CN115300809A - 图像处理方法及装置、计算机设备和存储介质 - Google Patents
图像处理方法及装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115300809A CN115300809A CN202210891600.6A CN202210891600A CN115300809A CN 115300809 A CN115300809 A CN 115300809A CN 202210891600 A CN202210891600 A CN 202210891600A CN 115300809 A CN115300809 A CN 115300809A
- Authority
- CN
- China
- Prior art keywords
- image
- target organ
- contour
- tissue
- target
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 210000000056 organ Anatomy 0.000 claims abstract description 121
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 9
- 239000002872 contrast media Substances 0.000 claims description 5
- 238000011282 treatment Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 5
- 210000001519 tissue Anatomy 0.000 description 77
- 210000004185 liver Anatomy 0.000 description 38
- 230000002440 hepatic effect Effects 0.000 description 14
- 238000001959 radiotherapy Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 210000004204 blood vessel Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 210000003445 biliary tract Anatomy 0.000 description 5
- 201000011510 cancer Diseases 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 210000000920 organ at risk Anatomy 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 210000002767 hepatic artery Anatomy 0.000 description 2
- 210000002989 hepatic vein Anatomy 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 210000005228 liver tissue Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000003240 portal vein Anatomy 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 210000000013 bile duct Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 210000003459 common hepatic duct Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229940039231 contrast media Drugs 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000001198 duodenum Anatomy 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000002603 extrahepatic bile duct Anatomy 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 210000003228 intrahepatic bile duct Anatomy 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 210000001365 lymphatic vessel Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30056—Liver; Hepatic
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种图像处理方法、图像处理装置、计算机设备和非易失性计算机可读存储介质。图像处理方法包括获取目标器官的一张或多张CT图像;识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向;根据轮廓、位置及延伸方向对目标器官及预设组织进行三维重建,以生成三维重建图像;根据三维重建图像生成多张标注了预设组织和目标器官的目标图像。通过识别CT图像中目标器官的轮廓以及目标器官中的预设组织在CT图像中的位置及延伸方向,来重建三维重建图像,最后根据三维重建图像来生成多张标注了预设组织和目标器官的目标图像,从而在勾画目标器官及预设组织廓,有利于进行更精准地靶区定位,提高治疗效果。
Description
技术领域
本申请涉及检测技术领域,特别涉及一种图像处理方法、图像处理装置、计算机设备和非易失性计算机可读存储介质。
背景技术
放射治疗是肿瘤三大常规治疗之一,是常见的恶性肿瘤局部治疗手段。有统计表明,在整个恶性肿瘤的治疗中,外科手术可以治愈22%的恶性肿瘤,放疗则可以治愈18%的恶性肿瘤,有60~70%的恶性肿瘤患者在整个治疗过程中,需要接受放射治疗。
放射治疗流程概况:看诊→模拟定位→靶区勾画→计划设计→治疗实施。放疗靶区及正常组织轮廓勾画是整个过程中的一个重要环节,临床医师根据患者的病理、影像等资料在模拟定位CT图像上确定治疗区域并通过专用软件勾画,同时根据解剖对危及器官(Organ At Risk,OAR)进行勾画,并将计划申请(包括治疗剂量、OAR限量等)提交至物理师进行计划设计。
然而,目前的靶区勾画方案只是单纯对器官的整体进行轮廓勾画,无法对其内部解剖结构进行勾画,难以实现更为精准的靶区定位,影响了治疗效果。
发明内容
本申请提供了一种图像处理方法、图像处理装置、计算机设备和非易失性计算机可读存储介质。
本申请实施方式的图像处理方法包括获取目标器官的一张或多张CT图像;识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向;根据所述轮廓、所述位置及延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像;根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像。
本申请实施方式的图像处理装置包括获取模块、识别模块、重建模块和生成模块。所述获取模块,用于获取目标器官的一张或多张CT图像;所述识别模块,用于识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向;所述重建模块,用于根据所述轮廓、所述位置及延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像;所述生成模块,用于根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像。
本申请实施方式的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。所述处理器执行所述程序时实现上述图像处理方法,所述图像处理方法包括获取目标器官的一张或多张CT图像;识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向;根据所述轮廓、所述位置及延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像;根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像。
本申请实施方式的一种包含计算机程序的非易失性计算机可读存储介质,当所述计算机程序被一个或多个处理器执行时,使得所述处理器执行所述图像处理方法。所述图像处理方法包括获取目标器官的一张或多张CT图像;识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向;根据所述轮廓、所述位置及延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像;根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像。
本申请的图像处理方法、图像处理装置、计算机设备和非易失性计算机可读存储介质,通过首先获取一张或多张目标器官的CT图像,并识别CT图像中目标器官的轮廓以及目标器官中的预设组织在CT图像中的位置及延伸方向,来重建目标器官以及预设组织的三维重建图像,最后根据三维重建图像来生成多张标注了预设组织和目标器官的目标图像,从而不仅勾画目标器官的整体的轮廓,而且还勾画了目标器官中的预设组织的轮廓,有利于进行更精准地靶区定位,提高治疗效果。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
为了更清楚地说明本申请实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施方式,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,还可以依据这些附图获得其他的附图。
图1是本申请某些实施方式的图像处理方法的流程示意图;
图2是本申请某些实施方式的图像处理装置的模块示意图;
图3是本申请某些实施方式的计算机设备的平面示意图;
图4是现有的勾画方案勾画肝脏的场景示意图;
图5是本申请某些实施方式的图像处理方法的勾画肝脏及肝内血管的场景示意图;
图6是本申请某些实施方式的图像处理方法的流程示意图;
图7是本申请某些实施方式的图像处理方法的流程示意图;
图8是本申请某些实施方式的图像处理方法的流程示意图;及
图9是本申请某些实施方式的处理器和计算机可读存储介质的连接示意图。
具体实施方式
以下结合附图对本申请的实施方式作进一步说明。附图中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。另外,下面结合附图描述的本申请的实施方式是示例性的,仅用于解释本申请的实施方式,而不能理解为对本申请的限制。
为方便理解本申请的内容,下面先对本申请出现的名词进行解释:
断层显示图像(Computed Tomography,CT),具有解剖学信息,它是利用精确准直的X线束、γ射线、超声波等,与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描,具有扫描时间快,图像清晰等特点,可用于多种疾病的检查。
医学数字成像和通信(Digital Imaging and Communications in Medicine,DICOM),是医学图像和相关信息的国际标准(ISO 12052)。它定义了质量能满足临床需要的可用于数据交换的医学图像格式。
请参阅图1至图3,本申请实施方式的图像处理方法包括以下步骤:
011:获取目标器官的一张或多张CT图像;
012:识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向;
013:根据轮廓、位置及延伸方向对目标器官及预设组织进行三维重建,以生成三维重建图像;
014:根据三维重建图像生成多张标注了预设组织和目标器官的目标图像。
本申请实施方式的图像处理装置10包括获取模块11、识别模块12、重建模块13、和生成模块14。获取模块11用于获取目标器官的一张或多张CT图像;识别模块12用于识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向;重建模块13用于根据轮廓、位置及延伸方向对目标器官及预设组织进行三维重建,以生成三维重建图像;生成模块14用于根据三维重建图像生成多张标注了预设组织和目标器官的目标图像。也即是说,步骤011可以由获取模块11实现、步骤012可以由识别模块12执行、步骤013可以由重建模块13执行、步骤014可以由生成模块14执行。
本申请实施方式的计算机设备100包括存储器30、处理器20及存储在存储器30上并可在处理器20上运行的计算机程序30。处理器20执行程序30时实现以下步骤:获取目标器官的一张或多张CT图像;识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向;根据轮廓、位置及延伸方向对目标器官及预设组织进行三维重建,以生成三维重建图像;根据三维重建图像生成多张标注了预设组织和目标器官的目标图像。也即是说,步骤011、步骤012、步骤013和步骤014可以由处理器20执行。
具体地,计算机设备100可包括CT设备、台式电脑、笔记本电脑、服务器等。患者的目标器官的CT图像的获取可通过CT设备扫描获取,CT设备获取的CT图像发送给服务器等对CT图像的处理。目标器官可以是肝脏、心脏、肺、肾等,下面以目标器官为肝脏为例进行说明,目标器官为心脏、肺、肾等时的原理基本相同,在此不再赘述。
首先通过CT设备获取一张或多张肝脏的CT图像。可以理解,为了保证对肝脏内的所有组织均进行三维重建,由于进行切片扫描的位置的不同,一张CT图像中可能并不能包含所有组织的图像,因此,可获取多张不同切片位置下的CT图像,以保证所有组织均能够在多张CT图像中识别到。
可选地,在获取一张或多张肝脏的CT图像时,可对患者进行造影剂注射,以使得肝脏中包含造影剂,从而通过扫描带有造影剂的目标器官(即肝脏)以生成一张或多张肝脏的CT图像。
其中,造影剂(又称对比剂,contrast media)是为增强影像观察效果而注入(或服用)到人体组织或器官的化学制品。这些制品的密度高于或低于周围组织,形成的对比用某些器械显示图像。如X射线观察常用的碘制剂、硫酸钡等。
此时,处理器20识别每张CT图像中,肝脏的整体轮廓,以及肝脏的预设组织的位置以及延伸方向。其中,肝脏的预设组织可包括肝门部、肝内血管、胆道和肝分段等。
肝门部为肝脏面正中有略呈“H”形的三条沟,长约5厘米,其中横行的沟位于肝脏面正中,有肝左、右管居前,肝固有动脉左、右支居中,肝门静脉左、右支,肝的神经和***等由此出入。胆道是从肝向十二指肠运送胆汁的管道的总称。它分为肝内胆管和肝外胆管两部分。肝脏主要是分为五叶八段,五叶是尾状叶、左肝外叶、左内叶、右前叶和右后叶,主要是根据肝脏里边的门静脉和肝静脉的分布来进行解剖性的分段和分叶。分段主要从一段到八段。例如,通过识别每张CT图像中的肝内血管的位置,并根据多张CT图像(如从头部向脚部方向,依次对肝脏进行切片扫描得到的多张CT图像)的切片位置的不同,判断多张CT图像中的肝内血管的位置变化,即可分析出肝内血管的延伸方向,同样地,肝门部、胆道和肝分段也能够识别出在对应的CT图像中的位置,以及延伸方向。
然后,根据目标器官的轮廓、预设组织的位置以及延伸方向,即可对目标器官和预设组织进行三维重建,以得到包含了目标器官和预设组织的三维重建图像,如包含了肝脏以及肝门部、肝内血管、胆道和肝分段等的三维重建图像。
此时,对重建后的三维重建图像按照任意方向进行切片(如沿患者的上下方向(即从头部到脚部的方向))对三维肝脏多次切片,以得到多个断面的图像,即目标图像,且由于重建三维重建图像时,目标器官及预设组织的位置均是确定的,因此,在生成目标图像时,能够在目标图像中勾画出目标器官的轮廓,以及预设组织的轮廓,从而方便进行靶区定位。
近年来,随着人工智能技术及大数据的不断发展,放疗靶区自动勾画三维重建技术均已作为独立***应用于临床,可对器官的整体轮廓进行勾画(如图4中的区域S1为肝脏),为放疗科医师大幅降低勾画的工作时间,同时提高了放疗整体流程的工作效率及勾画一致性,不过实现肝、肺等脏器的更细化解剖结构三维重建勾画功能方面还是空白,正常肝组织或需要保护的肝组织只能依靠医生个人经验进行勾画,无统一标准,存在差异化;且肝脏器官解剖结构复杂,尤其肝门汇集了门静脉、肝总动脉、肝胆管等诸多***,在为患者制定放疗转化方案时无法与外科手术切除需求精准对接,继而增加了转化失败的概率。
请参阅图5,本申请生成的目标图像中,不仅勾画出了目标器官的轮廓(如图5中的肝脏的轮廓线S1),而且勾画了预设组织的轮廓(如图5中的肝内血管的轮廓线S2、胆道的轮廓线S3、以及肝分段A1、A2、A3和A4),从而方便进行靶区定位。
本申请的图像处理方法、图像处理装置10和计算机设备100,通过首先获取一张或多张目标器官的CT图像,并识别CT图像中目标器官的轮廓以及目标器官中的预设组织在CT图像中的位置及延伸方向,来重建目标器官以及预设组织的三维重建图像,最后根据三维重建图像来生成多张标注了预设组织和目标器官的目标图像,从而不仅勾画目标器官的整体的轮廓,而且还勾画了目标器官中的预设组织的轮廓,有利于进行更精准地靶区定位,提高治疗效果。
请参阅2、图3和图6,在某些实施方式中,步骤012包括:
0121:通过预先训练至收敛的检测模型识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向。
在某些实施方式中,识别模块12还用于通过预先训练至收敛的检测模型识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向。也即是说,步骤0121可以由识别模块12执行。
在某些实施方式中,处理器20还用于通过预先训练至收敛的检测模型识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向。也即是说,步骤0121可以由处理器20执行。
具体地,本申请可预先训练出用于识别CT图像中的目标器官以及预设组织的检测模型。如检测模型仅用于检测肝脏的话,则可仅获取多张已标注了肝脏及肝脏内的组织的肝脏的CT图像,以作为训练集,并根据训练集训练检测模型,从而得到训练至收敛的检测模型。或者,检测模型可检测人体的不同器官的话,则可获取已标注了目标器官及目标器官对应的预设组织的肝脏的CT图像,以作为训练集,并根据训练集训练检测模型,从而得到训练至收敛的检测模型。
其中,检测模型可以是卷积神经网络模型(Convolutional Neural Network,CNN)、全连接神经网络(Fully Convolutional Networks,FCN)、循环神经网络(RecurrentNeural Network,RNN)、长短期记忆网络(Long Short-Term Memory,LSTM)等,在此不作限制。
检测模型能够输出多张CT图像中的目标器官的轮廓以及预设组织的位置,然后根据预设组织的位置和多张CT图像(如多张CT图像为从头部向脚部方向依次进行切片扫描得到)的切片的位置,即可计算得到预设组织的延伸方向。
请参阅图2、图3和图7,在某些实施方式中,位置包括预设组织的轮廓与预设组织和目标器官的相对位置,步骤013包括:
0131:根据目标器官的轮廓对目标器官进行三维重建,以生成第一三维图像;
0132:根据预设组织的轮廓和延伸方向对预设组织进行三维重建,以生成第二三维图像;
0133:根据第一三维图像、第二三维图像和相对位置,生成三维重建图像。
在某些实施方式中,重建模块13还用于根据目标器官的轮廓对目标器官进行三维重建,以生成第一三维图像;根据预设组织的轮廓和延伸方向对预设组织进行三维重建,以生成第二三维图像;根据第一三维图像、第二三维图像和相对位置,生成三维重建图像。也即是说,步骤0131至步骤0133可以由重建模块13执行。
在某些实施方式中,处理器20还用于根据目标器官的轮廓对目标器官进行三维重建,以生成第一三维图像;根据预设组织的轮廓和延伸方向对预设组织进行三维重建,以生成第二三维图像;根据第一三维图像、第二三维图像和相对位置,生成三维重建图像。也即是说,步骤0131至步骤0133可以由处理器20执行。
具体地,在确定了每张CT图像中目标器官的轮廓、预设组织的位置以及延伸方向后,即可进行三维重建。例如,根据多张CT图像(如沿头部到脚部依次进行切片扫描得到的多张CT图像)中目标器官的轮廓,即可对目标器官的整体轮廓进行三维重建,得到第一三维图像,如肝脏的整体三维图像。
预设组织的位置包括了预设组织的轮廓(如在CT图像中勾画出预设组织的轮廓)以及预设组织相对于目标器官的相对位置,根据多张CT图像的预设组织的轮廓即可进行三维重建以得到预设组织的第二三维图像,如肝内一条或多条血管的三维图像。
最后根据预设组织在目标器官的相对位置,将预设组织的第二三维图像和目标器官的第一三维图像进行融合,即可生成包含了肝脏以及肝脏内的各种组织的三维重建图像。
请参阅图2、图3和图8,在某些实施方式中,三维重建图像中的预设组织的轮廓和目标器官的轮廓分别使用不同的轮廓线勾画,步骤014包括:
0141:按预设方向对三维重建图像进行切片,以生成多张勾画了目标器官的轮廓和预设组织的轮廓的目标图像,目标图像为DICOM格式。
在某些实施方式中,生成模块14还用于按预设方向对三维重建图像进行切片,以生成多张勾画了目标器官的轮廓和预设组织的轮廓的目标图像。也即是说,步骤0141可以由生成模块14执行。
在某些实施方式中,处理器20还用于按预设方向对三维重建图像进行切片,以生成多张勾画了目标器官的轮廓和预设组织的轮廓的目标图像。也即是说,步骤0141可以由处理器20执行。
具体地,在生成的三维重建图像中,可以使用不同的轮廓线(如不同颜色的轮廓线、不同粗细的轮廓线或不同线型的轮廓线)来勾画不同的预设组织及目标器官的轮廓,从而方便对三维重建图像进行切片以生成一个或多个目标图像。
例如根据生成的三维重建图像的预设方向进行切片,如将肝脏摆正(此时肝脏的方向与肝脏位于患者体内且患者站立时的方向一致)后,从头部到脚部的方向,平行水平面依次进行切片,从而得到一张或多张目标图像,由于三维重建图像中已经对预设组织及目标器官进行了轮廓勾画,因此,切片得到的目标图像中,目标器官和预设组织也均具有对应的轮廓线,从而得到勾画了预设组织和目标器官的目标图像。
且本实施方式中切片得到的目标图像为DICOM格式,符合医学图像和相关信息的国际标准,从而使得目标图像能够直接输送给放疗***进行精准靶区定位,从而提高了放疗的效果。
请参阅图9,本申请实施方式的一个或多个包含计算机程序310的非易失性计算机可读存储介质300,当计算机程序310被一个或多个处理器20执行时,使得处理器20可执行上述任一实施方式的图像处理方法。
例如,请结合图1,当计算机程序310被一个或多个处理器20执行时,使得处理器20执行以下步骤:
011:获取目标器官的一张或多张CT图像;
012:识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向;
013:根据轮廓、位置及延伸方向对目标器官及预设组织进行三维重建,以生成三维重建图像;
014:根据三维重建图像生成多张标注了预设组织和目标器官的目标图像。
再例如,请结合图6,当计算机程序310被一个或多个处理器20执行时,处理器20还可以执行以下步骤:
0121:通过预先训练至收敛的检测模型识别目标器官的轮廓及预设组织在CT图像中的位置及延伸方向。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施方式或示例以及不同实施方式或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括依据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施方式所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
获取目标器官的一张或多张CT图像;
识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向;
根据所述轮廓、所述位置及所述延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像;
根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向,包括:
通过预先训练至收敛的检测模型识别所述目标器官的轮廓及所述预设组织在所述CT图像中的位置及延伸方向。
3.根据权利要求1或2所述的图像处理方法,其特征在于,所述位置包括所述预设组织的轮廓与所述预设组织和所述目标器官的相对位置,所述根据所述轮廓、所述位置及所述延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像,包括:
根据所述目标器官的轮廓对所述目标器官进行三维重建,以生成第一三维图像;
根据所述预设组织的轮廓和所述延伸方向对所述预设组织进行三维重建,以生成第二三维图像;
根据所述第一三维图像、所述第二三维图像和所述相对位置,生成所述三维重建图像。
4.根据权利要求1所述的图像处理方法,其特征在于,所述获取目标器官的一张或多张CT图像,包括:
扫描带有造影剂的所述目标器官以生成一张或多张所述CT图像。
5.根据权利要求1所述的图像处理方法,其特征在于,所述三维重建图像中的所述预设组织的轮廓和所述目标器官的轮廓分别使用不同的轮廓线勾画,所述根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像,包括:
按预设方向对所述三维重建图像进行切片,以生成多张勾画了所述目标器官的轮廓和所述预设组织的轮廓的所述目标图像,所述目标图像为DICOM格式。
6.一种图像处理装置,其特征在于,包括:
获取模块,用于获取目标器官的一张或多张CT图像;
识别模块,用于识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向;
重建模块,用于根据所述轮廓、所述位置及延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像;
生成模块,用于根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像。
7.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器用于获取目标器官的一张或多张CT图像;识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向;根据所述轮廓、所述位置及所述延伸方向对所述目标器官及所述预设组织进行三维重建,以生成三维重建图像;根据所述三维重建图像生成多张标注了所述预设组织和所述目标器官的目标图像。
8.根据权利要求7所述的计算机设备,其特征在于,所述处理器还用于获取预先训练至收敛的检测模型;及通过所述检测模型识别所述目标器官的轮廓及预设组织在所述CT图像中的位置及延伸方向。
9.根据权利要求7所述的计算机设备,其特征在于,所述位置包括所述预设组织的轮廓与所述预设组织和所述目标器官的相对位置,所述处理器还用于根据所述目标器官的轮廓对所述目标器官进行三维重建,以生成第一三维图像;根据所述预设组织的轮廓和所述延伸方向对所述预设组织进行三维重建,以生成第二三维图像;根据所述第一三维图像、所述第二三维图像和所述相对位置,生成所述三维重建图像。
10.一种包含计算机程序的非易失性计算机可读存储介质,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1-5任意一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210891600.6A CN115300809B (zh) | 2022-07-27 | 2022-07-27 | 图像处理方法及装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210891600.6A CN115300809B (zh) | 2022-07-27 | 2022-07-27 | 图像处理方法及装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115300809A true CN115300809A (zh) | 2022-11-08 |
CN115300809B CN115300809B (zh) | 2023-10-24 |
Family
ID=83858699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210891600.6A Active CN115300809B (zh) | 2022-07-27 | 2022-07-27 | 图像处理方法及装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115300809B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953418A (zh) * | 2023-02-01 | 2023-04-11 | 公安部第一研究所 | 安检ct三维图像中笔记本区域剥离方法、存储介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102525662A (zh) * | 2012-02-28 | 2012-07-04 | 中国科学院深圳先进技术研究院 | 组织器官三维可视化手术导航方法和*** |
US20140333617A1 (en) * | 2013-05-08 | 2014-11-13 | Fujifilm Corporation | Pattern and surgery support set, apparatus, method and program |
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 |
CN111640100A (zh) * | 2020-05-29 | 2020-09-08 | 京东方科技集团股份有限公司 | 肿瘤图像的处理方法和装置、电子设备、存储介质 |
CN112862955A (zh) * | 2021-02-03 | 2021-05-28 | 北京百度网讯科技有限公司 | 建立三维模型的方法、装置、设备、存储介质和程序产品 |
CN113870339A (zh) * | 2020-06-30 | 2021-12-31 | 上海微创电生理医疗科技股份有限公司 | 图像处理方法、装置、计算机设备、存储介质及标测*** |
-
2022
- 2022-07-27 CN CN202210891600.6A patent/CN115300809B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102525662A (zh) * | 2012-02-28 | 2012-07-04 | 中国科学院深圳先进技术研究院 | 组织器官三维可视化手术导航方法和*** |
US20140333617A1 (en) * | 2013-05-08 | 2014-11-13 | Fujifilm Corporation | Pattern and surgery support set, apparatus, method and program |
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 |
CN111640100A (zh) * | 2020-05-29 | 2020-09-08 | 京东方科技集团股份有限公司 | 肿瘤图像的处理方法和装置、电子设备、存储介质 |
CN113870339A (zh) * | 2020-06-30 | 2021-12-31 | 上海微创电生理医疗科技股份有限公司 | 图像处理方法、装置、计算机设备、存储介质及标测*** |
CN112862955A (zh) * | 2021-02-03 | 2021-05-28 | 北京百度网讯科技有限公司 | 建立三维模型的方法、装置、设备、存储介质和程序产品 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953418A (zh) * | 2023-02-01 | 2023-04-11 | 公安部第一研究所 | 安检ct三维图像中笔记本区域剥离方法、存储介质及设备 |
CN115953418B (zh) * | 2023-02-01 | 2023-11-07 | 公安部第一研究所 | 安检ct三维图像中笔记本区域剥离方法、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115300809B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200184639A1 (en) | Method and apparatus for reconstructing medical images | |
JP4316876B2 (ja) | 三次元立案標的容積 | |
CN102215770B (zh) | 用于执行活检的方法和*** | |
CN111067622B (zh) | 一种面向肺部经皮穿刺的呼吸运动补偿方法 | |
US8285021B2 (en) | Three-dimensional (3D) reconstruction of the left atrium and pulmonary veins | |
CN107545584A (zh) | 医学图像中定位感兴趣区域的方法、装置及其*** | |
JP2009536857A (ja) | 画像誘導放射線医療のための画像の変形可能な登録 | |
JP2004160221A (ja) | 医療的侵襲処置計画の方法及び装置 | |
US11420075B2 (en) | System and method for reconstructing image volumes from sparse two-dimensional projection data | |
US8655040B2 (en) | Integrated image registration and motion estimation for medical imaging applications | |
CN110264559B (zh) | 一种骨断层图像重建方法及*** | |
JP2023512139A (ja) | 放射線パラメータを判定するためのシステムおよび方法 | |
CN112154483A (zh) | 一种利用光学体表运动信号合成实时图像的方法及*** | |
KR101785293B1 (ko) | 3d cta 영상 정보를 활용한 2d xa 영상에서의 자동 혈관 구조 해석 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
CN110123453A (zh) | 一种基于无标记增强现实的手术导航*** | |
CN103021022B (zh) | 基于参数形变模型能量优化的血管重建方法 | |
CN115666717A (zh) | 用于导出和利用虚拟体积结构来预测在实施治疗的放射时的潜在碰撞的方法和装置 | |
CN115300809B (zh) | 图像处理方法及装置、计算机设备和存储介质 | |
WO2023160720A1 (en) | Methods, systems, and storage mediums for image generation | |
CN114469153B (zh) | 一种基于ct影像的血管造影装置、设备及计算机可读介质 | |
CN111583354B (zh) | 医学图像处理单元的训练方法和医学图像运动估计方法 | |
KR20230165022A (ko) | 사이클 gan 기반 영상 화질 개선 학습 시스템 및 방법 | |
JP2023149127A (ja) | 画像処理装置、方法およびプログラム | |
CN112790778A (zh) | 采集错误对齐 | |
US11816768B1 (en) | System and method for medical imaging |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |