CN109712186B - 图像中勾画感兴趣区域的方法、计算机设备和存储介质 - Google Patents
图像中勾画感兴趣区域的方法、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109712186B CN109712186B CN201811510804.0A CN201811510804A CN109712186B CN 109712186 B CN109712186 B CN 109712186B CN 201811510804 A CN201811510804 A CN 201811510804A CN 109712186 B CN109712186 B CN 109712186B
- Authority
- CN
- China
- Prior art keywords
- region
- interest
- image
- current image
- original image
- 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
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种图像中勾画感兴趣区域的方法、计算机设备和存储介质。所述方法包括：获取原图像中的感兴趣区域在当前图像的位置；根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域；将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵；根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画。采用本方法能够根据原图像中的勾画快速生成当前图像中的勾画。
Description
技术领域
本申请涉及放射治疗技术领域，特别是涉及一种图像中勾画感兴趣区域的方法、计算机设备和存储介质。
背景技术
在自适应放射治疗***中，需要对采集的CT(Computed Tomography，电子计算机断层扫描)图像勾画，以标定出需要治疗的器官和肿瘤位置。其中，勾画包括基础勾画和辅助勾画，基础勾画是由医生或者物理师在放射治疗计划***中，根据CT图像手动绘制得到的勾画，一般是重要器官或者肿瘤的勾画；辅助勾画一般是基于基础勾画，例如对基础勾画进行合并、求交、减除或缩放等操作后得到新的勾画，用于对制定放疗计划的优化。其中，制定放疗计划的一般过程是，医生给出处方和治疗方案，医生和物理师勾画靶区和危及器官，物理师根据医生处方、治疗方案和感兴趣区域(Region of Interest,ROI)的勾画制定放疗计划。因此，对感兴趣区域的勾画对放射治疗计划的制定非常重要。
目前对于相同病人采集的原CT图像和新采集的CT图像，都需要进行勾画，而新采集的CT图像如果重新进行勾画，会存在效率低下、准确度低、浪费资源等问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高医学图像勾画效率和准确度的图像中勾画感兴趣区域的方法、计算机设备和存储介质。
一种图像中勾画感兴趣区域的方法，所述方法包括：
获取原图像中的感兴趣区域在当前图像的位置；
根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域；
将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵；
根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画。
一种图像中勾画感兴趣区域的方法，所述方法包括：
获取原图像中的感兴趣区域在当前图像的位置；
根据所述感兴趣区域在当前图像中的位置，在当前图像中截取第二区域；
根据所述第二区域，通过器官自动分割的方法在所述当前图像中生成对应的基础勾画。
一种医学图像中勾画多个感兴趣区域的方法，所述方法包括：对所述每个感兴趣区域单独按照上述任一项所述图像中勾画感兴趣区域的方法在所述当前图像中生成对应的基础勾画。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取原图像中的感兴趣区域在当前图像的位置；
根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域；
将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵；
根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取原图像中的感兴趣区域在当前图像的位置；
根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域；
将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵；
根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画。
上述图像中勾画感兴趣区域的方法、计算机设备和存储介质，通过在图像中截取待配准区域，通过感兴趣区域与待配准区域进行配准，从而提高新勾画生成的准确度；而且对于勾画多个感兴趣区域时，将整个图像分成多个器官区域，再独立对多个器官区域独立按照配准方式，在当前图像中生成与原图像对应的基础勾画，降低相似灰度值的干扰，提高了当前图像中基础勾画生成的准确度；通过并行勾画多个感兴趣区域，可以提高效率。
附图说明
图1为一个实施例中图像中勾画感兴趣区域的方法的流程示意图；
图2为一个实施例中配准得到形变矩阵步骤的流程示意图；
图3为另一个实施例中图像中勾画感兴趣区域的方法的流程示意图；
图4为一个实施例中图像中勾画感兴趣区域的装置的结构框图；
图5为另一个实施例中图像中勾画感兴趣区域的装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在现有的自适应放射治疗***中，当前图像和原图像是根据完整的CT图像来进行配准，以获得形变矩阵，即完整的CT图像中包含了所有组织或器官的信息。在配准的过程中，不同组织或器官间存在相似的信息(如相近的灰度值)可能干扰配准结果的准确性，同时，完整的CT图像会导致过多的变量从而减慢配准的收敛速度。在另一方面，原图像中包含基础勾画和辅助勾画，如果原图像中的辅助勾画采用形变矩阵直接生成当前图像中的辅助勾画，则很大可能会破坏了原有辅助勾画的生成规则，例如，辅助勾画为围绕基础勾画的环形区域，如直接利用形变配准在当前图像中生成辅助勾画，很大可能会得到形状不规则的辅助勾画，这是本领域技术人员不期望的；再例如，某个危及器官与靶区存在重叠部分，为了保证制定放疗计划的优化过程不冲突，通常将危及器官中与靶区重叠的部分从危及器官中减除用于制定放疗计划的优化，然后，根据原图像中的辅助勾画采用形变矩阵直接生成当前图像中的辅助勾画，可能导致危及器官与靶区再次重叠，因此，通过原图像和新图像整体配准确定形变矩阵，然后利用形变矩阵直接生成当前图像中的基础勾画和辅助勾画，会很大程度上影响放疗计划的制定。
在一个实施例中，如图1所示，提供了一种图像中勾画感兴趣区域的方法包括以下步骤：
步骤S110，获取原图像中的感兴趣区域在当前图像的位置。
具体的，原图像中包括至少一个感兴趣区域，所述当前图像包括与所述原图像对应的感兴趣区域。所述感兴趣区域对应一个器官区域的勾画区域。在本发明的部分实施例中，器官和感兴趣区域名称可以替换。
其中，所述获取原图像中的感兴趣区域在当前图像的位置包括：将所述原图像与当前图像进行刚性配准，获得所述原图像中的感兴趣区域在所述当前图像中的位置；或在原图像中截取包含所述感兴趣区域的第一区域，将所述第一区域与当前图像进行刚性配准，以获取所述感兴趣区域在当前图像中的位置；或将原图像中的感兴趣区域与当前图像进行刚性配准，以获取所述感兴趣区域在当前图像中的位置。
在当前图像中能够找到与原图像中的所述感兴趣区域对应的感兴趣区域，从而找到所述感兴趣区域在当前图像中的大致位置。
刚性配准为将所述原图像中的感兴趣区域通过上、下、左、右平移或者旋转在当前图像中找到所述感兴趣区域的大概位置，以所述大概位置作为所述感兴趣区域在当前图像中的基准位置。
基础勾画是由医生或者物理师在自适应放射治疗计划***中，根据CT图像手动绘制得到的勾画，或者通过自动勾画算法得到并由医生或物理师修改并确认的勾画，一般是重要器官或者肿瘤的勾画；辅助勾画一般是基于基础勾画，对基础勾画进行合并、求交、减除或缩放等操作后得到新的勾画，用于对制定放疗计划的优化。其中，根据器官的基础勾画能够找到所述器官在原图像中的位置以及区域。
所述第一区域可为在原图像中包含感兴趣区域的较大区域，这个较大区域比所述感兴趣区域所覆盖的区域大且比原图像小。
步骤S120，根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域。
具体的，根据所述感兴趣区域在当前图像中的位置，用大于所述感兴趣区域的形状在所述位置截取一定区域作为待配准区域，使得所述待配准区域包含所述感兴趣区域。
步骤S130，将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵。
其中，配准的过程通常是基于图像的像素点的灰度值进行的，其目的是将当前图像上的像素点与原图像上的像素点对应，使得对应的像素点的灰度值尽可能的接近。在本实施例中，通过原图像中的感兴趣区域与当前图像中的待配准区域进行形变配准，得到形变矩阵。所述形变矩阵记录了感兴趣区域中的像素点与所述待配准区域中的像素点之间的变换关系。
在其中一个实施例中，在将所述原图像中的感兴趣区域与所述待配准区域进行配准时，可以采用所述原图像中感兴趣区域与所述待配准区域直接进行配准，也可以采用所述原图像中的较大区域(例如上述的第一区域)与所述待配准区域进行配准，所述较大区域包含所述感兴趣区域。
步骤S140，根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画。
其中，所述原图像中基础勾画数据能够单独通过矩阵的方式进行存储，将形变矩阵应用于原图像中的基础勾画数据，从而变换成当前图像中的基础勾画数据，根据当前图像中的基础勾画数据可以在当前图像中形成基础勾画。
在其中一个实施例中，所述图像中勾画感兴趣区域的方法还包括步骤：
步骤S150，获取原图像中根据基础勾画生成辅助勾画的生成规则。
其中，所述生成规则包括对基础勾画进行合并、求交、减除或缩放等操作。
步骤S160，按照所述生成规则，根据所述当前图像中的基础勾画生成对应的辅助勾画。
上述图像中勾画感兴趣区域的方法中，通过在当前图像中截取待配准区域，通过原图像的感兴趣区域与当前图像的待配准区域进行配准，从而避免待配准区域之外的像素对配准造成干扰，提高新勾画生成的准确度。
在一个实施例中，如图2所示，在步骤S130中，所述将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵，包括步骤：
步骤S131，获取所述感兴趣区域从原图像到当前图像的表示变化趋势的特征值。
对于检测对象体内的不同器官，其变化趋势可能不同。在一些实施例中，所述感兴趣区域的变化趋势包括所述器官的位置变化趋势、体积变化趋势和形状变化趋势中的至少一种。
其中，通常而言，原图像和当前图像是检测对象在不同时期采集的影像，因此同一器官在原图像和当前图像中会有差别，例如器官位置、形状、大小等中的至少一项发生改变，但是这些变化受限于器官的特性。不同器官的特性可能不同。因此，在一些实施例中，可以根据器官的标识获取表示器官的变化趋势的特征值。可选的，器官的标识可以是器官名称、类型等，可以根据器官名称和/或类型确定器官的变化趋势，即确定表示器官的变化趋势的特征值。例如头颈部器官形状可能发生变化，但是体积不变，而且相对头颅的位置也不变，此时可以将头颈部器官的体积和/或头颈部器官相对头颅的位置作为约束条件。例如，胃、膀胱等器官的位置不变，但是因为会膨胀或缩小，因此体积会变，在这样的情况下可以获取其位置信息作为约束条件。例如，眼球、骨头、脊髓等器官的形状和体积不变，但是位置可能发生改变，因此可以将形状和/或体积信息作为约束条件。
在一些实施例中，可以根据神经网络获取表示器官的变化趋势的特征值。具体的，通过采集多个病人至少两个时间点的图像样本基础勾画数据(同一器官)，输入到神经网络模型，通过神经网络模型训练得到所述器官的变化特征值，这些特征值可以表示所述器官的变化趋势，并记录所述该器官的表示变化趋势的特征值。
步骤S132，将所述表示变化趋势的特征值作为配准的约束条件，对所述原图像中感兴趣区域与所述待配准区域进行配准，得到形变矩阵。
具体的，可以将已训练的表示器官的变化趋势的特征值作为配准的约束条件，将所述原图像中感兴趣区域与所述待配准区域进行配准，得到形变矩阵。图像配准需要经历迭代过程，在该过程中，考虑器官的变化趋势，在优化过程中令像素点满足特定的特征方程，该方程中的参数可以根据由器官标识确定的特征值或由上述神经网络训练得到的特征值给定，从而可以提高配准的准确度。形变配准为本领域的已知技术，在此不再赘述。
在其中一个实施例中，在步骤S120中，所述根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域，包括：根据所述感兴趣区域在当前图像中的位置，在所述当前图像中截取按照规则形状围成的区域，所述按照规则形状围成的区域包含所述感兴趣区域。具体的，所述规则形状的大小正好能够包裹住所述器官。其中，所述规则形状包括圆形和矩形。
在一个实施例中，如图3所示，提供了一种图像中勾画感兴趣区域的方法，包括以下步骤：
步骤S310，获取原图像中的感兴趣区域在当前图像的位置。
具体的，原图像中包括至少一个感兴趣区域，所述当前图像包括与所述原图像对应的感兴趣区域。所述感兴趣区域对应一个器官区域的勾画区域。在本发明的部分实施例中，器官和感兴趣区域的名称可以替换。
其中，所述获取原图像中的感兴趣区域在当前图像的位置包括：将所述原图像与当前图像进行刚性配准，获得所述原图像中的感兴趣区域在所述当前图像中的位置；或在原图像中截取包含所述感兴趣区域的第一区域，将所述第一区域与当前图像进行刚性配准，以获取所述感兴趣区域在当前图像中的位置；或将原图像中的感兴趣区域与当前图像进行刚性配准，以获取所述感兴趣区域在当前图像中的位置。
在当前图像中能够找到与原图像中的所述感兴趣区域对应的感兴趣区域，从而找到所述感兴趣区域在当前图像中的大致位置。
刚性配准为将所述原图像中的感兴趣区域通过上、下、左、右平移或者旋转在当前图像中找到所述感兴趣区域的大概位置，以所述大概位置作为所述感兴趣区域在当前图像中的基准位置。
基础勾画是由医生或者物理师在自适应放射治疗计划***中，根据CT图像手动绘制得到的勾画，一般是重要器官或者肿瘤的勾画；辅助勾画一般是基于基础勾画，对基础勾画进行合并、求交、减除或缩放等操作后得到新的勾画，用于对制定放疗计划的优化。其中，根据器官的基础勾画能够找到所述器官在原图像中的位置以及区域。
所述第一区域可为在原图像中包含感兴趣区域的较大区域，这个较大区域比所述感兴趣区域所覆盖的区域大且比原图像小。
步骤S320，根据所述感兴趣区域在当前图像中的位置，在当前图像中截取第二区域。
具体的，根据所述感兴趣区域在当前图像中的位置，用大于所述感兴趣区域的形状在所述位置截取一定区域作为第二区域，使得所述第二区域包含所述感兴趣区域。
步骤S330，根据所述第二区域，通过器官自动分割的方法在所述当前图像中生成对应的基础勾画。
具体的，在器官自动分割的方法中，根据CT图像的属性值，能够知道图像像素的大小，由于各个器官在CT图像中的灰度值不同，可以根据灰度值将CT图像分成多个器官区域，每个器官区域代表相应的器官。根据器官区域的边缘，可以自动生成基础勾画。
其中，器官自动分割的方法，可以采用已知的器官自动分割算法实现，器官自动分割算法会将感兴趣区域(Region of Interest,ROI)作为自定义内部数据存到数据库中，进行皮肤等相关器官的自动分割工作。器官自动分割是指根据人体模型初步定位出器官的位置，比如左肺、心脏、脊椎等，然后根据三维体数据文件中的不同的器官图像值(如CT值)的不同，应用图像处理中边缘提取等算法，将所需要的器官标记出来。在本发明的实施例中，可以使用已知的器官自动分割算法来实施这一步骤，在此不再展开。
在其中一个实施例中，在步骤S320中，所述根据所述感兴趣区域在当前图像中的位置，在当前图像中截取第二区域，包括：根据所述感兴趣区域在当前图像中的位置，在所述当前图像中截取按照规则形状围成的区域，所述按照规则形状围成的区域包含所述感兴趣区域。具体的，所述规则形状的大小正好能够包裹住所述感兴趣区域。其中，所述规则形状包括圆形和矩形。
在其中一个实施例中，所述图像中勾画感兴趣区域的方法还包括：
S340，获取原图像中根据基础勾画生成辅助勾画的生成规则。
其中，所述生成规则包括对基础勾画进行合并、求交、减除或缩放等操作。
S350，按照所述生成规则，根据所述当前图像中的基础勾画生成对应的辅助勾画。
上述图像中勾画感兴趣区域的方法中，通过对器官区域按照自动分割方式，在当前图像中生成与原图像对应的基础勾画，提高了当前图像中基础勾画生成的准确度和效率。
在一个实施例中，一种医学图像中勾画多个感兴趣区域的方法，其中，对所述每个感兴趣区域单独按照上述实施例中所述方法在所述当前图像中生成对应的基础勾画。
其中，原图像中可以包括多个器官以及器官的基础勾画，每个基础勾画都可以单独按照上述实施例中一种图像中勾画感兴趣区域的方法，在当前图像中生成对应的基础勾画。
在一些实施例中，当图像中包含多个感兴趣区域时，由于各个感兴趣区域之间可能互相存在影响，因此在为多个感兴趣区域按照本发明任一实施例(例如，上述图1和/或图2)方法进行勾画时，可以为多个感兴趣区域设置优先级。优选的，越不容易受其他感兴趣区域影响的优先级越高，越容易受影响的优先级越低。例如，自发变化的感兴趣区域优先级最高，受其它感兴趣区域的变化影响的感兴趣区域的优先级较低。例如，首先骨头一般都是自发变化的器官，而且容易配准，优先级最高；其次，膀胱、心脏、胃属于自发变化的器官，优先级较高；再其次，大肠、小肠属于易受其它器官影响的器官，优先级较低；最后，靶区由于需要结合其它器官进行判断，因此将其优先级设置最低。可以按照上述的优先级顺序勾画多个感兴趣区域。
在勾画感兴趣区域的过程中，优先级高的感兴趣区域的配准结果可以作为优先级低的感兴趣区域的约束。例如，优先级高的感兴趣区域的勾画结果作为优先级低的感兴趣区域的约束。举例来说，第一感兴趣区域影响第二感兴趣区域，首先利用本发明任一实施例中的方法在当前图像中生成第一感兴趣区域的基础勾画。在对第二感兴趣区域进行勾画时，考虑当前图像中第一感兴趣区域的范围，避免勾画得到的第二感兴趣区域与已勾画的第一感兴趣区域重叠。或者，由于第一感兴趣区域与第二感兴趣区域的相对位置是固定的，在对第二感兴趣区域进行勾画时，需要保持与已勾画的第一感兴趣区域的相对位置保持固定。又如，优先级高的感兴趣区域的配准矩阵可以作为优先级低的感兴趣区域的约束。示例性的，第一感兴趣区域与第二感兴趣区域边界相贴，第一感兴趣区域从原图像根据形变矩阵到当前图像，边界产生了变化，第二感兴趣区域从原图像到当前图像，边界也应做相应处理。
在上述实施例中，对于包含多个感兴趣区域的图像，可以对每个感兴趣区域，可以按照本发明任一实施例中所述的方法独立进行勾画，避免不同区域间相似灰度值的干扰。
在一些实施例中，可以对多个不同感兴趣区域的勾画并行处理，从而节省勾画时间，提高效率。
应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种图像中勾画感兴趣区域的装置，包括：位置获取模块410、截取模块420、配准模块430和基础勾画生成模块440，其中：
位置获取模块410，用于获取原图像中的感兴趣区域在当前图像的位置。
截取模块420，用于根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域。
配准模块430，用于将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵。
基础勾画生成模块440，用于根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中的区域中生成对应的基础勾画。
在其中一个实施例中，所述图像中勾画感兴趣区域的装置还包括：辅助勾画生成规则获取模块，用于获取原图像中根据基础勾画生成辅助勾画的生成规则；辅助勾画生成模块，用于按照所述生成规则，根据所述当前图像中的基础勾画生成对应的辅助勾画。
在其中一个实施例中，所述配准模块430包括：变化趋势获取单元，用于获取所述感兴趣区域从原图像到当前图像的表示变化趋势的特征值；形变矩阵获取单元，用于将所述表示变化趋势的特征值作为配准的约束条件，对所述原图像中感兴趣区域与所述待配准区域进行配准，得到形变矩阵。
在其中一个实施例中，所述截取模块420，具体用于根据所述感兴趣区域在当前图像中的位置，在所述当前图像中截取按照规则形状围成的区域，所述按照规则形状围成的区域包含所述感兴趣区域。具体的，所述规则形状的大小正好能够包裹住所述器官。其中，所述规则形状包括圆形和矩形。
在另一个实施例中，如图5所示，提供了一种图像中勾画感兴趣区域的装置，包括：位置获取模块510、截取模块520和基础勾画生成模块530，其中：
位置获取模块510，用于获取原图像中的感兴趣区域在当前图像的位置。
截取模块520，用于根据所述感兴趣区域在当前图像中的位置，在当前图像中截取第二区域。
基础勾画生成模块530，用于根据所述第二区域，通过器官自动分割的方法在所述当前图像中生成对应的基础勾画。
在其中一个实施例中，所述截取模块520，具体用于根据所述感兴趣区域在当前图像中的位置，在所述当前图像中截取按照规则形状围成的区域，所述按照规则形状围成的区域包含所述感兴趣区域。具体的，所述规则形状的大小正好能够包裹住所述器官。其中，所述规则形状包括圆形和矩形。
在其中一个实施例中，所述图像中勾画感兴趣区域的装置还包括：辅助勾画生成规则获取模块，用于获取原图像中根据基础勾画生成辅助勾画的生成规则；辅助勾画生成模块，用于按照所述生成规则，根据所述当前图像中的基础勾画，生成对应的辅助勾画。
关于上述图像中勾画感兴趣区域的装置的具体限定可以参见上文中对于图像中勾画感兴趣区域的方法的限定，在此不再赘述。上述图像中勾画感兴趣区域的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储CT图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像中勾画感兴趣区域的方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取原图像中的感兴趣区域在当前图像的位置；
根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域；
将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵；
根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画。
在其中一个实施例中，所述处理器为并行处理器，其可以对多个感兴趣区域并行执行上述实施例中所述图像中勾画感兴趣区域的方法。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取原图像中根据基础勾画生成辅助勾画的生成规则；按照所述生成规则，根据所述当前图像中的基础勾画，生成对应的辅助勾画。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取原图像中的感兴趣区域在当前图像的位置；
根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域；
将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵；
根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取原图像中根据基础勾画生成辅助勾画的生成规则；按照所述生成规则，根据所述当前图像中的基础勾画，生成对应的辅助勾画。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种图像中勾画感兴趣区域的方法，其特征在于，所述方法包括：
获取原图像中的感兴趣区域在当前图像的位置；
根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域；
将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵；
根据所述形变矩阵以及所述原图像中的感兴趣区域的基础勾画数据，在所述当前图像中生成对应的基础勾画；
所述将所述原图像中的感兴趣区域与所述待配准区域进行配准，得到形变矩阵，包括：
获取所述感兴趣区域从原图像到当前图像的表示变化趋势的特征值；所述表示变化趋势的特征值的获取包括步骤：根据神经网络获取所述表示变化趋势的特征值，或者，根据所述感兴趣区域对应的器官的标识获取所述表示变化趋势的特征值；
将所述表示变化趋势的特征值作为配准的约束条件，对所述原图像中感兴趣区域与所述待配准区域进行配准，得到形变矩阵。
2.根据权利要求1所述的方法，其特征在于，所述获取原图像中的感兴趣区域在当前图像的位置包括：
将所述原图像与当前图像进行刚性配准，获得所述原图像中的感兴趣区域在所述当前图像中的位置；或
在原图像中截取包含所述感兴趣区域的第一区域，将所述第一区域与当前图像进行刚性配准，以获取所述感兴趣区域在当前图像中的位置；或
将原图像中的感兴趣区域与当前图像进行刚性配准，以获取所述感兴趣区域在当前图像中的位置。
3.根据权利要求1所述的方法，其特征在于，还包括：
获取原图像中根据基础勾画生成辅助勾画的生成规则；
按照所述生成规则，根据所述当前图像中的基础勾画生成对应的辅助勾画。
4.根据权利要求1所述的方法，其特征在于，所述变化趋势包括所述感兴趣区域的位置变化趋势、所述感兴趣区域的体积变化趋势和所述感兴趣区域的形状变化趋势中的至少一种。
5.根据权利要求1所述的方法，其特征在于，所述根据所述感兴趣区域在当前图像中的位置，在当前图像中截取待配准区域，包括：
根据所述感兴趣区域在当前图像中的位置，在所述当前图像中截取按照规则形状围成的区域，所述按照规则形状围成的区域包含所述感兴趣区域。
6.根据权利要求1所述的方法，其特征在于，所述器官包括胃或者膀胱，所述表示变化趋势的特征值包括所述器官的位置信息；
或者，所述器官包括眼球、骨头或脊髓，所述表示变化趋势的特征值包括所述器官的形状信息和/或体积信息。
7.根据权利要求1所述的方法，其特征在于，所述根据神经网络获取所述表示变化趋势的特征值，包括：
获取两组以上图像样本基础勾画数据；其中，一组所述图像样本基础勾画数据包括同一对象至少两个时间点的图像样本基础勾画数据；
将所述图像样本基础勾画数据输入神经网络训练，得到所述表示变化趋势的特征值。
8.一种医学图像中勾画多个感兴趣区域的方法，其特征在于，对每个所述感兴趣区域单独按照权利要求1-7中任一项所述方法在所述当前图像中生成对应的基础勾画。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括为所述多个感兴趣区域设置优先级，优先级高的感兴趣区域的配准结果作为优先级低的感兴趣区域的约束。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
11.根据权利要求10所述的计算机设备，其特征在于，所述处理器为并行处理器，其可以对多个感兴趣区域并行执行权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811510804.0A CN109712186B (zh) | 2018-12-11 | 2018-12-11 | 图像中勾画感兴趣区域的方法、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811510804.0A CN109712186B (zh) | 2018-12-11 | 2018-12-11 | 图像中勾画感兴趣区域的方法、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109712186A CN109712186A (zh) | 2019-05-03 |
| CN109712186B true CN109712186B (zh) | 2021-10-22 |
Family
ID=66255720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811510804.0A Active CN109712186B (zh) | 2018-12-11 | 2018-12-11 | 图像中勾画感兴趣区域的方法、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109712186B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784705B (zh) * | 2020-06-24 | 2024-04-02 | 上海联影医疗科技股份有限公司 | 感兴趣区域的勾画方法、装置、设备和存储介质 |
| CN112419338B (zh) * | 2020-12-08 | 2021-12-07 | 深圳大学 | 一种基于解剖先验知识的头颈部危及器官的分割方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103048331A (zh) * | 2012-12-20 | 2013-04-17 | 石家庄印钞有限公司 | 基于柔性模板配准的印刷缺陷检测方法 |
| CN103247046A (zh) * | 2013-04-19 | 2013-08-14 | 深圳先进技术研究院 | 一种放射治疗计划中靶区自动勾画的方法和装置 |
| CN104117151A (zh) * | 2014-08-12 | 2014-10-29 | 章桦 | 一种在线自适应放疗计划优化方法 |
| CN105488804A (zh) * | 2015-12-14 | 2016-04-13 | 上海交通大学 | 脑部asl、spect和mri图像配准融合联合分析的方法及*** |
| CN106902475A (zh) * | 2015-12-18 | 2017-06-30 | 光线搜索实验室公司 | 放射治疗方法、计算机程序和计算机*** |
| CN106920234A (zh) * | 2017-02-27 | 2017-07-04 | 北京连心医疗科技有限公司 | 一种复合式自动放疗计划的方法 |
| CN107590808A (zh) * | 2016-07-06 | 2018-01-16 | 上海联影医疗科技有限公司 | 医学图像中的***分割方法 |
-
2018
- 2018-12-11 CN CN201811510804.0A patent/CN109712186B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103048331A (zh) * | 2012-12-20 | 2013-04-17 | 石家庄印钞有限公司 | 基于柔性模板配准的印刷缺陷检测方法 |
| CN103247046A (zh) * | 2013-04-19 | 2013-08-14 | 深圳先进技术研究院 | 一种放射治疗计划中靶区自动勾画的方法和装置 |
| CN104117151A (zh) * | 2014-08-12 | 2014-10-29 | 章桦 | 一种在线自适应放疗计划优化方法 |
| CN105488804A (zh) * | 2015-12-14 | 2016-04-13 | 上海交通大学 | 脑部asl、spect和mri图像配准融合联合分析的方法及*** |
| CN106902475A (zh) * | 2015-12-18 | 2017-06-30 | 光线搜索实验室公司 | 放射治疗方法、计算机程序和计算机*** |
| CN107590808A (zh) * | 2016-07-06 | 2018-01-16 | 上海联影医疗科技有限公司 | 医学图像中的***分割方法 |
| CN106920234A (zh) * | 2017-02-27 | 2017-07-04 | 北京连心医疗科技有限公司 | 一种复合式自动放疗计划的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109712186A (zh) | 2019-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109872333B (zh) | 医学影像分割方法、装置、计算机设备和存储介质 | |
| JP7030050B2 (ja) | 組織パラメータ推定を用いたｍｒデータからの疑似ｃｔ生成 | |
| JP6567179B2 (ja) | 特徴回帰モデルを用いたｍｒデータからの疑似ｃｔ生成 | |
| EP3123443B1 (en) | Method and device for generating one or more computer tomography images based on magnetic resonance images with the help of tissue class separation | |
| CN111161270A (zh) | 医学影像的血管分割方法、计算机设备和可读存储介质 | |
| EP2715663B1 (en) | Apparatus for generating assignments between image regions of an image and element classes | |
| CN109472835B (zh) | 处理医学图像数据的方法和医学图像数据的图像处理*** | |
| CN106462974B (zh) | 用于分割图像的参数优化 | |
| CN109712186B (zh) | 图像中勾画感兴趣区域的方法、计算机设备和存储介质 | |
| CN113516624A (zh) | 穿刺禁区的确定、路径规划方法、手术***和计算机设备 | |
| CN111568451A (zh) | 一种曝光剂量调节方法和*** | |
| CN112200780B (zh) | 骨组织定位方法、装置、计算机设备和存储介质 | |
| CN111192268A (zh) | 医学图像分割模型构建方法与cbct图像骨分割方法 | |
| CN111462139A (zh) | 医学图像显示方法、装置、计算机设备和可读存储介质 | |
| CN115063397A (zh) | 计算机辅助影像分析方法、计算机设备和存储介质 | |
| CN113962957A (zh) | 医学图像处理方法、骨骼图像处理方法、装置、设备 | |
| CN111899273A (zh) | 图像分割方法、计算机设备和存储介质 | |
| CN111160441B (zh) | 分类方法、计算机设备和存储介质 | |
| CN111161240A (zh) | 血管分类方法、计算机设备和可读存储介质 | |
| CN111179373A (zh) | 医学图像去骨模型构建方法与骨信息去除方法 | |
| CN114187320B (zh) | 脊柱ct图像的分割方法、椎体成像的识别方法及装置 | |
| CN116168097A (zh) | 构建cbct勾画模型和勾画cbct图像的方法、装置、设备及介质 | |
| CN113962953A (zh) | 一种图像处理方法和*** | |
| CN113962938A (zh) | 图像分割方法、装置、计算机设备和可读存储介质 | |
| CN110766652B (zh) | 网络训练方法、装置、分割方法、计算机设备和存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |