CN111861988A - 基于支气管的自动及半自动肺分叶分段的方法及其*** - Google Patents
基于支气管的自动及半自动肺分叶分段的方法及其*** Download PDFInfo
- Publication number
- CN111861988A CN111861988A CN202010521521.7A CN202010521521A CN111861988A CN 111861988 A CN111861988 A CN 111861988A CN 202010521521 A CN202010521521 A CN 202010521521A CN 111861988 A CN111861988 A CN 111861988A
- Authority
- CN
- China
- Prior art keywords
- lung
- bronchus
- bronchial
- segments
- discrete point
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明适用于CT图像的肺分割技术领域,提供了一种基于支气管的自动及半自动肺分叶分段的方法,包括步骤:提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段;将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。还提出了一种基于支气管的自动及半自动肺分叶分段的***。借此,本发明能够更准确标记出支气管分叶、分段;以计算出支气管分叶、分段与之对应的肺叶、肺段。
Description
技术领域
本发明涉及CT(Computed Tomography电子计算机断层扫描)图像的肺分割技术领域,尤其涉及一种基于支气管的自动及半自动肺分叶分段的方法及其***。
背景技术
针对肺病变局限于单一肺叶内,而其余肺均正常,则可施行肺叶切除、肺段切除,如需切除的病变波及同侧肺的一个肺叶以上,而有的病变仅局限于某个或某些肺段,为尽量保留健肺组织,维护肺功能,可施行多个肺段或肺段加肺叶切除术,譬如常采用的右肺上叶尖后段加下叶背段切除术。
每一肺段支气管及其分支分布的肺组织称为支气管肺段,在肺段内,肺动脉的分支与肺段支气管相伴行,支气管在三维维度的空间走向及相互之间位置决定着各个肺段位置。目前采用的方法是:应用肺部解剖知识,于连续肺CT图象的每个层面上,全面地辨认肺门和肺内支气管、肺动脉、肺静脉三套管道,且绘出图象简图,进行图形重塑,借以在三个维度上观察三套管道的分布情况。可用于校对图象中所观察到结构的正确性,同时为进一步CT图象上分叶分段,同时肺的三套管道在三个维度上的空间走向及其相互间位置关系,将其应用于CT图像上,并结合叶间裂的辨认,达到在CT图像上进行分叶。
针对上述背景和现有技术中描述,实现肺部图像自动及半自动肺分叶、肺分段,对肺部病变切除研究具有重要现实意义和应用价值。
发明内容
针对上述的缺陷,本发明的目的在于提供一种基于支气管的自动及半自动肺分叶分段的方法及其***,能够更准确标记出支气管分叶、分段;以计算出支气管分叶、分段与之对应的肺叶、肺段。
为了实现上述目的,本发明提供一种基于支气管的自动及半自动肺分叶分段的方法,包括步骤:
提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;
根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段;
将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。
根据所述的基于支气管的自动及半自动肺分叶分段的方法,所述提取CT图像中支气管的中心线,并根据所述中心线构建树形结构的步骤包括:
提取所述中心线,计算所述支气管每个离散点的26领域欧拉特征值,得到支气管的中心线点集;
根据所述中心线点集以支气管主干为根节点,构建出第一树形结构。
根据所述的基于支气管的自动及半自动肺分叶分段的方法,所述根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段的步骤包括:
以所述根节点为起点,遍历所述第一树形结构以依序获得下一分叉点;
获取所述分叉点的分支,以所述分支构建出第二树形结构;
根据所述第二树形结构的全部节点的空间坐标,以计算出所述分支所在的空间位置;
根据全部所述分叉点的节点属性和对应的所述分支的所述空间位置,以标记出所述支气管的分叶和分段。
优选的是,所述根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段的步骤之后包括:
手动交互修改已自动标记完成的所述支气管的所述分支。
根据所述的基于支气管的自动及半自动肺分叶分段的方法,所述将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段的步骤包括:
根据肺部的空间相对位置以分割出左肺和右肺;
获取所述左肺和所述右肺的包围盒并将所述包围盒的内数据分别对应作为左肺分段和右肺分段;
将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系;
根据所述对应关系,将所述第一离散点与对应最靠近的所述支气管叶、段分支的离散点集的第二离散点集合成数据点集,以作为对应的所述肺叶和所述肺段。
所述将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系的步骤进一步包括:
计算所述第一离散点到每一所述支气管叶、段分支的离散点集的最小距离;
比较所述最小距离的最小值,并将对应的所述第一离散点映射到所述最小值对应的所述支气管叶、段分支的离散点集;
获取所述肺部图像的像素离散点集的全部所述第一离散点与所述支气管叶、段分支的离散点集的一一对应关系。
还提供了一种基于支气管的自动及半自动肺分叶分段的***,包括有:
构建单元,用于提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;
标记单元,用于根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段;
映射计算单元,用于将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。
根据所述的基于支气管的自动及半自动肺分叶分段的***,所述构建单元包括:
提取子单元,用于提取所述中心线,计算所述支气管每个离散点的26领域欧拉特征值,得到支气管的中心线点集;
第一构建子单元,用于根据所述中心线点集以支气管主干为根节点,构建出第一树形结构。
根据所述的基于支气管的自动及半自动肺分叶分段的***,所述标记单元包括:
遍历子单元,用于以所述根节点为起点,遍历所述第一树形结构以依序获得下一分叉点;
第二构建子单元,用于获取所述分叉点的分支,以所述分支构建出第二树形结构;
空间位置子单元,用于根据所述第二树形结构的全部节点的空间坐标,以计算出所述分支所在的空间位置;
标记子单元,用于根据全部所述分叉点的节点属性和对应的所述分支的所述空间位置,以标记出所述支气管的分叶和分段。
优选的是,还包括:
手动修改单元,用于手动交互修改已自动标记完成的所述支气管的所述分支。
根据所述的基于支气管的自动及半自动肺分叶分段的***,所述映射计算单元包括:
分割子单元,用于根据肺部的空间相对位置以分割出左肺和右肺;
分段子单元,用于获取所述左肺和所述右肺的包围盒并将所述包围盒的内数据分别对应作为左肺分段和右肺分段;
对应关系建立子单元,用于将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系;
集合结果子单元,用于根据所述对应关系,将所述第一离散点与对应最靠近的所述支气管叶、段分支的离散点集的第二离散点集合成数据点集,以作为对应的所述肺叶和所述肺段。
所述对应关系建立子单元进一步包括:
计算模块,用于计算所述第一离散点到每一所述支气管叶、段分支的离散点集的最小距离;
比较映射模块,用于比较所述最小距离的最小值,并将对应的所述第一离散点映射到所述最小值对应的所述支气管叶、段分支的离散点集;
对应关系模块,用于获取所述肺部图像的像素离散点集的全部所述第一离散点与所述支气管叶、段分支的离散点集的一一对应关系。
本发明所述的基于支气管的自动及半自动肺分叶分段的方法,包括步骤:提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段;将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。还提出了一种基于支气管的自动及半自动肺分叶分段的***。借此,本发明能够更准确标记出支气管分叶、分段;以计算出支气管分叶、分段与之对应的肺叶、肺段。
附图说明
图1为本发明优选实施例所述基于支气管的自动及半自动肺分叶分段的方法的步骤示意图;
图2为图1中步骤S101的具体步骤示意图;
图3为图1中步骤S102的具体步骤示意图;
图4为图1中步骤S103的具体步骤示意图;
图5为本发明优选实施例所述基于支气管的自动及半自动肺分叶分段的***的结构示意图;
图6为图5中所述构建单元的具体结构框图;
图7为图5中所述标记单元的具体结构框图;
图8为图5中所述映射计算单元的具体结构框图;
图9为本发明优选实施例所述基于支气管的自动及半自动肺分叶分段的方法的具体步骤流程图。
具体实施方式
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说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的,本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用,指的是描述的该实施例可包括特定的特征、结构或特性,但是不是每个实施例必须包含这些特定特征、结构或特性。此外,这样的表述并非指的是同一个实施例。进一步,在结合实施例描述特定的特征、结构或特性时,不管有没有明确的描述,已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
此外,在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件,所属领域中具有通常知识者应可理解,制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式,而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语,故应解释成“包含但不限定于”。以外,“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
图1~图4示出本发明优选实施例所述的基于支气管的自动及半自动肺分叶分段的方法,包括步骤:
S101:提取CT图像中支气管的中心线,并根据所述中心线构建树形结构。
S102:根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段。即利用了支气管自动分段标记功能,清晰把气管分成多个支气管分段,根据支气管空间位置及走向,自动标记出支气管各个分叶、分段,并提供交互式标记支气管分叶、分段的功能,更准确标记出支气管分叶、分段。
S103:将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。利用泰森多边形理论最小距离法,正确计算出支气管分叶、分段与之对应的肺叶、肺段。肺病变局限于单一肺叶内,而其余肺均正常,则可施行肺叶切除、肺段切除,如需切除的病变波及同侧肺的一个肺叶以上,而有的病变仅局限于某个或某些肺段,为尽量保留健肺组织,维护肺功能。
参见图2,所述步骤S101包括:
S1011:提取所述中心线,计算所述支气管每个离散点的26领域欧拉特征值,得到支气管的中心线点集;其欧拉定理为:在任何一个规则球面地图上,用R记区域个数,V记顶点个数,E记边界个数,则R+V-E=2。
S1012:根据所述中心线点集以支气管主干为根节点,构建出第一树形结构。
参见图3,所述步骤S102包括:
S1021:以所述根节点为起点,遍历所述第一树形结构以依序获得下一分叉点;即通过遍历第一树形结构以逐一获得全部分叉点;或者也在获得下一分叉点之后进行相应后续的标记结束后,再进一步遍历获得再下一个分叉点,以获得该第一树形结构的全部分叉点。
S1022:获取所述分叉点的分支,以所述分支构建出第二树形结构;每个分支为一个新的树形结构,新的树形结构包含N个节点,每个节点记录着该节点的空间坐标(xi,yi,zi)(其中i为N个节点的任意一个)。
S1023:根据所述第二树形结构的全部节点的空间坐标,以计算出所述分支所在的空间位置;计算每个支气管分支的平均值,作为该分支的空间位置P(X,Y,Z);其横坐标分支的X坐标具体的计算公式如下:
S1024:根据全部所述分叉点的节点属性和对应的所述分支的所述空间位置,以标记出所述支气管的分叶和分段;以主支气管为例,主支气管分为所述支气管的分叶和分段,根据分支的空间位置Px标记出标记出左肺主支气管和右肺主支气管。
更好的是,在另一实施例中,所述步骤S102之后包括:
手动交互修改已自动标记完成的所述支气管的所述分支;其对于自动标记完成的支气管分支,提供手动交互修改各分支标记。
参见图4,所述步骤S104包括:
S1041:根据肺部的空间相对位置以分割出左肺和右肺;左肺和右肺作为两个单独的连通模块,根据空间相对位置分割成两个独立的肺。
S1042:获取所述左肺和所述右肺的包围盒并将所述包围盒的内数据分别对应作为左肺分段和右肺分段;整个CT数据太大,为了提高效率,提取肺的轮廓,通过获取肺的包围盒,用包围盒的内数据作为肺分段。
S1043:将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系。
S1044:根据所述对应关系,将所述第一离散点与对应最靠近的所述支气管叶、段分支的离散点集的第二离散点集合成数据点集,以作为对应的所述肺叶和所述肺段。
所述步骤S1043进一步包括:
计算所述第一离散点到每一所述支气管叶、段分支的离散点集的最小距离;设肺部图像的像素离散点集A的一点P(Xi,Yj,Zk)(i=1,2,3,…,w;j=1,2,3,…,s;k=1,2,3,..,t);
支气管叶、段分支的离散点集B1,B2,…Bn,其中的任一点Q(Xi,Yj,Zk)(i=1,2,3,…,w;j=1,2,3,…,s;k=1,2,3,..,t);
点A集的任一点p(xp,yp,zp)到B1集的任一点q(xq,yq,zq),距离计算公式:依此公式计算A集中的点P(Xi,Yj,Zk)到B2,B3,...Bn集的最小距离MINAB2,MINAB3,....MINABn。
比较所述最小距离的最小值,并将对应的所述第一离散点映射到所述最小值对应的所述支气管叶、段分支的离散点集;比较MINAB1,MINAB2,MINAB3,....MINABn的大小,得到最小的值MINABi,其中i=1,2,3,…,n;然后把A集中的点P(Xi,Yj,Zk)对应到Bi(i=1,2,3,…,n)的支气管叶、段。
获取所述肺部图像的像素离散点集的全部所述第一离散点与所述支气管叶、段分支的离散点集的一一对应关系。建立与支气管叶、段分支的离散点集B1,B2,...Bn的一一对应关系,把像素离散点集A的点与支气管叶、段分支Bi对应的点集合成ABi集,则A集的子集ABi为该支气管叶、段分支Bi所对应的肺叶、段;利用了泰森多边形理论的最小距离法,肺的任一点到对应支气管控制点的距离小于该点到支气管其他点的距离,正确计算出支气管分叶、分段与之对应的肺叶、肺段。
具体的步骤流程参见图9所示,对支气管进行树形结构构建,并分别标记出各个支气管的分叶、分段;利用已分割的肺数据与标记好的支气管叶、段进行肺叶、肺段计算。利用支气管自动分段标记功能,清晰把气管分成多个支气管分段,根据支气管空间位置及走向,自动标记出支气管各个分叶、分段,并提供交互式标记支气管分叶、分段的功能,更准确标记出支气管分叶、分段。利用泰森多边形理论最小距离法,正确计算出支气管分叶、分段与之对应的肺叶、肺段。肺病变局限于单一肺叶内,而其余肺均正常,则可施行肺叶切除、肺段切除,如需切除的病变波及同侧肺的一个肺叶以上,而有的病变仅局限于某个或某些肺段,为尽量保留健肺组织,维护肺功能。
图5示出本发明优选实施例所述的基于支气管的自动及半自动肺分叶分段的***100,其包括有构建单元10、标记单元20以及映像计算单元30,其中:
所述构建单元10用于提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;标记单元20用于根据所述树形结构各分支的分布,以标记出支气管的分叶和分段;映射计算单元30用于将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。
利用了支气管自动分段标记功能,清晰把气管分成多个支气管分段,根据支气管空间位置及走向,自动标记出支气管各个分叶、分段,并提供交互式标记支气管分叶、分段的功能,更准确标记出支气管分叶、分段;又利用泰森多边形理论的最小距离法,肺的任一点到对应支气管控制点的距离小于该点到支气管其他点的距离,正确计算出支气管分叶、分段与之对应的肺叶、肺段。
参见图6,所述构建单元10包括有提取子单元101和第一构建子单元102,其中:
提取子单元101用于提取所述中心线,计算所述支气管每个离散点的26领域欧拉特征值,得到支气管的中心线点集;第一构建子单元102用于根据所述中心线点集以支气管主干为根节点,构建出第一树形结构。
如图7,所述标记单元20包括有遍历子单元201、第二构建子单元202、空间位置子单元203以及标记子单元204,其中:
遍历子单元201用于以所述根节点为起点,遍历所述第一树形结构以依序获得下一分叉点;第二构建子单元202用于获取所述分叉点的分支,以所述分支构建出第二树形结构;空间位置子单元203用于根据所述第二树形结构的全部节点的空间坐标,以计算出所述分支所在的空间位置;标记子单元204用于根据全部所述分叉点的节点属性和对应的所述分支的所述空间位置,以标记出所述支气管的分叶和分段。
优选的是,在其他实施例中,还包括有手动修改单元,所述手动修改单元用于手动交互修改已自动标记完成的所述支气管的所述分支。
如图8,所述映射计算单元30包括有分割子单元301、分段子单元302、对应关系建立子单元303以及集合结果子单元304,其中:
分割子单元301用于根据肺部的空间相对位置以分割出左肺和右肺;分段子单元302用于获取所述左肺和所述右肺的包围盒并将所述包围盒的内数据分别对应作为左肺分段和右肺分段;对应关系建立子单元303用于将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系;集合结果子单元304用于根据所述对应关系,将所述第一离散点与对应最靠近的所述支气管叶、段分支的离散点集的第二离散点集合成数据点集,以作为对应的所述肺叶和所述肺段。
所述对应关系建立子单元303进一步包括有计算模块、比较映像模块以及对应关系模块;所述计算模块用于计算所述第一离散点到每一所述支气管叶、段分支的离散点集的最小距离;所述比较映射模块用于比较所述最小距离的最小值,并将对应的所述第一离散点映射到所述最小值对应的所述支气管叶、段分支的离散点集;所述对应关系模块用于获取所述肺部图像的像素离散点集的全部所述第一离散点与所述支气管叶、段分支的离散点集的一一对应关系。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地,计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
在优选实施例中,计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。优选地,在计算机可读介质上体现计算机程序。
综上所述,本发明所述的基于支气管的自动及半自动肺分叶分段的方法,包括步骤:提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段;将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。还提出了一种基于支气管的自动及半自动肺分叶分段的***。借此,本发明能够更准确标记出支气管分叶、分段;以计算出支气管分叶、分段与之对应的肺叶、肺段。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (12)
1.一种基于支气管的自动及半自动肺分叶分段的方法,其特征在于,包括步骤:
提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;
根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段;
将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。
2.根据权利要求1所述的基于支气管的自动及半自动肺分叶分段的方法,其特征在于,所述提取CT图像中支气管的中心线,并根据所述中心线构建树形结构的步骤包括:
提取所述中心线,计算所述支气管每个离散点的26领域欧拉特征值,得到支气管的中心线点集;
根据所述中心线点集以支气管主干为根节点,构建出第一树形结构。
3.根据权利要求2所述的基于支气管的自动及半自动肺分叶分段的方法,其特征在于,所述根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段的步骤包括:
以所述根节点为起点,遍历所述第一树形结构以依序获得下一分叉点;
获取所述分叉点的分支,以所述分支构建出第二树形结构;
根据所述第二树形结构的全部节点的空间坐标,以计算出所述分支所在的空间位置;
根据全部所述分叉点的节点属性和对应的所述分支的所述空间位置,以标记出所述支气管的分叶和分段。
4.根据权利要求3所述的基于支气管的自动及半自动肺分叶分段的方法,其特征在于,所述根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段的步骤之后包括:
手动交互修改已自动标记完成的所述支气管的所述分支。
5.根据权利要求1所述的基于支气管的自动及半自动肺分叶分段的方法,其特征在于,所述将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段的步骤包括:
根据肺部的空间相对位置以分割出左肺和右肺;
获取所述左肺和所述右肺的包围盒并将所述包围盒的内数据分别对应作为左肺分段和右肺分段;
将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系;
根据所述对应关系,将所述第一离散点与对应最靠近的所述支气管叶、段分支的离散点集的第二离散点集合成数据点集,以作为对应的所述肺叶和所述肺段。
6.根据权利要求5所述的基于支气管的自动及半自动肺分叶分段的方法,其特征在于,所述将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系的步骤进一步包括:
计算所述第一离散点到每一所述支气管叶、段分支的离散点集的最小距离;
比较所述最小距离的最小值,并将对应的所述第一离散点映射到所述最小值对应的所述支气管叶、段分支的离散点集;
获取所述肺部图像的像素离散点集的全部所述第一离散点与所述支气管叶、段分支的离散点集的一一对应关系。
7.一种基于支气管的自动及半自动肺分叶分段的***,其特征在于,包括有:
构建单元,用于提取CT图像中支气管的中心线,并根据所述中心线构建树形结构;
标记单元,用于根据所述树形结构各分支的分布,以标记出所述支气管的分叶和分段;
映射计算单元,用于将所述分叶和所述分段与肺进行数据映射,并根据泰森多边形理论算法以计算出所述支气管的所述分叶和所述分段与所述肺对应的肺叶和肺段。
8.根据权利要求7所述的基于支气管的自动及半自动肺分叶分段的***,其特征在于,所述构建单元包括:
提取子单元,用于提取所述中心线,计算所述支气管每个离散点的26领域欧拉特征值,得到支气管的中心线点集;
第一构建子单元,用于根据所述中心线点集以支气管主干为根节点,构建出第一树形结构。
9.根据权利要求8所述的基于支气管的自动及半自动肺分叶分段的***,其特征在于,所述标记单元包括:
遍历子单元,用于以所述根节点为起点,遍历所述第一树形结构以依序获得下一分叉点;
第二构建子单元,用于获取所述分叉点的分支,以所述分支构建出第二树形结构;
空间位置子单元,用于根据所述第二树形结构的全部节点的空间坐标,以计算出所述分支所在的空间位置;
标记子单元,用于根据全部所述分叉点的节点属性和对应的所述分支的所述空间位置,以标记出所述支气管的分叶和分段。
10.根据权利要求9所述的基于支气管的自动及半自动肺分叶分段的***,其特征在于,还包括:
手动修改单元,用于手动交互修改已自动标记完成的所述支气管的所述分支。
11.根据权利要求7所述的基于支气管的自动及半自动肺分叶分段的***,其特征在于,所述映射计算单元包括:
分割子单元,用于根据肺部的空间相对位置以分割出左肺和右肺;
分段子单元,用于获取所述左肺和所述右肺的包围盒并将所述包围盒的内数据分别对应作为左肺分段和右肺分段;
对应关系建立子单元,用于将肺部图像的像素离散点集全部的第一离散点,建立与每一支气管叶、段分支的离散点集的一一对应关系;
集合结果子单元,用于根据所述对应关系,将所述第一离散点与对应最靠近的所述支气管叶、段分支的离散点集的第二离散点集合成数据点集,以作为对应的所述肺叶和所述肺段。
12.根据权利要求11所述的基于支气管的自动及半自动肺分叶分段的***,其特征在于,所述对应关系建立子单元进一步包括:
计算模块,用于计算所述第一离散点到每一所述支气管叶、段分支的离散点集的最小距离;
比较映射模块,用于比较所述最小距离的最小值,并将对应的所述第一离散点映射到所述最小值对应的所述支气管叶、段分支的离散点集;
对应关系模块,用于获取所述肺部图像的像素离散点集的全部所述第一离散点与所述支气管叶、段分支的离散点集的一一对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010521521.7A CN111861988A (zh) | 2020-06-09 | 2020-06-09 | 基于支气管的自动及半自动肺分叶分段的方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010521521.7A CN111861988A (zh) | 2020-06-09 | 2020-06-09 | 基于支气管的自动及半自动肺分叶分段的方法及其*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111861988A true CN111861988A (zh) | 2020-10-30 |
Family
ID=72987148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010521521.7A Withdrawn CN111861988A (zh) | 2020-06-09 | 2020-06-09 | 基于支气管的自动及半自动肺分叶分段的方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861988A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011510A (zh) * | 2021-03-25 | 2021-06-22 | 推想医疗科技股份有限公司 | 一种支气管分级及模型训练方法、装置及电子设备 |
CN113222006A (zh) * | 2021-05-08 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种亚段支气管分级的方法、装置、设备及存储介质 |
CN113261985A (zh) * | 2021-06-29 | 2021-08-17 | 上海长征医院 | 一种医学图像处理方法、装置、介质及电子设备 |
CN113516669A (zh) * | 2021-06-23 | 2021-10-19 | 湖北英库科技有限公司 | 一种基于ct影像的气管提取方法、装置、设备及存储介质 |
CN114332013A (zh) * | 2021-12-29 | 2022-04-12 | 福州大学 | 基于肺动脉树分级的ct图像靶肺段识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080019580A1 (en) * | 2006-07-18 | 2008-01-24 | Kabushiki Kaisha Toshiba | Medical image-processing apparatus and a method for processing medical images |
US20090148008A1 (en) * | 2004-11-23 | 2009-06-11 | Koninklijke Philips Electronics, N.V. | Planar angular visualization of the bronchial tree |
US20100128940A1 (en) * | 2005-02-11 | 2010-05-27 | Koninklijke Philips Electronics, N.V. | Method of automatic extraction of the pulmonary artery tree from 3d medical images |
US20180243034A1 (en) * | 2017-02-24 | 2018-08-30 | Fujifilm Corporation | Mapping image display control device, method, and program |
US20190139227A1 (en) * | 2017-06-30 | 2019-05-09 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image segmentation |
CN110956635A (zh) * | 2019-11-15 | 2020-04-03 | 上海联影智能医疗科技有限公司 | 一种肺段分割方法、装置、设备及存储介质 |
-
2020
- 2020-06-09 CN CN202010521521.7A patent/CN111861988A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090148008A1 (en) * | 2004-11-23 | 2009-06-11 | Koninklijke Philips Electronics, N.V. | Planar angular visualization of the bronchial tree |
US20100128940A1 (en) * | 2005-02-11 | 2010-05-27 | Koninklijke Philips Electronics, N.V. | Method of automatic extraction of the pulmonary artery tree from 3d medical images |
US20080019580A1 (en) * | 2006-07-18 | 2008-01-24 | Kabushiki Kaisha Toshiba | Medical image-processing apparatus and a method for processing medical images |
US20180243034A1 (en) * | 2017-02-24 | 2018-08-30 | Fujifilm Corporation | Mapping image display control device, method, and program |
US20190139227A1 (en) * | 2017-06-30 | 2019-05-09 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image segmentation |
CN110956635A (zh) * | 2019-11-15 | 2020-04-03 | 上海联影智能医疗科技有限公司 | 一种肺段分割方法、装置、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
IWAO Y等: "Fusion of lung MR/CT images through lung vessel registration", 《2013 35TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY (EMBC)》, pages 8 - 9 * |
SOUMIK UKIL等: "Anatomy-Guided Lung Lobe Segmentation in X-Ray CT Images", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》, vol. 28, no. 2, pages 202 - 214, XP011232595, DOI: 10.1109/TMI.2008.929101 * |
史跃等: "肺癌支气管动脉树X线解剖及其临床意义", 《解剖与临床》, no. 4, pages 7 - 9 * |
射熊曾等: "对支气管肺发育不良从"经典型"向"新型"转变的思考", 《中华儿科杂志》, no. 12, pages 909 - 912 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011510A (zh) * | 2021-03-25 | 2021-06-22 | 推想医疗科技股份有限公司 | 一种支气管分级及模型训练方法、装置及电子设备 |
CN113222006A (zh) * | 2021-05-08 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种亚段支气管分级的方法、装置、设备及存储介质 |
CN113222006B (zh) * | 2021-05-08 | 2021-10-08 | 推想医疗科技股份有限公司 | 一种亚段支气管分级的方法、装置、设备及存储介质 |
CN113516669A (zh) * | 2021-06-23 | 2021-10-19 | 湖北英库科技有限公司 | 一种基于ct影像的气管提取方法、装置、设备及存储介质 |
CN113261985A (zh) * | 2021-06-29 | 2021-08-17 | 上海长征医院 | 一种医学图像处理方法、装置、介质及电子设备 |
CN114332013A (zh) * | 2021-12-29 | 2022-04-12 | 福州大学 | 基于肺动脉树分级的ct图像靶肺段识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111861988A (zh) | 基于支气管的自动及半自动肺分叶分段的方法及其*** | |
CN110956635B (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
CN101425186B (zh) | 一种基于ct图像的肝脏分段方法及其*** | |
JP2006198410A (ja) | 心臓の3d画像データセットにおける左心室の位置および向きの自動決定方法 | |
WO2013061548A1 (ja) | 画像処理装置および方法並びにプログラム | |
JP2011212312A (ja) | 医用画像診断支援装置および方法、並びにプログラム | |
US9984456B2 (en) | Method and system for labeling hepatic vascular structure in interactive liver disease diagnosis | |
Ling et al. | Virtual contour guided video object inpainting using posture mapping and retrieval | |
WO2020228490A1 (zh) | 对图像进行目标标注的方法、装置及计算机记录介质 | |
Cui et al. | Structure-driven unsupervised domain adaptation for cross-modality cardiac segmentation | |
CN109410166A (zh) | 用于肺实质ct图像的全自动分割方法 | |
CN111695431A (zh) | 一种人脸识别方法、装置、终端设备及存储介质 | |
CN107507171A (zh) | 一种肺部ct图像气道三维骨架树状结构提取及标记方法 | |
CN114332013A (zh) | 基于肺动脉树分级的ct图像靶肺段识别方法 | |
CN107818564A (zh) | 一种肝脏3d医学影像分段方法 | |
US20220092786A1 (en) | Method and arrangement for automatically localizing organ segments in a three-dimensional image | |
Metzen et al. | Matching of anatomical tree structures for registration of medical images | |
CN114299057A (zh) | 血管中心线的提取方法和存储介质 | |
US20150379365A1 (en) | System and method for retrieval of similar findings from a hybrid image dataset | |
CN112053769A (zh) | 一种三维医学影像标注方法、装置及相关产品 | |
CN115147359B (zh) | 肺叶分割网络模型训练方法、装置、电子设备及存储介质 | |
CN116310114A (zh) | 一种多任务标签模型的冠脉点云数据处理优化方法 | |
CN116327362A (zh) | 磁探头辅助支气管术中导航方法、装置、介质及电子设备 | |
CN113011510B (zh) | 一种支气管分级及模型训练方法、装置及电子设备 | |
CN108205805B (zh) | 锥束ct图像间体素稠密对应的自动建立方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201030 |
|
WW01 | Invention patent application withdrawn after publication |