一种基于迁移学习的医学图像分割与显示方法技术

本发明专利技术公开了一种基于迁移学习的医学图像分割与显示方法，包括：获取颅内血管部位的亮血图像组、黑血图像组和增强黑血图像组；对每一个亮血图像以对应的增强黑血图像为基准利用基于互信息和图像金字塔的配准方法进行配准，得到配准后亮血图像组；利用配准后亮血图像组对增强黑血图像组中的增强黑血图像进行流空伪影消除操作，得到伪影消除增强黑血图像组；将伪影消除增强黑血图像组和黑血图像组中对应图像相减，得到K个造影增强图；利用配准后亮血图像组，采用迁移学习方法建立血液三维模型；利用配准后亮血图像组建立血液边界扩展的血管三维模型；本发明专利技术的方法可以辅助医生直观进行病灶判断。观进行病灶判断。观进行病灶判断。

【技术实现步骤摘要】
一种基于迁移学习的医学图像分割与显示方法


[0001]本专利技术属于图像处理领域，具体涉及一种基于迁移学习的医学图像分割与显示方法。

技术介绍

[0002]据最新的医疗数据显示，血管类疾病已严重影响当代人的生命健康，成为致死率较高的疾病之一。比如动脉粥样硬化、炎症性血管疾病、血管真性肿瘤性疾病等等。血管类疾病中常见的诱因是血管狭窄、堵塞、破裂，以及斑块等等。目前临床上对于血管病变程度与血管狭窄化程度的评估，通常使用基于管腔成像的方法，如数字减影血管造影术(Digital Subtraction Angiography,DSA)、CT血管成像(Computed Tomography Angiography,CTA)、磁共振血管成像(Magnetic Resonance Angiography,MRA)以及高分辨率磁共振血管成像(High
‑
Resolution Magnetic Resonance Angiography,HRMRA)等。
[0003]其中，磁共振血管成像技术(MRA或HRMRA)作为一种对患者无创的成像方法，可以清晰地检测到血管壁结构并进行分析，扫描得到的磁共振图像对于软组织的分辨率高，没有骨伪影，图像质量好，且能够使用多种序列扫描得到具有不同成像特点的组织结构，在血管的显示上具有明显的优越性。
[0004]由于磁共振血管成像技术得到的亮血序列、黑血序列对应的图像均为二维图像，在临床上，医生需要凭借经验结合两种图像的信息，来获得血管的综合情况，以进行血管病变分析。但二维图像具有局限性，不利于简便快速地获得血管的真实信息。

技术实现思路

[0005]为了在临床应用上，简便快速地获得血管的真实信息，以进行血管病变分析。本专利技术实施例提供了一种基于迁移学习的医学图像分割与显示方法。包括：
[0006]获取颅内血管部位的亮血图像组、黑血图像组和增强黑血图像组；其中，所述亮血图像组、所述黑血图像组、所述增强黑血图像组分别包括K个亮血图像、黑血图像和增强黑血图像；所述亮血图像组、所述黑血图像组、所述增强黑血图像组中的图像一一对应；K为大于2的自然数；
[0007]针对所述亮血图像组中每一个亮血图像，以所述增强黑血图像组中对应的增强黑血图像为基准，利用基于互信息和图像金字塔的配准方法进行图像配准，得到包括K个配准后亮血图像的配准后亮血图像组；
[0008]利用所述配准后亮血图像组，对所述增强黑血图像组中的增强黑血图像进行流空伪影消除操作，得到包括K个目标增强黑血图像的伪影消除增强黑血图像组；
[0009]将所述伪影消除增强黑血图像组和所述黑血图像组中对应图像相减，得到K个造影增强图；
[0010]利用所述配准后亮血图像组，采用迁移学习方法建立血液三维模型；
[0011]利用所述配准后亮血图像组建立血液边界扩展的血管三维模型；
[0012]利用所述K个造影增强图建立造影增强三维模型；
[0013]基于所述血液三维模型、所述血管三维模型、所述造影增强三维模型，得到颅内血管增强三维模型；
[0014]获取所述颅内血管增强三维模型中各段血管的表征血管狭窄程度的目标参数的数值，并利用各段血管的所述目标参数的数值对所述颅内血管增强三维模型进行标记，得到颅内血管病灶识别模型；
[0015]将所述颅内血管病灶识别模型进行显示。
[0016]本专利技术的方案能够在临床应用上，简便、快速、直观地获得颅内血管的真实信息和关于颅内血管狭窄程度的分析数据，辅助医生更加精确、直观地进行病灶分析和判断。
[0017]当然，实施本专利技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。
[0018]以下将结合附图及实施例对本专利技术做进一步详细说明。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。
[0020]图1为本专利技术实施例提供的一种基于迁移学习的医学图像分割与显示方法的流程示意图；
[0021]图2为本专利技术实施例的作为示例的一个MIP图；
[0022]图3为本专利技术实施例的MIP图对应的反转图、特征MIP图；
[0023]图4为本专利技术实施例的颅内血管模拟三维模型的效果图；
[0024]图5为本专利技术实施例的颅内血管病灶识别模型效果图；
[0025]图6为本专利技术实施例的颅内血管病灶识别模型和切面图显示效果图；
[0026]图7为本专利技术实施例的颅内血管磁共振图像经过预配准后的结果图；
[0027]图8为本专利技术实施例的颅内血管磁共振图像的待配准区域示意图；
[0028]图9(a)为本专利技术实施例的颅内血管磁共振图像的亮血高斯金字塔和黑血高斯金字塔；图9(b)为本专利技术实施例的颅内血管磁共振图像的亮血拉普拉斯金字塔和黑血拉普拉斯金字塔；
[0029]图10为本专利技术实施例的颅内血管磁共振图像的拉普拉斯金字塔图像的配准结果；
[0030]图11为本专利技术实施例的颅内血管磁共振图像基于互信息的高斯金字塔图像配准步骤示意图；
[0031]图12为本专利技术实施例的不同迭代次数下的归一化互信息；
[0032]图13为多种配准方法的颅内血管磁共振图像的配准结果；
[0033]图14为本专利技术实施例的灰度线性变换结果图；
[0034]图15为本专利技术实施例的图像二值化结果图；
[0035]图16为本专利技术实施例针对颅内血管的流空伪影消除结果；
[0036]图17为本专利技术实施例提供的颅内血管的颅内血管病灶识别模型裸眼3D全息可视
化图；
[0037]图18为本专利技术实施例提供的对颅内血管的颅内血管病灶识别模型的裸眼3D全息显示结果进行手势识别的示意图；
[0038]图19为本专利技术实施例提供的颅内血管的颅内血管病灶识别模型的3D打印结果图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行描述。
[0040]为了在临床应用上，简便快速地获得血管的真实信息，以进行血管病变分析。本专利技术实施例提供了一种基于迁移学习的医学图像分割与显示方法。
[0041]如图1所示，图1为本专利技术实施例提供的一种基于迁移学习的医学图像分割与显示方法的流程示意图，可以包括如下步骤：
[0042]S1，获取颅内血管部位的亮血图像组、黑血图像组和增强黑血图像组；
[0043]其中，亮血图像组、黑血图像组、增强黑血图像组分别包括K个亮血图像、黑血图像和增强黑血图像；亮血图像组、黑血图像组、增强黑血图像组中的图像一一对应；K为大于2的自然数；
[0044]本专利技术实施例中，磁共振血管成像技术优选为HRMRA。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的医学图像分割与显示方法，其特征在于，包括：获取颅内血管部位的亮血图像组、黑血图像组和增强黑血图像组；其中，所述亮血图像组、所述黑血图像组、所述增强黑血图像组分别包括K个亮血图像、黑血图像和增强黑血图像；所述亮血图像组、所述黑血图像组、所述增强黑血图像组中的图像一一对应；K为大于2的自然数；针对所述亮血图像组中每一个亮血图像，以所述增强黑血图像组中对应的增强黑血图像为基准，利用基于互信息和图像金字塔的配准方法进行图像配准，得到包括K个配准后亮血图像的配准后亮血图像组；利用所述配准后亮血图像组，对所述增强黑血图像组中的增强黑血图像进行流空伪影消除操作，得到包括K个目标增强黑血图像的伪影消除增强黑血图像组；将所述伪影消除增强黑血图像组和所述黑血图像组中对应图像相减，得到K个造影增强图；利用所述配准后亮血图像组，采用迁移学习方法建立血液三维模型；利用所述配准后亮血图像组建立血液边界扩展的血管三维模型；利用所述K个造影增强图建立造影增强三维模型；基于所述血液三维模型、所述血管三维模型、所述造影增强三维模型，得到颅内血管增强三维模型；获取所述颅内血管增强三维模型中各段血管的表征血管狭窄程度的目标参数的数值，并利用各段血管的所述目标参数的数值对所述颅内血管增强三维模型进行标记，得到颅内血管病灶识别模型；将所述颅内血管病灶识别模型进行显示。2.根据权利要求1所述的方法，其特征在于，所述针对所述亮血图像组中每一个亮血图像，以所述增强黑血图像组中对应的增强黑血图像为基准，利用基于互信息和图像金字塔的配准方法进行图像配准，得到包括K个配准后亮血图像的配准后亮血图像组，包括：对每一个亮血图像和对应的增强黑血图像进行预处理，得到第一亮血图像和第一黑血图像；基于下采样处理，由所述第一亮血图像得到亮血高斯金字塔，由所述第一黑血图像得到黑血高斯金字塔；其中，所述亮血高斯金字塔和所述黑血高斯金字塔中包括从下至上分辨率依次变小的m个图像；m为大于3的自然数；基于上采样处理，利用所述亮血高斯金字塔得到亮血拉普拉斯金字塔，利用所述黑血高斯金字塔得到黑血拉普拉斯金字塔；其中，所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中包括从下至上分辨率依次变小的m
‑
1个图像；对所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中对应层的图像进行配准，得到配准的亮血拉普拉斯金字塔；利用所述配准的亮血拉普拉斯金字塔作为叠加信息，对所述亮血高斯金字塔和所述黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔；基于所述配准的亮血高斯金字塔得到该亮血图像对应的配准后亮血图像；由K个亮血图像分别对应的配准后亮血图像，得到配准后亮血图像组。3.根据权利要求2所述的方法，其特征在于，所述利用所述配准的亮血拉普拉斯金字塔
作为叠加信息，对所述亮血高斯金字塔和所述黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔，包括：对所述亮血高斯金字塔和所述黑血高斯金字塔中自上而下的第j层，将该层对应的黑血高斯图像作为参考图像，将该层对应的亮血高斯图像作为浮动图像，使用基于互信息的相似性度量及预定搜索策略，实现图像配准，得到配准后的第j层亮血高斯图像；将所述配准后的第j层亮血高斯图像进行上采样操作，并与配准后的对应层亮血拉普拉斯图像相加，利用相加后的图像替换所述亮血高斯金字塔中第j+1层的亮血高斯图像；将第j+1层的黑血高斯图像作为参考图像，将替换后的第j+1层的亮血高斯图像作为浮动图像，使用预定相似性度量及预定搜索策略，实现图像配准，得到配准后的第j+1层亮血高斯图像；其中j＝1，2，
…
，m

【专利技术属性】
技术研发人员：贾广，李檀平，张向淮，郝嘉雪，黄旭楠，高敬龙，张小玲，汤敏，谭丽娜，苗启广，张艺飞，梁小凤，王泽，张昱，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：