CN111325845A - 泪道ct图像的三维重建分析方法及装置 - Google Patents
泪道ct图像的三维重建分析方法及装置 Download PDFInfo
- Publication number
- CN111325845A CN111325845A CN202010100640.5A CN202010100640A CN111325845A CN 111325845 A CN111325845 A CN 111325845A CN 202010100640 A CN202010100640 A CN 202010100640A CN 111325845 A CN111325845 A CN 111325845A
- Authority
- CN
- China
- Prior art keywords
- nasolacrimal duct
- bony
- image
- dimensional
- tubular structure
- 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
Images
Classifications
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施方式提供一种泪道CT图像的三维重建分析方法及装置,属于医疗技术领域,方法包括:获取骨性鼻泪管二维CT图像序列;基于骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,依据分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像;对得到的三维图像进行剖切,以得到骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。本发明通过提取与骨性鼻泪管管状结构的每个组织对应的分割序列重构骨性鼻泪管管状结构的三维图像,依据得到的三维图像剖切以得骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像,解决了现有泪道CT剖切主要依靠医生经验的问题。
Description
技术领域
本发明涉及医疗技术领域,具体地涉及一种泪道CT图像的三维重建分析方法以及一种泪道CT图像的三维重建分析装置。
背景技术
泪道阻塞性疾病是眼科常见病,其中以鼻泪管阻塞导致的慢性泪囊炎最为常见,患者及社会医疗经济负担,又能使患者获得最好的远期效果,显得尤为重要。
泪道CT对于明确病情、选择术式、评估预后很有意义,但是要想获得最有价值的泪道CT图片,尚需要经验丰富的CT科医生对CT水平片进行三维重建以后再行二次剖切,以获得泪道***的冠状位和矢状位CT片等行多平面分析,但是由于泪道***结构特殊特别是鼻泪管,为斜形,形态常个体差异大,欠规则,在不同的角度剖切形态差异很大。因此,要获得泪道***疾病诊断的准确信息,尚需要根据患者的个体差异,调整剖切的合适角度以显示泪道***全貌,获得准确的诊断信息,从而对手术和预后提供指导和依据。该检查需要有临床基础且经验丰富的CT科医生对普通的CT平片进行三维重建和剖切,获得最有价值的CT,但是由于我国地域宽广,虽然许多医院,已经配备了非常好的CT硬件设备,但是对图片的处理和识别尚需有经验的医生来完成,在许多医院,尚不具备此技术实力。
发明内容
本发明实施方式的目的是提供一种泪道CT图像的三维重建分析方法以及一种泪道CT图像的三维重建分析装置,以解决现有泪道CT剖切主要依靠医生经验的问题。
为了实现上述目的,在本发明第一方面,提供一种泪道CT图像的三维重建分析方法,包括:
获取人体头部二维CT图像,所述人体头部二维CT图像包括骨性鼻泪管二维CT图像序列;
基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像;
对所述骨性鼻泪管管状结构的三维图像进行剖切,以得到骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。
可选地,所述骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像均包括骨性鼻泪管入口宽度、骨性鼻泪管出口宽度及骨性鼻泪管长度。
可选地,所述基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,包括:
对所述骨性鼻泪管二维CT图像序列进行分割,分别提取泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列。
可选地,所述依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,包括:
根据所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列,以及与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程对所述所述泪囊窝、骨性鼻泪管及膜性鼻泪管进行三维图像重建,以对所述人体头部二维CT图像进行三维重建,得到骨性鼻泪管管状结构的三维图像。
可选地,所述与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程,包括:
通过移动立方体算法从与骨性鼻泪管管状结构的每个组织对应的分割序列中提取等值面;
对与所述等值面对应的三角面片进行平滑处理;
对经过平滑处理后的三角面片的等值面进行拼接,以重建所述骨性鼻泪管管状结构的三维图像。
在本发明第二方面,一种泪道CT图像的三维重建分析装置,包括:
数据获取模块,被配置为获取人体头部二维CT图像,所述人体头部二维CT图像包括骨性鼻泪管二维CT图像序列;
三维重建模块,被配置为基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像;
剖切模块,被配置为对所述骨性鼻泪管管状结构的三维图像进行剖切,以得到骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。
可选地,所述骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像均包括骨性鼻泪管入口宽度、骨性鼻泪管出口宽度及骨性鼻泪管长度。
可选地,所述基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,包括:
对所述骨性鼻泪管二维CT图像序列进行分割,分别提取泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列。
可选地,所述依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,包括:
根据所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列,以及与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程对所述所述泪囊窝、骨性鼻泪管及膜性鼻泪管进行三维图像重建,以对所述人体头部二维CT图像进行三维重建,得到骨性鼻泪管管状结构的三维图像。
可选地,所述与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程,包括:
通过移动立方体算法从与骨性鼻泪管管状结构的每个组织对应的分割序列中提取等值面;
对与所述等值面对应的三角面片进行平滑处理;
对经过平滑处理后的三角面片的等值面进行拼接,以重建所述骨性鼻泪管管状结构的三维图像。
本发明的上述技术方案通过提取与骨性鼻泪管管状结构的每个组织对应的分割序列,并依据该分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,依据得到的骨性鼻泪管管状结构的三维图像自动选择合适的位置剖切以得到能呈现最佳位置的骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像,解决了现有泪道CT剖切主要依靠医生经验的问题,有效提高了医生的分析效率。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是本发明一种实施方式提供的一种泪道CT图像的三维重建分析方法的方法流程图;
图2是本发明一种实施方式提供的一种泪道CT图像的三维重建分析装置的装置结构示意框图。
附图标记说明
110-数据获取模块,120-三维重建模块,130-剖切模块。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
在本发明实施方式中,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、商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、商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“包括一个......”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
如图1所示,在本实施方式的第一方面,提供一种泪道CT图像的三维重建分析方法,包括:
S100、获取人体头部二维CT图像,人体头部二维CT图像包括骨性鼻泪管二维CT图像序列;
S200、基于骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,依据分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像;
S300、对骨性鼻泪管管状结构的三维图像进行剖切,以得到骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。
如此,本实施方式通过提取与骨性鼻泪管管状结构的每个组织对应的分割序列,并依据该分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,依据得到的骨性鼻泪管管状结构的三维图像自动选择合适的位置剖切以得到能呈现最佳位置的骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像,解决了现有泪道CT剖切主要依靠医生经验的问题,有效提高了医生的分析效率。
具体的,本实施方式中的人体头部二维CT图像为人体头部水平位CT片,该水平位CT片包括若干骨性鼻泪管二维CT图像序列。对骨性鼻泪管二维CT图像序列进行分割,从而提取与骨性鼻泪管管状结构的每个组织对应的分割序列,并依据每个组织对应的三维重建流程对每个组织进行三维图像重建,使得在对骨性鼻泪管管状结构进行三维图像重建时,能根据不同组织的特性,选择相对应的重建流程,提高对骨性鼻泪管管状结构的重建效率及精度。得到骨性鼻泪管管状结构的三维重建图像后,自动选择能呈现骨性鼻泪管管状结构全段完整图像的合适剖切位置,其中,合适的剖切位置指同一个剖切平面内可以看到骨性泪道(包括泪囊窝和骨性鼻泪管)管腔全程,且尽量为管腔直径最宽处,并将其呈现在鼻泪管冠状位和鼻泪管矢状位CT片上。依据确定的剖切位置分别对得到的骨性鼻泪管管状结构的三维重建图像进行矢状位及冠状位的剖切,以得到最佳的骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。其中,对骨性鼻泪管管状结构的三维图像进行剖切可以基于吕忆松、陈亚珠提出的《一种医学图像数据场的剖切显示算法》采用体积的交互式剖切实现,根据用户的需要,采用点法矢形式的剖切平面以确定剖切平面及剖切基准线,最后经打开、移动等操作完成对骨性鼻泪管管状结构的三维图像的剖切。
为了便于医生对得到的骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像进行分析,在本实施方式中,骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像均包括骨性鼻泪管入口宽度、骨性鼻泪管出口宽度及骨性鼻泪管长度。其中,骨性鼻泪管入口宽度、骨性鼻泪管出口宽度及骨性鼻泪管长度可以依据提取到的骨性鼻泪管的像素位置计算得到,此处不再赘述。
为了便于医生分析,本实施方式中,基于骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,包括:
对骨性鼻泪管二维CT图像序列进行分割,分别提取泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列。其中,膜性鼻泪管指骨性鼻泪管内里粘膜结构,对包括泪囊窝、骨性鼻泪管及膜性鼻泪管在内的组织分别进行图像序列分割,能使得后期对骨性鼻泪管管状结构进行三维重建后能完整的呈现骨性鼻泪管管状结构,便于医生进行病情分析。目前,在应用领域方面的图像分割算法有多种,包括阈值法、区域增长法、边缘检测法、模糊方法及最小生成树分割方法等,由于原始CT图像分割的效果对于CT图像的三维重建效果有较大影响,而阈值法、区域增长法、边缘检测法及模糊方法存在容易导致过分割、计算复杂度偏高的问题,本实施方式采用最小生成树分割方法对骨性鼻泪管二维CT图像序列进行分割。最小生成树分割方法是一种以数据结构中凸轮理论为基础的图像分割方法,其具体分割步骤为现有技术,此处不再赘述。
对骨性鼻泪管二维CT图像序列按其对应的每个组织进行分割后,依据分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,包括:
根据泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列,以及与泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程对泪囊窝、骨性鼻泪管及膜性鼻泪管进行三维图像重建,以对人体头部二维CT图像进行三维重建,得到骨性鼻泪管管状结构的三维图像。
由于泪囊窝、骨性鼻泪管及膜性鼻泪管分别具有不同的组织特性,因此,针对不同的组织选取对应的重建流程来重建泪囊窝、骨性鼻泪管及膜性鼻泪管的三维图像,能有效的避免对所有组织选取相同的重建流程导致重建效率低,精度差的问题。
本实施方式中,与泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程,包括:
通过移动立方体算法从与骨性鼻泪管管状结构的每个组织对应的分割序列中提取等值面;
对与等值面对应的三角面片进行平滑处理;
对经过平滑处理后的三角面片的等值面进行拼接,以重建骨性鼻泪管管状结构的三维图像。
移动立方体算法是面显示算法中的经典算法,也被称为等值面提取,其本质是将一系列两维切片数据看做一个三维的数据场,从中将具有某种域值的物质抽取出来,以某种拓扑形式连接成三角面片。其基本思想是逐个处理体数据场中的各个体元,并根据体元各个顶点的值来觉得该体元内部等值面的构造形式。在本实施方式中,移动立方体算法可以将等值面的抽取分布于每个体元中进行,对于每个被处理的体元,以三角面片来逼近其内部的等值面,为了消除图像噪点等影响,还需要对提取到的等值面对应的三角面片进行平滑处理,本实施方式采用拉普拉斯平滑技术对其进行平滑处理,并设置相应的迭代次数,以减少三角面片表面的噪点。采用上述方法分别对泪囊窝、骨性鼻泪管及膜性鼻泪管进行处理,并分别对泪囊窝、骨性鼻泪管及膜性鼻泪管经过平滑处理后的三角面片的等值面进行拼接,从重建泪囊窝、骨性鼻泪管及膜性鼻泪管的三维图像,最终得到骨性鼻泪管管状结构的三维图像。
如图2所示,在本发明第二方面,一种泪道CT图像的三维重建分析装置,包括:
数据获取模块110,被配置为获取人体头部二维CT图像,人体头部二维CT图像包括骨性鼻泪管二维CT图像序列;
三维重建模块120,被配置为基于骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,依据分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像;
剖切模块130,被配置为对骨性鼻泪管管状结构的三维图像进行剖切,以得到骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。
可选地,骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像均包括骨性鼻泪管入口宽度、骨性鼻泪管出口宽度及骨性鼻泪管长度。
可选地,基于骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,包括:
对骨性鼻泪管二维CT图像序列进行分割,分别提取泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列。
可选地,依据分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,包括:
根据泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列,以及与泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程对泪囊窝、骨性鼻泪管及膜性鼻泪管进行三维图像重建,以对人体头部二维CT图像进行三维重建,得到骨性鼻泪管管状结构的三维图像。
可选地,与泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程,包括:
通过移动立方体算法从与骨性鼻泪管管状结构的每个组织对应的分割序列中提取等值面;
对与等值面对应的三角面片进行平滑处理;
对经过平滑处理后的三角面片的等值面进行拼接,以重建骨性鼻泪管管状结构的三维图像。
综上所述,本实施方式的上述技术方案通过提取与骨性鼻泪管管状结构的每个组织对应的分割序列,并依据该分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,依据得到的骨性鼻泪管管状结构的三维图像自动选择合适的位置剖切以得到能呈现最佳位置的骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像,解决了现有泪道CT剖切主要依靠医生经验的问题,有效提高了医生的分析效率。
本申请是参照根据本申请实施例的方法、装置(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种泪道CT图像的三维重建分析方法,其特征在于,包括:
获取人体头部二维CT图像,所述人体头部二维CT图像包括骨性鼻泪管二维CT图像序列;
基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像;
对所述骨性鼻泪管管状结构的三维图像进行剖切,以得到骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。
2.根据权利要求1所述的泪道CT图像的三维重建分析方法,其特征在于,所述骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像均包括骨性鼻泪管入口宽度、骨性鼻泪管出口宽度及骨性鼻泪管长度。
3.根据权利要求1所述的泪道CT图像的三维重建分析方法,其特征在于,所述基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,包括:
对所述骨性鼻泪管二维CT图像序列进行分割,分别提取泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列。
4.根据权利要求3所述的泪道CT图像的三维重建分析方法,其特征在于,所述依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,包括:
根据所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列,以及与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程对所述所述泪囊窝、骨性鼻泪管及膜性鼻泪管进行三维图像重建,以对所述人体头部二维CT图像进行三维重建,得到骨性鼻泪管管状结构的三维图像。
5.根据权利要求4所述的泪道CT图像的三维重建分析方法,其特征在于,所述与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程,包括:
通过移动立方体算法从与骨性鼻泪管管状结构的每个组织对应的分割序列中提取等值面;
对与所述等值面对应的三角面片进行平滑处理;
对经过平滑处理后的三角面片的等值面进行拼接,以重建所述骨性鼻泪管管状结构的三维图像。
6.一种泪道CT图像的三维重建分析装置,其特征在于,包括:
数据获取模块,被配置为获取人体头部二维CT图像,所述人体头部二维CT图像包括骨性鼻泪管二维CT图像序列;
三维重建模块,被配置为基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像;
剖切模块,被配置为对所述骨性鼻泪管管状结构的三维图像进行剖切,以得到骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像。
7.根据权利要求6所述的泪道CT图像的三维重建分析装置,其特征在于,所述骨性鼻泪管全段矢状位图像及骨性鼻泪管全段冠状位图像均包括骨性鼻泪管入口宽度、骨性鼻泪管出口宽度及骨性鼻泪管长度。
8.根据权利要求6所述的泪道CT图像的三维重建分析装置,其特征在于,所述基于所述骨性鼻泪管二维CT图像序列提取与骨性鼻泪管管状结构的每个组织对应的分割序列,包括:
对所述骨性鼻泪管二维CT图像序列进行分割,分别提取泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列。
9.根据权利要求8所述的泪道CT图像的三维重建分析装置,其特征在于,所述依据所述分割序列对骨性鼻泪管管状结构进行三维图像重建,得到骨性鼻泪管管状结构的三维图像,包括:
根据所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的分割序列,以及与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程对所述所述泪囊窝、骨性鼻泪管及膜性鼻泪管进行三维图像重建,以对所述人体头部二维CT图像进行三维重建,得到骨性鼻泪管管状结构的三维图像。
10.根据权利要求9所述的泪道CT图像的三维重建分析装置,其特征在于,所述与所述泪囊窝、骨性鼻泪管及膜性鼻泪管对应的三维重建流程,包括:
通过移动立方体算法从与骨性鼻泪管管状结构的每个组织对应的分割序列中提取等值面;
对与所述等值面对应的三角面片进行平滑处理;
对经过平滑处理后的三角面片的等值面进行拼接,以重建所述骨性鼻泪管管状结构的三维图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100640.5A CN111325845A (zh) | 2020-02-18 | 2020-02-18 | 泪道ct图像的三维重建分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100640.5A CN111325845A (zh) | 2020-02-18 | 2020-02-18 | 泪道ct图像的三维重建分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111325845A true CN111325845A (zh) | 2020-06-23 |
Family
ID=71165321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010100640.5A Pending CN111325845A (zh) | 2020-02-18 | 2020-02-18 | 泪道ct图像的三维重建分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325845A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201164535Y (zh) * | 2008-02-28 | 2008-12-17 | 陶海 | 双泪小管植入式人工泪管及泪道探通导引针 |
CN101797182A (zh) * | 2010-05-20 | 2010-08-11 | 北京理工大学 | 一种基于增强现实技术的鼻内镜微创手术导航*** |
RU2480141C1 (ru) * | 2011-12-29 | 2013-04-27 | Учреждение Российской академии медицинских наук Научно-исследовательский институт глазных болезней РАМН (НИИГБ РАМН) | Способ исследования слезоотводящих путей |
CN103679810A (zh) * | 2013-12-26 | 2014-03-26 | 海信集团有限公司 | 肝部ct图像的三维重建方法 |
CN107705358A (zh) * | 2017-09-13 | 2018-02-16 | 南京工业大学 | 脑部ct图像的三维重建方法 |
CN109345545A (zh) * | 2018-09-26 | 2019-02-15 | 广东毅达医疗科技股份有限公司 | 一种分割图像生成的方法、装置及计算机可读存储介质 |
-
2020
- 2020-02-18 CN CN202010100640.5A patent/CN111325845A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201164535Y (zh) * | 2008-02-28 | 2008-12-17 | 陶海 | 双泪小管植入式人工泪管及泪道探通导引针 |
CN101797182A (zh) * | 2010-05-20 | 2010-08-11 | 北京理工大学 | 一种基于增强现实技术的鼻内镜微创手术导航*** |
RU2480141C1 (ru) * | 2011-12-29 | 2013-04-27 | Учреждение Российской академии медицинских наук Научно-исследовательский институт глазных болезней РАМН (НИИГБ РАМН) | Способ исследования слезоотводящих путей |
CN103679810A (zh) * | 2013-12-26 | 2014-03-26 | 海信集团有限公司 | 肝部ct图像的三维重建方法 |
CN107705358A (zh) * | 2017-09-13 | 2018-02-16 | 南京工业大学 | 脑部ct图像的三维重建方法 |
CN109345545A (zh) * | 2018-09-26 | 2019-02-15 | 广东毅达医疗科技股份有限公司 | 一种分割图像生成的方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
王朋、陶海、白芳 等: "泪道CT多平面重组联合泪道内窥镜诊断泪囊内炎性息肉1例" * |
谭海涛 等: "《3D骨科学》", 广西科学技术出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10083515B2 (en) | Method and system for segmenting medical imaging data according to a skeletal atlas | |
EP2810598B1 (en) | Surgical support device, surgical support method and surgical support program | |
CN108305255B (zh) | 肝脏手术切割面的生成装置 | |
US20080071160A1 (en) | Displaying A Tracheobronchial Tree | |
JP4688361B2 (ja) | 臓器の特定領域抽出表示装置及びその表示方法 | |
CN105139377B (zh) | 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法 | |
US20110064286A1 (en) | Apparatus and method for surface capturing and volumetric analysis of multidimensional images | |
JP2007144177A (ja) | 低コントラストの管形状対象のための半自動セグメント分割手法の方法及び装置 | |
Debarba et al. | Efficient liver surgery planning in 3D based on functional segment classification and volumetric information | |
FR3020700A1 (fr) | Methode pour la quantification de la presence de graisses dans une region du cœur | |
KR101871601B1 (ko) | 안와벽 재건술을 위한 수술 계획 생성 방법, 이를 수행하는 수술 계획 생성 서버, 및 이를 저장하는 기록매체 | |
KR102321487B1 (ko) | 인공지능 기반 검출된 종양의 형태 및 특성 진단 장치 | |
Liu et al. | Unsupervised segmentation of the prostate using MR images based on level set with a shape prior | |
CN106355586B (zh) | 一种人体胸部器官组织的自动提取方法 | |
CN110136151A (zh) | 基于ct图像获取肝脏体积的***及方法 | |
CN112043378A (zh) | 对人进行导航支持以关于切除部分进行导航的方法和*** | |
Hong et al. | Automatic liver and tumor segmentation based on deep learning and globally optimized refinement | |
CN108694007B (zh) | 从磁共振图像展开肋骨 | |
Ojalammi et al. | Automated segmentation of upper airways from MRI-vocal tract geometry extraction | |
CN111191571A (zh) | 一种基于人脸特征点检测的中医面诊脸部分区方法和*** | |
CN111325845A (zh) | 泪道ct图像的三维重建分析方法及装置 | |
García et al. | A deep learning model for brain vessel segmentation in 3DRA with arteriovenous malformations | |
Jiang et al. | An automatic and fast centerline extraction algorithm for virtual colonoscopy | |
CN114299078A (zh) | 医学影像的预处理方法及其装置、计算机可读存储介质 | |
Bugajska et al. | The renal vessel segmentation for facilitation of partial nephrectomy |
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 |