三维CT多骨块自动分割方法、装置、计算机设备及存储介质与流程

本发明属于计算机领域，尤其涉及一种三维ct多骨块自动分割方法、装置、计算机设备及存储介质。

背景技术：

骨骼ct影像是指针对骨骼的电子计算机断层扫描，它是利用精确准直的x线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，得到此部位骨骼ct影像。

由于影像设备获取信息的能力限制，三维ct影像中骨骼与骨骼之间的边界很多时候并不清晰，如需从一组ct影像中分割并提取出多块骨骼，往往需要大量的用户交互，并且一次性只能分割出一块到两块骨骼，效率很低；另一方面，对于骨折特别是粉碎性骨折的情形，骨折块的数量往往很多，且没有固定的解剖结构，因此没有先验知识来辅助医生做骨折块分割的参考；传统的医学软件的交互方式都是在二维图像上进行编辑，直观性很差，难以区分不同的骨折块，会带来分割结果的错误。

因此，有必要发明一种方法对骨骼ct影像的三维图像进行分割，将所有小的骨块快速分割出来。

技术实现要素：

本发明实施例提供一种三维ct多骨块自动分割方法，通过对骨骼ct影像中的所有骨骼块进行涂鸦标记及三维图像分割计算，将所有小的骨块快速分割出来。

本发明实施例提供了一种三维ct多骨块自动分割方法，所述方法包括如下步骤：

获取多骨块ct影像并解析成三维体数据；

按照预设的方式对所述已解析成三维体数据的ct影像进行初始分割和三维等值面渲染；

对已完成渲染的ct影像进行涂鸦标记；

根据预设的算法利用所述初始分割和涂鸦标记对所述ct影像进行分割计算，得到分割结果。

三维ct多骨块自动分割装置，其特征在于，所述装置包括：

ct影像获取单元，用于获取多骨块ct影像并解析成三维体数据；

初始分割及渲染单元，用于按照预设的方式对所述已解析成三维体数据的ct影像进行初始分割和三维等值面渲染；

涂鸦标记单元，用于对已完成渲染的ct影像进行涂鸦标记；

分割计算单元，用于根据预设的算法利用所述初始分割和涂鸦式标记对所述ct影像进行分割计算，得到分割结果。

综上所述，通过利用上述使用涂鸦标记的三维ct多骨块自动分割方法，可以实现从骨骼的三维ct影像中一次性准确地自动分割出多块不同部位的骨块或骨折块，极大程度减少三维骨骼医学重建中人工编辑的时间成本。

附图说明

图1是本发明实施例提供的一种三维ct多骨块自动分割方法的流程图；

图2是本发明实施例提供的一种三维ct多骨块自动分割方法示意图；

图3是本发明实施例提供的另一种三维ct多骨块自动分割方法的流程图；

图4是本发明实施例提供的又一种三维ct多骨块自动分割方法的流程图；

图5是本发明实施例提供的一种三维ct多骨块自动分割装置的结构框图；

图6是本发明实施例提供的另一种三维ct多骨块自动分割装置的结构框图；

图7是本发明实施例提供的又一种三维ct多骨块自动分割装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

本发明应用于具有图像处理功能的计算机设备，包括但不限于工业计算机、个人电脑(personalcomputer，pc)等。

图1示出了本发明实施例提供的一种三维ct多骨块自动分割方法的实现流程，详述如下：

步骤s101，获取多骨块ct影像并解析成三维体数据。

在本发明实施例中，获取包含多骨块的ct影像，所述ct影像为三维ct序列，如图2-①所示，将所述多骨块ct影像利用图像可视化技术解析成三维体数据，并重建成三维图形。所述图像可视化技术非本发明的发明点，可以采用任何目前既有的计算机医学图像可视化技术，此处不做限制。

步骤s102，按照预设的方式对所述已解析成三维体数据的ct影像进行初始分割和三维等值面渲染。

在本发明实施例中，需要对已解析成三维体数据的ct影像按照预设的初始分割方法进行分割预处理，使所述ct影像内的骨块产生初始的分割，形成若干个特定的、具有独特性质的图像区域，能初步的区分出所述ct图像中的各骨块，便于后续处理，如图2-②所示。

优选的，所述预设的初始分割方法可以是阈值分割、区域分割等能产生初始图像分割的方法，此处不做限制。

在本发明实施例中，已完成初始分割的ct图像基本能将所有骨骼部分区分出来，为了更清晰，更直观的区分所述已分割的骨骼部分和便于后续的操作，还需要按照预设的算法对所述已完成初始分割的ct图像进行三维等值面渲染，实现三维可视化显示所述分割效果，如图2-③所示。

优选的，所述预设的算法可以是光线追踪算法。

步骤s103，对已完成渲染的ct影像进行涂鸦标记。

在本发明实施例中，对已完成渲染形成三维可视化分割效果的ct影像的骨块进行涂鸦标记，所述涂鸦标记可以使用相应的交互系统。涂鸦标记需要对所述ct影像中的每块骨块进行标记，如图2-④所示。

优选的，为了便于区分各骨块和后续的计算，每块骨块的标记颜色均不一样，即不同的骨块采用不同的颜色进行涂鸦标记，以此对所述ct影像中的所有骨块形成了明显的区分。

优选的，在本发明实施例中，为了对所述ct影像中的所有骨块进行涂鸦标记，需要有相应的交互式操作界面，所述涂鸦标记可以是在所述ct影像的二维图片上进行，也可以是在所述ct影像的三维等值面上进行，也可以二者结合进行。

步骤s104，根据预设的算法利用所述初始分割和涂鸦标记对所述ct影像进行分割计算，得到分割结果。

在本发明实施例中，在所述ct影像已取得初始分割的基础上，为了进一步将所有小的骨块快速的区分出来，还需要将初始分割与涂鸦标记作为输入参数，再按照预设的算法进行计算，得出最终的分割结果并进行显示，如图2-⑤所示。

优选的，所述预设的算法可以是randomwalks算法。

下面以两个标签为例，采用randomwalks算法进行计算：

记p1,p2,...,pn为初始分割中的所有像素。记xi为第i个像素属于前景的概率，yi为第i个像素属于背景的概率。λi,j＝exp(-β||pi-pj||)为pi和pj属于同一类(前景或背景的概率)。

根据全概率公式：

下标ij表达第i个像素的第j个邻域，

若在涂鸦标记中，第i个点为前景，则xi＝1，

若在涂鸦标记中，第i个点为背景，则xi＝0。

则根据上述三个条件，可唯一求解出xi，类似可求解出yi.通过比较xi与yi的大小，确定第i个像素属于前景或者背景。

这里只需将两个标签扩展为多个标签，最终比较每个标签的计算结果的大小，确定第i个像素属于哪个标签即完成算法。

综上所述，通过利用上述使用涂鸦标记的三维ct多骨块自动分割方法，可以实现从骨骼的三维ct影像中一次性准确地自动分割出多块不同部位的骨块或骨折块，极大程度减少三维骨骼医学重建中人工编辑的时间成本。

图3示出了适用于本发明实施例提供的另一种三维ct多骨块自动分割方法流程图，与图1相比，步骤s102具体包括步骤s201和s202，具体如下：

步骤s201，按照预设的方式对所述ct影像进行初始分割。

在本发明实施例中，需要对已解析成三维体数据的ct影像按照预设的初始分割方法进行分割预处理，使所述ct影像内的骨块产生初始的分割，形成若干个特定的、具有独特性质的图像区域，能初步的区分出所述ct图像中的各骨块，便于后续处理，如图2-②所示。

优选的，所述预设的初始分割方法可以是阈值分割、区域分割等能产生初始图像分割的方法，此处不做限制。

步骤s202，按照预设的方法对所述ct影像进行三维等值面渲染。

在本发明实施例中，已完成初始分割的ct图像基本能将所有骨骼部分区分出来，为了更清晰，更直观的区分所述已分割的骨骼部分和便于后续的操作，还需要按照预设的算法对所述已完成初始分割的ct图像进行三维等值面渲染，实现三维可视化显示所述分割效果，如图2-③所示。

优选的，所述预设的算法可以是光线追踪算法。

图4示出了适用于本发明实施例提供的又一种三维ct多骨块自动分割方法流程图，与图1相比，步骤s104具体包括步骤s301和s302，具体如下：

步骤s301，将所述初始分割与涂鸦标记作为输入参数。

在本发明实施例中，为了进一步将所述已取得初始分割的ct影像的所有小的骨块快速的区分出来，还需要对所述ct影像的数据进行计算，将初始分割与涂鸦标记作为所述计算的输入参数，再按照预设的算法进行计算。

步骤s302，根据所述输入参数，使用randomwalks算法对所述ct影像进行分割计算。

在本发明实施例中，将所述初始分割与涂鸦标记作为输入参数，利用randomwalks算法计算出最终的分割结果并进行显示，如图2-⑤所示

下面以两个标签为例，采用randomwalks算法进行计算：

记p1,p2,...,pn为初始分割中的所有像素。记xi为第i个像素属于前景的概率，yi为第i个像素属于背景的概率。λi,j＝exp(-β||pi-pj||)为pi和pj属于同一类(前景或背景的概率)。

根据全概率公式：

下标ij表达第i个像素的第j个邻域，

若在涂鸦标记中，第i个点为前景，则xi＝1，

若在涂鸦标记中，第i个点为背景，则xi＝0。

则根据上述三个条件，可唯一求解出xi，类似可求解出yi.通过比较xi与yi的大小，确定第i个像素属于前景或者背景。

这里只需将两个标签扩展为多个标签，最终比较每个标签的计算结果的大小，确定第i个像素属于哪个标签即完成算法。

通过上述计算方法，能快速的将所述涂鸦标记的骨块分割，一次性准确的自动分割出多块不同部位的骨块或骨折块，极大程度减少三维骨骼医学重建中人工编辑的时间成本。

图5示出了适用于本发明实施例提供的一种三维ct多骨块自动分割装置的结构框图，所述装置包括：

ct影像获取单元401，用于获取多骨块ct影像并解析成三维体数据。

在本发明实施例中，获取包含多骨块的ct影像，所述ct影像为三维ct序列，如图2-①所示，将所述多骨块ct影像利用图像可视化技术解析成三维体数据，并重建成三维图形。所述图像可视化技术非本发明的发明点，可以采用任何目前既有的计算机医学图像可视化技术，此处不做限制。

初始分割及渲染单元402，用于按照预设的方式对所述已解析成三维体数据的ct影像进行初始分割和三维等值面渲染。

在本发明实施例中，需要对已解析成三维体数据的ct影像按照预设的初始分割方法进行分割预处理，使所述ct影像内的骨块产生初始的分割，形成若干个特定的、具有独特性质的图像区域，能初步的区分出所述ct图像中的各骨块，便于后续处理，如图2-②所示。

优选的，所述预设的初始分割方法可以是阈值分割、区域分割等能产生初始图像分割的方法，此处不做限制。

在本发明实施例中，已完成初始分割的ct图像基本能将所有骨骼部分区分出来，为了更清晰，更直观的区分所述已分割的骨骼部分和便于后续的操作，还需要按照预设的算法对所述已完成初始分割的ct图像进行三维等值面渲染，实现三维可视化显示所述分割效果，如图2-③所示。

优选的，所述预设的算法可以是光线追踪算法。

涂鸦标记单元403，用于对已完成渲染的ct影像进行涂鸦标记。

在本发明实施例中，对已完成渲染形成三维可视化分割效果的ct影像的骨块进行涂鸦标记，所述涂鸦标记可以使用相应的交互系统。涂鸦标记需要对所述ct影像中的每块骨块进行标记，如图2-④所示。

优选的，为了便于区分各骨块和后续的计算，每块骨块的标记颜色均不一样，即不同的骨块采用不同的颜色进行涂鸦标记，以此对所述ct影像中的所有骨块形成了明显的区分。

优选的，在本发明实施例中，为了对所述ct影像中的所有骨块进行涂鸦标记，需要有相应的交互式操作界面，所述涂鸦标记可以是在所述ct影像的二维图片上进行，也可以是在所述ct影像的三维等值面上进行，也可以二者结合进行。

分割计算单元404，用于根据预设的算法利用所述初始分割和涂鸦标记对所述ct影像进行分割计算，得到分割结果。

在本发明实施例中，在所述ct影像已取得初始分割的基础上，为了进一步将所有小的骨块快速的区分出来，还需要将初始分割与涂鸦标记作为输入参数，再按照预设的算法进行计算，得出最终的分割结果并进行显示，如图2-⑤所示。

优选的，所述预设的算法可以是randomwalks算法。

下面以两个标签为例，采用randomwalks算法进行计算：

记p1,p2,...,pn为初始分割中的所有像素。记xi为第i个像素属于前景的概率，yi为第i个像素属于背景的概率。λi,j＝exp(-β||pi-pj||)为pi和pj属于同一类(前景或背景的概率)。

根据全概率公式：

下标ij表达第i个像素的第j个邻域，

若在涂鸦标记中，第i个点为前景，则xi＝1，

若在涂鸦标记中，第i个点为背景，则xi＝0。

则根据上述三个条件，可唯一求解出xi，类似可求解出yi.通过比较xi与yi的大小，确定第i个像素属于前景或者背景。

这里只需将两个标签扩展为多个标签，最终比较每个标签的计算结果的大小，确定第i个像素属于哪个标签即完成算法。

综上所述，通过利用上述使用涂鸦标记的三维ct多骨块自动分割方法，可以实现从骨骼的三维ct影像中一次性准确地自动分割出多块不同部位的骨块或骨折块，极大程度减少三维骨骼医学重建中人工编辑的时间成本。

图6示出了适用于本发明实施例提供的另一种三维ct多骨块自动分割装置的结构框图，所述初始分割及渲染单元402具体还包括：

初始分割模块501，用于按照预设的方式对所述ct影像进行初始分割。

在本发明实施例中，需要对已解析成三维体数据的ct影像按照预设的初始分割方法进行分割预处理，使所述ct影像内的骨块产生初始的分割，形成若干个特定的、具有独特性质的图像区域，能初步的区分出所述ct图像中的各骨块，便于后续处理，如图2-②所示。

优选的，所述预设的初始分割方法可以是阈值分割、区域分割等能产生初始图像分割的方法，此处不做限制。

渲染模块502，用于按照预设的方法对所述ct影像进行三维等值面渲染。

在本发明实施例中，已完成初始分割的ct图像基本能将所有骨骼部分区分出来，为了更清晰，更直观的区分所述已分割的骨骼部分和便于后续的操作，还需要按照预设的算法对所述已完成初始分割的ct图像进行三维等值面渲染，实现三维可视化显示所述分割效果，如图2-③所示。

优选的，所述预设的算法可以是光线追踪算法。

图7示出了适用于本发明实施例提供的又一种三维ct多骨块自动分割装置的结构框图，所述分割计算单元404具体还包括：

参数获取模块601，用于将所述初始分割与涂鸦标记作为输入参数。

在本发明实施例中，为了进一步将所述已取得初始分割的ct影像的所有小的骨块快速的区分出来，还需要对所述ct影像的数据进行计算，将初始分割与涂鸦标记作为所述计算的输入参数，再按照预设的算法进行计算。

分割计算模块602，用于根据所述输入参数，使用randomwalks算法对所述ct影像进行分割计算。

在本发明实施例中，将所述初始分割与涂鸦标记作为输入参数，利用randomwalks算法计算出最终的分割结果并进行显示，如图2-⑤所示

下面以两个标签为例，采用randomwalks算法进行计算：

记p1,p2,...,pn为初始分割中的所有像素。记xi为第i个像素属于前景的概率，yi为第i个像素属于背景的概率。λi,j＝exp(-β||pi-pj||)为pi和pj属于同一类(前景或背景的概率)。

根据全概率公式：

下标ij表达第i个像素的第j个邻域，

若在涂鸦标记中，第i个点为前景，则xi＝1，

若在涂鸦标记中，第i个点为背景，则xi＝0。

则根据上述三个条件，可唯一求解出xi，类似可求解出yi.通过比较xi与yi的大小，确定第i个像素属于前景或者背景。

这里只需将两个标签扩展为多个标签，最终比较每个标签的计算结果的大小，确定第i个像素属于哪个标签即完成算法。

通过上述计算方法，能快速的将所述涂鸦标记的骨块分割，一次性准确的自动分割出多块不同部位的骨块或骨折块，极大程度减少三维骨骼医学重建中人工编辑的时间成本。

在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明任一项方法的步骤。

在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行本发明任一项方法的步骤。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/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。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。