一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质与流程

文档序号:11201359阅读:1153来源:国知局
一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质与流程

本发明实施例涉及图像处理技术领域,尤其涉及一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质。



背景技术:

医学成像技术是指通过相关设备对被扫描物体进行扫描,得到相关扫描数据,之后通过数字处理获得物体形状信息的技术,在医学研究与临床医学中,医生或技师能够借助医学图像对患者进行更好疾病诊断与治疗。

血管钙化(vascularcalcification)是动脉粥样硬化、高血压和血管损伤等疾病的病理表现,而钙化斑块的破裂,是心脑血管疾病高发病率和高死亡率的重要因素之一,而腹主动脉分叉处为斑块钙化的高发点。在经导管主动脉瓣置入术(transcatheteraorticvalveimplantation,tavi)或主动脉瘤支架计划等情景中,腹主动脉分叉处的定位具有非常重要的作用,基于对腹主动脉分叉处的定位,可以进行后续该位置处血管直径及血管截面积的计算,还可以分析该位置处斑块钙化的情况,根据上述计算及分析,可以判断手术置入支架的可行性,例如,腹主动脉分叉处血管是否过窄,支架可能无法正常通过;或者存在斑块钙化,在置入支架时,可能存在导致斑块脱落的风险。目前在确定腹主动脉分叉处位置时,通常由医生或技师依据医学图像,人眼判断并确定出腹主动脉分叉处的位置,易受医生或技师主观判断的影响,定位速度慢,且不便于医生或技师的操作,实用性差。



技术实现要素:

有鉴于此,本发明实施例提供一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质,以解决现有腹主动脉分叉处定位技术定位速度慢,且不便于医生或技师的操作,实用性差的技术缺陷。

第一方面,本发明实施例提供了一种腹主动脉分叉处的定位方法,包括:

在待检测图像中确定包含腹主动脉分叉处的位置区域;

计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值;

根据所述各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置。

第二方面,本发明实施例还提供了一种腹主动脉分叉处的定位装置,包括:

位置区域确定模块,用于在待检测图像中确定包含腹主动脉分叉处的位置区域;

概率计算模块,用于计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值;

定位模块,用于根据所述各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置。

第三方面,本发明实施例还提供了一种医学成像系统,包括:

采集装置,用于对患者进行图像采集。

显示装置,用于对图像及编辑界面进行显示。

图像处理装置,用于运行计算机程序,所述计算机程序运行时执行本发明实施例中任一所述的腹主动脉分叉处的定位方法。

第四方面,本发明实施例还提供了一种计算机可读的存储媒介,被配置为存储可执行程序,以执行本发明实施例中任一所述的腹主动脉分叉处的定位方法。

本发明实施例提供的技术方案,通过在待检测图像中确定包含腹主动脉分叉处的位置区域,实现粗定位,之后对位置区域内所包含的各像素点进行概率计算,并根据计算结果确定出腹主动脉分叉处的位置,实现细定位,本发明实施例通过采用上述技术方案,能够保证定位的准确性,且定位速度快、定位效率高,大大简化医生或技师的操作,实用性好。

附图说明

为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1a为本发明实施例一提供的一种腹主动脉分叉处的定位方法的流程示意图;

图1b为本实施例一提供的待检测的三维图像示意图;

图2a为本发明实施例二提供的一种腹主动脉分叉处的定位方法的流程示意图;

图2b为本发明实施例二提供的第一投影图像示意图;

图2c为本发明实施例二提供的第二投影图像示意图;

图3为本发明实施例三提供的一种腹主动脉分叉处的定位方法的流程示意图;

图4为本发明实施例四提供的一种腹主动脉分叉处的定位装置的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1a为本发明实施例一提供的一种腹主动脉分叉处的定位方法的流程示意图。该方法可以由腹主动脉分叉处的定位装置执行,该装置可由软件和/或硬件实现,一般可集成在医学成像设备中。如图1a所示,该方法可以包括如下步骤:

步骤110、在待检测图像中确定包含腹主动脉分叉处的位置区域。

示例性的,待检测图像可以为重建得到的ct图像或mri图像,具体的,待检测图像可以为根据多个图像序列进行重建得到的三维图像。如图1b所示,为本实施例一提供的待检测的三维图像示意图,具体为人体胸腹部的三维重建图像,图1b中箭头所指示的位置为腹主动脉分叉处的大致位置。在待检测图像中,可以根据经验值从中切取出包含腹主动脉分叉处的位置区域图像,例如,切取待检测图像水平方向长度的1/3至2/3范围内的图像作为位置区域。

步骤120、计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值。

示例性的,根据像素点的ct值和对应的结构位置信息等,计算位置区域中所包含的各个像素点为腹主动脉分叉处像素点的概率值。

步骤130、根据所述各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置。

示例性的,将计算得到的各像素点为腹主动脉分叉处像素点的概率值进行比较,根据比较结果,确定出腹主动脉分叉处的位置,例如,将计算得到的概率值最大的像素点的位置确定为腹主动脉分叉处的位置。

本实施例提供的技术方案,通过在待检测图像中确定包含腹主动脉分叉处的位置区域,实现腹主动脉分叉处的粗定位,之后根据计算位置区域中各像素点为腹主动脉分叉处像素点的概率值,确定出腹主动脉分叉处的具体位置,实现腹主动脉分叉处的细定位,能够保证定位的准确性,且定位速度快、定位效率高,大大简化医生或技师的操作,实用性好。

实施例二

图2a为本发明实施例二提供的一种腹主动脉分叉处的定位方法的流程示意图。本实施例以上述实施例一为基础,对“在待检测图像中确定包含腹主动脉分叉处的位置区域”进行优化,如图2a所示,该方法可以包括如下步骤:

步骤210、对所述待检测图像在冠状面上进行投影,得到第一投影图像。

典型的,使用医学成像系统对患者进行扫描时,可以建立相应的扫描坐标系,通常将人体头脚方向设置为z轴,人体前后方向设置为y轴,人体左右方向设置为x轴,冠状面可以理解为沿人体左右方向,将人体纵切为前后两部分的断面,也即xz平面内图像。

示例性的,如图1b所示为人体胸腹部三维图像的冠状面方向视图,在冠状面上进行投影,即对图1b中的三维图像沿纸面向里或向外进行投影,得到相应的投影图像。

具体的,以ct图像为例,对图1b所示待检测图像中的某一个像素点沿纸面向里所在的像素行进行投影,若该像素行中存在至少一个ct值达到预设阈值的像素点,则将该像素点所对应的投影像素点灰度值设置为1;若该像素行中不存在ct值达到预设阈值的像素点,则将该像素点所对应的投影像素点灰度值设置为0,上述预设阈值可以设置为ct值为400,对图1b其中所包含的像素点均进行上述投影计算,得到待检测图像在冠状面上的投影图像,如图2b所示,为本发明实施例二提供的第一投影图像示意图。

步骤220、对所述第一投影图像进行遍历统计,根据统计结果确定所述待检测图像中髂骨上沿的位置信息。

示例性的,对第一投影图像中所包含的像素点进行遍历统计,以图2b所示投影图像为例,将水平方向各像素行所包含的像素点中灰度值为1的像素点个数进行统计,可以设定预设个数阈值,若遍历统计得到某一像素行灰度值为1的像素点总个数满足预设个数阈值,则将该像素行确定为髂骨上沿的像素行位置,其中,上述预设个数阈值可以根据样本统计来确定。如图2b所示,箭头指示的位置为髂骨上沿的大致位置,通过确定第二投影图像中的髂骨上沿位置信息,进而确定出待检测图像中髂骨上沿的位置信息,如髂骨上沿的z坐标位置。

另外的,在对所述第一投影图像进行遍历统计之前,还可以依据预设范围对第一投影图像进行切取,例如,切取图2b所示图像竖直方向长度1/3至2/3范围内的图像,得到包含髂骨上沿的图像子区域,之后对图像子区域进行遍历统计,进一步提高确定髂骨上沿的定位速度。

在本实施例的一个可选的实施方式中,对所述第一投影图像进行遍历统计,根据统计结果确定所述待检测图像中髂骨上沿的位置信息,还可以包括:

步骤a、去除所述第一投影图像中包含的脊骨区域图像,得到第二投影图像。

示例性的,可以根据经验确定脊骨集中的区域,例如,将图2b水平方向中心位置左右3厘米的区域确定为脊骨区域,或者将图2b所示图像的水平方向长度的1/3至2/3范围确定为脊骨区域,在图2b所示的图像中剪切掉确定的脊骨区域,得到第二投影图像,如图2c所示,为本发明实施例二提供的第二投影图像示意图。

步骤b、按照预设规则对所述第二投影图像中的各像素行进行像素个数统计。

示例性的,预先设定统计规则对第二投影图像进行遍历统计,例如,对图2c所示的图像,以水平方向的像素行为单位,自下而上依次统计各个像素行中像素点灰度值为1的像素点个数。

步骤c、根据统计结果与预设阈值,确定所述待检测图像中髂骨上沿的位置信息。

示例性的,根据统计结果与预设个数阈值进行比较,确定第二投影图像中的髂骨上沿位置信息,进而对应得出待检测图像中髂骨上沿的位置信息。

具体的,预设阈值可以设置为具体数值,也可以为范围值,以图2c为例,预设阈值可以设置为20,自下而上逐行统计各个像素行中像素点灰度值为1的像素点个数,每统计一个像素行,则将该像素行的统计结果与预设阈值进行比较,当对某一像素行进行统计的像素点个数满足小于20,则将该像素行确定为髂骨上沿的位置,并停止对后续像素行的统计。

在图2b所示的图像中,由于脊骨区域中像素点相对较少,可能对确定髂骨上沿的位置造成干扰,通过去除脊骨区域,能够提高所确定髂骨上沿位置的准确性,且统计过程中数据量减小,提高对髂骨上沿的定位速度。

步骤230、根据所述髂骨上沿的位置信息与预设距离范围,确定自所述髂骨上沿向上和/或向下预设距离范围的区域为所述位置区域。

示例性的,预设距离范围可以根据经验值确定,以图1b为例,预设距离范围可以包括第一预设距离范围和第二预设距离范围,例如,第一预设距离范围可以为10厘米,第二预设距离范围可以为5厘米,以髂骨上沿的z坐标为基准,将图1b中距离髂骨上沿z方向向上10厘米,向下5厘米范围内的三维图像区域确定为上述位置区域。

需要说明的是,若胸腹部图像包含的髂骨上沿信息较少或者没有,则设置沿z轴正方向(脚-头方向)10厘米区域为所述位置区域,所设置的距离范围与三维图像中所包含的髂骨区域及腹主动脉分叉处的相对位置有关。可以基于医生或技师的临床经验,依据较常见的髂骨及腹主动脉分叉处的图像信息,对胸腹部三维图像进行划分,并设置各类别对应的预设距离范围。

步骤240、计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值。

步骤250、根据所述各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置。

本实施例提供的技术方案,通过对待检测的三维图像进行投影,并根据得到的投影图像确定出待检测图像中髂骨上沿的位置信息,以髂骨上沿的位置为基准,设定预设距离范围,实现对腹主动脉分叉处的粗定位,保证所确定的位置区域的有效性,提高后续确定腹主动脉分叉处位置的准确性,并可以利用腹主动脉分叉处相对于髂骨上沿位置的相对固定性,确定出范围合适的具有腹主动脉分叉处图像的位置区域图像范围,减少后续处理的数据量,提高定位速度。

进一步的,在得到第二投影图像之后,还可以进行连通域计算。连通域在视觉上来看可以理解为彼此连通的点形成的一个区域,而不连通的点则形成不同的区域,例如像素点a、b和c在空间上邻接可以构成连通域m,像素点e与f在空间上邻接,但并不与a、b和c中的任何一个像素点邻接,则e与f构成另一连通域n。

示例性的,在第二投影图像中进行小连通域计算,可以得到第二投影图像中的若干个连通域及各连通域中所包含的像素点个数,通过设定阈值,对得到的连通域进行筛选,如将阈值设为20,则将得到的连通域中像素点个数少于20的小连通区域从第二投影图像中去除,得到第三投影图像,并对第三图像进行后续遍历统计,进而确定髂骨上沿位置,能够排除小连通区域对后续遍历统计的影响,保证所确定的髂骨上沿位置的准确性,进而保证对腹主动脉分叉处定位的准确性。

实施例三

图3为本发明实施例三提供的一种腹主动脉分叉处的定位方法的流程示意图。本实施例以上述各实施例为基础,对“计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值”进行优化,如图3所示,该方法可以包括如下步骤:

步骤310、在待检测图像中确定包含腹主动脉分叉处的位置区域。

步骤320、根据包含腹主动脉分叉处的样本图像确定训练样本,其中,所述训练样本包括若干个正样本和负样本。

示例性的,正样本可以理解为属于某一类别的样本,负样本可以理解为不属于该类别的样本。腹主动脉分叉处可以理解为腹主动脉与左右髂动脉的交叉位置,通常这三条动脉的交叉相连处为一条线,如称作交叉线,本实施例中确定的腹主动脉分叉处为交叉线上所包含的像素点中,为腹主动脉分叉处可能性最高的某一点。本实施例中,正样本可以为属于腹主动脉交叉线上的像素点,负样本可以为不属于腹主动脉交叉线上的像素点,可以理解的是,还可以选取胸腹部的三维图像中,容易对识别腹主动脉分叉处造成影响的任意像素点作为负样本,例如肝肾动脉分叉位置的像素点。

示例性的,搜集若干个胸腹部的三维图像作为样本图像,从每个样本图像中选取若干个正样本像素点及负样本像素点,例如在每个样本图像中,可以在腹主动脉交叉线的小范围内选取10个正样本像素点左右,在不属于腹主动脉交叉线的范围内选取60个负样本像素点左右,其中,可以通过手动、半自动或者自动的方式在胸腹部的三维图像中提取上述正样本及负样本像素点。

步骤330、根据所述训练样本进行分类器训练,得到目标分类器。

示例性的,将确定的正样本和负样本输入到分类器中进行样本训练,将训练得到的分类器确定为目标分类器,其中,所述分类器可以采用adaboost算法、概率提升树(probabilityboostingtree,pbt)算法或随机森林算法进行分类器训练。

在本实施例的一个可选的实施方式中,根据所述训练样本进行分类器训练,得到目标分类器,可以包括:

根据所述训练样本,进行adaboost分类器训练,得到多个弱分类器;

将所述多个弱分类器按预设规则进行组合,得到所述目标分类器。

示例性的,在胸腹部的三维图像中,选取包含上述正样本和负样本的3d类haar-like特征,haar特征是常用于识别物体的特征描述算子,适用于跟踪结构稳定的物体,使用特征进行训练比单纯地使用像素点进行训练的速度更快。计算所选取各haar-like特征的haar特征值,并基于adaboost算法选取有效的haar特征,每个有效的haar特征对应一个弱分类器。

具体的,通过训练样本获取单个弱分类器的步骤可以为:假设对于一个样本x,共计有k个3d类haar-like特征,后续简称为haar特征,选取其中一个haar特征t,假设从该样本图像选取m个正样本点和n个负样本点,m和n可以相等,也可以不等,计算样本x中所有训练样本点关于该特征t的特征值ft(x),并选取一个和特征t相关的阈值θt和偏位符pt,其中所述偏位符pt用于控制下述弱分类器计算公式(1)中的符号方向,pt取值可以为1或-1,当ft(x)>θt时令pt为1,当ft(x)<θt时令pt为-1,弱分类器的计算公式如公式(1)所示:

通过计算每一个样本点关于该特征t的特征值ft(x),将得到的特征值按照升序进行排列,分别记为ft(1),ft(2)……ft(m+n),从中选取最佳阈值θt作为分类的分水岭,使得利用该特征t对所有的训练样本进行正负样本划分时的分类误差达到最小,其中,阈值θt的选取与最小错误分类率有关,最小错误分类率et的计算公式如公式(2)所示:

其中,min表示取函数值最小,tt+表示所有正样本的权重和,tt-表示所有负样本的权重和,st+为在θt阈值下所有特征值小于θt的正样本权重和,st-为在θt阈值下所有特征值小于θt的负样本权重和。

初始状态下,所有的样本都被赋予相等的权重值,根据最小错误分类率et,确定最佳阈值θt,θt对应的特征t即为有效haar特征,该有效haar特征对应弱分类器h(x),即为通过训练所得到的的弱分类器。

需要说明的是,伴随着训练过程的进行,根据训练得到的弱分类器,可以用于判断正、负样本是否被准确地分类,如果某一像素点被准确地分类,则在下一次训练中该像素点的权重将会被降低;如果某一像素点被错误地分类,则在下一次训练中该像素点的权重将被提高,从而得到一个新的样本分布。即,在每轮的迭代中需对所有正样本和负样本的权重根据上一轮的训练结果进行归一化处理,将各像素点的权重依据下述公式(3)进行归一化。

其中,qt(j)表示第t次迭代中第j个样本的新的权重,n表示样本个数,t表示迭代次数,ωt(j)表示第t次迭代中第j个样本的权重。

遍历所有特征,并利用前述过程中选取的包含一个haar特征的最佳弱分类器h(x,ft,pt,θt),根据公式(4)计算该弱分类器对m+n个样本的加权错误分类率,对应每个有效haar特征的弱分类器群,找出错误率εt最小的弱分类器hj,选择其对应的特征t。

随后更新下一轮训练样本的权重其中若样本被正确分类则ej=0,若本被错误分类,则ej=1。按照上述adaboost迭代算法,通过r轮迭代,将选取得到r个haar特征,本实施例中所述r选取可以为60。

进一步地,将经过r次训练完成后获取的r个弱分类器及其权重组合在一起,构成强分类器,例如,将若干个强分类器级联构成adaboost级联分类器h(x),强分类器h(x)表达式如公式(5)所示。

其中,若h(x)=1代表该样本点分类为正样本,即属于腹主动脉分叉线上的点,若h(x)=0代表该点分类为负样本,即不属于腹主动脉分叉线上的点。αt为对有效haar特征t对应的弱分类器所赋予的权重,表示该弱分类器的性能,权重越小代表该弱分类器在最终的强分类器中起的作用越小,权重越大代表该弱分类器在最终的强分类器中起的作用越大。单个弱分类器来说,其分类的准确率相对较低,但是通过赋予各个弱分类器不同的权重,并组合为强分类器,可以有效的提高得到的强分类器的准确性。

步骤340、基于所述目标分类器,计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值。

示例性的,在确定目标分类器后,将位置区域内的所有像素点输入到目标分类器中,计算各像素点为腹主动脉分叉处像素点的概率值,具体计算公式如公式(6)所示。

其中,ht(x)为位置区域图像中某一样本x对应有效haar特征t的弱分类器,αt表示各个弱分类器对应的权重,vessel(x)表示样本x为腹主动脉分叉处像素点的概率,其中,样本x即被选作样本的像素点x。

步骤350、根据所述各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置。

示例性的,可以通过将各像素点为腹主动脉分叉处像素点的概率值与预设的阈值进行比较,确定腹主动脉分叉处的位置,例如,预设阈值可以通过计算得到,将位置区域中各像素点的为腹主动脉分叉处像素点的概率值与该阈值进行比较,可以将位置区域内概率值达到该阈值的所有像素点中,概率值最大的那个像素点,确定为腹主动脉分叉处的像素点,且根据该像素点的位置,确定腹主动脉分叉处的位置;若位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值均未达到该阈值,则表明位置区域内不存在腹主动脉分叉处。

本实施例提供的技术方案,利用样本图像提取若干正样本和负样本,并用于进行分类器训练,根据训练得到的目标分类器,计算位置区域中的像素点为腹主动脉分叉处的概率值,进而确定腹主动脉分叉处的位置,能够进一步提高对腹主动脉分叉处进行定位的准确性,且定位速度快、定位效率高。

实施例四

图4为本发明实施例四提供的一种腹主动脉分叉处的定位装置的结构示意图。该装置可由软件和/或硬件实现,一般集成在医学成像设备中,可通过执行腹主动脉分叉处的定位方法来构建协议组。如图4所示,该装置可以包括:位置区域确定模块410、概率计算模块420和定位模块430。

其中,位置区域确定模块410,用于在待检测图像中确定包含腹主动脉分叉处的位置区域;

概率计算模块420,用于计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值;

定位模块430,用于根据所述各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置。

本实施例提供的技术方案,通过在待检测图像中确定包含腹主动脉分叉处的位置区域,实现腹主动脉分叉处的粗定位,之后根据计算位置区域中各像素点为腹主动脉分叉处像素点的概率值,确定出腹主动脉分叉处的具体位置,实现腹主动脉分叉处的细定位,不但能够保证定位的准确性,且定位速度快、定位效率高。

在上述实施例的基础上,所述位置区域确定模块410可以包括:

投影单元,用于对所述待检测图像在冠状面上进行投影,得到第一投影图像;

粗定位单元,用于对所述第一投影图像进行遍历统计,根据统计结果确定所述待检测图像中髂骨上沿的位置信息;

位置区域确定单元,用于根据所述髂骨上沿的位置信息与预设距离范围,确定自所述髂骨上沿向上和/或向下预设距离范围的区域为所述位置区域。

在上述各实施例的基础上,所述粗定位单元可以包括:

投影子单元,用于去除所述第一投影图像中包含的脊骨区域图像,得到第二投影图像;

计算子单元,用于按照预设规则对所述第二投影图像中的各像素行进行像素个数统计;

粗定位子单元,用于根据统计结果与预设阈值,确定所述待检测图像中髂骨上沿的位置信息。

在上述各实施例的基础上,所述概率计算模块420,可以包括:

样本确定单元,用于根据包含腹主动脉分叉处的样本图像确定训练样本,其中,所述训练样本包括若干个正样本和负样本;

训练单元,用于根据所述训练样本进行分类器训练,得到目标分类器;

概率计算单元,用于基于所述目标分类器,计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值。

在上述各实施例的基础上,所述训练单元,可以包括:

第一训练子单元,用于根据所述训练样本,进行adaboost分类器训练,得到多个弱分类器;

第二训练子单元,用于将所述多个弱分类器按预设规则进行组合,得到所述目标分类器。

实施例五

本实施例五提供了一种医学成像系统,该系统可以包括:采集装置、显示装置和图像处理装置。

其中,采集装置,用于对患者进行图像采集。

显示装置,用于显示调整重建范围参数的编辑界面,所述编辑界面用于显示生成的预览图像。

图像处理装置,可集成本发明实施例中提供的腹主动脉分叉处的定位装置,用于运行计算机程序,所述计算机程序运行时实现本申请所有发明实施例提供的腹主动脉分叉处的定位方法。

示例性的,本实施例中的医学成像系统可以为ct成像系统,例如ct血管造影(cta)。

当用户使用本实施例中的医学成像系统进行腹主动脉分叉处的定位时,成像系统能够在待检测图像中确定包含腹主动脉分叉处的位置区域,实现粗定位,并计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值,根据计算得到的各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置,实现细定位,能够保证对腹主动脉分叉处进行定位的准确性,并大大提高定位速度,为后续治疗争取宝贵的时间。

上述实施例中提供的腹主动脉分叉处的定位装置及医学成像系统可执行本发明任意实施例所提供的腹主动脉分叉处的定位方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的腹主动脉分叉处的定位方法。

实施例六

本实施例六提供了一种计算机可读的存储媒介,被配置为存储可执行程序,该程序可以被处理器执行时实现本申请所有发明实施例提供的腹主动脉分叉处的定位方法:

也即:该程序被处理器执行时实现:在待检测图像中确定包含腹主动脉分叉处的位置区域;计算所述位置区域中所包含的各像素点为腹主动脉分叉处像素点的概率值;根据所述各像素点为腹主动脉分叉处像素点的概率值,确定腹主动脉分叉处的位置。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读的存储媒介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、或半导体的系统、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、便携式计算机磁盘、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。在本申请中,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系统、装置或者器件使用或者与其结合使用。

计算机可读的存储媒介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。该计算机可读的存储媒介可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读的存储媒介上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、rf等等,或者上述的任意合适的组合。

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)。

注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1