这份专利CN115965569A题为《一种CT图像中床板自动去除的方法及系统》由北京易普康达医疗科技有限公司申请。其核心目的是解决在全身或长部位如髋至踝CT扫描中由于床板与骨骼灰度值相似导致三维重建时床板遮挡病变区域的问题实现全自动、快速的床板去除。以下是该专利方法的详细解析1. 核心思路传统的去床方法往往依赖手动选取或复杂的边缘检测。本专利采用了一种**“降维投影 连通性分离”**的策略降维将3D CT数据沿Z轴投影为2D最大密度投影MIP将空间问题转化为平面问题。利用间隙利用人体组织与床板之间存在的空气或床垫低密度区作为天然的分隔线。区域生长在2D平面上通过种子点区域生长法只提取连通的人体组织从而自然地将不连通的床板排除在外。升维还原将2D的人体掩膜Mask扩展回3D空间对原始数据进行裁剪。2. 具体处理流程第一步预处理获取数据获取CT图像的三维尺寸X,Y,ZX, Y, ZX,Y,Z。滤波平滑对原始CT图像进行滤波平滑处理以减少噪声干扰。第二步构建2D最大密度投影图初始化构建一个大小为X×YX \times YX×Y的2D图像初始像素值设为0。遍历取值沿CT图像的Z轴方向即扫描层厚方向遍历每一个(x,y)(x, y)(x,y)坐标对应的所有层像素值。赋值取该列像素中的最大值赋予2D图像中的对应位置(x,y)(x, y)(x,y)。原理床板和人体骨骼都是高密度物体取最大值可以确保在2D图上同时保留人体和床板的轮廓。第三步阈值分割提取粗略区域设定阈值选择一个低于人体组织CT值但大于空气CT值的阈值专利推荐值为-850 HU。二值化像素值≥\ge≥阈值的区域包含人体组织和床板设为1。像素值 阈值的区域空气、床垫等低密度间隔设为0。结果得到一张二值图像其中人体和床板是白色的1但它们中间被黑色的空气/床垫带0隔开。第四步种子点区域生长提取人体关键步骤设置种子点在2D图像的人体组织区域中心设置种子点因为人体通常位于图像中心而床板在边缘或下方。区域生长以种子点为起点向四周邻域扩展。生长条件相邻像素值为1。停止条件遇到像素值为0的区域即空气/床垫间隔或图像边界。生成Mask_2D由于床板与人体在2D投影上被低密度区隔断区域生长无法跨越到床板区域。因此最终得到的mask_2D仅包含人体组织区域像素值为1床板被自动排除像素值为0。第五步生成3D掩膜Mask_3D拼接扩展沿Z轴方向将同一个mask_2D复制并拼接ZZZ次形成一个柱状的3D掩膜mask_3D。注这种方法假设人体在Z轴方向的投影范围基本一致形成一个包围人体的柱体。第六步图像模板分割去除床板应用模板将mask_3D作为分割模板应用到原始3D CT图像上。像素替换前景Mask1保留原始CT图像的像素值。背景Mask0将对应位置的像素值设置为空气的CT值通常为-1024 HU。输出得到去除床板后的3D图像bedRejected_3D。3. 技术优势总结维度传统方法痛点本专利解决方案优势自动化程度需医生手动选取或半自动交互全自动无需人工干预一键完成节省人力避免疲劳误差识别依据依赖边缘曲线或空床扫描匹配依赖连通性与密度间隔不依赖特定床型硬件参数通用性强计算复杂度3D边缘检测或配准计算量大2D区域生长 简单投影算法简单运算速度快适合临床实时处理准确性薄床板易漏选或误选利用空气间隔隔离只要人体与床板间有低密度间隔即可完美分离4. 适用场景与局限适用适用于人体与床板之间存在明显空气间隙或低密度床垫的CT扫描特别是四肢、脊柱等长部位扫描。潜在局限如果患者身体某部分紧贴床板且中间无任何低密度间隙例如背部软组织紧密贴合在2D投影上人体与床板可能连通此时区域生长可能会错误地包含部分床板。但在骨骼重建场景中骨骼与床板之间通常仍有软组织或空气间隔因此效果较好。总结该专利通过巧妙的**“最大密度投影降维”和“利用物理间隔进行区域生长”**将复杂的3D分割问题简化为高效的2D连通域提取问题是一种低成本、高效率的CT去床板工程化方案。
这份专利CN115965569A题为《一种CT图像中床板自动去除的方法及系统》由北京易普康达医疗科技有限公司申请。其核心目的是解决在全身或长部位如髋至踝CT扫描中由于床板与骨骼灰度值相似导致三维重建时床板遮挡病变区域的问题实现全自动、快速的床板去除。以下是该专利方法的详细解析1. 核心思路传统的去床方法往往依赖手动选取或复杂的边缘检测。本专利采用了一种**“降维投影 连通性分离”**的策略降维将3D CT数据沿Z轴投影为2D最大密度投影MIP将空间问题转化为平面问题。利用间隙利用人体组织与床板之间存在的空气或床垫低密度区作为天然的分隔线。区域生长在2D平面上通过种子点区域生长法只提取连通的人体组织从而自然地将不连通的床板排除在外。升维还原将2D的人体掩膜Mask扩展回3D空间对原始数据进行裁剪。2. 具体处理流程第一步预处理获取数据获取CT图像的三维尺寸X,Y,ZX, Y, ZX,Y,Z。滤波平滑对原始CT图像进行滤波平滑处理以减少噪声干扰。第二步构建2D最大密度投影图初始化构建一个大小为X×YX \times YX×Y的2D图像初始像素值设为0。遍历取值沿CT图像的Z轴方向即扫描层厚方向遍历每一个(x,y)(x, y)(x,y)坐标对应的所有层像素值。赋值取该列像素中的最大值赋予2D图像中的对应位置(x,y)(x, y)(x,y)。原理床板和人体骨骼都是高密度物体取最大值可以确保在2D图上同时保留人体和床板的轮廓。第三步阈值分割提取粗略区域设定阈值选择一个低于人体组织CT值但大于空气CT值的阈值专利推荐值为-850 HU。二值化像素值≥\ge≥阈值的区域包含人体组织和床板设为1。像素值 阈值的区域空气、床垫等低密度间隔设为0。结果得到一张二值图像其中人体和床板是白色的1但它们中间被黑色的空气/床垫带0隔开。第四步种子点区域生长提取人体关键步骤设置种子点在2D图像的人体组织区域中心设置种子点因为人体通常位于图像中心而床板在边缘或下方。区域生长以种子点为起点向四周邻域扩展。生长条件相邻像素值为1。停止条件遇到像素值为0的区域即空气/床垫间隔或图像边界。生成Mask_2D由于床板与人体在2D投影上被低密度区隔断区域生长无法跨越到床板区域。因此最终得到的mask_2D仅包含人体组织区域像素值为1床板被自动排除像素值为0。第五步生成3D掩膜Mask_3D拼接扩展沿Z轴方向将同一个mask_2D复制并拼接ZZZ次形成一个柱状的3D掩膜mask_3D。注这种方法假设人体在Z轴方向的投影范围基本一致形成一个包围人体的柱体。第六步图像模板分割去除床板应用模板将mask_3D作为分割模板应用到原始3D CT图像上。像素替换前景Mask1保留原始CT图像的像素值。背景Mask0将对应位置的像素值设置为空气的CT值通常为-1024 HU。输出得到去除床板后的3D图像bedRejected_3D。3. 技术优势总结维度传统方法痛点本专利解决方案优势自动化程度需医生手动选取或半自动交互全自动无需人工干预一键完成节省人力避免疲劳误差识别依据依赖边缘曲线或空床扫描匹配依赖连通性与密度间隔不依赖特定床型硬件参数通用性强计算复杂度3D边缘检测或配准计算量大2D区域生长 简单投影算法简单运算速度快适合临床实时处理准确性薄床板易漏选或误选利用空气间隔隔离只要人体与床板间有低密度间隔即可完美分离4. 适用场景与局限适用适用于人体与床板之间存在明显空气间隙或低密度床垫的CT扫描特别是四肢、脊柱等长部位扫描。潜在局限如果患者身体某部分紧贴床板且中间无任何低密度间隙例如背部软组织紧密贴合在2D投影上人体与床板可能连通此时区域生长可能会错误地包含部分床板。但在骨骼重建场景中骨骼与床板之间通常仍有软组织或空气间隔因此效果较好。总结该专利通过巧妙的**“最大密度投影降维”和“利用物理间隔进行区域生长”**将复杂的3D分割问题简化为高效的2D连通域提取问题是一种低成本、高效率的CT去床板工程化方案。
双梁正问题 【 torch 实战】（Python代码实现）)
