一种医学图像中肝脏范围的定位方法及装置制造方法及图纸

本发明专利技术公开了一种医学图像中肝脏范围的定位方法及装置，定位方法包括：获取三维医学图像，所述三维医学图像由一组二维医学图像组成，所述三维医学图像覆盖肝脏；定位所述三维医学图像内肋骨所处二维医学图像的位置；基于所述肋骨的位置确定肝脏底部二维医学图像的位置；确定肝脏顶部二维医学图像的位置；由所述肝脏底部和顶部二维医学图像的位置，确定所述三维医学图像内肝脏的范围。本发明专利技术的技术方案仅需要当前图像数据，无需训练样本或概率图之类的先验信息。

【技术实现步骤摘要】

本专利技术涉及医学图像处理领域，特别涉及一种医学图像中肝脏范围的定位方法及装置。
技术介绍
在大型医学影像设备中，通常涉及到针对不同器官的图像处理、计算机辅助诊断或者指标参数的定量分析。对于此类医学图像数据，一般是在医学影像设备扫描时，采集并重建得到覆盖待分析器官区域的图像体数据(volumedata)，之后由待分析器官所对应的应用模块进行具体的诊断分析。这里的图像体数据是三维医学图像，通常由一组二维医学图形组成。例如对人体躯干进行图像采集得到的图像体数据，可用于多个器官(例如肺部、心脏、肝脏或者肠道)的诊断分析。在各应用模块中，对于躯干部分的图像体数据，会基于相关算法在这部分图像体数据内定位到具体器官的图像数据范围，以便进行后续的图像处理、计算机辅助诊断或定量分析。现有对肝脏的自动定位方法主要分为阈值、学习和模型三种方法。阈值的方法主要依据体数据灰度信息或者直方图分布计算出阈值，粗略分割出器官所在区域，依据灰度和边缘的位置计算肝脏重心，给出肝脏在体数据内的位置范围。这类方法计算较为耗时，且依赖于肝脏的灰度和形状信息。对于形变、病变严重或者造影剂强度较高的数据，可能因为肝脏区域的灰度与正常肝脏差异较大，导致计算出现偏差。学习类方法一般对已知区域提取特征，之后通过Adaboost、神经网络或者决策树模型等机器学习的方法训练出有效的分类器，之后作用于新的图像区域，最终检测出肝脏所在范围。与之类似的方法是采用弱分类器从预定义的图像特征中挑选关键特征，在此基础上训练强分类器，用来检测特定器官所在范围。这类方法虽然可以有效检测肝脏范围，但需要一定的样本，训练生成分类器的过程非常耗时，且存在过度拟合的风险。模型类方法主要是通过引入已知的概率图谱，构造器官位置模型。之后将针对输入图像优化模型参数，最终达到器官定位的效果。这类方法适用性比较广泛，但对预设的图谱/模型要求较高，且优化迭代的过程相当耗时。
技术实现思路
本专利技术要解决的问题是提供一种医学图像中肝脏范围的定位方法及其装置，解决现有肝脏定位方法中的上述问题，快速准确的在体数据内定位到肝脏范围。为解决上述问题，本专利技术提供了一种医学图像中肝脏范围的定位方法，包括：获取三维医学图像，所述三维医学图像由一组二维医学图像组成，所述三维医学图像覆盖肝脏；定位所述三维医学图像内肋骨所处二维医学图像的位置；基于所述肋骨的位置确定肝脏底部二维医学图像的位置；确定肝脏顶部二维医学图像的位置；由所述肝脏底部和顶部二维医学图像的位置，确定所述三维医学图像内肝脏的范围。优选的，所述定位三维医学图像内肋骨所处二维医学图像的位置包括：定位三维医学图像内肋骨下缘所处二维医学图像的位置；所述肝脏底部二维医学图像的位置基于肋骨下缘所处二维医学图像的位置进行确定。优选的，所述定位三维医学图像内肋骨下缘所处二维医学图像的位置包括：获取三维医学图像的冠状位MIP图像；基于所述冠状位MIP图像获取骨骼区域图像；基于所述骨骼区域图像定位肋骨下缘所处二维医学图像的位置。优选的，所述基于骨骼区域图像定位肋骨下缘所处二维医学图像的位置包括：获取骨骼区域图像内的脊柱中心线；基于所述脊柱中心线，去除所述骨骼区域图像内的脊柱；统计去除脊柱后的所述骨骼区域图像每行像素点数目，基于像素点数目定位肋骨下缘位置。优选的，所述基于肋骨的位置确定肝脏底部二维医学图像的位置是由肋骨和肝脏在解剖结构上的相对位置确定。优选的，所述确定肝脏顶部二维医学图像的位置包括：从所述肋骨所处二维医学图像的位置开始，朝肝脏顶部方向，计算各所述二维医学图像的检测区域内的平均灰度值；将所述平均灰度值和预先设置的阈值进行比较，得到肝脏顶部所处二维医学图像的位置。基于上述医学图像中肝脏范围的定位方法，本专利技术还对应提供了一种医学图像中肝脏范围的定位装置。与现有技术相比，本专利技术的技术方案仅需要当前图像数据，无需训练样本或概率图之类的先验信息。更进一步的，主要参考了图像中灰度较为稳定的骨骼和空气的信息，根据肝脏附近解剖结构而非肝脏本身定位肝脏，避免因图像噪声或者肝脏病变带来的不确定因素。更进一步的，检测算法基本在二维平面上完成，避免处理三维数据带来的复杂计算，能较快检测出肝脏大致位置。附图说明图1是医学影像设备的结构示意图；图2是由医学影像设备采集得到的三维医学图像的示意图；图3是本专利技术医学图像中肝脏范围定位方法的流程图；图4是本专利技术定位三维医学图像内肋骨下缘方法的流程图；图5是本专利技术基于冠状位MIP图像定位肋骨下缘方法的流程图；图6a是本专利技术基于骨骼区域图像找到中心线的示意图；图6b是本专利技术骨骼区域图像去除脊柱后的示意图；图7是本专利技术确定肝脏顶部所处二维医学图像位置的流程图；图8a是本专利技术在冠状位图像中从肋骨下缘位置开始进行计算的示意图；图8b是本专利技术各二维医学图像中检测区域的示意图；图9是本专利技术医学图像中肝脏范围定位装置的结构图。具体实施方式为使本专利技术的上述目的、特征和优点能够更为明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本专利技术。但是本专利技术能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广。因此本专利技术不受下面公开的具体实施方式的限制。图1是一种医学影像设备的结构图，这里以计算机断层扫描设备(CT，ComputedTomography)为例进行说明。参见图1，计算机断层扫描设备100通常包括机架101、扫描床102以及供医生操作的控制台103三个部分。控制台103通常包括控制成像端进行扫描的电脑和图像高级后处理工作站的电脑。在扫描成像时，患者躺着扫描床102上，由扫描床102将患者推入到机架101的孔径内。机架101内一侧有球管，球管可以发出X射线，X射线穿过患者后被与球管相对设置的探测器接收到从而形成数据。探测器将采集到的数据发送到控制台103进行数据的初步处理、图像重建，形成CT图像。参见图2，一次CT扫描的扫描区域201通常覆盖了人体202的大部分区域。根据一次CT扫描(可以是步进式扫描或者螺旋扫描)采集到的数据可以重建得到一个三维医学图像的体数据300，这个体数据300通常包括了一组二维医学图像301，每张二维医学图像301是与人体长轴z方向垂直的横断位图像(axialimage)，代表了人体200某一断层的内部本文档来自技高网...

【技术保护点】
一种医学图像中肝脏范围的定位方法，其特征在于，包括：获取三维医学图像，所述三维医学图像由一组二维医学图像组成，所述三维医学图像覆盖肝脏；定位所述三维医学图像内肋骨所处二维医学图像的位置；基于所述肋骨的位置确定肝脏底部二维医学图像的位置；确定肝脏顶部二维医学图像的位置；由所述肝脏底部和顶部二维医学图像的位置，确定所述三维医学图像内肝脏的范围。

【技术特征摘要】
1.一种医学图像中肝脏范围的定位方法，其特征在于，包括：
获取三维医学图像，所述三维医学图像由一组二维医学图像组成，所述三
维医学图像覆盖肝脏；
定位所述三维医学图像内肋骨所处二维医学图像的位置；
基于所述肋骨的位置确定肝脏底部二维医学图像的位置；
确定肝脏顶部二维医学图像的位置；
由所述肝脏底部和顶部二维医学图像的位置，确定所述三维医学图像内肝
脏的范围。
2.根据权利要求1所述的定位方法，其特征在于，所述定位三维医学图像内
肋骨所处二维医学图像的位置包括：定位三维医学图像内肋骨下缘所处二维
医学图像的位置；所述肝脏底部二维医学图像的位置基于肋骨下缘所处二维
医学图像的位置进行确定。
3.根据权利要求2所述的定位方法，其特征在于，所述定位三维医学图像内
肋骨下缘所处二维医学图像的位置包括：
获取三维医学图像的冠状位MIP图像；
基于所述冠状位MIP图像获取骨骼区域图像；
基于所述骨骼区域图像定位肋骨下缘所处二维医学图像的位置。
4.根据权利要求3所述的定位方法，其特征在于，所述基于骨骼区域图像定
位肋骨下缘所处二维医学图像的位置包括：
获取骨骼区域图像内的脊柱中心线；
基于所述脊柱中心线，去除所述骨骼区域图像内的脊柱；
统计去除脊柱后的所述骨骼区域图像每行像素点数目，基于像素点数目定

\t位肋骨下缘位置。
5.根据权利要求1所述的定位方法，其特征在于，所述基于肋骨的位置确定
肝脏底部二维医学图像的位置是由肋骨和肝脏在解剖结构上的相对位置确定。
6.根据权利要求1所述的定位方法，其特征在于，所述确定肝脏顶部二维医
学图像的位置包括：
从所述肋骨所处二维医学图像的位置开始，朝肝脏顶部方向，计算各所述
二维医学图像的检测区域内的平均灰度...

【专利技术属性】
技术研发人员：吴柯，韩妙飞，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31