范围中,也没有满足该范围内每一列的CT值最大的像素点的CT值均大于或者等于-24,则起始列为小于15的列,而终止列小于CT图像的最小列数1,此时识别过程结束,并认为在第512列到第1列的范围中没有识别出ROI的右边界。
从上述两个实施例的过程可以看出,采用了本发明方法后,能够更加准确和快速地确定CT图像上的ROI边界,从而识别CT图像上的ROI区域,使得医生更关注ROI区域中的CT图像,提高诊断的准确性和效率。
Claims (10)
1.一种识别CT图像中感兴趣区域边界的方法,其特征在于该方法包含以下步骤:
(1)设置一识别感兴趣区域的阈值、一检测列数和一起始列;
(2)从所述起始列开始,至一与所述起始列和所述检测列数相关的终止列范围内,依次将每一列上CT值最大的像素点的CT值与所述识别感兴趣区域的阈值进行比较,
(3)若在所述范围内每一列上CT值最大的像素点的CT值均大于或等于所述识别感兴趣区域的阈值,则将所述终止列的列值作为所述感兴趣区域的边界;
只要在所述范围内有一列CT值最大的像素点的CT值小于所述识别感兴趣区域的阈值,则将该列的下一列作为起始列,重复步骤(2),直至所述终止列大于所述CT图像的最大列或者小于所述CT图像的最小列为止。
2.根据权利要求1所述的方法,其特征在于,步骤(2)中,若上述终止列为所述起始列加上所述检测列数减去一,则将所述终止列的列值作为所述感兴趣区域的左边界。
3.根据权利要求2所述的方法,其特征在于,所述起始列为所述CT图像的最小列。
4.根据权利要求3所述的方法,其特征在于,所述CT图像的最小列为第1列。
5.根据权利要求1所述的方法,其特征在于,步骤(2)中,若上述终止列为所述起始列减去所述检测列数加上一,则将所述终止列的列值作为所述感兴趣区域的右边界。
6.根据权利要求5所述的方法,其特征在于,所述起始列为所述CT图像的最大列。
7.根据权利要求6所述的方法,其特征在于,所述CT图像的最大列为第512列。
8.根据权利要求1-7任一所述的方法,其特征在于,所述识别感兴趣区域的阈值为-24。
9.根据权利要求1-7任一所述的方法,其特征在于,所述检测列数为15列。
10.根据权利要求8所述的方法,其特征在于,所述检测列数为15列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710153227.XA CN101396271B (zh) | 2007-09-29 | 2007-09-29 | 一种识别ct图像中感兴趣区域边界的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710153227.XA CN101396271B (zh) | 2007-09-29 | 2007-09-29 | 一种识别ct图像中感兴趣区域边界的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101396271A CN101396271A (zh) | 2009-04-01 |
CN101396271B true CN101396271B (zh) | 2010-09-01 |
Family
ID=40515295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710153227.XA Expired - Fee Related CN101396271B (zh) | 2007-09-29 | 2007-09-29 | 一种识别ct图像中感兴趣区域边界的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101396271B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102835969A (zh) * | 2011-06-22 | 2012-12-26 | 上海西门子医疗器械有限公司 | 确定感兴趣区的方法和ct成像方法 |
US9841515B2 (en) * | 2014-03-28 | 2017-12-12 | Koninklijke Philips N.V. | Dead pixel identification in positron emission tomography (PET) |
CN109961487A (zh) * | 2017-12-14 | 2019-07-02 | 通用电气公司 | 放疗定位图像识别方法、计算机程序及计算机存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676104A (zh) * | 2004-04-01 | 2005-10-05 | 株式会社美蒂森 | 用于形成3d超声图像的设备和方法 |
-
2007
- 2007-09-29 CN CN200710153227.XA patent/CN101396271B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676104A (zh) * | 2004-04-01 | 2005-10-05 | 株式会社美蒂森 | 用于形成3d超声图像的设备和方法 |
Non-Patent Citations (4)
Title |
---|
王李冬,邰晓英,***.一种基于感兴趣区域提取的医学图像检索技术.宁波大学学报(理工版)19 4.2006,19(4),465-470. |
王李冬,邰晓英,***.一种基于感兴趣区域提取的医学图像检索技术.宁波大学学报(理工版)19 4.2006,19(4),465-470. * |
邱明,张二虎.医学图像分割方法.计算机工程与设计26 6.2005,26(6),1557-1559,1588. |
邱明,张二虎.医学图像分割方法.计算机工程与设计26 6.2005,26(6),1557-1559,1588. * |
Also Published As
Publication number | Publication date |
---|---|
CN101396271A (zh) | 2009-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | Machine learning in cardiac CT: basic concepts and contemporary data | |
EP3086206B1 (en) | Method, apparatus and computer program product for providing gesture analysis | |
US20230394853A1 (en) | System for automatic tumor detection and classification | |
US7978897B2 (en) | Computer-aided image diagnostic processing device and computer-aided image diagnostic processing program product | |
US20140200452A1 (en) | User interaction based image segmentation apparatus and method | |
Zheng et al. | Localisation of colorectal polyps by convolutional neural network features learnt from white light and narrow band endoscopic images of multiple databases | |
US8457374B2 (en) | System for detecting catheterization devices | |
CN102138827B (zh) | 图像显示装置 | |
JP5784404B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
US20180246963A1 (en) | Systems and methods for analyzing time series data based on event transitions | |
CN110415792B (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
CN102279926A (zh) | 光学字符识别中的技术 | |
US20160171341A1 (en) | Apparatus and method for detecting object in image, and apparatus and method for computer-aided diagnosis | |
Tilborghs et al. | Comparative study of deep learning methods for the automatic segmentation of lung, lesion and lesion type in CT scans of COVID-19 patients | |
US20190258892A1 (en) | Image processing apparatus, image processing method, and image processing system | |
CN101396271B (zh) | 一种识别ct图像中感兴趣区域边界的方法 | |
CN108288020A (zh) | 基于上下文信息的视频遮挡检测***及方法 | |
CN110084810B (zh) | 一种肺结节图像检测方法、模型训练方法、装置及存储介质 | |
Kristan et al. | The vot2013 challenge: overview and additional results | |
US8073229B2 (en) | Image analysis of tube tip positioning | |
Zeng et al. | SS-TBN: A semi-supervised tri-branch network for COVID-19 screening and lesion segmentation | |
JP6915969B2 (ja) | 医用画像処理装置、医用画像処理方法および超音波診断装置 | |
Zhao et al. | Semantic segmentation to extract coronary arteries in invasive coronary angiograms | |
CN113378852A (zh) | 关键点检测方法、装置、电子设备及存储介质 | |
EP2608152B1 (en) | Medical imaging diagnosis apparatus and medical imaging diagnosis method for providing diagnostic basis |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100901 Termination date: 20210929 |