CN115705638A - 医学图像优化方法、***、电子设备及存储介质 - Google Patents
医学图像优化方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115705638A CN115705638A CN202110919636.6A CN202110919636A CN115705638A CN 115705638 A CN115705638 A CN 115705638A CN 202110919636 A CN202110919636 A CN 202110919636A CN 115705638 A CN115705638 A CN 115705638A
- Authority
- CN
- China
- Prior art keywords
- medical image
- preset
- optimized
- smoothing
- isosurface
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种医学图像优化方法、***、电子设备及存储介质,其中,医学图像优化方法包括以下步骤:对待优化医学图像进行等值面轮廓提取,得到第一医学图像;根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。由此,本发明提供的医学图像优化方法、***、电子设备及存储介质,实现了端到端的处理流程,能够使得目标器官组织的结果显示更精确,可以更好的辅助医生提高诊断准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种医学图像优化方法、***、电子设备及存储介质。
背景技术
随着医学影像技术的发展,医学影像已成为医生判断病灶的重要手段。利用医学二维断层图像重建出器官组织的三维图像并显示,极大提高了医生对病情的诊断率。比如,医生可以通过血管成像技术来辅助诊断各种血管疾病。
现有技术中,血管成像技术包括计算机断层血管造影(CTA)、核磁共振血管造影(MRA)等。然而,血管成像得到的是三维影像,不仅有血管组织同时还包含血管周围的其他组织(如骨骼,脂肪,肌肉,肺组织等),这会对医生的精准诊断带来极大的不利影响。为此,通过血管分割技术,从三维影像中提取整个血管区域,并以三维显示技术展示血管的形态,会提高医生诊断的准确率。
虽然目前已经有很多血管分割的技术,但血管分割后的显示问题仍然是一个非常具有挑战性的任务。目前血管显示优化主要以图像和图形为主,,图像后处理优化算法主要是采用形态学方法对血管结果进行后处理,而形态学的方法不仅耗时、效率低下,而且设置合适的形态学参数来得到满意的优化血管结果也是一个不小的挑战。
因此,针对现有技术中存在的上述缺陷,如何提供一种医学图像的优化显示方法,以使得目标医学图像(比如血管)结果显示更平滑精确,日益成为本领域技术人员亟待解决的技术问题之一。
需要说明的是,公开于该发明背景技术部分的信息仅仅旨在加深对本发明一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的目的在于,针对现有技术中存在的上述缺陷,提供一种医学图像优化方法、***、电子设备及存储介质,不仅能够使得医学图像的结果显示更平滑精确,从而更好的辅助医生提高诊断准确性;而且实现了端到端的处理流程。
为实现上述目的,本发明通过以下技术方案予以实现:一种医学图像优化方法,包括:
对待优化医学图像进行等值面轮廓提取,得到第一医学图像;
根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。
可选地,所述对待优化医学图像进行等值面轮廓提取,得到第一医学图像,包括:
根据所述待优化医学图像的体数据,提取每一个第一单元体的信息;
根据预设等值面与每一个所述第一单元***置关系,分离出与所述预设等值面相交的第二单元体;
获取所述预设等值面在每一个所述第二单元体内的逼近表示的等值面;
连接所有的所述等值面,得到所述第一医学图像。
可选地,所述根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,包括:
根据第一预设平滑控制信息,采用基于各向异性的拉普拉斯算子,对所述第一医学图像进行第一平滑处理,得到第一平滑处理后的医学图像;
根据第二预设平滑控制信息,利用基于sigmod逻辑回归的taubin窗函数,对所述第一平滑后的医学图像进行第二平滑处理,得到第二平滑处理后的医学图像;
将所述第二平滑处理后的医学图像作为所述第二医学图像。
可选地,所述第一预设平滑控制信息包括第一预设迭代次数和预设松弛因子;
在得到第一平滑后的医学图像之前,还包括:
根据所述预设平滑控制目标,获取所述第一预设迭代次数和所述预设松弛因子;
相应地,所述根据第一预设平滑控制信息,采用基于各向异性的拉普拉斯算子,对所述第一医学图像进行第一平滑处理,包括:
采用各向异性的拉斯算子,对第一等值面的边缘信息进行增强突出处理;其中,所述第一等值面为所述第一医学图像的等值面;
根据所述第一预设迭代次数和所述预设松弛因子,迭代使用所述各向异性的拉普拉斯算子,对第二等值面的轮廓进行平滑处理;其中,所述第二等值面为经过所述增强突出处理后的所述第一等值面。
可选地,所述第二预设平滑控制信息包括第二预设迭代次数和预设滤波通带值;
在得到第二平滑后的医学图像之前,还包括:
根据所述预设平滑控制目标,获取所述第二预设迭代次数和所述预设滤波通带值;
所述根据第二预设平滑控制信息,利用基于sigmod逻辑回归的taubin窗函数,对所述第一平滑后的医学图像进行第二平滑处理,包括:
采用sigmod逻辑回归函数对第三等值面进行变换处理;其中,所述第三等值面为所述第一平滑处理后的医学图像的等值面;
根据所述第二预设迭代次数迭代和所述预设滤波通带值,迭代使用所述taubin窗函数,对第四等值面的轮廓进行平滑处理;其中,所述第四等值面为经过变换处理后的所述第三等值面。
可选地,在将所述第二医学图像作为优化后的医学图像前,还包括:
对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像;
相应地,所述将所述第二医学图像作为优化后的医学图像,包括:将所述第三医学图像作为优化后的医学图像。
可选地,所述第二医学图像的等值面包括若干个三角面片;
所述对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像,包括:
对每一个所述三角面片区域进行平面法向量计算,得到其对应的法向量角度;
根据所述法向量角度和预设合并规则,合并所述三角面片,得到所述第三医学图像。
可选地,所述根据所述法向量角度和预设合并规则,合并所述三角面片,得到所述第三医学图像,包括:
判断待合并三角面片的所述法向量角度之间的差值是否在预设夹角阈值范围,若是,则采用下述方式合并所述待合并三角面片:
保留所述待合并三角面片的外界顶点,并去除所述待合并三角面片的内部点连接,得到所述第三医学图像。
可选地,所述待优化医学图像包括CTA体数据血管分割后的蒙版图像;
在所述对待优化医学图像进行等值面轮廓提取,得到第一医学图像之前,还包括,通过以下方式对所述待优化医学图像进行预处理:
根据预设图像预处理目标,对所述蒙版图像进行预处理,得到所述待优化医学图像。
为了实现上述目的,本发明还提供了一种医学图像获取***,所述医学图像获取***包括:
医学图像获取装置,被配置为获取待优化医学图像;
医学图像优化装置,被配置为对所述待优化医学图像进行优化;
所述医学图像优化装置包括:等值面获取单元和平滑处理单元;其中:
所述等值面获取单元,被配置为对待优化医学图像进行等值面轮廓提取,得到第一医学图像;
所述平滑处理单元,被配置为根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。
可选地,所述医学图像优化装置还包括等值面轮廓压缩单元,所述等值面轮廓压缩单元,被配置为对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像;
相应地,所述将所述第二医学图像作为优化后的医学图像,包括:将所述第三医学图像作为优化后的医学图像。
为了实现上述目的,本发明还提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现上述任一项所述的医学图像优化方法。
为了实现上述目的,本发明还提供了一种计算机可读存储介质,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述任一项所述的医学图像优化方法。
与现有技术相比,本发明提供医学图像优化方法、***、电子设备及存储介质,具有以下有益效果:
所述医学图像优化方法包括以下步骤:对待优化医学图像进行等值面轮廓提取,得到第一医学图像;根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。由此,本发明提供的医学图像优化方法、***、电子设备及存储介质,实现了端到端的图像分割处理流程,能够使得目标器官组织的结果显示更精确,可以更好的辅助医生提高诊断准确性。尤其是对于血管分割后的血管图像,能够使得血管结果显示更平滑。
进一步地,本发明提供的医学图像优化方法,通过迭代拉普拉斯算子使得医学图像中陡变的凸凹坑过渡更加平滑;通过迭代基于sigmod逻辑回归的taubin窗函数,使得等值面轮廓更加稳定地平滑,由此,本发明提供的医学图像优化方法不仅易于实施,而且能够使得医学图像的器官组织的结果显示更平滑精确。
更进一步地,本发明提供的医学图像优化方法通用性强,不仅可以适用主动脉血管,还可以适用于冠脉血管和神经血管的优化,实现了端到端的算法流程,可以更好的辅助医生提高诊断准确性。
又进一步地,本发明提供的医学图像优化方法,还包括对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像,并将所述第三医学图像作为优化后的医学图像。如此配置,在提高医学图像中器官组织的结果显示更平滑精确的同时,还能够节约图像数据的存储空间,以及提高后续图像显示的效率,从而节省***资源,降低***成本。
由于本发明提供的医学图像获取***、电子设备及存储介质与本发明提供的医学图像优化方法属于同一发明构思,因此,至少具有相同的有益效果,在此,不再一一赘述。
附图说明
图1为本发明一实施方式中的医学图像优化方法流程示意图;
图2为本发明一实施例预设等值面在一个所述第二单元内的逼近表示的等值面示意图;
图3为本发明一实施方式中的第一医学图像及局部区域放大的显示结果示意图;
图4为对图3所示的医学图像进行第一平滑处理后的医学图像整体及局部放大的显示结果示意图;
图5为对图4所示的医学图像进行第二平滑处理后的医学图像及局部放大的显示结果示意图;
图6为对图5所示的医学图像进行等值面轮廓压缩后的医学图像及局部放大的显示结果示意图;
图7为本发明一实施方式三角面片合并原理示意图;
图8为本发明一实施方式提供的一种医学图像获取***的结构框图;
图9为本发明一实施方式中的电子设备的方框结构示意图;
其中,附图标记说明如下:
100-医学图像获取装置、200-医学图像优化装置、210-等值面获取单元、220-平滑处理单元、230-等值面轮廓压缩单元;
301-处理器、302-通信接口、303-存储器、304-通信总线。
具体实施方式
为使本发明的目的、优点和特征更加清楚,以下结合附图对本发明提出的医学图像优化方法、***、电子设备及存储介质进一步详细说明。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。应当了解,说明书附图并不一定按比例地显示本发明的具体结构,并且在说明书附图中用于说明本发明某些原理的图示性特征也会采取略微简化的画法。本文所公开的本发明的具体设计特征包括例如具体尺寸、方向、位置和外形将部分地由具体所要应用和使用的环境来确定。以及,在以下说明的实施方式中,有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分,而省略其重复说明。在本说明书中,使用相似的标号和字母表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
在适当情况下,如此使用的这些术语可替换。类似的,如果本文所述的方法包括一系列步骤,且本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序,且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法。
本发明的核心思想在于,提供一种医学图像优化方法、***、电子设备及存储介质,以实现端到端的处理流程,使得医学图像的器官组织的结果显示更平滑精确,从而更好的辅助医生提高诊断准确性。
需要说明的是,本发明实施方式的电子设备可以是个人计算机、移动终端等,该移动终端可以是手机、平板电脑等具有各种操作***的硬件设备。特别地,虽然本文主要是以主动脉血管的图像优化为例进行说明,更具体地,以CTA(计算机断层血管造影)主动脉二值蒙版图像(即二值图像为例,在该血管蒙版图像中,血管区域的像素值为1,非血管区域的像素值为0)为例,但是如本领域技术人员所能理解的,本发明还可以用于其它血管,例如冠脉血管、神经血管、桡动脉血管等血管的血管显示优化;当然,也适用于其他器官组织的医学图像,比如心脏、肺部等不再一一赘述。
为实现上述思想,本发明提供一种医学图像优化方法,为了便于理解和描述,先对本发明提供的医学图像优化方法的总体流程进行说明,然后,在对每个步骤展开说明。
具体地,请参考图1,其示意性地给出了本发明一实施方式提供的医学图形优化方法的流程示意图,包括:
S1:对待优化医学图像进行等值面轮廓提取,得到第一医学图像;
S2:根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。
其中,所述待优化医学图像可以是CTA(计算机断层血管造影)体数据血管分割后的蒙版图像,也可以是MRA(核磁共振血管造影)体数据血管分割后的蒙版图像,还可以是其它的医学图像。所述待优化医学图像可以通过图像获取装置进行采集,例如CT、MRI等影像设备,也可以通过互联网搜集得到,还可以通过扫描设备扫描得到。如前所述,为了便于理解,图3~图6中,本发明的实施方式以血管分割后的主动脉血管为例进行说明,这并非本发明的限制。
如此配置,本发明提供的医学图像的优化方法,实现了端到端的处理流程,能够使得目标器官组织的结果显示更精确,可以更好的辅助医生提高诊断准确性。尤其是对于血管分割后的蒙版图像,能够使得血管结果显示更平滑。
优选地,在其中一种实施方式中,在步骤S1之前,还包括,通过以下方式对所述待优化医学图像进行预处理:
步骤S0:根据预设图像预处理目标,对所述蒙版图像进行预处理,得到所述待优化医学图像。
本领域的技术人员可以理解地,所述预处理包括对所述待优化医学图像的大小可以根据预设图像预处理目标进行归一化,比如将所述待优化医学图像的大小归一为512×512×130像素。显然地,所述待优化医学图像的大小应根据具体情况进行设置,本发明对此并不进行限制。进一步地,所述预处理还包括对所述体数据的存储进行归一化。其中,体数据由体素组成,体素是基本体积元素,也可以理解为三维空间内的具有排列和颜色的点或一小块区域,通常体素(六面体,通常为立方体)属于固定网格(网格单元)。因此,在某些实施方式中,体数据也可以作为表格储存,在这种情况下,可以被认为是多维数组,体数据可以被当作为本地储存的格式化文件,比如*.csv格式;在其他的实施方式中,数据集被分成若干片,并且每个片被存储为位图图像。具体地,可根据实际需求,应根据预设图像预处理目标,对所述蒙版图像进行预处理,而不局限于上述示例性的实施方式中提到的预处理内容,本发明对此不作任何限制。
如此配置,本发明提供的医学图像的优化方法,通过对待优化医学图像的预处理,使得所述待处理医学图像归一化,从而能够显著降低步骤S1和步骤S2的复杂度,从而节约算力资源,提高医学图像优化处理的效率。
较佳地,在其中一种优选实施方式中,步骤S1中,所述对待优化医学图像进行等值面轮廓提取,得到第一医学图像,包括:
S11:根据所述待优化医学图像的体数据,提取每一个第一单元体的信息;
S12:根据预设等值面与每一个所述第一单元体的位置关系,分离出与所述预设等值面相交的第二单元体;
S13:获取所述预设等值面在每一个所述第二单元体内的逼近表示的等值面。
具体地,在其中一种优选实施方式中,所述第一单元体/所述第二单元体包括立方体,所述第一单元体/所述第二单元体的信息包括所述立方体的八个顶点的位置信息(比如坐标信息)。在其中一种优选实施方式中,所述获取所述等值面的方法,包括:
S131:根据所述第二单元体的所述顶点的位置信息与所述预设等值面的位置关系,采用插值计算,得到所述预设等值面与第二单元体边的交点。其中,所述插值算法可以采用线性插值算法、最近插值法等;为了提升等值面的质量,也可采用其他更高精度的插值算法,本发明对此不作任何限制。
S132:根据所述第二单元体的每一个所述顶点与所述预设等值面的相对位置,将所述预设等值面与所述第二单元体边的交点按预设拓扑连接关系连接,得到所述预设等值面在该所述第二单元体内的逼近表示的等值面。
请参见图2,图2为本发明一实施例预设等值面在一个所述第二单元内的逼近表示的等值面示意图,假如一个立方体的8个顶点1-8中,其中顶点3的值要比所述预设等值面上的点的值小,而其他7个顶点1-2、以及顶点4-8比所述预设等值面上的点的值大,则所述预设等值面一定经过该立方体,其中,a1、a2和a3为所述预设等值面与第二单元体边的交点,该立方体内的等值面可以采用如图2所示的三角面片(阴影区域所示)近似。依次类推,处理完所有的第二单元体之后,则得到若干个彼此统一、相互关联和连续的三角面片,这些若干个三角面形成所述第一医学图像。
本发明提供的医学图像的优化方法,通过等值面提取算法(包括但不限于Marching Cubes算法)对等值面进行提取,如此配置,不仅能够降低提取过程的复杂度,而且更有利于医学图像的显示。
S14:连接所有的所述等值面,得到所述第一医学图像。请参见图3,图3为本发明一实施方式中的第一医学图像及局部区域放大的显示结果示意图,具体地,图3中所示为主动脉血管的CTA(计算机断层血管造影)体数据进行血管分割后的蒙版图像经过等值面提取之后的结果,从局部放大图可以看出:该阶段的医学图像(等值面轮廓)存在边界突出的毛刺状噪声以及在主动脉血管区域存在明显的凸凹区域。
本领域的技术人员可以理解地,等值面是空间中的一张曲面,在该曲面上函数F(x,y,z)的值等于某一给定值。准确地讲,是指在某一网格空间中,假若每一结点保存着三变量函数F(x,y,z),而且网格单元在x,y,z方向上的连续采样值为F(x,y,z),则对于某一给定值Fi,等值面是由所有满足S={(x,y,z)|F(x,y,z)=Fi}的点组成的一张曲面。所述预设等值面的信息包括根据所述待处理医学图像的优化目标,确定的所述等值面的函数F(x,y,z)的值。如前所述,若以CTA(计算机断层血管造影)主动脉二值蒙版图像为待优化图像,则所述等值面的函数F(x,y,z)的值取1。
本发明提供的医学图像的优化方法,根据Marching Cubes算法的基本思想:逐个处理体数据中的立方体(体素),分离出与所述预设等值面相交的立方体,采用插值计算出等值面与立方体边的交点。根据立方体每一顶点与预设等值面的相对位置,将预设等值面与立方体边的交点a1、a2、a3(以图2为例)按一定方式连接生成等值面,作为预设等值面在该立方体内的一个逼近表示。如此配置,本发明提供的医学图像的优化方法,通过对待处理医学图像的等值面轮廓提取,为步骤S2中对待处理医学图像的平滑处理奠定了基础。
本领域技术人员可以理解地,上述实施方式虽然以Marching Cubes方法为例对本发明提供的等值面提取的具体流程进行了详细说明,但在其他的实施方式中,也可以使用其他的等值面提取方法,比如移动四面体算法、或部分立方体算法等,不再一一赘述。
优选地,在其中一种示例性实施方式中,步骤S2中,所述根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,包括:步骤S21,对第一医学图像进行第一平滑处理,步骤S22,对第一平滑处理后的医学图像进行第二平滑处理,以及将所述第二平滑处理后的医学图像作为所述第二医学图像。
具体地,以下分别对步骤S21和步骤S22的内容说明如下:
S21:根据第一预设平滑控制信息,采用基于各向异性的拉普拉斯算子,对所述第一医学图像进行第一平滑处理,得到第一平滑处理后的医学图像。
优选地,在其中一种示例性实施方式中,所述第一预设平滑控制信息包括第一预设迭代次数和预设松弛因子。在得到第一平滑后的医学图像之前,还包括:根据所述预设平滑控制目标,获取所述第一预设迭代次数和所述预设松弛因子。其中,所述松弛因子用来控制对高频信息的一次迭代的最大偏移数值;所述高频信息在所述等值面的轮廓中表现为边界突出的毛刺状噪声等。具体地,所述第一预设迭代次数应根据实际工况设置,比如为了取得较佳的优化效果,冠脉血管和神经血管采用的所述第一预设迭代次数的值可能不同。以腹部主动脉血管为例,所述第一预设迭代次数的取值为20~40次,优选40次。同理,所述预设松弛因子的取值也应该根据实际工况和优化目标优选在0.1~1之间确定,优选取值为0.3。显然地,这仅是较佳实施方式的示例性描述,而非本发明本身的限制。
相应地,步骤S21包括下述步骤S211和步骤S212:
S211:采用各向异性的拉斯算子,对第一等值面的边缘信息进行增强突出处理;其中,所述第一等值面为所述第一医学图像的等值面;
S212:根据所述第一预设迭代次数和所述预设松弛因子,迭代使用所述各向异性的拉普拉斯算子,对第二等值面的轮廓进行平滑处理;其中,所述第二等值面为经过所述增强突出处理后的所述第一等值面。
参见图4,图4为对图3进行第一平滑处理后的医学图像及局部区域放大的显示结果示意图。将图4与图3对比(可参见局部放大部分),不难发现,如此配置,本发明提供的医学图像的优化方法,通过对等值面采用各向异性算子对边缘信息进行增强突出处理,然后再迭代使用拉普拉斯算子来对等值面轮廓进行平滑处理,可以对等值面轮廓的高频信息(噪声)进行抑制,减少了噪声的影响,从而使得毛刺状噪声的抑制的更完全,使得等值面的轮廓更加稳定的平滑。
S22:根据第二预设平滑控制信息,利用基于sigmod逻辑回归的taubin窗函数,对所述第一平滑后的医学图像进行第二平滑处理,得到第二平滑处理后的医学图像。
优选地,在其中一种较佳实施方式中,所述第二预设平滑控制信息包括第二预设迭代次数和预设滤波通带值。在得到第二平滑后的医学图像之前,还包括:根据所述预设平滑控制目标,获取所述第二预设迭代次数和所述预设滤波通带值。其中,所述预设滤波通带值用来对网格顶点进行一次插值处理的通带值。与所述第一预设迭代次数和预设松弛因子类似,所述第二预设迭代次数和预设滤波通带值应根据实际工况和优化目标设置。比如,以腹部主动脉血管为例,所述第二预设迭代次数的取值为5~15次,优选10次,所述预设滤波通带值的范围为0.8~1.2,优选1。
与此相适应,步骤S22包括步骤S221和步骤S222:
S221:采用sigmod逻辑回归函数对第三等值面进行变换处理;其中,所述第三等值面为所述第一平滑处理后的医学图像的等值面;
S222:根据所述第二预设迭代次数迭代和所述预设滤波通带值,迭代使用所述taubin窗函数,对第四等值面的轮廓进行平滑处理;其中,所述第四等值面为经过变换处理后的所述第三等值面。
参见图5,图5为本发明一实施方式中的第二平滑处理后的医学图像及局部区域放大的显示结果示意图,将图5与图4对比(可参见局部放大部分),不难发现,图4中的血管上有病变的凸凹坑,变化很大,不够平滑。而从图5可以看到,经过平滑后的血管结果更加细腻,更准确。
如此配置,本发明提供的医学图像的优化方法,通过采用sigmod逻辑回归函数对第三等值面进行变换处理,能够使得凹凸坑的过渡更加平滑,从而将陡变的血管凹凸区域变成平滑过渡区域;然后在迭代使用taubin窗函数(本质上是低通滤波器),对等值面轮廓进行平滑处理,可以让等值面形状具有更好的网格化结果,并且网格顶点具有更好的分布。
本领域的技术人员可以理解地,上述仅是较佳实施方式的描述,而非本发明的限制,在其他的实施方式中,也可以使用曲率平滑算法、均值滤波平滑算法和/或双向滤波平滑算法等去除毛刺,对所述第一医学图像进行平滑处理,不在一一赘述。
优选地,在其中一种较佳实施方式中,在将所述第二医学图像作为优化后的医学图像前,还包括:
步骤S3:对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像。
相应地,所述将所述第二医学图像作为优化后的医学图像,包括:将所述第三医学图像作为优化后的医学图像。
较佳地,在其中一种优选实施方式中,所述第二医学图像的等值面包括若干个三角面片。本领域地技术人员可以理解地,如前所述,Marching Cubes算法实际上是一个分而治之的方法,其将等值面的抽取分布于每一个单元体(体素)中进行。对于每个被处理的体素,以三角面片来逼近其内部的等值面。
具体地,所述对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像,包括:
S31:对每一个所述三角面片区域进行平面法向量计算,得到其对应的法向量角度;
S32:根据所述法向量角度和预设合并规则,合并所述三角面片,得到所述第三医学图像。
优选地,在其中一种示例性实施方式中,步骤S32具体包括:
S321:判断待合并三角面片的所述法向量角度之间的差值是否在预设夹角阈值范围,若是,则采用下述方式合并所述待合并三角面片:
S322:保留所述待合并三角面片的外接顶点,并去除所述待合并三角面片的内部点连接,得到所述第三医学图像。
具体地,在其中一种实施方式中,请参见图6和图7,其中,图6为对图5所示的医学图像进行等值面轮廓压缩后的医学图像及局部放大的显示结果示意图,图7为本发明一实施放肆三角面片合并原理示意图。比如在3°~8°之间任取一数值作为所述预设夹角阈值,如前所述,对于腹部主动脉血管的医学图像,所述预设夹角阈值优选为5°,对于法向量角度之间的夹角小于所述预设夹角阈值的所述三角面片进行合并。如图7所示,有三个相连的三角面片A、B和C,原来有9个顶点A1、A2、A3、B1、B2、B3、C1、C2和C3;由于他们的法向量NA、NB和NC夹角小于5度合并后顶点只剩下外接4个顶点:A1、A2(或B1任取其一)、B2(或C2任取其一)、C3和C1(或B2、或A3任取其一)。本领域的技术人员可以理解地,虽然以三个相邻的三角面片为例,但这并非本发明的限制,如前所述,待合并三角面片是否合并主要基于其所述法向量角度之间的差值是否在预设夹角阈值范围。具体地,请参见图6,通过对比图6和图5不难发现,本发明提供的医学图像的优化方法,通过等值面轮廓压缩,在不降低显示精度的情况下,能够减少三角面片结构的个数,从而来压缩模型大小,提高显示效率。
如此配置,本发明提供的医学图像的优化方法,通过等值面轮廓压缩,能够对在等值面轮廓提取时产生的三角面片进行简化,根据预设夹角阈值将近似共面的三角面片合并成一个大的多边形;以达到简化的目的;显然地,也可以继续迭代和优化,保持大的多边形仍为三角面片,本发明对此不作任何限制。由此可见,本发明提供的医学图像的优化方法,在最大化保留图像细节的前提下,精简了三角片的数目,提高了后续图像显示(绘制)和传输的效率,节省了存储空间和处理时间。
基于同一发明构思,本发明的再一实施方式还提供了一种医学图像获取***,参见图8,图8为本发明一实施方式提供的一种医学图像获取***的结构框图。从图8可以看出,所述医学图像获取***包括:医学图像获取装置100和医学图像优化装置200。其中,所述医学图像获取装置100被配置为获取待优化医学图像;所述医学图像获取装置100包括但不限于CT、MRI等影像设备、连接于互联网且能够从互联网获取待优化医学图像的电子设备,或者能够获取所述待优化医学图像的扫描设备;所述医学图像获取装置100包括所述医学图像优化装置200,被配置为对所述待优化医学图像进行优化。
具体地,所述医学图像优化装置200包括:等值面获取单元210和平滑处理单元220。其中,所述等值面获取单元210,被配置为对待优化医学图像进行等值面轮廓提取,得到第一医学图像。所述平滑处理单元220,被配置为根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。
进一步地,在其中一种较佳实施方式中,所述医学图像优化装置200还包括等值面轮廓压缩单元230,所述等值面轮廓压缩单元230,被配置为对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像。相应地,所述将所述第二医学图像作为优化后的医学图像,包括:将所述第三医学图像作为优化后的医学图像。
如此配置,本发明提供的一种医学图像获取***,实现了端到端的处理流程,能够使得目标器官组织的结果显示更精确,可以更好的辅助医生提高诊断准确性。尤其是对于血管分割后的蒙版图像,能够使得血管结果显示更平滑。
应当注意的是,在本文的实施方式中所揭露的***和方法,也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的,例如,附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
另外,在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
基于同一发明构思,本发明还提供一种电子设备,请参考图9,示意性地给出了本发明一实施方式提供的电子设备的方框结构示意图。如图9所示,所述电子设备包括处理器301和存储器303,所述存储器303上存储有计算机程序,所述计算机程序被所述处理器301执行时,实现上文所述的医学图像优化方法。
如图9所示,所述电子设备还包括通信接口302和通信总线304,其中所述处理器301、所述通信接口302、所述存储器303通过通信总线304完成相互间的通信。所述通信总线304可以是外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,EISA)总线等。该通信总线304可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。所述通信接口302用于上述电子设备与其他设备之间的通信。
本发明中所称处理器301可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器301是所述电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分。
所述存储器303可用于存储所述计算机程序,所述处理器301通过运行或执行存储在所述存储器303内的计算机程序,以及调用存储在存储器303内的数据,实现所述电子设备的各种功能。
所述存储器303可以包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本发明的再一实施方式还提供了一种计算机可读存储介质,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时可以实现上文所述的医学图像优化方法的步骤。
本发明实施方式的可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其组合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
需要说明的是,可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明提供的医学图像优化方法、***、电子设备及存储介质,通过迭代拉普拉斯算子使得医学图像中陡变的凸凹坑过渡更加平滑;通过迭代基于sigmod逻辑回归的taubin窗函数,使得等值面轮廓更加稳定地平滑,由此,实现了端到端的处理流程,能够使得目标器官组织的结果显示更精确,可以更好的辅助医生提高诊断准确性。
进一步地,本发明提供的医学图像优化方法、***、电子设备及存储介质,通用性强,不仅可以适用主动脉血管,还可以适用于冠脉血管和神经血管的优化。
又进一步地,本发明提供的医学图像优化方法,还对平滑处理后的医学图像进行等值面轮廓压缩,如此配置,在提高医学图像中器官组织的结果显示更平滑精确的同时,还能够节约图像数据的存储空间,以及提高后续图像显示的效率,从而节省***资源,降低***成本。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例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例或示例以及不同实施例或示例的特征进行结合和组合。
综上,上述实施例对本发明提出的医学图像优化方法、***、电子设备及存储介质的不同构型进行了详细说明,当然,上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明包括但不局限于上述实施中所列举的构型,本领域技术人员可以根据上述实施例的内容举一反三,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (13)
1.一种医学图像优化方法,其特征在于,包括:
对待优化医学图像进行等值面轮廓提取,得到第一医学图像;
根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。
2.根据权利要求1所述的医学图像优化方法,其特征在于,所述对待优化医学图像进行等值面轮廓提取,得到第一医学图像,包括:
根据所述待优化医学图像的体数据,提取每一个第一单元体的信息;
根据预设等值面与每一个所述第一单元体的位置关系,分离出与所述预设等值面相交的第二单元体;
获取所述预设等值面在每一个所述第二单元体内的逼近表示的等值面;
连接所有的所述等值面,得到所述第一医学图像。
3.根据权利要求1所述的医学图像优化方法,其特征在于,所述根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,包括:
根据第一预设平滑控制信息,采用基于各向异性的拉普拉斯算子,对所述第一医学图像进行第一平滑处理,得到第一平滑处理后的医学图像;
根据第二预设平滑控制信息,利用基于sigmod逻辑回归的taubin窗函数,对所述第一平滑后的医学图像进行第二平滑处理,得到第二平滑处理后的医学图像;
将所述第二平滑处理后的医学图像作为所述第二医学图像。
4.根据权利要求3所述的医学图像优化方法,其特征在于,所述第一预设平滑控制信息包括第一预设迭代次数和预设松弛因子;
在得到第一平滑后的医学图像之前,还包括:
根据所述预设平滑控制目标,获取所述第一预设迭代次数和所述预设松弛因子;
相应地,所述根据第一预设平滑控制信息,采用基于各向异性的拉普拉斯算子,对所述第一医学图像进行第一平滑处理,包括:
采用各向异性的拉斯算子,对第一等值面的边缘信息进行增强突出处理;其中,所述第一等值面为所述第一医学图像的等值面;
根据所述第一预设迭代次数和所述预设松弛因子,迭代使用所述各向异性的拉普拉斯算子,对第二等值面的轮廓进行平滑处理;其中,所述第二等值面为经过所述增强突出处理后的所述第一等值面。
5.根据权利要求3所述的医学图像优化方法,其特征在于,所述第二预设平滑控制信息包括第二预设迭代次数和预设滤波通带值;
在得到第二平滑后的医学图像之前,还包括:
根据所述预设平滑控制目标,获取所述第二预设迭代次数和所述预设滤波通带值;
所述根据第二预设平滑控制信息,利用基于sigmod逻辑回归的taubin窗函数,对所述第一平滑后的医学图像进行第二平滑处理,包括:
采用sigmod逻辑回归函数对第三等值面进行变换处理;其中,所述第三等值面为所述第一平滑处理后的医学图像的等值面;
根据所述第二预设迭代次数迭代和所述预设滤波通带值,迭代使用所述taubin窗函数,对第四等值面的轮廓进行平滑处理;其中,所述第四等值面为经过变换处理后的所述第三等值面。
6.根据权利要求1所述的医学图像优化方法,其特征在于,在将所述第二医学图像作为优化后的医学图像前,还包括:
对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像;
相应地,所述将所述第二医学图像作为优化后的医学图像,包括:将所述第三医学图像作为优化后的医学图像。
7.根据权利要求6所述的医学图像优化方法,其特征在于,所述第二医学图像的等值面包括若干个三角面片;
所述对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像,包括:
对每一个所述三角面片区域进行平面法向量计算,得到其对应的法向量角度;
根据所述法向量角度和预设合并规则,合并所述三角面片,得到所述第三医学图像。
8.根据权利要求7所述的医学图像优化方法,其特征在于,所述根据所述法向量角度和预设合并规则,合并所述三角面片,得到所述第三医学图像,包括:
判断待合并三角面片的所述法向量角度之间的差值是否在预设夹角阈值范围,若是,则采用下述方式合并所述待合并三角面片:
保留所述待合并三角面片的外界顶点,并去除所述待合并三角面片的内部点连接,得到所述第三医学图像。
9.根据权利要求1-8任一项所述的医学图像优化方法,其特征在于,所述待优化医学图像包括CTA体数据血管分割后的蒙版图像;
在所述对待优化医学图像进行等值面轮廓提取,得到第一医学图像之前,还包括,通过以下方式对所述待优化医学图像进行预处理:
根据预设图像预处理目标,对所述蒙版图像进行预处理,得到所述待优化医学图像。
10.一种医学图像获取***,其特征在于,包括:
医学图像获取装置,被配置为获取待优化医学图像;
医学图像优化装置,被配置为对所述待优化医学图像进行优化;
所述医学图像优化装置包括:等值面获取单元和平滑处理单元;其中:
所述等值面获取单元,被配置为对待优化医学图像进行等值面轮廓提取,得到第一医学图像;
所述平滑处理单元,被配置为根据预设平滑控制目标,对所述第一医学图像进行平滑处理,得到第二医学图像,将所述第二医学图像作为优化后的医学图像。
11.根据权利要求10所述的医学图像获取***,其特征在于,所述医学图像优化装置还包括等值面轮廓压缩单元,所述等值面轮廓压缩单元,被配置为对所述第二医学图像进行等值面轮廓压缩,得到第三医学图像;
相应地,所述将所述第二医学图像作为优化后的医学图像,包括:将所述第三医学图像作为优化后的医学图像。
12.一种电子设备,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现权利要求1至9中任一项所述的医学图像优化方法。
13.一种计算机可读存储介质,其特征在于,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至9中任一项所述的医学图像优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110919636.6A CN115705638A (zh) | 2021-08-11 | 2021-08-11 | 医学图像优化方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110919636.6A CN115705638A (zh) | 2021-08-11 | 2021-08-11 | 医学图像优化方法、***、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115705638A true CN115705638A (zh) | 2023-02-17 |
Family
ID=85180104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110919636.6A Pending CN115705638A (zh) | 2021-08-11 | 2021-08-11 | 医学图像优化方法、***、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115705638A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152124A (zh) * | 2023-04-23 | 2023-05-23 | 广东欧谱曼迪科技有限公司 | 一种脉管模型的平滑方法、装置、电子设备及存储介质 |
CN116597111A (zh) * | 2023-03-15 | 2023-08-15 | 磅客策(上海)智能医疗科技有限公司 | 一种三维图像的处理方法以及处理装置 |
-
2021
- 2021-08-11 CN CN202110919636.6A patent/CN115705638A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597111A (zh) * | 2023-03-15 | 2023-08-15 | 磅客策(上海)智能医疗科技有限公司 | 一种三维图像的处理方法以及处理装置 |
CN116597111B (zh) * | 2023-03-15 | 2024-04-26 | 磅客策(上海)智能医疗科技有限公司 | 一种三维图像的处理方法以及处理装置 |
CN116152124A (zh) * | 2023-04-23 | 2023-05-23 | 广东欧谱曼迪科技有限公司 | 一种脉管模型的平滑方法、装置、电子设备及存储介质 |
CN116152124B (zh) * | 2023-04-23 | 2023-09-15 | 广东欧谱曼迪科技有限公司 | 一种脉管模型的平滑方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9968257B1 (en) | Volumetric quantification of cardiovascular structures from medical imaging | |
Lebre et al. | Automatic segmentation methods for liver and hepatic vessels from CT and MRI volumes, applied to the Couinaud scheme | |
US8761475B2 (en) | System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans | |
US20230104173A1 (en) | Method and system for determining blood vessel information in an image | |
WO2021136368A1 (zh) | 钼靶图像中胸大肌区域自动检测方法及装置 | |
CN115705638A (zh) | 医学图像优化方法、***、电子设备及存储介质 | |
CN110570394B (zh) | 医学图像分割方法、装置、设备及存储介质 | |
CN113888555B (zh) | 基于注意机制的多模态脑肿瘤图像分割*** | |
Wei et al. | Learning-based 3D surface optimization from medical image reconstruction | |
CN113160189A (zh) | 血管中心线提取方法、装置、设备及存储介质 | |
CN116503607B (zh) | 一种基于深度学习的ct图像分割方法和*** | |
CN112102275A (zh) | 肺主动脉血管图像提取方法、装置、存储介质及电子设备 | |
Han et al. | A fast seed detection using local geometrical feature for automatic tracking of coronary arteries in CTA | |
Cui et al. | Automatic coronary centerline extraction using gradient vector flow field and fast marching method from CT images | |
Jafari et al. | LMISA: A lightweight multi-modality image segmentation network via domain adaptation using gradient magnitude and shape constraint | |
CN111223090A (zh) | 人体肺部ct图像中肿瘤图像的识别*** | |
Cercos-Pita et al. | NASAL-Geom, a free upper respiratory tract 3D model reconstruction software | |
CN117152173A (zh) | 一种基于DUNetR模型的冠状动脉分割方法和*** | |
CN112116623A (zh) | 图像分割方法及装置 | |
Peiró et al. | Shape reconstruction from medical images and quality mesh generation via implicit surfaces | |
CN116129184A (zh) | 多期相病灶分类方法、装置、设备及可读存储介质 | |
JP2023548041A (ja) | 医用画像において少なくとも1つの管状構造のセグメンテーション及び識別を行うための方法及びシステム | |
CN113724264B (zh) | 图像分割方法、***和可读存储介质 | |
Akkasaligar et al. | Analysis of polycystic kidney disease in medical ultrasound images | |
Leonardi et al. | 3D reconstruction from CT-scan volume dataset application to kidney modeling |
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 |