CN110246150A - 金属检测方法、装置、设备及存储介质 - Google Patents
金属检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110246150A CN110246150A CN201910515515.8A CN201910515515A CN110246150A CN 110246150 A CN110246150 A CN 110246150A CN 201910515515 A CN201910515515 A CN 201910515515A CN 110246150 A CN110246150 A CN 110246150A
- Authority
- CN
- China
- Prior art keywords
- metal
- region
- medical image
- edge region
- pixel
- 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.)
- Pending
Links
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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种金属检测方法、装置、设备及存储介质。该方法包括:获取目标对象的医学影像,并提取出医学影像中至少一个感兴趣区域的目标边缘区域;获取医学影像中每个像素点的目标邻域,并根据目标邻域中各像素点的灰度值确定金属边缘区域;得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点,并基于种子点进行区域生长,以检测医学影像中的金属。本发明实施例的技术方案,可以检出医学影像中是否存在金属,进而可以避免受检者接收到额外的剂量且可以提高图像质量。
Description
技术领域
本发明实施例涉及医学图像处理技术领域,尤其涉及一种金属检测方法、装置、设备及存储介质。
背景技术
医疗影像设备中的影像采集区域可能会出现较多的金属如各种金属材质的手术器械,则,医疗影像设备工作时会对影像采集区域内的金属和受检者的目标对象同时进行影像采集。通常情况下,获取到的医学影像中的金属的灰度值低于目标对象的灰度值,例如,在C形臂中,相较于目标对象,由于金属对X射线的衰减程度更高,因此获取到的医学影像中的金属的灰度值更低。
然而,上述情况可能会带来诸多问题,例如,医疗影像设备是根据获取到的医学影像中的灰度值调整剂量的大小,由于金属的灰度值较低,为了使得医学影像的整体灰度值满足采集目标,需要增加更多的剂量,这使得受检者会接收到许多额外的剂量。再例如,当医疗影像设备对获取到的医学影像进行后期处理时,由于金属和目标对象未实现分离,使得金属占据了一部分本应当显示目标对象的灰度范围,导致目标对象的灰度的对比度不高,图像质量较差。
发明内容
本发明实施例提供了一种金属检测方法、装置、设备及存储介质,以实现对医学影像中的金属进行检测的效果。
第一方面,本发明实施例提供了一种金属检测方法,可以包括:
获取目标对象的医学影像,并提取出医学影像中至少一个感兴趣区域的目标边缘区域;
获取医学影像中每个像素点的目标邻域,并根据目标邻域中各像素点的灰度值确定金属边缘区域;
得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点,并基于种子点进行区域生长,以检测医学影像中的金属。
可选的,基于种子点进行区域生长,以检测医学影像中的金属,可以包括:
基于种子点进行区域生长,得到当前区域生长结果,以及,在区域生长过程中由已访问的像素点构成的访问区域;
根据目标边缘区域和访问区域的差集更新目标边缘区域,并根据金属边缘区域和访问区域的差集更新金属边缘区域;
重复执行得到金属边缘区域和目标边缘区域的差集的操作,直至金属边缘区域或是目标边缘区域满足预设的结束条件,将各个当前区域生长结果作为医学影像中的金属。
可选的,基于种子点进行区域生长,以检测医学影像中的金属,可包括:
基于种子点进行区域生长,得到当前区域生长结果,并计算当前区域生长结果中各像素点的第一灰度均值;
计算金属边缘区域的自适应阈值,并计算金属边缘区域中小于自适应阈值的各像素点的第二灰度均值;
根据第一灰度均值和第二灰度均值的数值关系,确定当前区域生长结果是否为医学影像中的金属。
可选的,基于种子点进行区域生长,可以包括:
确定种子点的预设邻域内的满足预设区域生长条件的像素点,并根据满足预设区域生长条件的像素点更新种子点;
重复执行确定种子点的预设邻域内的满足预设区域生长条件的像素点的操作,直至满足预设区域生长条件的像素点为空。
可选的,确定种子点的预设邻域内的满足预设区域生长条件的像素点,具体可以包括:
将种子点的预设邻域内的像素点作为邻域点,根据邻域点和种子点的结构相似度,邻域点与目标边缘区域的交集,以及,邻域点与各个种子点的均值的灰度相似度,从各个邻域点中筛选出满足预设区域生长条件的像素点。
可选的,根据目标邻域中各像素点的灰度值确定金属边缘区域,可包括:根据目标邻域中各像素点的灰度方差值,从目标邻域中筛选出金属边缘区域。
可选的,在获取目标对象的医学影像之后,该方法还可包括:对医学影像进行归一化处理,并根据处理结果更新医学影像。
第二方面,本发明实施例还提供了一种金属检测装置,该装置可以包括:
目标边缘区域提取模块,用于获取目标对象的医学影像,并提取出医学影像中至少一个感兴趣区域的目标边缘区域;
金属边缘区域确定模块,用于获取医学影像中每个像素点的目标邻域,并根据目标邻域中各像素点的灰度值确定金属边缘区域;
金属检测模块,用于得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点,并基于种子点进行区域生长,以检测医学影像中的金属。
第三方面,本发明实施例还提供了一种设备,该设备可以包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明任意实施例所提供的金属检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明任意实施例所提供的金属检测方法。
本发明实施例的技术方案,首先,从医学影像中提取出至少一个感兴趣区域的目标边缘区域,该目标边缘区域可能是金属边界,也可能是目标对象边界;其次,根据医学影像中每个像素点的目标邻域中各像素点的灰度值确定金属边缘区域,由此确定出医学影像中是否存在金属;进而,如果存在金属边缘区域,得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点;最后,基于该种子点进行区域生长,以检测医学影像中的金属。上述技术方案可以检出医学影像中是否存在金属,进而可以避免受检者接收到额外的剂量且可以提高图像质量。
附图说明
图1是本发明实施例一中的一种金属检测方法的流程图;
图2是本发明实施例一中的一种金属检测方法中医学影像的示意图;
图3是本发明实施例二中的一种金属检测方法的流程图;
图4是本发明实施例三中的一种金属检测装置的结构框图;
图5是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中提供的一种金属检测方法的流程图。本实施例可适用于检测医学影像中是否存在金属的情况,尤其适用于检测基于C形臂获取到的医学影像中是否存在金属的情况。该方法可以由本发明实施例提供的金属检测装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在各种设备上。
参见图1,本发明实施例的方法具体包括如下步骤:
S110、获取目标对象的医学影像,并提取出医学影像中至少一个感兴趣区域的目标边缘区域。
其中,医学影像可以是X射线影像、电子计算机断层扫描影像(CT影像)、B超影像,也可以是其他的医学影像。因为在这些医学影像中,金属的灰度值和目标对象的灰度值存在差异性,该差异性可能是由于金属和目标对象对医学成像时所涉及到的射线的衰减程度不同而造成的。只要医学影像中的金属的灰度值和目标对象的灰度值存在差异性,基于本发明实施例的金属检测方法就可以检测出医学影像中是否存在金属的情况。
可选的,在获取到目标对象的医学影像之后,可以对该医学影像进行预处理。比如,如果该医学影像是与X射线相关的影像如CT影像,由于X射线呈指数衰减,可以对医学影像进行对数变换如log变换,使得医学影像的对比度与X射线的衰减呈线性关系,同时还可以增加低灰度范围的对比度。再比如,还可以对医学影像进行归一化处理,将不同灰度范围的医学影像处理至相同的灰度范围比如0-1,这样设置的好处在于,可以基于相同的阈值处理任意医学影像。在对医学影像进行预处理后,需要根据处理结果更新医学影像。
提取出医学影像中至少一个感兴趣区域的目标边缘区域,该目标边缘区域可能是金属边界,也可能是目标对象边界。具体的,可以基于边缘算子比如Roberts、Sobel、Prewitt、Laplacian、Canny等提取出医学影像中至少一个感兴趣区域的目标边缘区域。通常情况下,基于边缘算子提取出的目标边缘区域可以是M*N的矩形区域,其中,M和N均是正整数。例如,该目标边缘区域可以是3*3的矩形区域。
S120、获取医学影像中每个像素点的目标邻域,并根据目标邻域中各像素点的灰度值确定金属边缘区域。
其中,医学影像中的金属的灰度值和目标对象的灰度值存在差异性,比如,在X射线影像中,相较于目标对象,金属对X射线的衰减程度更高,则金属的灰度值低于目标对象的灰度值。而且,这种差异性也使得金属边界和目标对象边界存在明显的梯度变化。基于上述内容可以判断出医学影像中是否存在金属,具体的,获取医学影像中每个像素点的目标邻域,该目标邻域可以是矩形区域。可选的,目标边缘区域可以认为是细矩形区域,而目标邻域可以认为是粗矩形区域。比如,如果目标边缘区域是一个3*3的矩形区域,则目标邻域可以是一个不小于5*5的矩形区域。
在获取到医学影像中每个像素点的目标邻域后,可以根据目标邻域中各像素点的灰度值确定金属边缘区域。例如,可以根据目标邻域中各像素点的灰度方差值,从目标邻域中筛选出金属边缘区域。这是因为在金属边界和/或目标对象边界处存在明显的梯度变化,这使得位于这些边界处的目标邻域中各像素点的灰度方差值较大。因此,可以将满足预设灰度方差阈值的目标邻域作为金属边缘区域。该金属边缘区域可能包含一部分灰度值较低的区域和一部分灰度值较高的区域,该灰度值较低的区域很可能是金属。
由此得到的金属边缘区域可以是1个或多个,在存在多个金属边缘区域时,可以将该多个金属边缘区域进行整合,并将该整合结果作为金属边缘区域。则此时的金属边缘区域的内部可能是连续性的,也可能是非连续的。
S130、得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点,并基于种子点进行区域生长,以检测医学影像中的金属。
其中,如果存在金属边缘区域,得到金属边缘区域和目标边缘区域的差集,该差集中的像素点属于金属边缘区域且未属于目标边缘区域,那么这些差集中的像素点可能位于金属边界,也可能位于目标对象边界。因此,可以从差集中提取出种子点,比如,以X射线影像为例,由于X射线影像中金属的灰度值低于目标对象的灰度值,则如果将差集中灰度值最小的像素点作为种子点,该种子点必是金属区域的像素点。进一步,可以基于该种子点进行区域生长,以检测出医学影像中的金属。
通常情况下,对于每名受检者的目标对象,医疗影像设备需要采集多张医学影像。在采集到第一张医学影像后,可以基于上述步骤检测出医学影像中金属。则在医学影像的前期采集阶段,比如在采集第二张及以后的医学影像时,可以根据医学影像中除金属以外的区域的灰度值调整剂量的大小,由此解决了由于金属的灰度值较低,为了使得医学影像的整体灰度值满足采集目标,需要增加更多的剂量,这使得受检者会接收到许多额外的剂量的问题。而且,在医学影像的后期处理阶段,比如在处理第二张及以后的医学影像时,可以根据医学影像中除金属以外的区域的灰度值调整整幅医学影像的灰度值,由此解决了金属占据了一部分本应当显示目标对象的灰度范围,导致目标对象的灰度的对比度不高,图像质量较差的问题。
本发明实施例的技术方案,首先,从医学影像中提取出至少一个感兴趣区域的目标边缘区域,该目标边缘区域可能是金属边界,也可能是目标对象边界;其次,根据医学影像中每个像素点的目标邻域中各像素点的灰度值确定金属边缘区域,由此确定出医学影像中是否存在金属;进而,如果存在金属边缘区域,得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点;最后,基于该种子点进行区域生长,以检测医学影像中的金属。上述技术方案可以检出医学影像中是否存在金属,进而可以避免受检者接收到额外的剂量且可以提高图像质量。
一种可选的技术方案,基于种子点进行区域生长,以检测医学影像中的金属,具体可以包括:基于种子点进行区域生长,得到当前区域生长结果,以及,在区域生长过程中由已访问的像素点构成的访问区域;根据目标边缘区域和访问区域的差集更新目标边缘区域,并根据金属边缘区域和访问区域的差集更新金属边缘区域;重复执行得到金属边缘区域和目标边缘区域的差集的操作,直至金属边缘区域或是目标边缘区域满足预设的结束条件,将各个当前区域生长结果作为医学影像中的金属。
其中,如果在医学影像中存在多个金属,且该多个金属存在非连续的情况,则基于种子点进行区域生长后,只能检测出医学影像中的部分金属。因此,需要对该医学影像进行多次检测,以确保检测出医学影像中的每个金属。具体的,首先,基于种子点进行区域生长,得到当前区域生长结果,该当前区域生长结果是医学影像中的部分金属;而且,在区域生长过程中,基于已访问的像素点可以构成访问区域,将访问区域单独提取出来的原因在于,在后续区域生长过程中,无需再次访问这些访问区域中的像素点,提高了检测效率。其次,根据目标边缘区域和访问区域的差集更新目标边缘区域,并根据金属边缘区域和访问区域的差集更新金属边缘区域,得到剔除了访问区域的目标边缘区域和金属边缘区域。再次,重复执行得到金属边缘区域和目标边缘区域的差集的操作,以实现医学影像的多次检测,直至金属边缘区域或是目标边缘区域满足预设的结束条件,比如金属边缘区域或是目标边缘区域为空,此时,将各个当前区域生长结果作为医学影像中的金属。
一种可选的技术方案,基于种子点进行区域生长,以检测医学影像中的金属,具体可以包括:基于种子点进行区域生长,得到当前区域生长结果,并计算当前区域生长结果中各像素点的第一灰度均值;计算金属边缘区域的自适应阈值,并计算金属边缘区域中小于自适应阈值的各像素点的第二灰度均值;根据第一灰度均值和第二灰度均值的数值关系,确定当前区域生长结果是否为医学影像中的金属。
其中,在判断医学影像中是否存在金属时,可能存在如下情况:根据医学影像中每个像素点的目标邻域中各像素点的灰度值确定出金属边缘区域存在一部分灰度值较低的区域和一部分灰度值较高的区域,但是该灰度值较低的区域可能是目标对象,该灰度值较高的区域可能是空气,这是因为空气对X射线的衰减程度最低。这样就有可能将目标对象误认为是金属,因此,需要对得到的金属边缘区域进行进一步的校验,校验其是否是真正的金属。
具体的,当金属的灰度值低于目标对象的灰度值时,基于种子点进行区域生长,得到当前区域生长结果,并计算当前区域生长结果中各像素点的第一灰度均值,该第一灰度均值可以认为是经过校验后的确定为金属的各像素点的灰度特性。以医学影像中某个金属边缘区域为操作对象,计算该金属边缘区域的自适应阈值,比如基于大律法分割得到该自适应阈值,进而计算该金属边缘区域中小于自适应阈值的各像素点的第二灰度均值,该步骤设置的原因在于,如果该金属边缘区域中包括金属,则第二灰度均值应当是金属的像素点的灰度特性,即该第二灰度均值和第一灰度均值应当是类似的;反之,第二灰度均值应当是目标对象的像素点的灰度特性,即该第二灰度均值和第一灰度均值的差异性较大。因此,可以根据第一灰度均值和第二灰度均值的数值关系,确定当前区域生长结果是否为医学影像中的金属,比如,如果第二灰度均值和第一灰度均值的差值大于预设阈值,则认为该金属边缘区域中未存在金属;反之,则存在金属。上述步骤设置的好处在于,可以进一步校验得到的每个金属边缘区域中是否真的存在金属。
示例性的,为了更好地理解上述步骤中涉及到的各个技术特征的相互关系,如图2所示,医学影像10包括目标对象20和金属30,目标对象以实线表示;目标边缘区域可能是目标对象边界401,也可能是金属边界402;金属边缘区域50存在一部分灰度值较低的区域和一部分灰度值较高的区域,目标边缘区域和金属边缘区域50以虚线表示;金属边缘区域50可以是一个粗矩形区域,目标边缘区域可以是一个细矩形区域。
实施例二
图3是本发明实施例二中提供的一种金属检测方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中,可选的,基于种子点进行区域生长,具体可包括:确定种子点的预设邻域内的满足预设区域生长条件的像素点,并根据满足预设区域生长条件的像素点更新种子点;重复执行确定种子点的预设邻域内的满足预设区域生长条件的像素点的操作,直至满足预设区域生长条件的像素点为空。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
如图3所示,本实施例的方法具体可以包括如下步骤:
S210、获取目标对象的医学影像,并提取出医学影像中至少一个感兴趣区域的目标边缘区域。
S220、获取医学影像中每个像素点的目标邻域,并根据目标邻域中各像素点的灰度值确定金属边缘区域。
S230、得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点。
S240、确定种子点的预设邻域内的满足预设区域生长条件的像素点,并根据满足预设区域生长条件的像素点更新种子点;重复执行确定种子点的预设邻域内的满足预设区域生长条件的像素点的操作,直至满足预设区域生长条件的像素点为空,以检测医学影像中的金属。
其中,确定种子点的预设邻域内比如4邻域内或是8邻域内的满足预设区域生长条件的像素点,将这些满足预设区域生长条件的像素点作为新的种子点继续进行区域生长,直至满足预设区域生长条件的像素点为空,即不再存在新的种子点时,区域生长结束。由于在同一时刻可能存在多个种子点,那可以基于这些种子点同时进行区域生长,提高检测效率。在区域生长的过程中,可以认为所有作为过种子点的像素点均属于金属,由此检测出医学影像中的金属。可选的,还可以标记出区域生长过程已访问过的像素点,以便在后续区域生长过程中,无需再次访问这些已访问过的像素点,提高检测效率。
可选的,确定种子点的预设邻域内的满足预设区域生长条件的像素点,具体可包括:将种子点的预设邻域内的像素点作为邻域点,根据邻域点和种子点的结构相似度,邻域点与目标边缘区域的交集,以及,邻域点与各个种子点的均值的灰度相似度,从各个邻域点中筛选出满足预设区域生长条件的像素点。
示例性的,可以对医学影像进行预设的非参数图像变换比如Census变换得到邻域点的变换点,变换点和种子点的结构相似度比如汉明距离的结构相似度应当小于第一阈值,其中,种子点是未变换的种子点;再例如,可以根据邻域点和种子点的直方图计算结构相似度;再例如,邻域点与目标边缘区域的交集为空,即邻域点不能位于目标边缘区域上,因为邻域点位于目标边缘区域上是区域生长的结束条件;再例如,邻域点的灰度值和各个种子点的均值的灰度相似度应当小于第二阈值,即邻域点的灰度值与已经判断为金属的像素点的灰度值之间的差异性应当较小。如果一个像素点满足预设区域生长条件,该像素点应当满足上述条件中的至少一个。在此基础上,该像素点还不能是已访问过的像素点,即每个像素点只能计算一次,以便区域生长可以结束。
本发明实施例的技术方案,通过确定种子点的预设邻域内的满足预设区域生长条件的像素点,以便在邻域内提取出新的种子点;以新的种子点为基础,重复在其预设邻域内寻找满足预设区域生长条件的像素点,直至不再存在新的种子点,区域生长结束,进而将每个作为过种子点的像素点确定为金属。上述技术方案基于区域生长确定金属,具有高效率和高精度的特点。
实施例三
图4为本发明实施例三提供的金属检测装置的结构框图,该装置用于执行上述任意实施例所提供的金属检测方法。该装置与上述各实施例的金属检测方法属于同一个发明构思,在金属检测装置的实施例中未详尽描述的细节内容,可以参考上述金属检测方法的实施例。参见图4,该装置具体可包括:目标边缘区域提取模块310、金属边缘区域确定模块320和金属检测模块330。
其中,目标边缘区域提取模块310,用于获取目标对象的医学影像,并提取出医学影像中至少一个感兴趣区域的目标边缘区域;
金属边缘区域确定模块320,用于获取医学影像中每个像素点的目标邻域,并根据目标邻域中各像素点的灰度值确定金属边缘区域;
金属检测模块330,用于得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点,并基于种子点进行区域生长,以检测医学影像中的金属。
可选的,金属检测模块330,具体可以包括:
当前区域生长结果得到单元,用于基于种子点进行区域生长,得到当前区域生长结果,以及,在区域生长过程中由已访问的像素点构成的访问区域;
边缘区域更新单元,用于根据目标边缘区域和访问区域的差集更新目标边缘区域,并根据金属边缘区域和访问区域的差集更新金属边缘区域;
第一金属检测单元,用于重复执行得到金属边缘区域和目标边缘区域的差集的操作,直至金属边缘区域或是目标边缘区域满足预设的结束条件,将各个当前区域生长结果作为医学影像中的金属。
可选的,金属检测模块330,具体可以包括:
第一灰度均值计算单元,用于基于种子点进行区域生长,得到当前区域生长结果,并计算当前区域生长结果中各像素点的第一灰度均值;
第二灰度均值计算单元,用于计算金属边缘区域的自适应阈值,并计算金属边缘区域中小于自适应阈值的各像素点的第二灰度均值;
第二金属检测单元,用于根据第一灰度均值和第二灰度均值的数值关系,确定当前区域生长结果是否为医学影像中的金属。
可选的,金属检测模块330,具体可以包括:
种子点更新单元,用于确定种子点的预设邻域内的满足预设区域生长条件的像素点,并根据满足预设区域生长条件的像素点更新种子点;
重复执行单元,用于重复执行确定种子点的预设邻域内的满足预设区域生长条件的像素点的操作,直至满足预设区域生长条件的像素点为空。
可选的,种子点更新单元,具体可以用于:
将种子点的预设邻域内的像素点作为邻域点,根据邻域点和种子点的结构相似度,邻域点与目标边缘区域的交集,以及,邻域点与各个种子点的均值的灰度相似度,从各个邻域点中筛选出满足预设区域生长条件的像素点。
可选的,金属边缘区域确定模块320,可以用于:根据目标邻域中各像素点的灰度方差值,从目标邻域中筛选出金属边缘区域。
可选的,在上述装置的基础上,该装置还可以包括:
归一化处理模块,用于对医学影像进行归一化处理,并根据处理结果更新医学影像。
本发明实施例三提供的金属检测装置,通过目标边缘区域提取模块从医学影像中提取出至少一个感兴趣区域的目标边缘区域,该目标边缘区域可能是金属边界,也可能是目标对象边界;金属边缘区域确定模块可以根据医学影像中每个像素点的目标邻域中各像素点的灰度值确定金属边缘区域,由此确定出医学影像中是否存在金属;如果存在金属边缘区域,金属检测模块可以得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点,进而基于该种子点进行区域生长,以检测医学影像中的金属。上述装置可以检出医学影像中是否存在金属,进而可以避免受检者接收到额外的剂量且可以提高图像质量。
本发明实施例所提供的金属检测装置可执行本发明任意实施例所提供的金属检测方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述金属检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图5为本发明实施例四提供的一种设备的结构示意图,如图5所示,该设备包括存储器410、处理器420、输入装置430和输出装置440。设备中的处理器420的数量可以是一个或多个,图5中以一个处理器420为例;设备中的存储器410、处理器420、输入装置430和输出装置440可以通过总线或其它方式连接,图5中以通过总线450连接为例。
存储器410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的金属检测方法对应的程序指令/模块(例如,金属检测装置中的目标边缘区域提取模块310、金属边缘区域确定模块320和金属检测模块330)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的金属检测方法。
存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种金属检测方法,该方法包括:
获取目标对象的医学影像,并提取出医学影像中至少一个感兴趣区域的目标边缘区域;
获取医学影像中每个像素点的目标邻域,并根据目标邻域中各像素点的灰度值确定金属边缘区域;
得到金属边缘区域和目标边缘区域的差集,从差集中提取出种子点,并基于种子点进行区域生长,以检测医学影像中的金属。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的金属检测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。依据这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种金属检测方法,其特征在于,包括:
获取目标对象的医学影像,并提取出所述医学影像中至少一个感兴趣区域的目标边缘区域;
获取所述医学影像中每个像素点的目标邻域,并根据所述目标邻域中各像素点的灰度值确定金属边缘区域;
得到所述金属边缘区域和所述目标边缘区域的差集,从所述差集中提取出种子点,并基于所述种子点进行区域生长,以检测所述医学影像中的金属。
2.根据权利要求1所述的方法,其特征在于,所述基于所述种子点进行区域生长,以检测所述医学影像中的金属,包括:
基于所述种子点进行区域生长,得到当前区域生长结果,以及,在区域生长过程中由已访问的像素点构成的访问区域;
根据所述目标边缘区域和所述访问区域的差集更新所述目标边缘区域,并根据所述金属边缘区域和所述访问区域的差集更新所述金属边缘区域;
重复执行得到所述金属边缘区域和所述目标边缘区域的差集的操作,直至所述金属边缘区域或是所述目标边缘区域满足预设的结束条件,将各个所述当前区域生长结果作为所述医学影像中的金属。
3.根据权利要求1所述的方法,其特征在于,所述基于所述种子点进行区域生长,以检测所述医学影像中的金属,包括:
基于所述种子点进行区域生长,得到当前区域生长结果,并计算所述当前区域生长结果中各像素点的第一灰度均值;
计算所述金属边缘区域的自适应阈值,并计算所述金属边缘区域中小于所述自适应阈值的各像素点的第二灰度均值;
根据所述第一灰度均值和所述第二灰度均值的数值关系,确定所述当前区域生长结果是否为所述医学影像中的金属。
4.根据权利要求1所述的方法,其特征在于,所述基于所述种子点进行区域生长,包括:
确定所述种子点的预设邻域内的满足预设区域生长条件的像素点,并根据所述满足预设区域生长条件的像素点更新所述种子点;
重复执行确定所述种子点的预设邻域内的满足预设区域生长条件的像素点的操作,直至所述满足预设区域生长条件的像素点为空。
5.根据权利要求4所述的方法,其特征在于,所述确定所述种子点的预设邻域内的满足预设区域生长条件的像素点,包括:
将所述种子点的预设邻域内的像素点作为邻域点,根据所述邻域点和所述种子点的结构相似度,所述邻域点与所述目标边缘区域的交集,以及,所述邻域点与各个所述种子点的均值的灰度相似度,从各个所述邻域点中筛选出满足预设区域生长条件的像素点。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标邻域中各像素点的灰度值确定金属边缘区域,包括:
根据所述目标邻域中各像素点的灰度方差值,从所述目标邻域中筛选出金属边缘区域。
7.根据权利要求1所述的方法,其特征在于,在所述获取目标对象的医学影像之后,还包括:
对所述医学影像进行归一化处理,并根据处理结果更新所述医学影像。
8.一种金属检测装置,其特征在于,包括:
目标边缘区域提取模块,用于获取目标对象的医学影像,并提取出所述医学影像中至少一个感兴趣区域的目标边缘区域;
金属边缘区域确定模块,用于获取所述医学影像中每个像素点的目标邻域,并根据所述目标邻域中各像素点的灰度值确定金属边缘区域;
金属检测模块,用于得到所述金属边缘区域和所述目标边缘区域的差集,从所述差集中提取出种子点,并基于所述种子点进行区域生长,以检测所述医学影像中的金属。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的金属检测方法。
10.一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如权利要求1-7中任一所述的金属检测方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515515.8A CN110246150A (zh) | 2019-06-14 | 2019-06-14 | 金属检测方法、装置、设备及存储介质 |
PCT/CN2020/091967 WO2020238817A1 (en) | 2019-05-24 | 2020-05-24 | Systems and methods for processing x-ray images |
EP20814241.4A EP3958742A4 (en) | 2019-05-24 | 2020-05-24 | Systems and methods for processing x-ray images |
US17/456,393 US20220092787A1 (en) | 2019-05-24 | 2021-11-24 | Systems and methods for processing x-ray images |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515515.8A CN110246150A (zh) | 2019-06-14 | 2019-06-14 | 金属检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110246150A true CN110246150A (zh) | 2019-09-17 |
Family
ID=67887125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910515515.8A Pending CN110246150A (zh) | 2019-05-24 | 2019-06-14 | 金属检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110246150A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766679A (zh) * | 2019-10-25 | 2020-02-07 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
CN111537075A (zh) * | 2020-04-14 | 2020-08-14 | 重庆中科云从科技有限公司 | 一种温度提取方法、装置、机器可读介质及设备 |
WO2020238817A1 (en) * | 2019-05-24 | 2020-12-03 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for processing x-ray images |
CN113034389A (zh) * | 2021-03-17 | 2021-06-25 | 武汉联影智融医疗科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576997B (zh) * | 2009-06-19 | 2011-07-20 | 西安电子科技大学 | 基于二次三维区域生长的腹部器官分割方法 |
CN103106675A (zh) * | 2013-02-05 | 2013-05-15 | 南方医科大学 | 一种x射线ct金属伪影的处理方法 |
CN103440665A (zh) * | 2013-09-13 | 2013-12-11 | 重庆大学 | 膝关节软骨图像自动分割方法 |
CN103793905A (zh) * | 2012-11-02 | 2014-05-14 | 上海联影医疗科技有限公司 | 确定脑部图像冠状位方向的方法及装置 |
US20150117740A1 (en) * | 2013-10-31 | 2015-04-30 | General Electric Company | Method and apparatus for metal artifact elimination in a medical image |
-
2019
- 2019-06-14 CN CN201910515515.8A patent/CN110246150A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576997B (zh) * | 2009-06-19 | 2011-07-20 | 西安电子科技大学 | 基于二次三维区域生长的腹部器官分割方法 |
CN103793905A (zh) * | 2012-11-02 | 2014-05-14 | 上海联影医疗科技有限公司 | 确定脑部图像冠状位方向的方法及装置 |
CN103106675A (zh) * | 2013-02-05 | 2013-05-15 | 南方医科大学 | 一种x射线ct金属伪影的处理方法 |
CN103440665A (zh) * | 2013-09-13 | 2013-12-11 | 重庆大学 | 膝关节软骨图像自动分割方法 |
US20150117740A1 (en) * | 2013-10-31 | 2015-04-30 | General Electric Company | Method and apparatus for metal artifact elimination in a medical image |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020238817A1 (en) * | 2019-05-24 | 2020-12-03 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for processing x-ray images |
CN110766679A (zh) * | 2019-10-25 | 2020-02-07 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
CN110766679B (zh) * | 2019-10-25 | 2022-09-06 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
CN111537075A (zh) * | 2020-04-14 | 2020-08-14 | 重庆中科云从科技有限公司 | 一种温度提取方法、装置、机器可读介质及设备 |
CN113034389A (zh) * | 2021-03-17 | 2021-06-25 | 武汉联影智融医疗科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113034389B (zh) * | 2021-03-17 | 2023-07-25 | 武汉联影智融医疗科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11880972B2 (en) | Tissue nodule detection and tissue nodule detection model training method, apparatus, device, and system | |
CN110246150A (zh) | 金属检测方法、装置、设备及存储介质 | |
EP3449421B1 (en) | Classification and 3d modelling of 3d dento-maxillofacial structures using deep learning methods | |
CN110706246B (zh) | 一种血管图像分割方法、装置、电子设备和存储介质 | |
CN111862044B (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
WO2022089221A1 (zh) | 医学图像分割方法、装置、设备、***及计算机存储介质 | |
CN108108739B (zh) | 图像目标区域的检测方法、装置、x射线***及存储介质 | |
US20030174890A1 (en) | Image processing device and ultrasonic diagnostic device | |
CN111768411B (zh) | 冠脉中心线提取方法、装置、计算机设备和存储介质 | |
US8086002B2 (en) | Algorithms for selecting mass density candidates from digital mammograms | |
US8649578B2 (en) | Method and system for defining a breast window | |
WO2006024974A1 (en) | Feature weighted medical object contouring using distance coordinates | |
CN110610498A (zh) | 乳腺钼靶图像处理方法、***、存储介质及设备 | |
CN108389214B (zh) | 超声图像的处理方法及装置、电子设备、存储介质 | |
CN110956632A (zh) | 钼靶图像中胸大肌区域自动检测方法及装置 | |
CN109461144B (zh) | 一种乳腺影像识别的方法及装置 | |
CN110443254A (zh) | 图像中金属区域的检测方法、装置、设备和存储介质 | |
CN106600587A (zh) | 肺部ct图像辅助检测处理装置 | |
CN111738975B (zh) | 图像辨识方法及图像辨识装置 | |
CN113658284A (zh) | 用于训练结节检测***的来自ct图像的x射线图像合成 | |
EP3658031B1 (en) | Motion compensated cardiac valve reconstruction | |
CN113924046A (zh) | 用于将器官肿块分类为囊肿的基于计算机的方法 | |
CN110930346B (zh) | 一种眼底图像微血管瘤自动检测方法及存储设备 | |
EP2005389B1 (en) | Automatic cardiac band detection on breast mri | |
JP6642048B2 (ja) | 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法 |
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. |