腕部模型的重建方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种腕部模型的重建方法、装置、电子设备及存储介质，包括：获取目标腕部结构的腕部图像集合；其中，腕部图像集合包括多个图像采集方位处采集的原始腕部图像；对腕部图像集合中的多个原始腕部图像进行图像融合处理，得到目标腕部结构对应的目标腕部图像；通过预先训练得到的腕部分割网络对目标腕部图像进行分割处理，得到目标腕部结构对应的目标分割结果；基于目标分割结果重建目标腕部结构中各个腕部子结构对应的腕部子结构模型。本发明专利技术可以显著提高腕部子结构模型的重建精度和重建质量。和重建质量。和重建质量。

【技术实现步骤摘要】
腕部模型的重建方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理
，尤其是涉及一种腕部模型的重建方法、装置、电子设备及存储介质。

技术介绍

[0002]针对膝关节、髋关节等相对结构简单、目标较大的解剖对象，目前相关技术提出面向核磁图像(MRI，Magnetic Resonance Imaging)中相关解剖结构进行三维重建的技术方案，然而对于腕关节中体积较小、形态复杂的精细结构，利用上述技术方案对腕关节进行三维重建的效果较差。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种腕部模型的重建方法、装置、电子设备及存储介质，可以显著提高腕部子结构模型的重建精度和重建质量。
[0004]第一方面，本专利技术实施例提供了一种腕部模型的重建方法，包括：获取目标腕部结构的腕部图像集合；其中，所述腕部图像集合包括多个图像采集方位处采集的原始腕部图像；对所述腕部图像集合中的多个原始腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像；通过预先训练得到的腕部分割网络对所述目标腕部图像进行分割处理，得到所述目标腕部结构对应的目标分割结果；其中，所述目标分割结果包括多个腕部子结构；基于所述目标分割结果重建所述目标腕部结构中各个所述腕部子结构对应的腕部子结构模型。
[0005]在一种实施方式中，所述对所述腕部图像集合中的多个原始腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像，包括：针对所述腕部图像集合中的每个原始腕部图像，对所述原始腕部图像进行预处理，得到中间腕部图像；对各个所述中间腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像。
[0006]在一种实施方式中，所述对所述原始腕部图像进行预处理，包括对所述原始腕部图像执行以下至少一种预处理操作：对所述原始腕部图像的灰度直方图进行调整，以调整所述原始腕部图像的对比度；利用B样条插值算法对所述原始腕部图像进行上采样，以调整所述原始腕部图像的分辨率；从所述原始腕部图像中确定参考图像，并将除所述参考图像之外的其余原始腕部图像向所述参考图像对齐。
[0007]在一种实施方式中，所述原始腕部图像包括冠位图像、矢位图像和轴位图像；所述从所述原始腕部图像中确定参考图像，并将除所述参考图像之外的其余原始腕部图像向所述参考图像对齐，包括：将所述冠位图像确定为参考图像；根据最小二乘法和所述冠位图像，确定第一变换矩阵和第二变换矩阵；基于所述第一变换矩阵对所述矢位图像进行形变，以使所述矢位图像向所述冠位图像对齐；以及，基于所述第二变换矩阵对所述轴位图像进行形变，以使所述轴位图像向所述冠位图像对齐。
[0008]在一种实施方式中，所述对各个所述中间腕部图像进行图像融合处理，得到所述
目标腕部结构对应的目标腕部图像，包括：提取每个所述中间腕部图像的多个维度的初始小波分量；对于每个维度的初始小波分量，根据预设评价函数确定对所述维度的初始小波分量进行融合时，基于各个所述中间腕部图像对应的权重系数，对所述维度的初始小波分量进行加权求和，得到所述维度的融合后小波分量；对每个所述维度的融合后小波分量进行小波反变换处理，得到所述目标腕部结构对应的目标腕部图像。
[0009]在一种实施方式中，所述腕部分割网络包括二维图像分割子网络和分割结果三维优化子网络，所述目标腕部图像包括多个二维切片；所述通过预先训练得到的腕部分割网络对所述目标腕部图像进行分割处理，得到所述目标腕部结构对应的目标分割结果，包括：通过所述二维图像分割子网络对每个二维切片进行分割处理，得到初始分割结果；通过所述分割结果三维优化子网络，基于所述二维切片在所述目标腕部图像中的边缘轮廓，修正所述初始分割结果得到目标分割结果；其中，所述腕部子结构包括尺骨远端分割结果、桡骨远端分割结果和TFCC结构分割结果中的一种或多种。
[0010]在一种实施方式中，所述腕部分割网络的训练步骤，包括：获取训练图像；其中，所述训练图像包括多个训练二维切片；从所述训练二维切片中选取第一切片和第二切片；确定所述第一切片对应的第一标签，并基于所述第一切片和所述第一标签对所述二维图像分割子网络进行训练；通过训练后的所述二维图像分割子网络对所述第二切片进行分割处理，得到所述第二切片的初始分割结果；基于所述第二切片的初始分割结果确定所述第二切片对应的第二标签，并基于所述第二切片的初始分割结果和所述第二标签对所述分割结果三维优化子网络进行训练。
[0011]第二方面，本专利技术实施例还提供一种腕部模型的重建装置，包括：图像获取模块，用于获取目标腕部结构的腕部图像集合；其中，所述腕部图像集合包括多个图像采集方位处采集的原始腕部图像；融合模块，用于对所述腕部图像集合中的多个原始腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像；分割模块，用于通过预先训练得到的腕部分割网络对所述目标腕部图像进行分割处理，得到所述目标腕部结构对应的目标分割结果；其中，所述目标分割结果包括多个腕部子结构；重建模块，用于基于所述目标分割结果重建所述目标腕部结构中各个所述腕部子结构对应的腕部子结构模型。
[0012]第三方面，本专利技术实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的腕部模型的重建方法。
[0013]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现第一方面提供的任一项所述的腕部模型的重建方法。
[0014]本专利技术实施例提供的一种腕部模型的重建方法、装置、电子设备及存储介质，首先获取目标腕部结构的腕部图像集合，该腕部图像集合包括多个图像采集方位处采集的原始腕部图像，然后对腕部图像集合中的多个原始腕部图像进行图像融合处理，得到目标腕部结构对应的目标腕部图像，再通过预先训练得到的腕部分割网络对目标腕部图像进行分割处理，得到目标腕部结构对应的目标分割结果(包括多个腕部子结构)，最后基于目标分割结果重建目标腕部结构中各个腕部子结构对应的腕部子结构模型。上述方法对腕部图像集合中多个图像采集方位处采集的原始腕部图像进行图像融合处理，可以得到分辨率较高、
结构连续性更强的目标腕部图像，然后利用腕部分割模型可以更为精确地分割目标腕部图像得到目标分割结果，最后基于该目标分割结果即可得到精度和质量均较高的腕部子结构模型，从而显著提高了腕部子结构模型的重建精度和重建质量。
[0015]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0016]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0017]为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种腕部模型的重建方法，其特征在于，包括：获取目标腕部结构的腕部图像集合；其中，所述腕部图像集合包括多个图像采集方位处采集的原始腕部图像；对所述腕部图像集合中的多个原始腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像；通过预先训练得到的腕部分割网络对所述目标腕部图像进行分割处理，得到所述目标腕部结构对应的目标分割结果；其中，所述目标分割结果包括多个腕部子结构；基于所述目标分割结果重建所述目标腕部结构中各个所述腕部子结构对应的腕部子结构模型。2.根据权利要求1所述的腕部模型的重建方法，其特征在于，所述对所述腕部图像集合中的多个原始腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像，包括：针对所述腕部图像集合中的每个原始腕部图像，对所述原始腕部图像进行预处理，得到中间腕部图像；对各个所述中间腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像。3.根据权利要求2所述的腕部模型的重建方法，其特征在于，所述对所述原始腕部图像进行预处理，包括对所述原始腕部图像执行以下至少一种预处理操作：对所述原始腕部图像的灰度直方图进行调整，以调整所述原始腕部图像的对比度；利用B样条插值算法对所述原始腕部图像进行上采样，以调整所述原始腕部图像的分辨率；从所述原始腕部图像中确定参考图像，并将除所述参考图像之外的其余原始腕部图像向所述参考图像对齐。4.根据权利要求3所述的腕部模型的重建方法，其特征在于，所述原始腕部图像包括冠位图像、矢位图像和轴位图像；所述从所述原始腕部图像中确定参考图像，并将除所述参考图像之外的其余原始腕部图像向所述参考图像对齐，包括：将所述冠位图像确定为参考图像；根据最小二乘法和所述冠位图像，确定第一变换矩阵和第二变换矩阵；基于所述第一变换矩阵对所述矢位图像进行形变，以使所述矢位图像向所述冠位图像对齐；以及，基于所述第二变换矩阵对所述轴位图像进行形变，以使所述轴位图像向所述冠位图像对齐。5.根据权利要求2所述的腕部模型的重建方法，其特征在于，所述对各个所述中间腕部图像进行图像融合处理，得到所述目标腕部结构对应的目标腕部图像，包括：提取每个所述中间腕部图像的多个维度的初始小波分量；对于每个维度的初始小波分量，根据预设评价函数确定对所述维度的初始小波分量进行融合时，基于各个所述中间腕部图像对应的权重系数，对所述维度的初始小波分量进行加权求和，得到所述维度的融合后小波分量；对每个所述维度的融合后小波分量进行小波反...

【专利技术属性】
技术研发人员：刘波，杨戈，郭远昊，刘国乐，王志新，张宇昊，伊喆，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：