CN110706236B - 血管图像的三维重建方法及装置 - Google Patents
血管图像的三维重建方法及装置 Download PDFInfo
- Publication number
- CN110706236B CN110706236B CN201910826311.6A CN201910826311A CN110706236B CN 110706236 B CN110706236 B CN 110706236B CN 201910826311 A CN201910826311 A CN 201910826311A CN 110706236 B CN110706236 B CN 110706236B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image
- lung
- images
- blood vessel
- 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
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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/30061—Lung
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例提供了血管图像的三维重建方法及装置。该方法包括:采用水平集方法对三维胸部图像进行分割,得到二维肺部图像;根据所述二维肺部图像获取肺部血管的掩膜图像;对所述掩膜图像进行插值计算得到完整的肺部血管图像;对所述肺部血管图像进行体渲染得到三维肺部血管图像。本发明实施例能够建立肺部血管树,辅助医生在确定手术方案时,尽可能的避开血管,降低对血管的伤害。
Description
技术领域
本发明涉及医学图像处理技术领域,尤其涉及一种血管图像的三维重建方法及装置。
背景技术
受到空气污染和吸烟等因素的影响,肺部疾病已经严重危害人类健康和生命。在临床上对肺部进行手术规划时,医生希望观察到肺部的血管、病变体、敏感组织等一些重要组织的形状和空间位置,进而确定科学的手术方案。
目前,肺部的临床诊断多采用二维断层扫描图像,但是二维断层扫描图像无法为医学诊断提供直观的肺部结构,尤其是肺部血管相对于肺部其他组织尺寸小,对比度低,且与肺部的支气管交错生长,结构复杂,因此,二维断层图像无法分割出肺部血管的。
发明内容
本发明实施例提供了一种血管图像的三维重建方法及装置,解决了二维断层图像无法分割出肺部血管的问题。
第一方面,本发明实施例提供了一种血管图像的三维重建方法,该方法包括:
采用水平集方法对三维胸部图像进行分割,得到二维肺部图像;
根据二维肺部图像获取肺部血管的掩膜图像;
对掩膜图像进行插值计算得到完整的肺部血管图像;
对肺部血管图像进行体渲染得到三维肺部血管图像。
在一个可能的实现中,采用水平集方法对三维胸部图像进行分割,得到二维肺部图像,包括:
在三维胸部图像上确定初始水平集;
根据初始水平集,确定水平集函数;
根据水平集函数,得到三维肺部掩膜图像;
根据三维肺部掩膜图像和三维胸部图像,确定二维肺部图像。
在一个可能的实现中,根据水平集函数,得到三维肺部掩膜图像,包括:
确定水平集函数为零的点集合,根据点集合,确定三维肺部图像中的肺部边缘;
对肺部边缘围成的区域进行填充,得到三维肺部掩膜图像。
在一个可能的实现中,根据三维肺部掩膜图像和三维胸部图像,确定二维肺部图像,包括:
将三维肺部掩膜图像保存为预设切片数量的二维掩膜图像;所述三维肺部图像是由一组二维胸部图像组成,所述二维胸部图像的数量与所述切片数量相等;
将所述二维掩膜图像和所述二维胸部图像相乘,得到二维肺部图像。
在一个可能的实现中,根据二维肺部图像获取肺部血管的掩膜图像,包括:
对二维肺部图像进行阈值分割;
对阈值分割后的二维肺部图像进行聚类,得到聚类肺部图像;
对聚类肺部图像进行高斯滤波;
采用分水岭算法,在进行高斯滤波后的聚类肺部图像中分割出肺部血管,得到肺部血管的掩膜图像。
第二方面,本发明实施例提供了一种血管图像的三维重建装置,该装置包括:
分割模块,用于采用水平集方法对三维胸部图像进行分割,得到二维肺部图像;
获取模块,用于根据二维肺部图像获取肺部血管的掩膜图像;
计算模块,用于对掩膜图像进行插值计算得到完整的肺部血管图像;
体渲染模块,用于对肺部血管图像进行体渲染得到三维肺部血管图像。
在一个可能的实现中,分割模块,用于采用水平集方法对三维胸部图像进行分割,得到二维肺部图像,包括:
在三维胸部图像上确定初始水平集;
根据初始水平集,确定水平集函数;
根据水平集函数,得到三维肺部掩膜图像;
根据三维肺部掩膜图像和三维胸部图像,确定二维肺部图像。
在一个可能的实现中,分割模块,具体用于根据水平集函数,得到三维肺部掩膜图像,包括:
确定水平集函数为零的点集合,根据点集合,确定三维肺部图像中的肺部边缘;
对肺部边缘围成的区域进行填充,得到三维肺部掩膜图像。
在一个可能的实现中,分割模块,具体用于根据三维肺部掩膜图像和三维胸部图像,确定二维肺部图像,包括:
将三维肺部掩膜图像保存为预设切片数量的二维掩膜图像;所述三维肺部图像是由一组二维胸部图像组成,所述二维胸部图像的数量与所述切片数量相等;
将所述二维掩膜图像和所述二维胸部图像相乘,得到二维肺部图像。
在一个可能的实现中,获取模块,用于根据二维肺部图像获取肺部血管的掩膜图像,包括:
对二维肺部图像进行阈值分割;
对阈值分割后的二维肺部图像进行聚类,得到聚类肺部图像;
对聚类肺部图像进行高斯滤波;
采用分水岭算法,在进行高斯滤波后的聚类肺部图像中分割出肺部血管,得到肺部血管的掩膜图像。
第三方面,本发明实施例提供了一种计算设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现第一方面或者第一方面任一可能实现方式中的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现第一方面或者第一方面任一可能实现方式中的方法。
本发明实施例提供的血管图像的三维重建方法、装置、设备及介质,通过采用水平集方法对三维胸部图像进行分割,得到二维肺部图像;根据二维肺部图像获取肺部血管的掩膜图像;对掩膜图像进行插值计算得到完整的肺部血管图像;对肺部血管图像进行体渲染得到三维肺部血管图像。本发明实施例能够建立肺部血管树,辅助医生在确定手术方案时,尽可能的避开血管,降低对血管的伤害。
其次,采用水平集的方法分割出二维肺部图像,进而使得分割出的二维肺部图像能够进行维数扩展,并且本发明实施例中不需要预先标注大量的精确样本,就能够分割出肺部区域以及肺部血管。
最后,采用聚类算法去除图像中的噪声,聚类出符合阈值条件的区域,并采用分水岭算法分割出血管区域,两种算法结合使用,提高了血管分割的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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示出了根据本发明一些实施例提供的一种血管图像的三维重建方法的流程图;
图2示出了根据本发明一些实施例提供的一种分割三维胸部图像示意图;
图3示出了根据本发明一些实施例提供的另一种血管图像的三维重建方法的流程图;
图4示出了根据本发明一些实施例提供的一种血管图像的三维重建装置的结构示意图;
图5示出了根据本发明一些实施例提供的一种计算设备的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
受到空气污染和吸烟等因素的影响,肺部疾病已经严重危害人类健康和生命。在临床上对肺部进行手术规划时,医生希望观察到血管,病变体、敏感组织、重要组织的形状、空间位置,进而确定科学的手术方案,在放射治疗中,可以控制射线不穿过敏感组织和重要组织,不伤害正常组织或尽量减小对正常组织的伤害,制定出最优的治疗方案。
图像分割与三维重建是医学领域的重要研究技术之一,目前,临床诊断多是研究二维断层扫描图像,难以为医学诊断提供直观的立体结构信息。但是,在医学影像中,肺部血管相对于其他组织而言尺寸小,对比度低,并且血管与支气管交错生长,结构复杂,因此血管分割具有一定的难度。深度学习方法的准确率依赖于带标注样本的准确率,肺部血管对比度低,标注起来很困难需要大量的人力物力,并且对计算机的硬件性能要求很高。
用三维重建技术对分割图像进行处理,结合交互的方式,对重建的三维模型进行不同方位的观察、剖切,便于医生了解各种组织器官的解剖结构,并可以使医生对感兴趣部位的大小、形状和空间位置获取定量的认识,有助于医生对病灶的定位,提高了医学诊断和治疗规划的准确性与科学性。
因此,本发明实施例提供了一种血管图像的三维重建方法、装置、设备及介质,能够建立肺部血管树,辅助医生在确定手术方案时,尽可能的避开血管,降低对血管的伤害。
参见图1所示,本发明实施例提供了一种血管图像的三维重建方法,该方法包括:S101-S104。
S101:采用水平集方法对三维胸部图像进行分割,得到二维肺部图像。
在本发明的一个实施例中,读取DICOM或者MHD格式的文件,其中,文件包括三维胸部图像、图像大小、像素间隔等。三维胸部图像是一组像素间隔相同的三维胸部图像。为了能够将三维胸部图像中具有复杂形状的肺部图像,并能够将肺部图像扩展至更高维度的图像,因此,采用水平集的方法对三维胸部图像进行分割,得到肺部二维图像。
具体的,参见图2所示,为本发明实施例提供的一种分割三维胸部图像示意图。首先,在三维胸部图像中的肺部部分选取一组初始点,例如,初始点可以选择在肺叶中心位置。其次,根据初始点确定初始水平集。为了能够根据初始水平集得到三维肺部掩膜图像,根据初始水平集对三维胸部图像建立偏微分方程,并求解三维胸部图像的偏微分方程,得到水平集函数,并求解水平集函数为零的点集合,进而确定三维胸部图像中所要分割的肺部的边缘,对肺部边缘围成的区域进行填充,进而得到三维肺部掩膜图像。
得到三维肺部掩膜图像后,根据三维胸部图像对应的切片数量,将三维胸部图像保存为二维掩膜图像,将二维掩膜图像与二维胸部图像相乘,确定二维肺部图像。其中,三维肺部图像是由一组二维胸部图像组成,二维胸部图像的数量与切片数量相等。
为了在手术过程中,医生能够有效的避开血管,减少对血管的伤害,还需要根据二维肺部图像获取肺部血管的掩膜图像。
S102:根据二维肺部图像获取肺部血管的掩膜图像。
在本发明的一个实施例中,为了能够得到肺部血管的掩膜图像,需要在二维肺部图像中将肺部血管分割出来,并对分割出来的肺部血管图像进行处理,进而得到肺部血管的掩膜图像。
具体的,首先,对二维肺部图像进行阈值分割,进而能够去除掉肺部图像中与血管不相关的大部分区域。为了使肺部血管的分割结果更准确,将预设切片数量的二维肺部图像堆叠成三维图像,在三维空间中对三维图像使用三维聚类算法(Density-Based SpatialClustering of Applications with Noise,DBSCAN),聚类出所有密度大于一定阈值的区域,得到聚类肺部图像,从而去掉更多的噪声点,提高分割的准确率。对聚类肺部图像进行滤波处理,例如,可以采用高斯滤波,进而平滑肺部图像的边缘。
此外,经过处理后的肺部图像还有微弱边缘以及无法处理的噪声点,在这里可以采用分水岭算法,对聚类肺部图像进行处理,分割出肺部血管,得到肺部血管掩膜图像。
S103:对掩膜图像进行插值计算得到完整的肺部血管图像。
在本发明的一个实施例中,由于三维胸部图像是计算机体层摄影(ComputedTomography,CT)扫描图像,而CT扫描人体器官的时候是断层扫描,因此,三维胸部图像实际上是会缺失一部分的像素信息,而这就导致分割得到的肺部血管掩膜图像中的血管是不连续的,所以使用插值法插值出更多的像素点,从而将肺部血管掩膜图像中小于一定范围的血管不连通区域连通上,进而能够得到完整的血管图像。
S104:对肺部血管图像进行体渲染得到三维肺部血管图像。
在本发明的一个实施例中,得到完整的肺部血管图像后,对肺部血管图像进行体渲染,进而能够重建出肺部血管树,得到三维肺部血管图像,以辅助医生在确定手术方案时,能够避开血管,减轻对血管的伤害。
本发明实施例提供的血管图像的三维重建方法,通过采用水平集的方法分割出二维肺部图像,进而使得分割出的二维肺部图像能够进行维数扩展,并且本发明实施例中不需要预先标注大量的精确样本,就能够分割出肺部区域以及肺部血管,并对肺部血管进行体渲染,重建出血管树,辅助医生在确定手术方案时,尽可能的避开血管,降低对血管的伤害。
其次,采用聚类算法去除图像中的噪声,聚类出符合阈值条件的区域,并采用分水岭算法分割出血管区域,两种算法结合使用,提高了血管分割的准确率。
作为一个示例,参见图3所示,本发明实施例提供了一种血管图像的三维重建方法,该方法包括:
S301:读取医学数字成像和通信(Digital Imaging and Communications inMedicine,DICOM)图像;执行S302。
在本发明的一些实施例中,读取DICOM或者MHD格式的文件,获取数据中的信息,包括图像大小,像素间隔等。
S302:在三维胸部图像中确定初始点;执行S303。
在本发明的一些实施例中,在三维胸部图像上,采用水平集方法分割出整个肺部的轮廓,选定初始水平集,例如,每组肺叶的中心。
S303:根据初始点,确定初始水平集;执行S304。
S304:根据初始水平集,计算水平集函数;执行S305。
在本发明的一些实施例中,根据初始水平集对图像建立偏微分方程,通过求解图像偏微分方程得到水平集函数。
S305:根据水平集函数,对三维胸部图像进行分割,得到二维肺部图像;执行S306。
在本发明的一些实施例中,满足水平集函数等于零的所有点的集合就构成了所要分割的肺部的边缘。通过填充边缘内部区域得到肺部三维掩膜图像,再根据原始切片数量保存成相应张数的二维掩膜图像。最后将掩膜图像与原始图像相乘,得到只包含肺部的图像。
S306:二维肺部图像是否满足第一目标图像。若满足,执行S307;若不满足,则执行S302。
S307:对二维肺部图像进行阈值分割,去除不相关区域;执行S308。
在本发明的一些实施例中,对S305步骤生成的只包含肺部的图像阈值分割,去除大部分不相关的区域。
S308:对阈值分割后的二维肺部图像进行聚类,得到聚类肺部图像;执行S309。
在本发明的一些实施例中,由于分水岭算法对微弱边缘和噪声点十分敏感,为了使分割结果更准确,将二维图像堆叠成三维图像,在三维空间中使用三维DBSCAN聚类算法,聚类出所有密度大于一定阈值的区域,从而去掉更多的噪声点,提高分割的准确率。
S309:对聚类肺部图像进行高斯滤波;执行S310。
在本发明的一些实施例中,对上一步的图像使用高斯滤波平滑边缘。
S310:采用分水岭算法,在进行高斯滤波后的聚类肺部图像中分割出肺部血管,得到肺部血管的掩膜图像;执行S311。
在本发明的一些实施例中,使用分水岭算法分割出所有的血管(条状白色区域)。
S311:对肺部血管的掩膜图像进行插值计算,得到完整的肺部血管图像;执行S312。
在本发明的一些实施例中,因为CT扫描图像是断层扫描,会缺失一部分的像素信息,所以使用插值法插值出更多的像素点,从而将小于一定范围的不连通区域连通上。具体的插值方法为插值。
S312:对肺部血管图像进行体渲染得到三维肺部血管图像;执行S313。
S313:三维肺部血管图像是否满足第二目标图像;若满足,则执行S314;若不满足则执行S308。
本发明实施例基于图像处理的肺部血管分割方法,通过肺部图像分割,肺部血管分割,图像插值运算,三维重建等步骤分割出肺部血管树,辅助医生在确定手术方案时,尽可能的避开血管,降低对血管的伤害。可调节的参数选择可以更好的发挥医生经验的优势,使医生参与到数据的处理和分析中,更有利于提升分割精度。
S314:输出肺部血管树。
参见图4所示,本发明实施例提供了一种血管图像的三维重建装置,该装置包括:
分割模块401,用于采用水平集方法对三维胸部图像进行分割,得到二维肺部图像;
获取模块402,用于根据二维肺部图像获取肺部血管的掩膜图像;
计算模块403,用于对掩膜图像进行插值计算得到完整的肺部血管图像;
体渲染模块404,用于对肺部血管图像进行体渲染得到三维肺部血管图像。
可选的,分割模块401,用于采用水平集方法对三维胸部图像进行分割,得到二维肺部图像,包括:
在三维胸部图像上确定初始水平集;
根据初始水平集,确定水平集函数;
根据水平集函数,得到三维肺部掩膜图像;
根据三维肺部掩膜图像和三维胸部图像,确定二维肺部图像。
可选的,分割模块401,具体用于根据水平集函数,得到三维肺部掩膜图像,包括:
确定水平集函数为零的点集合,根据点集合,确定三维肺部图像中的肺部边缘;
对肺部边缘围成的区域进行填充,得到三维肺部掩膜图像。
可选的,分割模块401,具体用于根据三维肺部掩膜图像和三维胸部图像,确定二维肺部图像,包括:
将三维肺部掩膜图像保存为预设切片数量的二维掩膜图像;
所述三维肺部图像是由一组二维胸部图像组成,所述二维胸部图像的数量与所述切片数量相等;
将所述二维掩膜图像和所述二维胸部图像相乘,得到二维肺部图像。
可选的,获取模块402,用于根据二维肺部图像获取肺部血管的掩膜图像,包括:
对二维肺部图像进行阈值分割;
对阈值分割后的二维肺部图像进行聚类,得到聚类肺部图像;
对聚类肺部图像进行高斯滤波;
采用分水岭算法,在进行高斯滤波后的聚类肺部图像中分割出肺部血管,得到肺部血管的掩膜图像。
本发明实施例提供装置中的各个模块可以实现图1所示的方法,并达到其技术效果,为简洁描述,再此不在赘述。
另外,结合图1描述的本发明实施例的血管图像的三维重建方法可以由计算设备来实现。图5示出了本发明实施例提供的计算设备的硬件结构示意图。
计算设备可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地,上述处理器501可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器502可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器502可在数据处理装置的内部或外部。在特定实施例中,存储器502是非易失性固态存储器。在特定实施例中,存储器502包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令,以实现上述实施例中的任意一种血管图像的三维重建方法。
在一个示例中,计算设备还可包括通信接口503和总线510。其中,如图5所示,处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者,将计算设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线510可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
另外,结合上述实施例中的血管图像的三维重建方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种血管图像的三维重建方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种血管图像的三维重建方法,其特征在于,所述方法包括:
采用水平集方法对三维胸部图像进行分割,得到二维肺部图像;
根据所述二维肺部图像获取肺部血管的掩膜图像;
对所述掩膜图像进行插值计算得到完整的肺部血管图像;
对所述肺部血管图像进行体渲染得到三维肺部血管图像;
所述根据所述二维肺部图像获取肺部血管的掩膜图像,包括:
对所述二维肺部图像进行阈值分割;
对阈值分割后的所述二维肺部图像进行聚类,得到聚类肺部图像;
对所述聚类肺部图像进行高斯滤波;
采用分水岭算法,在进行高斯滤波后的所述聚类肺部图像中分割出肺部血管,得到所述肺部血管的掩膜图像;
所述对阈值分割后的所述二维肺部图像进行聚类,得到聚类肺部图像,包括:
对所述阈值分割后的所述二维肺部图像进行堆叠,得到三维图像;
对所述三维图像进行聚类,得到所述聚类肺部图像;
所述采用水平集方法对三维胸部图像进行分割,得到二维肺部图像,包括:
在所述三维胸部图像上确定初始水平集;
根据所述初始水平集,确定水平集函数;
根据所述水平集函数,得到三维肺部掩膜图像;
根据所述三维肺部掩膜图像和所述三维胸部图像,确定所述二维肺部图像;
所述根据所述水平集函数,得到三维肺部掩膜图像,包括:
确定所述水平集函数为零的点集合,根据所述点集合,确定三维肺部图像中的肺部边缘;
对所述肺部边缘围成的区域进行填充,得到三维肺部掩膜图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述三维肺部掩膜图像和所述三维胸部图像,确定所述二维肺部图像,包括:
将所述三维肺部掩膜图像保存为预设切片数量的二维掩膜图像;所述三维肺部图像是由一组二维胸部图像组成,所述二维胸部图像的数量与所述切片数量相等;
将所述二维掩膜图像和所述二维胸部图像相乘,得到所述二维肺部图像。
3.一种血管图像的三维重建装置,其特征在于,所述装置包括:
分割模块,用于采用水平集方法对三维胸部图像进行分割,得到二维肺部图像;
获取模块,用于根据所述二维肺部图像获取肺部血管的掩膜图像;
计算模块,用于对所述掩膜图像进行插值计算得到完整的肺部血管图像;
体渲染模块,用于对所述肺部血管图像进行体渲染得到三维肺部血管图像;
所述获取模块,用于根据所述二维肺部图像获取肺部血管的掩膜图像,包括:
所述分割模块,用于对所述二维肺部图像进行阈值分割;
聚类模块,用于对阈值分割后的所述二维肺部图像进行聚类,得到聚类肺部图像;
处理模块,用于对所述聚类肺部图像进行高斯滤波;
所述分割模块,用于采用分水岭算法,在进行高斯滤波后的所述聚类肺部图像中分割出肺部血管,得到所述肺部血管的掩膜图像;
所述聚类模块,用于对阈值分割后的所述二维肺部图像进行聚类,得到聚类肺部图像,包括:
堆叠模块,用于对所述阈值分割后的所述二维肺部图像进行堆叠,得到三维图像;
所述聚类模块,用于对所述三维图像进行聚类,得到所述聚类肺部图像;
所述分割模块,用于采用水平集方法对三维胸部图像进行分割,得到二维肺部图像,包括:
在所述三维胸部图像上确定初始水平集;
根据所述初始水平集,确定水平集函数;
根据所述水平集函数,得到三维肺部掩膜图像;
根据所述三维肺部掩膜图像和所述三维胸部图像,确定所述二维肺部图像;
所述分割模块,具体用于根据所述水平集函数,得到三维肺部掩膜图像,包括:
确定所述水平集函数为零的点集合,根据所述点集合,确定三维肺部图像中的肺部边缘;
对所述肺部边缘围成的区域进行填充,得到三维肺部掩膜图像。
4.根据权利要求3所述的装置,其特征在于,所述分割模块,具体用于根据所述三维肺部掩膜图像和所述三维胸部图像,确定所述二维肺部图像,包括:
将所述三维肺部掩膜图像保存为预设切片数量的二维掩膜图像;所述三维肺部图像是由一组二维胸部图像组成,所述二维胸部图像的数量与所述切片数量相等;
将所述二维掩膜图像和所述二维胸部图像相乘,得到所述二维肺部图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910826311.6A CN110706236B (zh) | 2019-09-03 | 2019-09-03 | 血管图像的三维重建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910826311.6A CN110706236B (zh) | 2019-09-03 | 2019-09-03 | 血管图像的三维重建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110706236A CN110706236A (zh) | 2020-01-17 |
CN110706236B true CN110706236B (zh) | 2023-01-13 |
Family
ID=69193415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910826311.6A Active CN110706236B (zh) | 2019-09-03 | 2019-09-03 | 血管图像的三维重建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706236B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402406A (zh) * | 2020-03-23 | 2020-07-10 | 南京景三医疗科技有限公司 | 血管三维重建方法、装置及医疗设备 |
CN112950554B (zh) * | 2021-02-05 | 2021-12-21 | 慧影医疗科技(北京)有限公司 | 一种基于肺分割的肺叶分割优化方法及*** |
WO2022223042A1 (zh) * | 2021-04-23 | 2022-10-27 | 武汉联影智融医疗科技有限公司 | 手术路径处理***、方法、装置、设备及存储介质 |
CN115861320B (zh) * | 2023-02-28 | 2023-05-12 | 天津中德应用技术大学 | 一种汽车零件加工信息智能检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016215971A1 (de) * | 2016-08-25 | 2018-03-01 | Siemens Healthcare Gmbh | Segmentierung einer Angiographie unter Verwendung einer bestehenden dreidimensionalen Rekonstruktion |
KR20190084380A (ko) * | 2018-01-08 | 2019-07-17 | 숭실대학교산학협력단 | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819679B (zh) * | 2010-04-19 | 2011-12-07 | 李楚雅 | 三维医学图像分割方法 |
CN103679810B (zh) * | 2013-12-26 | 2017-03-08 | 海信集团有限公司 | 肝部ct图像的三维重建方法 |
CN104240291B (zh) * | 2014-09-03 | 2017-10-27 | 中国科学院计算技术研究所 | 一种基于核磁共振图像序列的图像分割重建方法及*** |
US10709399B2 (en) * | 2017-11-30 | 2020-07-14 | Shenzhen Keya Medical Technology Corporation | Methods and devices for performing three-dimensional blood vessel reconstruction using angiographic images |
CN109064476B (zh) * | 2018-07-24 | 2022-03-04 | 西安电子科技大学 | 一种基于水平集的ct胸片肺组织图像分割方法 |
-
2019
- 2019-09-03 CN CN201910826311.6A patent/CN110706236B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016215971A1 (de) * | 2016-08-25 | 2018-03-01 | Siemens Healthcare Gmbh | Segmentierung einer Angiographie unter Verwendung einer bestehenden dreidimensionalen Rekonstruktion |
KR20190084380A (ko) * | 2018-01-08 | 2019-07-17 | 숭실대학교산학협력단 | 2차원 x-선 조영영상의 혈관 구조 추출 방법, 이를 수행하기 위한 기록매체 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
CN110706236A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706236B (zh) | 血管图像的三维重建方法及装置 | |
CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别*** | |
US9697639B2 (en) | Three-dimensional model data generation device, method and program | |
CN111008984B (zh) | 医学影像中正常器官的轮廓线自动勾画方法 | |
US10176573B2 (en) | Automatic region-of-interest segmentation and registration of dynamic contrast-enhanced images of colorectal tumors | |
CN109872325B (zh) | 基于双路三维卷积神经网络的全自动肝脏肿瘤分割方法 | |
JP2016531709A (ja) | 疾患を診断するための画像解析技術 | |
CN111161241B (zh) | 一种肝脏图像识别方法、电子设备及存储介质 | |
JP6329697B2 (ja) | 体組織の自動的なセグメンテーションおよび定量化のための方法 | |
Nasor et al. | Detection and Localization of Early‐Stage Multiple Brain Tumors Using a Hybrid Technique of Patch‐Based Processing, k‐means Clustering and Object Counting | |
CN111640100A (zh) | 肿瘤图像的处理方法和装置、电子设备、存储介质 | |
US20090123049A1 (en) | Nodule Detection | |
CN109727240B (zh) | 一种三维超声图像的遮挡组织剥离方法及相关装置 | |
CN106709920B (zh) | 血管提取方法及其装置 | |
CN110458859B (zh) | 一种基于多序列mri的多发性骨髓瘤病灶的分割*** | |
CN109754397B (zh) | 血管段中心路径的提取方法、装置、终端设备及存储介质 | |
CN112102351A (zh) | 医学图像分析方法、装置、电子设备及可读存储介质 | |
CN112132837A (zh) | 一种胸部骨骼自动提取方法、***、电子设备及存储介质 | |
CN110766682A (zh) | 肺结核定位筛查装置及计算机设备 | |
CN111627023B (zh) | 一种冠脉投影图像生成的方法、装置及计算机可读介质 | |
CN111292289B (zh) | 基于分割网络的ct肺肿瘤分割方法、装置、设备及介质 | |
CN116309647A (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
Myint et al. | Effective kidney segmentation using gradient based approach in abdominal CT images | |
CN114708283A (zh) | 图像目标的分割方法、装置、电子设备及存储介质 | |
CN111260606B (zh) | 诊断装置和诊断方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210714 Address after: Room 103-2, building a, phase II, science and technology building, 1057 Nanhai Avenue, Yanshan community, zhaoshang street, Nanshan District, Shenzhen, Guangdong 518052 Applicant after: Xi Ren Ma Da Zhou (Shenzhen) Medical Technology Co.,Ltd. Address before: 202, east side, 2 / F, building F, Zhizao street, Zhongguancun, 45 Chengfu Road, Haidian District, Beijing Applicant before: Xiren Ma Diyan (Beijing) Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |