公开/公告号CN103985122A
专利类型发明专利
公开/公告日2014-08-13
原文格式PDF
申请/专利权人 清华大学深圳研究生院;
申请/专利号CN201410210011.2
申请日2014-05-17
分类号G06T7/00(20060101);G06T5/00(20060101);
代理机构44257 深圳市汇力通专利商标代理有限公司;
代理人李保明;张慧芳
地址 518055 广东省深圳市南山区西丽大学城清华校区
入库时间 2023-12-17 00:30:37
法律状态公告日
法律状态信息
法律状态
2022-04-26
未缴年费专利权终止 IPC(主分类):G06T 7/00 专利号:ZL2014102100112 申请日:20140517 授权公告日:20161102
专利权的终止
2016-11-02
授权
授权
2014-09-10
实质审查的生效 IPC(主分类):G06T7/00 申请日:20140517
实质审查的生效
2014-08-13
公开
公开
技术领域
本发明属于计算机视觉及图像处理领域,具体是一种基于心脏CT图像的全心脏提取方法。
背景技术
全心脏提取在众多领域中具有重要的应用价值,例如在心血管类疾病诊断中,提供冠状动脉的三维可视化;肺部肿瘤放疗计划制定时辅助放疗医生划定放疗靶区,避开心脏等健康组织;以及对全心脏的心室、心房等腔室单独诊断等等。
目前针对CT图像的心脏提取的研究大多采用直接提取心脏目标区域的方法,主要利用注射造影剂后心脏腔室内血池与其他组织的高对比度来实现。方法大致分为两类,一类是传统二维图像分割方法的组合优化,常用到的有K均值聚类、图割、ACM/ASM和模糊集合理论等;另一类是基于三维统计模型的方法,通过对大量手动分割数据进行统计分析,建立完整的全心脏模型,然后利用模型匹配来实现提取全心脏。
上述两类方法都是从问题本身出发,直接以心脏目标区域为研究对象,期望利用各种方法从整个CT断层图像中提取出整个心脏,然而往往会造成心脏边缘组织丢失或残余噪声组织等问题。
发明内容
本发明的目的是供一种新的基于心脏CT图像的全心脏提取方法。
本发明采用的技术方案为:
一种基于心脏CT图像的全心脏提取方法,包括以下步骤:
获取心脏CT图像;
去除心脏CT图像中的肺部组织、降主动脉组织、胸腔壁组织和椎骨组织得到中间图像;以及
去除所述中间图像中的噪声组织。
在上述的基于心脏CT图像的全心脏提取方法中,优选地,去除肺部组织的方法包括:利用大津阈值方法提取心脏CT图像中的主要肺部区域;用孔洞填充方法对主要肺部区域的断裂部及孔洞进行填充,获得完整的肺部区域。
在上述的基于心脏CT图像的全心脏提取方法中,优选地,利用连通域标记和圆率去除降主动脉组织。
在上述的基于心脏CT图像的全心脏提取方法中,优选地,去除胸腔壁组织的方法包括:在CT图像中提取胸腔壁以外的组织作为距离映射的指定源区域;在CT图像视野中对所述指定源区域取反,获得目标区域;利用有符号欧式距离映射计算所述目标区域到所述指定源区域的距离映射图像;通过检测肺部区域所覆盖的SSED距离映射图中的值获得胸腔壁的厚度,去除所述距离映射图像中距离小于所述厚度的区域,得到去除胸腔壁的蒙版;以及用所述蒙版去除心脏CT图像中的胸腔壁组织。
在上述的基于心脏CT图像的全心脏提取方法中,优选地,去除椎骨组织的方法包括:阈值化分割,提取心脏CT图像中的骨密质组织;用降主动脉的顶端中心点、底端中心点和平均半径设置阈值化后图像中的椎骨范围;将各图层中存在于所述椎骨范围内的骨密质组织叠加,获得去椎骨的蒙版;以及用所述去椎骨的蒙版去除心脏CT图像中的椎骨组织。
在上述的基于心脏CT图像的全心脏提取方法中,优选地,去除噪声组织的方法包括:求取待处理图像的SSED距离映射图像;以区域半径为特征对SSED图像进行阈值化,去除噪声组织;以及沿去除噪声组织除后的图像的最外侧边缘线,分别以边缘点为圆心,以噪声组织的最大半径为半径画圆,对圆覆盖区域内的源图像进行判别,恢复源图像中的前景点。
本发明方法从逆向角度出发,以非目标区域(肺部组织、降主动脉组织、胸腔壁组织和椎骨组织)为对象进行处理,通过逐步去除胸腔壁、肺部、椎骨和降主动脉等非心脏组织来实现提取全心脏的目的,其具有自适应性强、运行效率高、提取效果精确等优点,能够快速嵌入到现有医疗网络中,实现远程辅助诊断。
附图说明
图1为一实施例基于心脏CT图像的全心脏提取方法的流程图;
图2为去除胸腔壁蒙版形成原理图;
图3为胸腔壁去除过程示意图;
图4为去除胸腔壁后的三维效果图;
图5为去椎骨蒙版形成原理图;
图6为椎骨去除过程示意图;
图7为去除的椎骨组织的三维效果图;
图8为去除噪声组织的原理图;
图9为噪声组织去除过程示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。这些更详细的描述旨在帮助理解本发明, 而不应被用于限制本发明。根据本发明公开的内容,本领域技术人员明白,可以不需要一些或者所有这些特定细节即可实施本发明。而在其它情况下,为了避免将发明创造淡化,未详细描述众所周知的操作过程。
本方案从逆向角度出发,以非目标区域为研究对象,通过逐步去除胸腔壁、肺部、椎骨和降主动脉等非心脏组织来实现提取全心脏的目的。
如图1所示,本基于心脏CT图像的全心脏提取方法包括以下步骤:
步骤S1,获取心脏CT图像。利用GE Light Speed VCT设备,从隆突水平至心底部对患者整个心脏区域进行断层扫描,总图层数约为200层,层厚为0.625mm,单幅图像大小为512*512,像素点间距为0.488281mm。
步骤S2,去除心脏CT图像中的肺部组织。
一种较佳提取肺部组织的方法是:首先,直接利用大津阈值方法(OTSU方法)提取心脏CT图像中的主要肺部区域。由于肺动脉、肺静脉和支气管等组织的干扰导致提取到的主要肺部区域存在断裂、孔洞等现象,因此,接下来用孔洞填充方法对主要肺部区域的断裂部及孔洞进行填充,获得完整的肺部区域。
步骤S3,去除心脏CT图像中的降主动脉组织。
一种较佳的方法是,利用连通域标记和圆率去除降主动脉组织。更具体地说,首先,对心脏CT图像进行阈值化,较佳的阈值T=1200。然后利用连通域标记对图像中的各个区域进行标号,并分别提取各个连通域的圆率几何特征。由于降主动脉呈明显的圆形,由此可以顺利的提取出降主动脉组织。
步骤S4,去除心脏CT图像中的胸腔壁组织。
心脏CT断层图像中胸腔壁基本呈现出带状,胸腔壁外侧和内测边缘似两条平行的曲线。利用有符号欧氏距离映射(SSED)计算出胸腔壁各点的距离映射图像,然后对距离映射图像进行阈值化操作,即可获得去除胸腔壁的模板,实现去除胸腔壁组织。
基于该原理,一种较佳的去除胸腔壁组织的方法包括:
在CT图像中提取胸腔壁以外的组织作为距离映射的指定源区域Rsrc,如图2中的a子图中的深色部分所示;
在CT图像视野中对所述指定源区域Rsrc取反,获得目标区域Robj,如图2中的b子图中的深色部分所示;
利用有符号欧式距离映射(SSED)计算所述目标区域Robj到所述指定源区域Rsrc的距离 映射图像,如图2中的c子图;
通过检测肺部区域所覆盖的SSED距离映射图中的值,获得胸腔壁的厚度w,去除所述距离映射图像中距离小于所述厚度w的区域,如图2中的d子图,得到去除胸腔壁的蒙版;
用所述蒙版去除心脏CT图像中的胸腔壁组织。
图3示出了胸腔壁去除过程,其中子图a为心脏CT断层图像中去除胸腔壁前的状态,子图b、c为蒙版为形成,子图d为去除胸腔壁后的状态。
图4示出了去除胸腔壁后的三维效果,其中四个子图a-d分别为不同视角的状态。
步骤S5,去除心脏CT图像中的椎骨组织。
这里采用“蒙版叠加”来解决椎节中间层难分割问题,从而实现去除椎骨组织。具体方法包括:
阈值化分割,设定阈值T=1600,提取心脏CT图像中的骨密质组织,同时排除了大多数的血管和心室干扰组织(血管、心室的CT值约为1200);
用降主动脉的顶端中心点、底端中心点和平均半径设置阈值化后图像中的椎骨范围。通过对上述降主动脉的统计分析,获得降主动脉顶端中心点Startcenter(i,j)、底端中心点Endcenter(i,j),以及平均半径Ravg,由此得到阈值化后图像中的椎骨范围
将各图层中存在于所述椎骨范围Scale内的骨密质组织叠加,获得去椎骨的蒙版;
以及用所述去椎骨的蒙版去除心脏CT图像中的椎骨组织。
图5示出了去椎骨的蒙版的形成原理。其中,子图a为椎骨结构,三个子图b、c、d为三个椎节的横截面图,子图e为叠加后得到的去椎骨的蒙版。
图6示出了椎骨去除过程。其中,子图a为心脏CT断层图像中去除椎骨前的状态,子图b为阈值化分割后的状态,子图c、d为排除了大多数的血管和心室干扰组织后的状态。
图7示出了去除的椎骨组织的三维效果。其中四个子图a-d分别为不同视角的状态。
步骤S6,去除噪声组织。
一种较佳的方法是,对有符号欧式距离映射(SSED)进行扩展,充分利用距离映射反映出的噪声组织区域各点的位置关系,达到快速准确去除噪声组织的目的。具体方法包括:
求取待处理图像的SSED距离映射图像,如图8中的子图b。随着映射距离增大,高映射值(如图8中的子图c)代表的闭合边缘线逐渐变得平滑,假设需要去除的细小区域的最 大宽度为那么距离映射图像中的干扰区内部的最大值小于通过提取的内部区域就能够将细小区域平滑掉;
用对SSED图像进行阈值化,将小于d的区域去掉,得到消除细小区域的初步结果(如图8中的子图c)。即,以区域半径为特征对SSED图像进行阈值化,去除噪声组织;
由于SSED图像向内收缩是全局的,非干扰区的边缘点也会向内收缩,所以对SSED进行直接阈值化后,会导致非干扰区的边缘也被切割。为避免该问题,此时需要进行图像复原,方法为,沿去除噪声组织除后的图像的最外侧边缘线,分别以边缘点为圆心,以噪声组织的最大半径为半径画圆,对圆覆盖区域内的源图像进行判别,恢复源图像中的前景点。此时由于细小干扰区域的所有点已经被去除,该操作不会对其进行复原。图8中子图d、e、f示出了图像复原过程,子图a为去除噪声组织前的状态。
图9示出了噪声组织去除过程。其中,上、中、下三组子图为三个心脏CT断层图像的去除过程,去除过程从左到右,最左边的为含噪声组织的状态,最右边的为去除噪声组织后的状态。
上述方法从逆向角度出发,以非目标区域为研究对象,并对多种传统图像处理方法进行改进和优化,实现了全心脏提取,其具有自适应性强、运行效率高、提取效果精确等优点,能够快速嵌入到现有医疗网络中,实现远程辅助诊断。
机译: 基于深度学习的心脏CT图像分割方法及装置,装置和介质
机译: 基于CT图像数据库的心脏图像分割方法及其装置
机译: 基于CT图像数据库的心脏图像分割方法及其装置