CN103300856A - Mri图像的颈椎椎体轴线及相关组织的定位方法与装置 - Google Patents
Mri图像的颈椎椎体轴线及相关组织的定位方法与装置 Download PDFInfo
- Publication number
- CN103300856A CN103300856A CN2012100647737A CN201210064773A CN103300856A CN 103300856 A CN103300856 A CN 103300856A CN 2012100647737 A CN2012100647737 A CN 2012100647737A CN 201210064773 A CN201210064773 A CN 201210064773A CN 103300856 A CN103300856 A CN 103300856A
- Authority
- CN
- China
- Prior art keywords
- vertebral body
- area
- region
- cervical
- growth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种颈椎椎体轴线及相关组织的定位方法及其装置。本发明通过定位气管线来迅速定位颈椎轴线,并利用椎体内灰度近似均匀且与椎间盘有明显边界、椎体的形状及大小都基本固定的特征来自适应提取椎体,该提取过程不受图像权重的影响,根据提取出的椎体进而计算出各个椎间盘的中线位置和角度,从而有效地对MRI系统中颈椎椎间盘的扫描进行自动定位。本发明同时还公开了一种磁共振系统。
Description
技术领域
本发明涉及医学影像设备,尤其涉及采用磁共振图像进行颈椎椎间盘自动定位的方法和装置、以及一种磁共振成像系统。
背景技术
磁共振成像(MRI,Magnetic Resonance Imaging)由于无损伤和多参数成像等优点已得到广泛的临床应用,特别是其具有任意断层成像的能力,能够从不同角度直视地观察分析组织结构及其病变,因此在脊柱的系列检查中有突出优势。一个典型的颈椎椎间盘的MRI检查过程往往需要医师先在矢状面定位像上手动将每一组扫描线放置在有病变的椎间盘上。而为保证线组穿过椎间盘中心,需要反复调整线组的位置和角度,这个过程繁复而耗时。因此,如果能实现MRI椎间盘自动识别,就可以实现椎间盘的智能扫描定位,从而减少扫描时间和医师的操作负担。现有的椎间盘自动提取技术主要采用图像处理方法,在矢状面图像中自动分割或者识别出椎体或者椎间盘。一些传统的图像分割处理方法主要通过边缘检测或者先验形状信息等找到待分割区域,再根据目标区域的灰度值范围或与邻域的差异来实现分割。但这种分割方法往往耗时较久且不是很有效,因为在MRI不同权重的图像中,椎间盘的灰度值会发生变化,如T1权重椎间盘呈现黑色,而在T2权重或STIR(Short T1 Inversion Recovery,短T1反转恢复)权重图像上则偏白色。此外还有一些利用可变形模型匹配提取椎体再定位椎间盘的方法,这种方法的问题在于脊柱图像中可见椎体数量并不一定相同,如果可见的椎体过多或者过少都会导致匹配失效。还有的分割方法需要医师进行一定的交互操作,如选择特征点等,而这会降低检查的效率。
发明内容
本发明要解决的主要技术问题是,提供一种采用磁共振图像进行颈椎椎间盘自动定位的方法和装置、以及一种磁共振成像系统。
根据本发明的一方面,提供一种颈椎椎体轴线的定位方法及装置,其中装置包括:气管线定位单元,用于利用磁共振图像中被测者的躯体与成像背景的过渡特性,检测磁共振图像的体表边界得到体表边界图像,根据所述体表边界图像检测气管线;椎体轴线定位单元,用于根据气管线与颈椎椎体轴线的位置特性,按预设平移条件对气管线的坐标进行平移得到颈椎椎体轴线的坐标,从而定位到椎体轴线。
根据本发明的另一方面,提供一种颈椎椎体定位方法及装置,其中装置包括:如上所述的颈椎椎体轴线的定位装置;种子点选取单元,用于根据所述椎体轴线的灰度变化梯度得到椎体的可能边界点,按第三预设条件筛选所述可能边界点,将筛选后的边界点的坐标沿椎体轴线的方向移动,得到的新坐标所对应的点即为椎体内部的种子点;椎体定位单元,用于基于椎体内部的种子点,采用区域生长法得到最可能的椎体区域。
根据本发明的另一方面,提供一种颈椎椎间盘定位方法及装置,其中装置包括:如上所述的颈椎椎体定位装置;角点确定单元,用于根据定位到的颈椎椎体区域,利用螺旋扫描法检测椎体区域的顶点;椎间盘中心线确定单元,用于根据相邻两个椎体区域的顶点之间的连线,得到两个中心点,所述两个中心点的连线为椎间盘中心线。
本发明还提供一种包括上述颈椎椎体定位装置或颈椎椎间盘定位装置的磁共振成像系统。
附图说明
图1为本发明一种实施例中磁共振成像系统的结构示意图;
图2为本发明一种实施例中颈椎椎体定位装置的结构示意图;
图3为本发明一种实施例中颈椎椎体定位方法的流程示意图;
图4为T1权重矢状面颈椎图像;
图5为本发明一种实施例中定位椎体轴线的流程示意图;
图6为经求一阶导数后检测出的极大值/极小值点集合示意图;
图7为本发明一种实施例中检测出的体表边界示意图;
图8为本发明一种实施例中经过求二阶导数后极值点提取结果示意图;
图9为本发明一种实施例中筛选后得到的气管线示意图;
图10为本发明一种实施例中得到的椎体轴线示意图;
图11为本发明一种实施例中选取椎体内部种子点的流程示意图;
图12为本发明一种实施例中提取椎体区域的流程示意图;
图13为本发明一种实施例中定位出的椎体区域示意图;
图14为本发明一种实施例的颈椎椎间盘定位方法流程示意图;
图15为本发明一种实施例中检测椎体角点的扫描路径示意图;
图16为本发明一种实施例中提取的椎间盘中心线示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
在本发明各实施例中,对颈椎椎体及颈椎椎间盘的识别定位通常涉及先定位“椎体轴线”及“气管线”,因此,需要首先给出“椎体轴线”和“气管线”的概念。本发明各实施例所称椎体轴线并不严格限定是从椎体正中心穿过的线,只要能够纵向穿过所有的椎体即可,所以,本发明各实施例定义的椎体轴线是允许有一定误差的。而由于气管区域在整个磁共振图像中呈狭长的窄带形状,检测出的气管区域形同一条线,因此这里用气管线来描述该气管区域。
图1所示是本发明一种实施例中磁共振成像系统的结构。如图1所示,磁共振成像系统100包括磁体系统110、梯度磁场系统120、射频系统130和控制及处理系统140。磁体系统110包括磁体111、梯度磁场线圈112、发射线圈113和接收线圈114,磁体111可以采用永磁体或常导磁体,用于给待测物体(例如病人)提供一恒定的主磁场,梯度磁场线圈112用于在三维空间产生一梯度磁场,发射线圈113用于提供射频(RF)脉冲以激发待测物体内原子核的自旋,接收线圈114用于检测由待测物发出的回波信号。梯度磁场系统120和控制及处理系统140连接,用于在控制及处理系统140的控制下驱动梯度磁场线圈112。射频系统130和控制及处理系统140连接,用于在控制及处理系统140的控制下产生RF脉冲并经放大处理后施加给发射线圈113。控制及处理系统140既用于对各部分进行控制,也用于对回波信号进行处理。将接收线圈114检测到的回波信号传输到控制及处理系统140。
一种实施例中,控制及处理系统140包括颈椎椎体定位装置,用于基于得到的磁共振图像,在磁共振图像上定位出被测者的颈椎椎体。另一种实施例中,控制及处理系统140包括颈椎椎间盘定位装置,用于基于得到的磁共振图像,在磁共振图像上识别出被测者的颈椎椎间盘的中心线,从而可以减轻医师的操作负担。
图2所示为一种实施例中颈椎椎体定位装置的结构。如图2所示,颈椎椎体定位装置200包括颈椎椎体轴线的定位装置210、种子点选取单元230和椎体定位单元250。颈椎椎体轴线的定位装置210用于根据气管线确定椎体轴线;种子点选取单元230用于根据所述椎体轴线的灰度变化梯度得到椎体的可能边界点,按第三预设条件筛选所述可能边界点,将筛选后的边界点的坐标沿椎体轴线的方向移动,得到的新坐标所对应的点即为椎体内部的种子点;椎体定位单元250用于基于椎体内部的种子点,采用区域生长法得到最可能的椎体区域。
仍如图2所示,在一种具体实例中,颈椎椎体轴线的定位装置210包括气管线定位单元211和轴线定位单元213;其中,气管线定位单元211用于利用磁共振图像中被测者的躯体与成像背景的过渡特性,检测磁共振图像的体表边界得到体表边界,根据所述体表边界检测气管线;椎体轴线定位单元213用于根据气管线与颈椎椎体轴线的位置特性,按预设平移条件对气管线的坐标进行平移得到颈椎椎体轴线的坐标,从而定位到椎体轴线。
在另一种具体实例中,仍如图2所示,椎体定位单元250包括初始计算子单元251、循环计算子单元253和生长子单元255。其中,初始计算子单元251用于初始化生长阈值,基于初始化的生长阈值进行区域生长,将生长后的区域进行区域填充,计算填充后区域的面积周长比,根据填充后的区域面积估算出期望的面积周长比,得到填充后区域的面积周长比和期望的面积周长比的差异;循环计算子单元253用于改变生长阈值,并按改变后的生长阈值重新进行区域生长,且将生长后的区域进行区域填充,得到新的填充后区域的面积周长比、新的估算出的期望的面积周长比、以及二者的差异,以此循环直至所述差异为最小、且填充后区域的面积小于预设生长目标最大面积、且填充后区域的面积大于预设生长目标最小面积;生长子单元255用于将最小差异对应的生长阈值视为最佳生长阈值,根据该生长阈值并基于椎体内部种子点进行生长,得到初步的椎体区域。在又一具体实例中,椎体定位单元250除了包括初始计算子单元251、循环计算子单元253和生长子单元255外,还包括优化子单元257,用于在得到初步的椎体区域后,根据每个种子点经区域生长后的区域信息,得到最佳的椎体区域;其中,所述区域信息包括相邻种子点生长后区域的位置信息、相邻种子点生长后区域的面积差异。
基于以上装置,一种颈椎椎体定位方法如图3所示,包括以下步骤:
步骤S1,定位颈椎椎体轴线;
步骤S2,基于椎体轴线选取种子点;
步骤S3,基于种子点获取椎体。
下面通过实施例结合图4至图13对上述各步骤作详细说明。
对于步骤S1,利用磁共振图像中气管区域的特性,通过定位气管线来定位颈椎椎体轴线。
在颈椎的MRI图像中,气管区域是一个比较显著的区域,因为气管内没有水或者脂肪等组织,在不同权重的MRI图像中都是呈现黑色,与周围组织有明显区别,如图4所示,气管区域相比周围组织暗。在图4中,图的左侧为被测者的前面,图的右侧为被测者的后面。
由于颈椎挨着气管而且走向基本一致,因此,一种实施例中通过先定位气管来定位颈椎区域。定位气管的过程又可细分为:提取被测物第一侧(例如左侧)体表边界、提取第二侧(例如右侧)体表边界、定位气管。因此,本实施例中,如图5所示,步骤S1包括以下步骤:
步骤S11,检测体表边界。体表边界的提取可利用躯体与成像背景之间的过渡特性。例如图4所示,左侧体表为由黑到白的过渡,右侧体表为由白到黑的过渡。利用一阶导数可检测这种过渡,由于体表边界大致为垂直走向,可用一阶水平导数极值来检测。在与体表边界方向垂直的方向(例如水平方向)上求一阶导数,一阶导数可按如下表达式计算:
选择合适的高斯模版计算一阶导数后,分别检测出水平方向的一阶导数的极大值点和极小值点,极大值点用于检测左侧体表边界,极小值点用于检测右侧体表边界。沿体表边界方向变换求一阶导数的位置,循环上述步骤,检测出很多极大值点和极小值点,一些极大值点连接成线,形成极大值点集合,一些极小值点连接成线,形成极小值点集合。极大值/极小值点图像如图6,其中白色点为极大值,灰色点为极小值。可以看出,图像中存在过多的极大值点集合和极小值点集合,因此,需要对多个极大值点集合和极小值点集合按照第一预设条件进行筛选,第一预设条件可以是按照线的长度、线上各点导数值以及线与图像边界的距离来综合考虑。筛选后得到体表边界,如图7所示,经第一预设条件筛选后只留下第一侧(例如左侧)体表边界和第二侧(例如右侧)体表边界。得到体表边界后执行步骤S12。当然,本领域技术人员应该理解,第一预设条件除了本实施例中公开的筛选条件外,还可以是其他筛选条件,只要实现在众多边界中筛选出两侧体表边界即可。
步骤S12,检测气管线。提取体表边界后,利用体表边界限定的左右范围来检测气管线。气管线在图像中呈狭长的窄带形状,其灰度值接近于0(黑色)与其左右形成鲜明对比。利用这个特征,可用二阶导数来检测气管线。二阶导数对线状结构敏感,但需要指定合适的滤波尺度,只有当滤波尺度与气管线宽度相匹配时才能有效检测。因为已经提取出体表边界,可利用第一侧体表边界和第二侧体表边界的距离来估算滤波尺度,采用估算的滤波尺度对磁共振图像求二阶导数;二阶导数计算表达式如下:
其中,σ为高斯模板标准差,根据第一侧体表边界和第二侧体表边界的距离估算,体现滤波尺度;dlr为两侧体表边界的平均距离,M为一比例常数,可依实验确定。
通过求二级导数滤波后对图像取极值,即检测二阶导数图像的极值,从而得到多个由极值点连接成线的极值点集合,极值点提取结果如图8。提取极值点后,仍然需要进行筛选,此时的第二预设条件(即筛选规则)可按照气管在颈椎图像中的水平位置、垂直位置、气管线的长度等因素综合考虑,例如,本实施例中,根据从被测者侧面获取图像,如图4所示,气管线的水平位置靠左、垂直位置靠下、然后再综合考虑气管线的长度等因素,从而筛选后得到气管线,如图9所示。第二预设条件除了本实施例中公开的条件外,还可以是其他筛选条件,只要实现在众多边界中筛选出气管线即可。
步骤S13,定位椎体轴线。由于颈椎椎体轴线紧挨着气管右侧近似与气管同一走向,可以通过将气管线平移来得到。此外,考虑到越靠近气管上方,其与颈椎挨的越近,因此,平移参数可以做一个简单的修正:即处于气管线最上端的像素点的坐标平移最小(设为第一平移参数),最下端的像素点的坐标平移最大(设为第二平移参数),中间的像素点的坐标的平移参数可通过插值(如线性插值)得到,而第一平移参数和第二平移参数可同样利用两侧体表边界的距离来估算,即第一平移参数和第二平移参数为与第一侧体表边界和第二侧体表边界之间的距离有关的经验值。当然,如前述,实施例所涉及的椎体轴线是后续定位椎体的基础,因而轴线并不严格限定是从椎体正中心穿过的线,只要能够纵向穿过所有的椎体即可,所以是允许有一定误差的。一种实施例中,椎体轴线的计算表达式如下:
spine(t)=I(x(t)+k(t)·dlr,y(t))
其中,spine(t)表示椎体轴线,t为索引,(x(t),y(t))为气管线坐标,k(t)为平移距离相对左右体表边界距离的比例系数。经过计算,椎体轴线定位如图10中右边白线所示。
当确定出椎体轴线后,通过步骤S2来选取椎体内部的种子点,并通过步骤S3来基于种子点进行区域生长,从而可以得到椎体区域。
对于步骤S2,基于定位出的椎体轴线来选取椎体内部的种子点。实施例选取椎体内部种子点方法主要利用了椎体与椎间盘之间有明确边界、并且椎体与椎体之间有一定的距离间隔两个特征。选取种子点的过程可分为:计算椎体边界点、筛选边界点、移动边界点。如图11所示,步骤S2包括以下步骤:
步骤S21,确定可能边界点。由于椎体边界点处的灰度值呈现明显变化,可依据梯度特征来检测边界点。利用步骤S1定位出的椎体轴线,通过计算一阶导数后,灰度剧烈变化的位置对应的就是椎体与椎间盘的边界。一种具体的判定可用|g(t)|>T作为筛选条件,将满足这一条件的点视为可能边界点,其中g(t)为轴线梯度,T为阈值,可取T=mean(|g(t)|)。因本实施例中采用的是椎体轴线上灰度的变化梯度,梯度表示灰度的变化,它与灰度本身的高低无关,只要灰度有变化,都可在梯度上反映出来;所以本实施例在提取椎体内部的种子点时不受椎体或者椎间盘灰度不一致的影响,可更准确地提取到椎体内部的种子点,以进行后续的椎体区域生长。
步骤S22,筛选可能边界点。
步骤S21检测出的可能边界点会有冗余,如一条边界往往会检测出多个边界点,这就需要进行边界点筛选。按第三预设条件筛选,如利用相邻两个边界点之间是有一定距离的特性进行筛选,使得最后任意两个相邻边界之间点的距离d满足:
其中,N1、N2为经验值,可依据经验进行设定。
第三预设条件除了本实施例中上述筛选条件外,还可以是其他筛选条件,只要实现在众多边界点中筛选出符合条件的边界点即可,以减少边界点的数量。
步骤S23,获取种子点,即将筛选后的边界点的坐标沿椎体轴线的方向移动,得到的新坐标所对应的点即为椎体内部的种子点。例如将筛选后的边界点向上或下进行垂直移动,目的是将边界点的位置移动到椎体内部。移动的距离可根据经验设定,例如大于椎间盘上下宽度的一个值。
对于步骤S3,基于步骤S2选取的椎体内部的种子点,进行自适应阈值区域生长以便获得椎体区域。在本步骤中,首先初始化生长阈值,基于初始化的生长阈值进行区域生长,将生长后的区域进行区域填充,计算填充后区域的面积周长比,根据填充后的区域面积估算出期望的面积周长比,得到填充后区域的面积周长比和期望的面积周长比的差异;然后,改变生长阈值,并按改变后的生长阈值重新进行区域生长,且将生长后的区域进行区域填充,得到新的填充后区域的面积周长比、新的估算出的期望的面积周长比、以及二者的差异,以此循环直至二者的差异为最小、且填充后区域的面积小于预设生长目标最大面积、且填充后区域的面积大于预设生长目标最小面积;最后,将最小差异对应的生长阈值视为最佳生长阈值,根据该生长阈值并基于椎体内部种子点进行生长,得到初步的椎体区域。
这里利用椎体的面积、椎体的形状迭代计算生长阈值。生长后的区域坐标满足:
其中,(seedxj,seedyj)为第j个种子的坐标,(xi,yi)为(seedxj,seedyj)的孤立邻域集合,K为种子点数量Hj为基于第j个种子的生长阈值。这里关键需要确定最优的生长阈值Hj。
如图12所示,以单个种子为例,区域生长法提取椎体区域包括以下步骤:
步骤S31,设置初始阈值Hini、生长目标最小面积SM和生长目标最大面积ST,并将初始阈值Hini赋予生长阈值H;其中初始阈值Hini可以是一个比较大的固定值,也可以是椎体轴线的最大灰度和最小灰度差值乘以一个系数得到的一个值,SM和ST可利用dlr进行估算,如和L1和L2依经验选择。
步骤S32,基于生长阈值进行区域生长,将生长后的区域进行区域填充。本步骤中区域生长可采用已有的技术基于种子点进行区域生长并填充。
步骤S33,计算填充后区域的面积周长比SP,其中,S为填充后区域的面积,P为填充后区域的周长。
步骤S34,根据填充后区域的面积推算出期望的面积周长比。根据椎体形状基本固定且呈近似正方形的特征,假设椎体形状为正方形,根据填充后区域的面积S,推算出周长,然后再次计算面积周长比,即推算出期望的面积周长比SPR,
步骤S35,计算面积周长比和期望的面积周长比的差异。本步骤中,面积周长比和期望的面积周长比的差异可以是两者的差值,也可以是两者的比值。
步骤S36,判断生长是否满足预定条件,预定条件可以是生长阈值H已经很小,小于设定阈值。预定条件也可以是填充后区域的面积S已经很小,小于设定阈值。如果生长满足预定条件,则执行步骤S38,停止基于该种子的生长,并在位于生长目标最小面积和生长目标最大面积之间的填充后区域面积的差异中查找出最小差异,将该最小差异所对应的生长阈值记为最佳生长阈值,将最小差异所对应的填充后区域记为基于该种子生长的椎体区域;否则执行步骤S47;
步骤S47,生长阈值变换。例如按照一预定规则减小生长阈值,然后转向步骤S42,基于新的生长阈值进行区域生长,循环执行直到生长满足预定条件。该预定规则可以是使生长阈值按照设定的步长逐次减小,也可以使生长阈值按照一个设定的曲线递减,还可以无规律或随机地逐次减小生长阈值。
因为椎体面积不能精确估算,如果只利用椎体面积来决定阈值则很可能得到形状不规则的区域,分割效果也不佳。因为噪声等因素的影响使得椎体灰度均匀性并不理想,灰度分布无规律,不同的灰度阈值生长出的区域可能面积相差不大,但形状却差异明显,只有所提取的区域与椎骨正好吻合时,形状最规则,因此本实施例结合了椎体的形状信息,同时又考虑了椎体面积,使得生长后的区域与真实椎体区域最相似。
对每个种子点,得到最优的H后,经过区域生长也得到了该种子点对应的椎体区域,即为初步的椎体区域。
另一种实施例中,对于步骤S3获取的初步的椎体区域还进行了分析判断,通过优化得到较优的椎体区域,这是因为前面得到的种子点数量仍然存在冗余,主要有两种情况:
1)某些种子点并不在椎体以内,而在椎间盘上,这时即使进行上述的区域生长,得到的区域也不是椎体区域;
2)某些种子点同时处于同一椎体内部,它们生长出的区域会有重叠部分。
为了解决上面两个问题,该实施例对获取的初步的椎体区域进行分析,根据每个种子点经区域生长后的区域信息,得到最佳的椎体区域;其中,区域信息包括每个种子点生长后的SP与SPR的差异、前后两个种子点生长后区域的位置信息、前后两个种子点生长后区域的面积差异等等,这些信息可以有效解决上面两个问题。
经过区域生长、区域分析判断后,得到的椎体区域如图13所示。
根据本发明公开的内容,本领域技术人员应该理解,在进行颈椎椎体提取时,可采用上述实施例中的全部步骤,也可采用部分步骤进行组合了,例如,在定位气管线时采用现有技术,而在定位椎体内部种子点和进行区域生长时采用本发明实施例中的方案,或者在定位气管线和进行区域生长时采用本发明实施例中的方案,而其他步骤采用现有技术。
以上为颈椎椎体定位装置及相应方法的说明,在MRI图像中更多会用到的是识别被测者的颈椎椎间盘的中心线,以便减少扫描时间以及减轻医师的操作负担。因此,一种实施例的控制及处理系统包括颈椎椎间盘定位装置,该装置包括前述任一实施例中的颈椎椎体定位装置、角点确定单元、椎间盘中心线确定单元。其中,角点确定单元用于根据定位到的颈椎椎体区域,利用螺旋扫描法检测椎体区域的顶点;椎间盘中心线确定单元用于根据相邻两个椎体区域的顶点之间的连线,得到两个中心点,所述两个中心点的连线为椎间盘中心线。
基于上述颈椎椎间盘定位装置,一种颈椎椎间盘定位方法如图14所示,包括以下步骤S1~S5:
步骤S1,定位颈椎椎体轴线;
步骤S2,基于椎体轴线选取种子点;
步骤S3,基于种子点获取椎体;
步骤S4,基于椎体确定椎体角点;
由于椎体形状基本固定且呈近似正方形的特征,在前面得到的椎体区域结果上,需要检测每个椎体的四个顶点坐标,即左上角顶点坐标、左下角顶点坐标、右上角顶点坐标、右下角顶点坐标。检测方法可利用螺旋式扫描法来提取椎体的顶点。以检测某个椎体的左上角顶点为例(设直角坐标的正方向为向右和向下),通过该椎体的外接矩形,按预定角度如45度的方向进行螺旋式扫描该外接矩形,椎体区域的左上角顶点的坐标处于该矩形框内的横向最左且纵向最上方。扫描路径如图15所示。同理,分别采用不同的扫描方向即可分别得到椎体的四个顶点。
步骤S5,基于椎体角点确定椎间盘中心线。
实施例采用相邻两个椎体的顶点来计算椎间盘的中心点。例如,将前一椎体左下角顶点与后一椎体左上角顶点的中点坐标作为椎间盘的左中心点,前一椎体右下角顶点与后一椎体右上角顶点的中点坐标作为椎间盘的右中心点,则椎间盘中心线可通过这两个中心点确定。最后提取的椎间盘中心线如图16所示。
本实施例中的步骤S1至S3可以采用本发明提供的全部或部分步骤,也可以是全部或部分采用现有技术实现。
本发明通过定位气管来迅速定位颈椎,并利用椎体内灰度近似均匀且与椎间盘有明显边界、椎体的形状及大小都基本固定的特征来自适应提取椎体,且不受图像权重的影响,进而计算出各个椎间盘的中线位置和角度,能有效应用于MRI系统中颈椎椎间盘扫描的自动定位。
本发明不受场强高低的影响,可应用于任何场强的MRI成像系统。
以上说明了如何基于磁共振图像定位颈椎椎体或定位颈椎椎间盘,但当采用其他方式获得被测物组织图像时,同样可按照本发明提供的方法和/或装置定位颈椎椎体或颈椎椎间盘。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种颈椎椎体轴线的定位方法,其特征在于包括:
气管线定位步骤,利用磁共振图像中被测者的躯体与成像背景的过渡特性,检测磁共振图像的体表边界,根据所述体表边界检测气管线;
椎体轴线定位步骤,根据气管线与颈椎椎体轴线的位置特性,按预设平移条件对气管线的坐标进行平移得到颈椎椎体轴线的坐标,从而定位到椎体轴线。
2.如权利要求1所述的颈椎椎体轴线的定位方法,其特征在于,在所述气管线定位步骤中,
所述检测磁共振图像的体表边界包括:
一阶计算子步骤,根据体表边界的走向特性,计算与体表边界方向垂直的方向的一阶导数,根据计算结果得到所述一阶导数的极大值点集合和极小值点集合,所述极大值点集合用于检测第一侧体表边界,极小值点集合用于检测第二侧体表边界;
第一筛选子步骤,按第一预设条件对所述极大值点集合和极小值点集合进行筛选,得到第一侧体表边界和第二侧体表边界;
所述根据所述体表边界检测气管线包括:
估算子步骤,根据第一侧体表边界和第二侧体表边界的距离估算滤波尺度;
二阶计算子步骤,根据气管在磁共振图像中的灰度特性,根据所述滤波尺度对所述磁共振图像计算二阶导数,根据计算结果得到所述二阶导数的极值点集合,按第二预设条件筛选所述极值点集合,得到气管线。
3.如权利要求1或2所述的颈椎椎体轴线的定位方法,其特征在于,所述预设平移条件包括:气管线最上端的像素点坐标的平移位移为第一平移参数,气管线最下端的像素点坐标的平移位移为第二平移参数,第一平移参数和第二平移参数为与第一侧体表边界和第二侧体表边界之间的距离有关的经验值,且第一平移参数小于第二平移参数,处于气管线最上端和最下端之间的像素点坐标的平移位移通过对所述第一平移参数和第二平移参数通过插值得到。
4.一种颈椎椎体轴线的定位装置,其特征在于包括:
气管线定位单元,用于利用磁共振图像中被测者的躯体与成像背景的过渡特性,检测磁共振图像的体表边界,根据所述体表边界检测气管线;
椎体轴线定位单元,用于根据气管线与颈椎椎体轴线的位置特性,按预设平移条件对气管线的坐标进行平移得到颈椎椎体轴线的坐标,从而定位到椎体轴线。
5.一种颈椎椎体定位方法,其特征在于包括:
如权利要求1-3任一项所述的颈椎椎体轴线的定位方法;
种子点选取步骤,根据所述椎体轴线的灰度变化梯度得到椎体的可能边界点,按第三预设条件筛选所述可能边界点,将筛选后的边界点的坐标沿椎体轴线的方向移动,得到的新坐标所对应的点即为椎体内部的种子点;
椎体获取步骤,基于椎体内部的种子点,采用区域生长法并结合椎体的形状与面积信息得到初步的椎体区域。
6.如权利要求5所述的颈椎椎体定位方法,其特征在于,所述采用区域生长法并结合椎体的形状与面积信息得到初步的椎体区域包括:
初始计算子步骤,初始化生长阈值,基于初始化的生长阈值进行区域生长,将生长后的区域进行区域填充,计算填充后区域的面积周长比,根据填充后的区域面积估算出期望的面积周长比,得到填充后区域的面积周长比和期望的面积周长比的差异;
循环计算子步骤,改变生长阈值,并按改变后的生长阈值重新进行区域生长,且将生长后的区域进行区域填充,得到新的填充后区域的面积周长比、新的估算出的期望的面积周长比、以及二者的差异,以此循环直至所述差异为最小、且填充后区域的面积小于预设生长目标最大面积、且填充后区域的面积大于预设生长目标最小面积;
生长子步骤,将最小差异对应的生长阈值视为最佳生长阈值,根据该生长阈值并基于椎体内部种子点进行生长,得到初步的椎体区域;
所述椎体定位步骤还包括:优化子步骤,在得到初步的椎体区域后,根据每个种子点经区域生长后的区域信息,得到最佳的椎体区域;其中,所述区域信息包括相邻种子点生长后区域的位置信息、相邻种子点生长后区域的面积差异。
7.一种颈椎椎体定位装置,其特征在于包括:
如权利要求4所述的颈椎椎体轴线的定位装置;
种子点选取单元,用于根据所述椎体轴线的灰度变化梯度得到椎体的可能边界点,按第三预设条件筛选所述可能边界点,将筛选后的边界点的坐标沿椎体轴线的方向移动,得到的新坐标所对应的点即为椎体内部的种子点;
椎体定位单元,用于基于椎体内部的种子点,采用区域生长法得到最可能的椎体区域。
8.一种颈椎椎间盘定位方法,其特征在于包括:
如权利要求5或6所述的颈椎椎体定位方法;
角点确定步骤,根据定位到的颈椎椎体区域,利用螺旋扫描法检测椎体区域的顶点;
椎间盘中心线确定步骤,根据相邻两个椎体区域的顶点之间的连线,得到两个中心点,所述两个中心点的连线为椎间盘中心线。
9.一种颈椎椎间盘定位装置,其特征在于包括:
如权利要求7所述的颈椎椎体定位装置;
角点确定单元,用于根据定位到的颈椎椎体区域,利用螺旋扫描法检测椎体区域的顶点
椎间盘中心线确定单元,用于根据相邻两个椎体区域的顶点之间的连线,得到两个中心点,所述两个中心点的连线为椎间盘中心线。
10.一种磁共振系统,其特征在于包括:如权利要求7所述的颈椎椎体定位装置或如权利要求9所述的颈椎椎间盘的定位装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210064773.7A CN103300856B (zh) | 2012-03-13 | 2012-03-13 | Mri图像的颈椎椎体轴线及相关组织的定位方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210064773.7A CN103300856B (zh) | 2012-03-13 | 2012-03-13 | Mri图像的颈椎椎体轴线及相关组织的定位方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103300856A true CN103300856A (zh) | 2013-09-18 |
| CN103300856B CN103300856B (zh) | 2015-11-25 |
Family
ID=49126891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210064773.7A Expired - Fee Related CN103300856B (zh) | 2012-03-13 | 2012-03-13 | Mri图像的颈椎椎体轴线及相关组织的定位方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103300856B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102727200A (zh) * | 2011-03-31 | 2012-10-17 | 深圳迈瑞生物医疗电子股份有限公司 | 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统 |
| CN103294281A (zh) * | 2013-04-28 | 2013-09-11 | 广州视睿电子科技有限公司 | 光学成像触摸屏的触摸识别方法及装置 |
| CN105556567A (zh) * | 2013-09-17 | 2016-05-04 | 皇家飞利浦有限公司 | 用于脊椎位置探测的方法和系统 |
| CN107106043A (zh) * | 2015-01-16 | 2017-08-29 | 皇家飞利浦有限公司 | 椎体特征识别 |
| RU2657845C1 (ru) * | 2017-06-28 | 2018-06-15 | Федеральное государственное бюджетное образовательное учреждение дополнительного профессионального образования "Российская медицинская академия непрерывного профессионального образования" Министерства здравоохранения Российской Федерации (ФГБОУ ДПО РМАНПО Минздрава России) | Способ диагностики спондилогенной шейной миелопатии без компрессии спинного мозга |
| CN108292435A (zh) * | 2015-10-29 | 2018-07-17 | 堃博生物科技公司 | 3d ct中的基于学习的脊柱椎骨定位和分割 |
| CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
| CN110269633A (zh) * | 2018-03-16 | 2019-09-24 | 通用电气公司 | 医学图像处理方法和计算机可读存储介质 |
| US10580181B2 (en) | 2017-03-07 | 2020-03-03 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for generating color medical image based on combined color table |
| CN108447063B (zh) * | 2017-12-15 | 2020-06-19 | 浙江中医药大学 | 脑胶质母细胞瘤的多模态核磁共振图像分割方法 |
| CN112734757A (zh) * | 2021-03-29 | 2021-04-30 | 成都成电金盘健康数据技术有限公司 | 一种脊柱X光图像cobb角测量方法 |
| CN114549619A (zh) * | 2020-11-24 | 2022-05-27 | 奥泰医疗系统有限责任公司 | 一种基于深度学习的mri脊椎图像椎间盘扫描定位和椎骨标识方法 |
| CN115471558A (zh) * | 2022-10-14 | 2022-12-13 | 四川大学华西第二医院 | 一种颈动脉病变位置定位方法和系统 |
| CN116486466A (zh) * | 2022-01-13 | 2023-07-25 | 北京七鑫易维信息技术有限公司 | 瞳孔检测方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020061126A1 (en) * | 2000-09-29 | 2002-05-23 | Olivier Gerard | Method and system for extracting spine frontal geometrical data including vertebra pedicle locations |
| CN1661390A (zh) * | 2004-02-27 | 2005-08-31 | 西门子公司 | 用于自动确定矢状面的方法 |
| CN1969756A (zh) * | 2005-09-07 | 2007-05-30 | 美国西门子医疗解决公司 | 用图像和测角来计算机辅助检测脊柱弯曲度的系统和方法 |
| US20070127799A1 (en) * | 2005-10-17 | 2007-06-07 | Siemens Corporate Research Inc | Method and system for vertebrae and intervertebral disc localization in magnetic resonance images |
| CN101678210A (zh) * | 2007-04-18 | 2010-03-24 | 伊利克塔股份有限公司 | 放射治疗装置与方法 |
-
2012
- 2012-03-13 CN CN201210064773.7A patent/CN103300856B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020061126A1 (en) * | 2000-09-29 | 2002-05-23 | Olivier Gerard | Method and system for extracting spine frontal geometrical data including vertebra pedicle locations |
| CN1661390A (zh) * | 2004-02-27 | 2005-08-31 | 西门子公司 | 用于自动确定矢状面的方法 |
| CN1969756A (zh) * | 2005-09-07 | 2007-05-30 | 美国西门子医疗解决公司 | 用图像和测角来计算机辅助检测脊柱弯曲度的系统和方法 |
| US20070127799A1 (en) * | 2005-10-17 | 2007-06-07 | Siemens Corporate Research Inc | Method and system for vertebrae and intervertebral disc localization in magnetic resonance images |
| CN101678210A (zh) * | 2007-04-18 | 2010-03-24 | 伊利克塔股份有限公司 | 放射治疗装置与方法 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102727200B (zh) * | 2011-03-31 | 2016-03-30 | 深圳迈瑞生物医疗电子股份有限公司 | 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统 |
| CN102727200A (zh) * | 2011-03-31 | 2012-10-17 | 深圳迈瑞生物医疗电子股份有限公司 | 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统 |
| CN103294281A (zh) * | 2013-04-28 | 2013-09-11 | 广州视睿电子科技有限公司 | 光学成像触摸屏的触摸识别方法及装置 |
| CN103294281B (zh) * | 2013-04-28 | 2017-08-11 | 广州视睿电子科技有限公司 | 光学成像触摸屏的触摸识别方法及装置 |
| CN105556567A (zh) * | 2013-09-17 | 2016-05-04 | 皇家飞利浦有限公司 | 用于脊椎位置探测的方法和系统 |
| CN105556567B (zh) * | 2013-09-17 | 2019-11-19 | 皇家飞利浦有限公司 | 用于脊椎位置探测的方法和系统 |
| CN107106043A (zh) * | 2015-01-16 | 2017-08-29 | 皇家飞利浦有限公司 | 椎体特征识别 |
| CN108292435A (zh) * | 2015-10-29 | 2018-07-17 | 堃博生物科技公司 | 3d ct中的基于学习的脊柱椎骨定位和分割 |
| CN108292435B (zh) * | 2015-10-29 | 2022-07-01 | 堃博生物科技公司 | 3d ct中的基于学习的脊柱椎骨定位和分割 |
| US10580181B2 (en) | 2017-03-07 | 2020-03-03 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for generating color medical image based on combined color table |
| RU2657845C1 (ru) * | 2017-06-28 | 2018-06-15 | Федеральное государственное бюджетное образовательное учреждение дополнительного профессионального образования "Российская медицинская академия непрерывного профессионального образования" Министерства здравоохранения Российской Федерации (ФГБОУ ДПО РМАНПО Минздрава России) | Способ диагностики спондилогенной шейной миелопатии без компрессии спинного мозга |
| CN108447063B (zh) * | 2017-12-15 | 2020-06-19 | 浙江中医药大学 | 脑胶质母细胞瘤的多模态核磁共振图像分割方法 |
| CN110269633A (zh) * | 2018-03-16 | 2019-09-24 | 通用电气公司 | 医学图像处理方法和计算机可读存储介质 |
| CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
| CN114549619A (zh) * | 2020-11-24 | 2022-05-27 | 奥泰医疗系统有限责任公司 | 一种基于深度学习的mri脊椎图像椎间盘扫描定位和椎骨标识方法 |
| CN112734757A (zh) * | 2021-03-29 | 2021-04-30 | 成都成电金盘健康数据技术有限公司 | 一种脊柱X光图像cobb角测量方法 |
| CN116486466A (zh) * | 2022-01-13 | 2023-07-25 | 北京七鑫易维信息技术有限公司 | 瞳孔检测方法、装置、设备及存储介质 |
| CN115471558A (zh) * | 2022-10-14 | 2022-12-13 | 四川大学华西第二医院 | 一种颈动脉病变位置定位方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103300856B (zh) | 2015-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103300856B (zh) | Mri图像的颈椎椎体轴线及相关组织的定位方法与装置 | |
| CN102727200B (zh) | 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统 | |
| US11229419B2 (en) | Method for processing 3D image data and 3D ultrasonic imaging method and system | |
| CN107644420B (zh) | 基于中心线提取的血管图像分割方法、核磁共振成像系统 | |
| CN102438529B (zh) | 自动检测医学图像中的病变的方法和系统 | |
| CN102737395B (zh) | 一种医用x射线系统中的图像处理方法及装置 | |
| CN102068281B (zh) | 一种占位性病变超声图像的处理方法 | |
| EP3759514A1 (en) | Ultrasound system with a neural network for producing images from undersampled ultrasound data | |
| US10746822B2 (en) | System and method for localized processing of quantitative susceptibility maps in magnetic resonance imaging | |
| CN103942780B (zh) | 基于改进模糊连接度算法的丘脑及其子结构分割方法 | |
| EP2973224A2 (en) | Systems and methods for automated voxelation of regions of interest for magnetic resonance spectroscopy | |
| JP2014008402A (ja) | 画像処理装置 | |
| CN101849240A (zh) | 图像物体分割方法 | |
| CN106530236B (zh) | 一种医学图像处理方法及系统 | |
| CN105389810A (zh) | 血管内斑块的识别系统及方法 | |
| CN106485203A (zh) | 颈动脉超声图像内中膜厚度测量方法及系统 | |
| CN105678750B (zh) | 医学图像的灰度映射曲线生成方法及装置 | |
| CN105701796B (zh) | 乳房图像的厚度均衡方法及装置、乳房摄影系统 | |
| CN107680110A (zh) | 基于统计形状模型的内耳三维水平集分割方法 | |
| CN104574392B (zh) | 一种椎间盘图像的退行性变计算机自动分级方法 | |
| CN112690778B (zh) | 一种生成脊柱椎间盘定位线的方法及系统 | |
| CN117593192B (zh) | 一种妇科宫颈图像增强分析方法 | |
| JP6878679B2 (ja) | デジタルx線画像における低情報コンテンツを有する領域の検出 | |
| CN116363252B (zh) | 目标成像方法及系统 | |
| Almi'ani et al. | A modified region growing based algorithm to vessel segmentation in magnetic resonance angiography |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151125 Termination date: 20210313 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |