一种ct图像中床板的去除方法及系统的制作方法
【专利摘要】本发明公开了一种CT图像中床板的去除方法：步骤1.提取CT图像的边缘信息，得到边缘图像；步骤2.滤除边缘图像中的噪声点以及非床板边缘曲线；步骤3.从左到右、从上到下的方式扫描图像，依次将图像中相似性较小的两条曲线去除，识别出床板边缘曲线；步骤4.采用区域生长方法去除原始CT图像中的床板。本发明免去了在三维诊断工作站中床板的干扰，大大提高了医生的工作效率。本发明基于床板物理属性及在图像上的特征，采用了针对性的图像边缘信息提取、干扰滤除、相似性计算，因此床板的识别准确率高，最后床板通过区域生长完整准确地去除。
【专利说明】一种CT图像中床板的去除方法及系统
【技术领域】
[0001] 本发明属于数字图像检索【技术领域】，具体涉及一种CT图像中床板的自动识别与 去除的方法及系统，本发明适用于三维诊断工作站中重建图像的观察和疾病的诊断。
【背景技术】
[0002] 医院CT检查通常将人体背部以及人体下方的床板一起呈现在一副CT图像中，这 使在三维诊断工作站中重建图像的部分被床板遮住无法直接观察（见图1)，因此需将床板 从CT图像中去除。由于床板比人体表皮组织密度大，因此CT图像中床板比上下邻域的CT 值大，这为CT图像中去除床板提供了基础。
[0003] 目前的自动床板去除方法主要是首先在CT图像中自动识别床板，即准确定位床 板在图像上的位置，这需要统计床板的实际物理属性（如长、宽、厚度等）；其次是从CT图 像中将床板完整的去除。但是据调查，由于目前不同医院采集到的CT图像中床板的物理属 性（包括长度，形状和厚度等）有一定的差别，并且存在CT图像中床板与人体组织相连的 情况，使得床板的准确识别以及完整去除难以很好的实现。目前，有部分三维诊断工作站提 供了半自动的床板移除，其做法是通过医生交互选中床板，然后通过区域生长技术进行删 除。该半自动去除方式存在的问题是：医生需要肉眼识别出床板并通过鼠标准确地选中床 板，由于某些图像中床板较薄会降低选中的概率；在图像中床板呈现出来多层（见图1)，需 要医生逐步选中，降低了工作效率。
[0004] 总之，现有的床板移除方法并非有效的解决方法。
【发明内容】
[0005] 针对现有的CT图像中床板去除方法存在的不足，本发明的目的在于，提供一种CT 图像中床板的去除方法。
[0006] 为了达到上述目的，本发明采用如下技术方案予以解决：
[0007] -种CT图像中床板的去除方法，具体包括以下步骤：
[0008] 步骤1、提取CT图像的边缘信息，得到边缘图像；
[0009] 步骤2,滤除步骤1得到的边缘图像中的噪声点以及非床板边缘曲线；
[0010] 步骤3,从左到右、从上到下的方式扫描图像，依次将图像中相似性较小的两条曲 线去除，识别出床板边缘曲线；
[0011] 步骤4、采用区域生长方法去除原始CT图像中的床板。
[0012] 进一步的，所述步骤1具体包括以下步骤：
[0013] 步骤11，高斯平滑滤波：高斯函数：
【权利要求】
1. 一种CT图像中床板的去除方法，其特征在于，具体包括以下步骤： 步骤1、提取CT图像的边缘信息，得到边缘图像； 步骤2,滤除步骤1得到的边缘图像中的噪声点以及非床板边缘曲线； 步骤3,从左到右、从上到下的方式扫描图像，依次将图像中相似性较小的两条曲线去 除，识别出床板边缘曲线； 步骤4、采用区域生长方法去除原始CT图像中的床板。
2. 如权利要求1所述的CT图像中床板的去除方法，其特征在于，所述步骤1具体包括 以下步骤： 步骤11，高斯平滑滤波：高斯函数： 1 x2+r G" =--2-； (1) σ Ιπσ1 式中，σ为标准差，取0.8; 「1 2 Γ 采用3阶高斯核：F 2 4 2对CT图像进行卷积； 1〇 1 2 1 步骤12, 一阶差分； 步骤13,梯度非极大值抑制； 步骤14,双阈值的边缘检测和连接：两阈值为tl (400HU)，t2(1000HU)，tl = t2*0. 4。
3. 如权利要求1所述的CT图像中床板的去除方法，其特征在于，所述步骤2具体包括 以下步骤： 步骤21，去除图像中各曲线的交汇点：遍历步骤1得到的边缘图像，将图像中所有的曲 线交汇点的值由1置为〇 ;其中，交汇点的判断规则是其周围8个点中有3个或以上的点的 值不为〇 ; 步骤22,去掉图像中孤立噪声点：将上一步处理后的边缘图像的点中无上下相邻点的 点的值由1置为〇 ; 步骤23,去除非床板边缘曲线：计算上一步得到的边缘图像中每条曲线的长度，同时 对每条曲线上以5个像素点为间距逐次计算斜率，统计每条曲线的斜率正负波动次数；将 长度小于图像横向宽度的1/3且斜率正负波动次数大于波动次数阈值的曲线从边缘图像 中去除；同时，将采集的斜率全部为正或者全部为负的曲线从图像中删去； 所述曲线长度的计算：从曲线的左端点开始进行区域生长，利用下式计算曲线的长度 length ： length = Max-Min 其中，Max和Min分别为区域生长后的曲线的右端点和左端点的列坐标； 所述波动次数阈值设为3次； 所述斜率k的计算： kJ(X + 5)-m ⑶ x + 5-x 其中，X表示图像的列数，f(x)表示曲线在第X列时对应的行值。
4. 如权利要求1所述的CT图像中床板的去除方法，其特征在于，所述步骤3具体包括 以下步骤： 步骤31，找出待计算相似性的两条曲线：以从左到右、从上到下的方式依次扫描步骤2 得到的图像中的每个像素点，查找值为1的像素点P1及其上邻近点或下邻近点P2,将P1和 P2所在的两条曲线作为待计算相似性的两条曲线； 步骤32,去除局部间隔距离和局部斜率差别较大的非床板边缘曲线：从待计算相似性 的两条曲线的左端点开始向右扫描每个点，在每个点的位置处，分别计算一次两曲线的垂 直距离d及两曲线的斜率，记为kl、k2 ;如果连续10次统计d>10或者连续3次出现max (| k 1|，|k2|)>1.5*min(|kl|，|k2|)，则认为两曲线非床板边缘曲线，将该两曲线中位于上方的 一条从边缘图像中删除；返回执行步骤31 ;如果上述判断条件不成立，则继续； 步骤33,去除平均距离较大的两条曲线：按照下式计算两条曲线之间的平均距离davg， 判断davg>8是否成立，是则认为两曲线不是床板的边缘，将两条曲线均去除，返回步骤31 ; 否则继续； η daVg = 其中，di表示两曲线在第i列上的间距，n表示两曲线上的点位于同一列的列数； 步骤35,去除正、负平均斜率相差较大的曲线：按式（4)分别计算两条曲线中的每条 曲线的正、负平均斜率；判断是否满足条件：max(|klavg+|，|k2avg+|)>1.3*min(|kl avg+|，|k2av g+1)或 max (I klavg_ I，I k2avg_ I) >1. 3*min (I klavg_ I，I k2avg_ I),其中，Klavg+ 和 K2avg+ 分别表示两 条曲线各自的正平均斜率，Klavg_和K2avg_分别表示两条曲线各自的负平均斜率；满足则将 该两条曲线均去除，返回步骤31 ;如果不满足，则该两条曲线被认定为床板的边缘曲线； 最终得到床板的上边缘以及下边缘，床板的上边缘以及下边缘均由两条曲线组成； n\ ￡i Σ々, Σ人., (k< 0 ) (4) η?和η2分别是在每条曲线上采样得到的正、负斜率的个数。
5. 如权利要求1所述的CT图像中床板的去除方法，其特征在于，所述步骤4具体包括 以下步骤： 步骤41，确定扫描起始点：找到床板的上边缘的两条曲线中的一条的起点在原始CT图 像上的对应的点（x〇, y〇)，令该点处的CT值为TQ ; 步骤42,在原始CT图像上，以点（X(l，y(l)为中心，从左到右、从上到下依次扫描其周围8 个相邻像素点（X，y)，如果某个相邻像素点处的CT值T满足| Τ-?； |〈400HU，则将该相邻像素 点与点（χο,Υο)标记为同一类，并将点（χο,Υο)和点（x，y)的值由〇改为1，同时将点（x，y) 压入堆栈中； 步骤43,从堆栈中取出一个像素点，将其作为新的（X。，yQ)，返回步骤42 ;当堆栈为空 时，床板的上边缘去除； 步骤44,对床板的下边缘进行步骤41-步骤43,将床板的下边缘去除。
6. -种CT图像中床板的去除系统，其特征在于，具体包括以下依次相连的模块： CT图像边缘提取模块1，是用于实现以下功能的模块：从CT图像中提取边缘信息得到 边缘图像； 去噪及部分非床板曲线去除模块2,是用于实现滤除步骤1得到的边缘图像中的噪声 点以及非床板边缘曲线的功能的模块； 低相似性曲线去除模块3,是用于实现以下功能的模块：从左到右、从上到下的方式扫 描图像，依次将图像中相似性较小的两条曲线去除，识别出床板边缘曲线； 床板去除模块4,是用于实现以下功能的模块：采用区域生长方法去除原始CT图像中 的床板。
7. 如权利要求6所述的CT图像中床板的去除系统，其特征在于，所述CT图像边缘提取 模块1包括如下依次相连的子模块： 高斯平滑模块，是用于实现以下功能的模块： 高斯平滑滤波：高斯函数： k 士-晋 ⑴ 式中，σ为标准差，取0.8; Γ1 2 Γ 采用3阶高斯核：H 2 4 2对CT图像进行卷积； 16 1 2 1 一阶差分模块； 梯度非极大值抑制模块； 双阈值的边缘检测和连接模块：其中，两阈值为^(400皿)32(1000皿)31 =七2*0.4。
8. 如权利要求6所述的CT图像中床板的去除系统，其特征在于，所述去噪及部分非床 板曲线去除模块2包括如下依次相连的子模块： 曲线的交汇点去除模块，是用于实现以下功能的模块：遍历边缘图像，将图像中所有的 曲线交汇点的值由1置为〇 ;其中，交汇点的判断规则是其周围8个点中有3个或以上的点 的值不为〇 ; 孤立噪声点去除模块，是用于实现以下功能的模块：将上一个子模块处理后的边缘图 像的点中无上下相邻点的点的值由1置为〇 ; 非床板边缘曲线去除模块，是用于实现以下功能的模块：计算上一子模块输出的边缘 图像中每条曲线的长度，同时对每条曲线上以5个像素点为间距逐次计算斜率，统计每条 曲线的斜率正负波动次数；将长度小于图像横向宽度的1/3且斜率正负波动次数大于波动 次数阈值的曲线从边缘图像中去除；同时，将采集的斜率全部为正或者全部为负的曲线从 图像中删去； 曲线长度的计算：从曲线的左端点开始进行区域生长，利用下式计算曲线的长度 length ： length = Max-Min 其中，Max和Min分别为区域生长后的曲线的右端点和左端点的列坐标； 所述波动次数阈值设为3次； 所述斜率k的计算： ^/(x + 5)-/(x) 〇) x + 5-x 其中，X表示图像的列数，f(x)表示曲线在第X列时对应的行值。
9. 如权利要求6所述的CT图像中床板的去除系统，其特征在于，所述低相似性曲线去 除模块3包括以下子模块： 待计算相似性曲线识别模块，是用于实现以下功能的模块：以从左到右、从上到下的方 式依次扫描步骤2得到的图像中的每个像素点，查找值为1的像素点P1及其上邻近点或下 邻近点P2,将P1和P2所在的两条曲线作为待计算相似性的两条曲线；连接较大距离和斜 率差别的非床板去除模块； 较大距离和斜率差别的非床板去除模块：是用于实现以下功能的模块：从待计算相似 性的两条曲线的左端点开始向右扫描每个点，在每个点的位置处，分别计算一次两曲线的 垂直距离d及两曲线的斜率，记为kl、k2 ;如果连续10次统计d>10或者连续3次出现max ( kl|，|k2|)>1.5*min(|kl|，|k2|)，则认为两曲线非床板边缘曲线，将该两曲线中位于上方 的一条从边缘图像中删除；连接待计算相似性曲线识别模块；如果上述判断条件不成立， 连接平均距离较大曲线去除模块； 平均距离较大曲线去除模块：是用于实现以下功能的模块：按照下式计算两条曲线之 间的平均距离davg，判断davg>8是否成立，是则认为两曲线不是床板的边缘，将两条曲线均去 除；连接待计算相似性曲线识别模块；否则连接正、负平均斜率差别大曲线去除模块； d-., = Yddi in ?-0 其中，屯表示两曲线在第i列上的间距，η表示两曲线上的点位于同一列的列数； 正、负平均斜率差别大曲线去除模块：是用于实现以下功能的模块：按式（4)分别计算 两条曲线中的每条曲线的正、负平均斜率；判断是否满足条件:max(|klavg+|，|k2avg+|)>l. 3* min(|klavg+|，|k2avg+|)或 max(|klavg_|，|k2avg_|)>1.3*min(|klavg_|，|k2 avg_|)，其中，Klavg+和 K2avg+分别表示两条曲线各自的正平均斜率，Klavg_和K2avg_分别表示两条曲线各自的负平均 斜率；满足则将该两条曲线均去除；连接待计算相似性曲线识别模块；如果不满足，则该两 条曲线被认定为床板的边缘曲线； 最终得到床板的上边缘以及下边缘，床板的上边缘以及下边缘均由两条曲线组成； η? κν&+ ( k;> 0 ) ； ^vg-=^-, (k<0) (4) η?和η2分别是在每条曲线上采样得到的正、负斜率的个数。
10. 如权利要求6所述的CT图像中床板的去除系统，其特征在于，所述床板去除模块4 包括如下几个子模块： 扫描起始点确定模块，是用于实现以下功能的模块：找到床板的上边缘的两条曲线中 的一条的起点在原始CT图像上的对应的点（X(l，y(l)，令该点处的CT值为?；;连接床板上边 缘去除模块； 床板上边缘去除模块，是用于实现以下功能的模块：在原始CT图像上，以点（X(l，y(l)为 中心，从左到右、从上到下依次扫描其周围8个相邻像素点（X，y)，如果某个相邻像素点处 的CT值T满足| T-L |〈400HU，则将该相邻像素点与点（? y(l)标记为同一类，并将点（X(l，yQ) 和点（χ，y)的值由〇改为1，同时将点（χ，y)压入堆栈中；连接像素点更新模块； 像素点更新模块，是用于实现以下功能的模块：从堆栈中取出一个像素点，将其作为新 的（xmyo);连接床板曲线像素点去除模块；当堆栈为空时，床板的上边缘去除；连接下边缘 去除1吴块； 下边缘去除模块，是用于实现以下功能的模块：连接子模块将床板的下边缘去除。
【文档编号】G06T5/00GK104240198SQ201410438472
【公开日】2014年12月24日 申请日期:2014年8月29日 优先权日:2014年8月29日
【发明者】辛良, 白霖抒, 申田, 李云峰, 张孝林 申请人:西安华海盈泰医疗信息技术有限公司