CN113808227A - 一种医学影像对齐方法、介质及电子设备 - Google Patents

一种医学影像对齐方法、介质及电子设备 Download PDF

Info

Publication number
CN113808227A
CN113808227A CN202010535461.4A CN202010535461A CN113808227A CN 113808227 A CN113808227 A CN 113808227A CN 202010535461 A CN202010535461 A CN 202010535461A CN 113808227 A CN113808227 A CN 113808227A
Authority
CN
China
Prior art keywords
image
target image
reference object
sequence
characteristic
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.)
Granted
Application number
CN202010535461.4A
Other languages
English (en)
Other versions
CN113808227B (zh
Inventor
***
丁雨晖
孙忠权
顾静军
周公敢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Pujian Medical Technology Co ltd
Original Assignee
Hangzhou Pujian Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Pujian Medical Technology Co ltd filed Critical Hangzhou Pujian Medical Technology Co ltd
Priority to CN202010535461.4A priority Critical patent/CN113808227B/zh
Publication of CN113808227A publication Critical patent/CN113808227A/zh
Application granted granted Critical
Publication of CN113808227B publication Critical patent/CN113808227B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供一种医学影像对齐方法、介质及电子设备。所述医学影像对齐方法用于将目标影像与参考影像进行对齐，包括：获取所述目标影像中参考对象的特征值，并根据所述目标影像中所述参考对象的特征值获得所述目标影像的特征序列；获取所述参考影像中所述参考对象的特征值，并根据所述参考影像中所述参考对象的特征值获得所述参考影像的特征序列；根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离；根据所述平移距离对所述目标影像进行平移。所述医学影像对齐方法能够提升对医学影像进行对齐处理的效率。

Description

一种医学影像对齐方法、介质及电子设备
技术领域
本发明属于图像处理领域，涉及一种图像对齐方法，特别是涉及一种医学影像对齐方法、介质及电子设备。
背景技术
CT(Computed Tomography，电子计算机断层扫描)检查是现代一种较先进的医学影像检查技术。在CT检查过程中往往需要拍摄同一病人的平扫期CT影像、静脉期CT影像和动脉期CT影像等。其中，平扫期CT影像是指未注射造影剂时获得的CT影像，静脉期CT影像是指静脉血管充盈显影时刻获得的CT影像，动脉期CT影像是指动脉血管充盈显影时刻获得的CT影像。然而，实际检查过程中，各期CT影像的拍摄时间可能并不相同，病人的呼吸和移动等因素会导致不同拍摄时间下病人在CT扫描机中的位置存在偏差，因而造成不同期CT影像在垂直方向上位置的不对应，例如，可能出现平扫期的第一张CT影像和动脉期的第二张CT影像相对应，或平扫期的第三张CT影像和动脉期的第一张CT影像相对应。现有技术中往往需要人工方式实现不同期CT影像的对齐，效率较低。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种医学影像对齐方法、介质及电子设备，用于解决现有技术采用人工对齐方式效率较低的问题。
为实现上述目的及其他相关目的，本发明的第一方面提供一种医学影像对齐方法，用于将目标影像与参考影像进行对齐。所述医学影像对齐方法包括：获取所述目标影像中参考对象的特征值，并根据所述目标影像中所述参考对象的特征值获得所述目标影像的特征序列；获取所述参考影像中所述参考对象的特征值，并根据所述参考影像中所述参考对象的特征值获得所述参考影像的特征序列；根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离；根据所述平移距离对所述目标影像进行平移。
于所述第一方面的某些实施例中，获取所述目标影像中参考对象的特征值的实现方法包括：获取所述参考对象的CT值范围；根据所述CT值范围获取所述参考对象的像素点，进而生成所述参考对象的模板；根据所述参考对象的蒙版获取所述参考对象的特征值。
于所述第一方面的某些实施例中，所述参考对象的特征值包括：所述参考对象对应凸包的几何特征、所述参考对象的中心点和/或所述参考对象的面积。
于所述第一方面的某些实施例中，根据所述目标影像中参考对象的特征值获得所述目标影像的特征序列的实现方法包括：根据所述目标影像中参考对象的特征值获得所述目标影像对应的特征向量；根据所述目标影像对应的特征向量获得所述目标影像的特征序列。
于所述第一方面的某些实施例中，根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离的实现方法包括：获取所述平移距离的取值范围；所述取值范围包括至少两个整数值；根据所述目标影像的特征序列和所述参考影像的特征序列，依次计算所述取值范围内的各整数值对应的序列方差；根据所述序列方差选取相应的整数值作为所述平移距离。
于所述第一方面的某些实施例中，根据所述目标影像的特征序列
Figure BDA0002536896770000021
和所述参考影像的特征序列
Figure BDA0002536896770000022
计算与整数值x对应的序列方差
Figure BDA0002536896770000023
的公式为：
Figure BDA0002536896770000024
其中，n为所述目标影像包含的CT影像数量，m为所述目标影像中各CT影像对应的参考对象的特征值数量；
Figure BDA0002536896770000025
Figure BDA0002536896770000026
表示
Figure BDA0002536896770000027
中第i行第j列的特征值，
Figure BDA0002536896770000028
表示
Figure BDA0002536896770000029
中第i行第j列的特征值。
于所述第一方面的某些实施例中，所述参考对象为脊柱。
于所述第一方面的某些实施例中，所述目标影像包括：平扫期CT影像、静脉期CT影像和/或动脉期CT影像。
本发明的第二方面还提供一种计算机可读存储介质，其上存储有计算机可读程序。所述计算机程序被处理器执行时实现本发明所述医学影像对齐方法。
本发明的第三方面还提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行本发明所述医学影像对齐方法；显示器，与所述处理器和所述存储器通信相连，用于显示所述医学影像对齐方法的相关GUI交互界面。
如上所述，本发明所述的医学影像对齐方法、介质及电子设备，具有以下有益效果：
所述医学影像对齐方法能够自动获取目标影像和参考影像的特征序列，并依据所述特征序列获取目标影像的平移距离进而对所述目标影像进行平移以实现所述目标影像与所述参考影像相对齐。整个过程基本无需人工参与，操作方便且效率较高。
附图说明
图1A显示为本发明所述医学影像对齐方法于一具体实施例中的平扫期CT影像示例图。
图1B显示为本发明所述医学影像对齐方法于一具体实施例中的静脉期CT影像示例图。
图1C显示为本发明所述医学影像对齐方法于一具体实施例中的动脉期CT影像示例图。
图2显示为本发明所述医学影像对齐方法于一具体实施例中的流程图。
图3A显示为本发明所述医学影像对齐方法于一具体实施例中目标影像包含的CT序列示例图。
图3B显示为本发明所述医学影像对齐方法于一具体实施例中参考影像包含的CT序列示例图。
图4A显示为本发明所述医学影像对齐方法于一具体实施例中获取特征值的流程图。
图4B显示为本发明所述医学影像对齐方法于一具体实施例中获取参考对象蒙版的流程图。
图4C显示为本发明所述医学影像对齐方法于一具体实施例中的CT图像示例图。
图4D显示为本发明所述医学影像对齐方法于一具体实施例中的CT图像示例图。
图4E显示为本发明所述医学影像对齐方法于一具体实施例中的CT图像示例图。
图4F显示为本发明所述医学影像对齐方法于一具体实施例中的CT图像示例图。
图5显示为本发明所述医学影像对齐方法于一具体实施例中获取特征序列的流程图。
图6显示为本发明所述医学影像对齐方法于一具体实施例中步骤S23的流程图。
图7A显示为本发明所述医学影像对齐方法于又一具体实施例中的流程图。
图7B显示为本发明所述医学影像对齐方法于一具体实施例中步骤S72的流程图。
图7C显示为本发明所述医学影像对齐方法于一具体实施例中步骤S74的流程图。
图8显示为本发明所述电子设备于一具体实施例中的结构示意图。
元件标号说明
4 选择框
411 上边框
412 左边框
413 右边框
414 下边框
4’ 外边框
411’ 调整后的上边框
412’ 调整后的左边框
413’ 调整后的右边框
414’ 调整后的下边框
51 脊柱
52 肋骨
800 电子设备
810 存储器
820 处理器
830 显示器
S21～S24 步骤
S211a～S213b 步骤
S211b～S212b 步骤
S231～S233 步骤
S41～S44 步骤
S71～S74 步骤
S721～S724 步骤
S741～S743 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
实际CT检查过程中，不同期CT影像的拍摄时间可能并不相同，病人的呼吸和移动等因素会导致不同拍摄时间下病人在CT扫描机中的位置存在偏差，因而造成不同期CT影像在垂直方向上位置的不对应。请参阅图1A～图1C，显示为一实施例中获得的不同期CT影像示例图；其中，图1A显示为平扫期拍摄的第一张CT影像，图1B显示为静脉期拍摄的第一张CT影像，图1C显示为动脉期拍摄的第一张CT影像。可以看出，图1A所示平扫期CT影像中器官和骨骼的位置与形状与图1B所示CT影像中器官和骨骼的位置与形状基本一致，因此图1A所示CT影像与图1B所示CT影像相对齐；图1A所示平扫期CT影像中的器官和骨骼的位置与形状与图1C所示动脉期CT影像中的器官和骨骼的位置与形状相差较大，故图1A所示CT影像与图1C所示CT影像不对齐，此时需要对平扫期CT影像和动脉期CT影像进行对齐处理。现有技术往往采用人工方式实现不同期CT影像的对齐，效率较低。
针对这一问题，本发明提供一种医学影像对齐方法，用于将目标影像与参考影像进行对齐。所述医学影像对齐方法包括：获取所述目标影像中参考对象的特征值，并根据所述目标影像中参考对象的特征值获得所述目标影像的特征序列；获取所述参考影像中参考对象的特征值，并根据所述参考影像中参考对象的特征值获得所述参考影像的特征序列；根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离；根据所述平移距离对所述目标影像进行平移。所述医学影像对齐方法能够自动获取目标影像和参考影像的特征序列进而获得所述目标影像的平移距离，并根据所述平移距离对所述目标影像进行平移从而实现所述目标影像和所述参考影像的对齐。本发明所述医学影像对齐方法基本无需人工参与，提升了影像对齐处理的效率。
请参阅图2，于本发明的一实施例中，所述医学影像对齐方法包括：
S21，获取所述目标影像中参考对象的特征值，并根据所述目标影像中参考对象的特征值获得所述目标影像的特征序列；其中，所述参考对象为所述目标影像与所述参考影像中的骨骼或器官；所述目标影像包括至少2张CT影像组成的CT序列，例如：图3A显示为本实施例中所述目标影像包含的CT序列，该CT序列由多张CT影像组成。
S22，获取所述参考影像中参考对象的特征值，并根据所述参考影像中参考对象的特征值获得所述参考影像的特征序列；其中，所述参考影像包括至少2张CT影像组成的CT序列，例如，图3B显示为本实施例中所述参考影像包含的CT序列，该CT序列由多张CT影像组成。
S23，根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离；
S24，根据所述平移距离对所述目标影像进行平移，以使所述目标影像和所述参考影像相对齐。
需要说明的是，图3A和图3B仅示例性的说明所述目标影像和参考影像。实际应用中，通过CT扫描机将获得多期CT影像，选取其中一期CT影像作为所述参考影像，选取所述参考影像之外的某一期CT影像作为所述目标影像，通过本实施例所述医学影像对齐方法即可实现所述目标影像和所述参考影像的对齐。本实施例所述医学影像对齐方法基本无需人工参与，有利于提升对所述医学影像进行对齐处理的效率。
于本发明的一实施例中，所述平移距离N为正整数、零或负整数。其中：
当N为正整数时，表示所述目标影像的第1张CT影像与所述参考影像的第N+1张CT影像相对齐。若所述目标影像的拍摄顺序是自下往上，所述目标影像的第1张CT影像为最下端的影像，则需要将所述目标影像中的所有CT影像向上平移N张，从而使得所述目标影像的第1张CT影像与所述参考影像的第N+1张CT影像对齐，所述目标影像的第2张CT影像与所述参考影像的第N+2张CT影像对齐，以此类推。若所述目标影像的拍摄顺序是自上往下，所述目标影像的第1张CT影像为最上端的影像，则需要将所述目标影像中的所有CT影像向下平移N张，从而使得所述目标影像的第1张CT影像与所述参考影像的第N+1张CT影像对齐，所述目标影像的第2张CT影像与所述参考影像的第N+2张CT影像对齐，以此类推。例如，若图3A中的第1张CT影像与图3B中的第3张CT影像相对齐，则将图3A所示CT序列整体上移2张从而实现图3A和图3B的对齐，即：图3A的第1张CT影像与图3B的第3张CT影像相对齐，图3A的第2张CT影像与图3B的第4张CT影像相对齐。
当N为零时，所述目标影像和所述参考影像已经对齐，此时无需对所述目标影像进行平移处理。
当N为负整数时，表示所述目标影像的第-N+1张CT影像与所述参考影像的第1张CT影像相对齐。若所述目标影像的拍摄顺序是自下往上，所述目标影像的第1张CT影像为最下端的影像，则需要将所述目标影像中的所有CT影像向下平移-N张，以使所述目标影像的第-N+1张CT影像与所述参考影像的第1张CT影像相对齐，所述目标影像的第-N+2张CT影像与所述参考影像的第2张CT影像相对齐，以此类推。若所述目标影像的拍摄顺序是自上往下，所述目标影像的第1张CT影像为最上端的影像，则需要将所述目标影像中的所有CT影像向上平移-N张，以使所述目标影像的第-N+1张CT影像与所述参考影像的第1张CT影像相对齐，所述目标影像的第-N+2张CT影像与所述参考影像的第2张CT影像相对齐，以此类推。
请参阅图4A，于本发明的一实施例中，所述目标影像包括至少2张CT影像；所述目标影像中各CT影像均与所述参考对象的一个或多个特征值相对应；所述目标影像中参考对象的特征值包括所述目标影像中各CT影像对应的参考对象的特征值。此外，于本实施例中，所述参考对象与周围相邻器官或骨骼的CT值差异明显，因而能够通过CT值将所述参考对象与周围相邻器官或骨骼进行区分。于本实施例中，获取所述目标影像中任一CT影像对应的参考对象的特征值的实现方法包括：
S211a，获取所述参考对象的CT值范围；CT影像的数值单位是亨氏单位(Hounsfield unit，hu)，本质上反映了人体器官或组织的密度值。不同参考对象具有不同的CT值范围，例如：对于骨骼，其CT值范围大于1000hu。
S212a，根据所述CT值范围获取所述参考对象的像素点，进而生成所述参考对象的蒙版；理想状况下，所述参考对象的蒙版能够全覆盖所述参考对象，并由所述参考对象的全部像素点组成。
S213a，根据所述参考对象的蒙版获取所述参考对象的特征值。
上述步骤S211a～S213a能够获得所述目标影像中任意CT影像对应的参考对象的特征值；进一步的，将所述目标影像中所有CT影像对应的参考对象的特征值合并在一起，即可获得所述目标影像中参考对象的特征值。
请参阅图4B，于本发明的一实施例中，对于任一CT影像，根据所述CT值范围获取所述参考对象的像素点，进而生成所述参考对象的蒙版的一种实现方法包括：
S41，在所述CT影像内，删除所有CT值位于所述CT值范围之外的像素点。由于本实施例中所述参考对象的CT值与周围相邻器官或骨骼的CT值相差较大，因而能够通过CT值将所述参考对象与周围相邻器官或骨骼进行区分，通过步骤S41能够删除与所述参考对象相邻的器官和/或骨骼，进而获得一个或多个位置上离散的器官或骨骼。例如，选取脊柱作为所述参考对象时，经过步骤S41后所述CT影像内仅包含脊柱、肋骨等位置上离散的骨骼。
S42，根据所述参考对象的位置和形状生成一个选择框；所述选择框包含所述参考对象的部分像素点。所述选择框可以根据先验知识由人工指定，也可以通过采用人工智能技术进行选取，此处不作限制。由于所述参考对象为一封闭且连续的形状，因此，所述选择框的至少一条边框包含有所述参考对象的像素点。优选地，所述选择框为矩形框。
S43，对所述选择框的边框进行调整，以使所述选择框的所有边框均不包含所述参考对象的像素点；此时，所述选择框即为脊柱的外边框。具体地，遍历所述选择框的所有边框，并选取包含有所述参考对象像素点的边框作为待调整边框；对所有待调整边框向指定方向调整，直到所有待调整边框均不包含所述参考对象的像素点。
例如，对于矩形选择框，若该选择框的下边框包含所述参考对象的像素点，则执行一调整步骤，并判断调整后的下边框是否仍包含所述参考对象的像素点：若所述调整后的下边框不包含所述参考对象的像素点，则对所述下边框的调整结束；否则，重复所述调整步骤直到所述调整后的下边框不包含所述参考对象的像素点。其中，所述调整步骤为将所述下边框向下平移一段距离并相应延伸所述左边框和右边框。
S44，所述外边框内所有像素点组成的集合即为所述参考对象的蒙版。
于本实施例中，通过参考对象的位置和形状获取所述参考对象的蒙版，并以所述蒙版为依据提取所述参考对象的特征值。由于参考对象为器官或骨骼，其形状多为不规则形，直接获取所述参考对象的特征值难度较大，而通过将所述选择框设置为矩形等常规形状能够简化所述蒙版的获取过程，在此基础上对参考对象特征值的提取相对简单。
于本发明的一实施例中，所述医学影像中的一张CT图像如图4C所示，其中，选取脊柱51作为所述参考对象。于本实施例中，步骤S41删除所有CT值小于1000hu的像素点，删除后所述CT图像仅包含脊柱51和肋骨52。请参阅图4D，本实施例步骤S42中根据先验知识生成一矩形的选择框4，该选择框4具有上边框411、左边框412、右边框413和下边框414。步骤S43中对所述选择框的边框进行调整，直到所述选择框的所有边框均不包含所述脊柱51的像素点。例如：请参阅图4E，首先将右边框413不断向右平移直到所述右边框413上不再包含所述脊柱51的像素点，此时得到调整后的右边框413’，相应延长所述上边框411和所述下边框414使得所述选择框保持为矩形；其后将下边框414不断向下平移直到所述下边框414上不再包含所述脊柱51的像素点，此时得到调整后的下边框414’，相应延长所述左边框412和所述调整后的右边框413’使得所述选择框保持为矩形。接下来，请参阅图4F，将左边框412不断向左平移直到所述左边框412不再包含所述脊柱51的像素点，此时得到调整后的左边框412’；将上边框411向上平移，直到所述右边框411不再包含所述脊柱51的像素点，此时得到调整后的上边框411’，相应延长所述调整后的上边框411’、所述调整后的左边框412’以及所述调整后的右边框413’，使得调整后的选择框保持为矩形，所述调整后的选择框即为脊柱的外边框4’。此时，所述外边框4’内包含了所述脊柱51的所有像素点；在所述外边框4’内，所述脊柱51的所有像素点组成的集合即为所述脊柱51的蒙版。
于本发明的一实施例中，对于任一CT影像，根据所述CT值范围获取所述参考对象的像素点，进而生成所述参考对象的蒙版的一种实现方法包括：在所述CT影像内，删除所有CT值位于所述CT值范围之外的像素点；通过该步骤能够删除与所述参考对象相邻的器官和/或骨骼，进而获得一个或多个位置上离散的器官或骨骼。从所述一个或多个位置上离散的器官或骨骼中选取面积最大的闭合区域作为所述参考对象的蒙版。
于本发明的一些实施例中，获取所述参考影像中参考对象的特征值的实现方法与获取所述目标影像中参考对象的特征值的实现方法类似，此处不再赘述。
于本发明的一实施例中，所述参考对象对应凸包的几何特征、所述参考对象的中心点和/或所述参考对象的面积。其中，所述参考对象对应凸包可以通过所述蒙版计算得到，所述凸包的几何特征可以为所述凸包的面积、边长和/或边数等；所述参考对象的中心点可以通过所述蒙版的外边框的中心点代替；此外，本实施例中可以通过统计所述蒙版中包含的像素点个数作为所述参考对象的面积。
请参阅图5，于本发明的一实施例中，根据所述目标影像中参考对象的特征值获得所述目标影像的特征序列的实现方法包括：
S211b，根据所述目标影像中参考对象的特征值获得所述目标影像对应的特征向量。其中，所述目标影像中的所有CT影像均对应一个特征向量；某CT影像对应的特征向量由该CT影像对应的参考对象的特征值组成；所述目标影像对应的参考向量包括所述目标影像中所有CT影像对应的特征向量。例如，对于所述目标影像中的第l张CT影像，其对应的特征向量fl＝[fl,1,fl,2...fl,m]，其中，m为任一张CT影像对应的参考对象的特征值数量，其取值为正整数；fl,k为该第l张CT影像对应的第k个特征值的数值；k为正整数且k≤m；l为正整数且l≤n；
S212b，根据所述目标影像对应的特征向量获得所述目标影像的特征序列。所述目标影像的特征序列由所述目标影像中所有CT影像对应的特征向量组成，优选地，所述目标影像的特征序列
Figure BDA0002536896770000091
的计算公式为：
Figure BDA0002536896770000092
其中，n为所述目标影像包含的CT影像数量，其取值为正整数。
所述参考影像的特征序列
Figure BDA0002536896770000093
的计算方法与所述目标影像的特征序列
Figure BDA0002536896770000094
的计算方法相似，此处不再赘述。
请参阅图6，于本发明的一实施例中，根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离的实现方法包括：
S231，获取所述平移距离的取值范围；所述取值范围包括至少两个整数值；所述整数值可以为正整数、负整数或零；所述取值范围例如为[-3,3]或[-4,4]。
S232，根据所述目标影像的特征序列和所述参考影像的特征序列，依次计算所述取值范围内的各整数值对应的序列方差，即：遍历所述取值范围内的所有整数值，并对每一整数值计算各自对应的序列方差；
S233，根据所述序列方差选取相应的整数值作为所述平移距离。优选地，选取对应的序列方差最小的整数值作为所述平移距离。
本实施例中，通过计算所有整数值对应的序列方差并选取序列方差最小的整数值作为所述平移距离，能够保证平移后的目标影像与所述参考影像之间的差值最小，从而实现所述参考影像和所述目标影像良好的对齐效果。
于本发明的一实施例中，根据所述目标影像的特征序列
Figure BDA0002536896770000101
和所述参考影像的特征序列
Figure BDA0002536896770000102
计算与所述取值范围内任一整数值x对应的序列方差
Figure BDA0002536896770000103
的公式为：
Figure BDA0002536896770000104
其中，n为所述目标影像包含的CT影像数量，m为所述目标影像中各CT影像对应的参考对象的特征值数量。
差值
Figure BDA0002536896770000105
表示所述目标影像中第i张图像平移x矢量距离后，其第j个特征值与所述参考影像中对应图像的对应特征值的差值，且
Figure BDA0002536896770000106
其中，
Figure BDA0002536896770000107
表示
Figure BDA0002536896770000108
中第i行第j列的特征值，
Figure BDA0002536896770000109
表示
Figure BDA00025368967700001010
中第i行第j列的特征值。当所述目标影像的特征序列
Figure BDA00025368967700001011
正向平移时，即x≥0时，其第i张图像的对应图像为所述参考影像中的第i+x张图像；当所述目标影像的特征序列
Figure BDA00025368967700001012
负向平移时，即x<0时，其第i张图像的对应图像为所述参考影像中的第i-x张图像。
对于所述差值
Figure BDA00025368967700001013
其在整个特征序列中的期望值
Figure BDA00025368967700001014
表示所述目标影像整体平移x矢量距离后，其第j个特征值与所述参考影像中对应图象的对应特征值的期望。所述期望值
Figure BDA00025368967700001015
的计算公式为
Figure BDA00025368967700001016
上述
Figure BDA00025368967700001017
的计算公式中选择对m个特征序列差值的方差做整体求和处理，使得在计算过程中能够参考多个特征，从而使得平移后的整体效果最优，以防单个特征的提取不准确造成的误差。
于本发明的一实施例中，所述参考对象为脊柱。对于腹部CT影像来说，脊柱的位置和形状相对比较固定，因此选取脊柱作为所述参考对象能够提升所述医学影像的对齐效果。
于本发明的一实施例中，所述目标影像包括：平扫期CT影像、静脉期CT影像和/或动脉期CT影像。
于本发明的一实施例中，选取脊柱作为所述参考对象。请参阅图7A，所述医学影像对齐方法包括：
S71，提取图像脊柱蒙版；
S72，根据所述脊柱蒙版提取各CT影像中脊柱的特征值；
S73，分别获得平扫期CT影像、静脉期CT影像和动脉期CT影像的特征序列；
S74，以所述平扫期CT影像为基准，分别平移所述静脉期CT影像和所述动脉期CT影像以使三期CT影像对齐。
本实施例中步骤S71采用阈值法提取脊柱蒙版。CT影像的数值单位是亨氏单位，其反映了人体器官或组织的密度值。通常情况下，人体骨骼的密度大于1000hu值。因此，采用阈值法提取脊柱蒙版时只需将1000hu以下的组织过滤掉即可获得骨骼。为了避免肋骨等非脊柱骨骼对提取结果的影响，步骤S71中进一步采用步骤S41～S44所述蒙版提取方法获取所述脊柱的蒙版。
请参阅图7B，本实施例中，步骤S72中提取各CT影像中脊柱的特征值的实现方法包括：
S721，计算各CT影像中脊柱的中心点。由于本实施例中所述脊柱蒙版的外边框为矩形，根据该外边框的对称性，可近似认为所述蒙版的中心点即为所述脊柱的中心点；
S722，计算所述脊柱的面积。具体地，可以通过统计所述脊柱蒙版所包含的像素点的数量作为所述脊柱面积。
S723，获取脊柱的几何特征。具体地，通过对提取的脊柱蒙版进行计算可以得到凸包，并依次计算所述凸包的面积、参数等作为脊柱的几何特征。
S724，根据所述脊柱的中心点、面积和几何特征组合成特征向量。
通过步骤S721～S724可以获得任一CT影像中脊柱的特征值，通过获取平扫期所有CT影像的特征值即可获得平扫期CT影像的特征值，进而可以获得所述平扫期CT影像的特征序列；通过获取静脉期所有CT影像的特征值即可获得静脉期CT影像的特征值，进而可以获得静脉期CT影像的特征序列；通过获取动脉期所有CT影像的特征值即可获得动脉期CT影像的特征值，进而可以获得动脉期CT影像的特征序列。
请参阅图7C，于本实施例中，步骤S74的实现方法包括：
S741，依次选取[-M，M]范围内的所有整数值，并根据各选取的整数值依次沿脊柱方向平移静脉期CT影像；其中，M为正整数，优选为3；
S742，基于静脉期CT影像的特征序列和动脉期CT影像的特征序列，依次计算得出各选取的整数值对应的序列方差；
S743，选取对应的序列方差最小的整数值作为平移距离，进而对所述静脉期CT影像进行平移，从而使所述静脉期CT影像与所述平扫期CT影像进行对齐。
对所述动脉期CT影像进行平移以使所述动脉期CT影像与所述平扫期CT影像进行对齐的方式与S741～S743类似，此处不再赘述。
基于以上对所述医学影像对齐方法的介绍，本发明还提供一种计算机可读存储介质，其上存储有计算机可读程序。所述计算机程序被处理器执行时实现本发明所述医学影像对齐方法。
基于以上对所述医学影像对齐方法的介绍，本发明还提供一种电子设备。请参阅图8，所述电子设备800包括：存储器810，存储有一计算机程序；处理器820，与所述存储器通信相连，调用所述计算机程序时执行本发明所述医学影像对齐方法；显示器830，与所述处理器和所述存储器通信相连，用于显示所述医学影像对齐方法的相关GUI交互界面。
本发明所述的医学影像对齐方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明所述医学影像对齐方法能够自动获取目标影像和参考影像的特征序列，并依据所述特征序列获取目标影像的平移距离进而对所述目标影像进行平移以实现所述目标影像与所述参考影像相对齐。整个过程基本无需人工参与，操作方便且效率较高。
本发明所述医学影像对齐方法能够根据参考对象的三维生长形状得到一个误差最小的平移距离，进而允许对CT影像进行对齐预处理，从而使得通过人工智能进行CT影像数据处理成为可能。
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种医学影像对齐方法，其特征在于，用于将目标影像与参考影像进行对齐，所述医学影像对齐方法包括：
获取所述目标影像中参考对象的特征值，并根据所述目标影像中所述参考对象的特征值获得所述目标影像的特征序列；
获取所述参考影像中所述参考对象的特征值，并根据所述参考影像中所述参考对象的特征值获得所述参考影像的特征序列；
根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离；
根据所述平移距离对所述目标影像进行平移。
2.根据权利要求1所述医学影像对齐方法，其特征在于，获取所述目标影像中参考对象的特征值的实现方法包括：
获取所述参考对象的CT值范围；
根据所述CT值范围获取所述参考对象的像素点，进而生成所述参考对象的蒙版；
根据所述参考对象的蒙版获取所述参考对象的特征值。
3.根据权利要求2所述医学影像对齐方法，其特征在于，所述参考对象的特征值包括：所述参考对象对应凸包的几何特征、所述参考对象的中心点和/或所述参考对象的面积。
4.根据权利要求1所述医学影像对齐方法，其特征在于，根据所述目标影像中参考对象的特征值获得所述目标影像的特征序列的实现方法包括：
根据所述目标影像中参考对象的特征值获得所述目标影像对应的特征向量；
根据所述目标影像对应的特征向量获得所述目标影像的特征序列。
5.根据权利要求1所述医学影像对齐方法，其特征在于，根据所述目标影像的特征序列和所述参考影像的特征序列获取平移距离的实现方法包括：
获取所述平移距离的取值范围；所述取值范围包括至少两个整数值；
根据所述目标影像的特征序列和所述参考影像的特征序列，依次计算所述取值范围内的各整数值对应的序列方差；
根据所述序列方差选取相应的整数值作为所述平移距离。
6.根据权利要求5所述医学影像对齐方法，其特征在于，根据所述目标影像的特征序列
Figure FDA0002536896760000021
和所述参考影像的特征序列
Figure FDA0002536896760000022
计算与整数值x对应的序列方差
Figure FDA0002536896760000023
的公式为：
Figure FDA0002536896760000024
其中，n为所述目标影像包含的CT影像数量，m为所述目标影像中各CT影像对应的参考对象的特征值数量；
Figure FDA0002536896760000025
Figure FDA0002536896760000026
表示
Figure FDA0002536896760000027
中第i行第j列的特征值，
Figure FDA0002536896760000028
表示
Figure FDA0002536896760000029
中第i行第j列的特征值。
7.根据权利要求1所述医学影像对齐方法，其特征在于：所述参考对象为脊柱。
8.根据权利要求1所述医学影像对齐方法，其特征在于，所述目标影像包括：平扫期CT影像、静脉期CT影像和/或动脉期CT影像。
9.一种计算机可读存储介质，其上存储有计算机可读程序，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8任一项所述医学影像对齐方法。
10.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有一计算机程序；
处理器，与所述存储器通信相连，调用所述计算机程序时执行权利要求1至8任一项所述医学影像对齐方法；
显示器，与所述处理器和所述存储器通信相连，用于显示所述医学影像对齐方法的相关GUI交互界面。
CN202010535461.4A 2020-06-12 2020-06-12 一种医学影像对齐方法、介质及电子设备 Active CN113808227B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010535461.4A CN113808227B (zh) 2020-06-12 2020-06-12 一种医学影像对齐方法、介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010535461.4A CN113808227B (zh) 2020-06-12 2020-06-12 一种医学影像对齐方法、介质及电子设备

Publications (2)

Publication Number Publication Date
CN113808227A true CN113808227A (zh) 2021-12-17
CN113808227B CN113808227B (zh) 2023-08-25

Family

ID=78892128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010535461.4A Active CN113808227B (zh) 2020-06-12 2020-06-12 一种医学影像对齐方法、介质及电子设备

Country Status (1)

Country Link
CN (1) CN113808227B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090232378A1 (en) * 2008-03-17 2009-09-17 Keigo Nakamura Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program
US20110144480A1 (en) * 2009-12-10 2011-06-16 Siemens Corporation Stent marker detection using a learning based classifier in medical imaging
US20150042839A1 (en) * 2013-08-12 2015-02-12 Canon Kabushiki Kaisha Distance measuring apparatus, imaging apparatus, and distance measuring method
CN107527360A (zh) * 2017-08-23 2017-12-29 维沃移动通信有限公司 一种图像对齐方法及移动终端
US20180108136A1 (en) * 2016-10-18 2018-04-19 Ortery Technologies, Inc. Method of length measurement for 2d photography
CN108898567A (zh) * 2018-09-20 2018-11-27 北京旷视科技有限公司 图像降噪方法、装置及***
CN109978965A (zh) * 2019-03-21 2019-07-05 江南大学 一种模拟ct图像生成方法、装置、计算机设备和存储介质
CN110611767A (zh) * 2019-09-25 2019-12-24 北京迈格威科技有限公司 图像处理方法、装置和电子设备
CN110909580A (zh) * 2018-09-18 2020-03-24 北京市商汤科技开发有限公司 数据处理方法及装置、电子设备及存储介质
US20200113649A1 (en) * 2018-10-12 2020-04-16 Laonpeople Inc. Apparatus and method for generating image of corrected teeth

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090232378A1 (en) * 2008-03-17 2009-09-17 Keigo Nakamura Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program
US20110144480A1 (en) * 2009-12-10 2011-06-16 Siemens Corporation Stent marker detection using a learning based classifier in medical imaging
US20150042839A1 (en) * 2013-08-12 2015-02-12 Canon Kabushiki Kaisha Distance measuring apparatus, imaging apparatus, and distance measuring method
US20180108136A1 (en) * 2016-10-18 2018-04-19 Ortery Technologies, Inc. Method of length measurement for 2d photography
CN107527360A (zh) * 2017-08-23 2017-12-29 维沃移动通信有限公司 一种图像对齐方法及移动终端
CN110909580A (zh) * 2018-09-18 2020-03-24 北京市商汤科技开发有限公司 数据处理方法及装置、电子设备及存储介质
CN108898567A (zh) * 2018-09-20 2018-11-27 北京旷视科技有限公司 图像降噪方法、装置及***
US20200113649A1 (en) * 2018-10-12 2020-04-16 Laonpeople Inc. Apparatus and method for generating image of corrected teeth
CN109978965A (zh) * 2019-03-21 2019-07-05 江南大学 一种模拟ct图像生成方法、装置、计算机设备和存储介质
CN110611767A (zh) * 2019-09-25 2019-12-24 北京迈格威科技有限公司 图像处理方法、装置和电子设备

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
JIAN YANG ETC.: "Convex hull matching and hierarchical decomposition for multimodality medical image registration", JOURNAL OF X-RAY SCIENCE AND TECHNOLOGY, vol. 23, no. 02 *
M.JAYARAM ETC.: "Convex Hulls in Image Processing：A Scoping Review", AMERICAN JOURNAL OF INTELLIGENT SYSTEMS, vol. 06, no. 02 *
姜雪琦等: "基于活动形状模型对超声图像左心室的分割", 计算机应用, no. 1 *
聊蕾等: "基于图像序列的VideoSAR动目标检测方法", 雷达科学与技术, no. 06 *
顾静军等: "一种类似视频场景分割的家庭数字照片分类方法研究", 计算机工程, vol. 29, no. 01 *
龙锋: "浅析基于多目标跟踪的医学影像分析", 世界最新医学信息文摘, no. 19 *

Also Published As

Publication number Publication date
CN113808227B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
US10709394B2 (en) Method and system for 3D reconstruction of X-ray CT volume and segmentation mask from a few X-ray radiographs
US11534136B2 (en) Three-dimensional segmentation from two-dimensional intracardiac echocardiography imaging
Isaac et al. Super resolution techniques for medical image processing
JP4104054B2 (ja) 画像の位置合わせ装置および画像処理装置
CN109754448B (zh) 一种ct心脏扫描伪影校正方法及其***
JP4885138B2 (ja) 一連の画像における動き修正のための方法およびシステム
CN104644202A (zh) 医用图像数据处理装置、医用图像数据处理方法以及医用图像数据处理程序
US7630548B2 (en) Image segmentation using isoperimetric trees
CN109389653A (zh) 心脏图像重建方法、装置、计算机设备和可读存储介质
US20060204064A1 (en) Automatic registration of intra-modality medical volume images using affine transformation
JP5905308B2 (ja) 画像処理装置、方法及びプログラム
CN116849691B (zh) 一种心脏ct成像全局最优相位自动识别方法、设备和存储介质
CN117934371A (zh) 一种基于条件扩散模型的胸部x光图像骨抑制方法
CN113808227A (zh) 一种医学影像对齐方法、介质及电子设备
CN116894783A (zh) 基于时变约束的对抗生成网络模型的金属伪影去除方法
CN105787922B (zh) 一种实现自动mpr批处理的方法和装置
CN110473241A (zh) 图像配准方法、存储介质及计算机设备
CN113538419B (zh) 一种图像处理方法和***
KR102505908B1 (ko) 의료 영상 융합 시스템
JP7155670B2 (ja) 医用画像処理装置、医用画像処理方法、プログラム、及びデータ作成方法
JP6253992B2 (ja) 臓器位置推定装置、臓器位置推定装置の制御方法および臓器位置推定装置の制御プログラム
CN113344920B (zh) 一种纠正医学影像摆位的方法和装置
KR102348863B1 (ko) 비지도 학습 기법을 이용한 영상데이터의 정합 방법 및 장치
JP5846368B2 (ja) 医療画像処理装置、方法、及びプログラム
JP2013505779A (ja) 運動情報を用いて医用画像の質を改善するコンピュータ可読媒体、システム、および方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Gu Jingjun

Inventor after: Zhou Gonggan

Inventor before: Ding Yuan

Inventor before: Ding Yuhui

Inventor before: Sun Zhongquan

Inventor before: Gu Jingjun

Inventor before: Zhou Gonggan

GR01 Patent grant
GR01 Patent grant