一种医学图像三维体重建方法及其系统技术方案

本发明专利技术公开了一种医学图像三维体重建方法，包括以下步骤：1)获取含多器官的医学图像；2)噪声处理；3)图像预处理；4)图像分割；5)目标器官图像的序列标记；6)单个序列图像的边缘连接；7)单个序列图像的孔洞填充；8)基于多层面重建，利用坐标数据和双线性插值算法确保缩放效果；导出三维体重建的模型文件stl或obj格式。本发明专利技术经过噪音处理、图像预处理、图像分割等，得到目标器官的二维数据，然后通过构建的一系列算法处理进行三维重建，重建后的图像可以模拟人体结构，便于观察和分析病情。便于观察和分析病情。便于观察和分析病情。

【技术实现步骤摘要】
一种医学图像三维体重建方法及其系统


[0001]专利技术涉及一种三维体重建方法，特别涉及一种医学图像三维体重建方法及其系统。

技术介绍

[0002]通过医疗设备获取的图像都是二维医学断层扫描图像，但人体的结构是三维的，二维图像不能看到人体内部的物体结构，并对人体器官的整体结构分析造成障碍。
[0003]相对于面重建而言，体重建能够构建具有一定体积的由基本体素适当组合而成的体模型，它能完整地描述物体的几何特征，具有确定性；可用于3D打印、有限元分析、术中的运动补偿计算、医疗AR、活体打印等多个领域，是展开精准医疗的基础条件之一。

技术实现思路

[0004]专利技术要解决的技术问题是提供一种医学图像三维体重建方法，可把二维医学断层扫描图像进行噪声处理，得到目标器官的二维数据，然后进行三维重建，重建后的图像可以模拟人体结构，便于观察和分析病情。
[0005]为了解决上述技术问题，专利技术的技术方案为：
[0006]一种医学图像三维体重建方法，包括以下步骤：
[0007](1)获取含多器官的医学图像；
[0008](2)噪声处理；
[0009](3)图像预处理；
[0010](4)图像分割；
[0011](5)目标器官图像的序列标记；
[0012](6)单个序列图像的边缘连接；
[0013](7)单个序列图像的孔洞填充；
[0014](8)基于多层面重建，利用坐标数据和双线性插值算法确保缩放效果；
[0015](9)导出三维体重建的模型文件stl或obj格式。
[0016]进一步的，步骤1包括：识别患者身高年龄、CT或MRI放射影像的范围等基础信息；排除目标器官范围以外的图像、确定含多器官的医学图像组。
[0017]进一步的，噪声处理包括：高斯滤波处理并进行深度学习CT图像增强。
[0018]进一步的，图像预处理包括：对灰度、亮度、对比度调节，并进行归一化后再进行批量二值化处理。
[0019]进一步的，图像分割包括：
[0020](1)根据图组病灶类型、图组基本信息对样本进行分类；
[0021](2)利用机器学习模型对二值化之后的特定多器官图组进行分割，批量获得对应的目标器官的掩膜图像，所用机器学习模型包括：Transformer语义分割、U
‑
NET卷积神经网络。
[0022]进一步的，图像分割包括：
[0023](1)对分割图像进行序列标记；
[0024](2)异常标记的重排、予以相关操作指令。
[0025]进一步的，步骤6包括：使用局部处理或者基于霍夫变换的全局处理。
[0026]进一步的，步骤7包括：
[0027](1)对医学图像的器官内部因噪点或密度导致的不均匀、不连续的孔洞进行填充处理；
[0028](2)主要使用到形态学为基础的处理、包括轮廓填充和满水填充。
[0029]本专利技术还提供了一种医学图像三维体重建系统，搭载了实现以上的医学图像三维体重建方法的软件以及硬件。
[0030]本专利技术的有益效果在于：
[0031]采用上述技术方案，本专利技术经过噪音处理、图像预处理、图像分割等，得到目标器官的二维数据，然后通过构建的一系列算法处理进行三维重建，重建后的图像可以模拟人体结构，便于观察和分析病情。
附图说明
[0032]图1为本专利技术流程示意图。
具体实施方式
[0033]下面结合附图对专利技术的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解专利技术，但并不构成对专利技术的限定。此外，下面所描述的专利技术各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
[0034]本专利技术的技术方案如下：
[0035]一种医学图像三维体重建方法，由以下步骤组成：
[0036]一、获取含多器官的医学图像，识别患者身高年龄、CT或MRI放射影像的范围等基础信息；排除目标器官范围以外的图像、确定含多器官的医学图像组。
[0037]举例：患者为髋关节坏死，其扫描数据从肩部到大腿共700张图像数据，根据身高、扫描层间距、起始部位、目标范围，判定选取第301张到600张范围，该范围含左髋、骶骨、右髋、左股骨上段15厘米、右股骨上段15厘米，越精准约便于后续处理。
[0038]二、噪声处理：高斯滤波处理并进行深度学习CT图像增强。
[0039]三、图像预处理：对灰度、亮度、对比度调节，并进行归一化后再进行批量二值化处理。
[0040]归一化处理过程中原始像素值矩阵由医学图像的多个像素的原始像素值组成,获取目标像素值范围中的最大目标像素值及最小目标像素值,基于最大目标像素值及最小目标像素值确定窗宽及窗位,对于每一个原始像素值,通过以下公式计算初始归一化像素值:value＝((pevalue
‑
winL)/winW+0.5)*255,其中value为初始归一化像素值pevalue为原始像素值,winL为窗宽,winw为窗位,判断初始归一化像素值是否大于最大目标像素值,若初始归一化像素值大于最大目标像素值,将最大目标像素值作为原始像素值的归一化像素值,若初始归一化像素值小于最大目标像素值,判断初始归一化像素值是否小于最小目标
像素值,若初始归一化像素值小于最小目标像素值,将最小目标像素值作为原始像素值的归一化像素值,若初始归一化像素值大于最小目标像素值,将初始归一化像素值作为原始像素值的归一化像素值。
[0041]四、图像分割：
[0042]根据图组病灶类型、图组基本信息对样本进行分类，利用机器学习模型对二值化之后的特定多器官图组进行分割，批量获得对应的目标器官的掩膜图像，所用机器学习模型包括：Transformer语义分割、U
‑
NET卷积神经网络。
[0043]具体过程中如下：
[0044](1)计算输入图像f(x,y)的梯度幅度阵列M(x,y)和梯度角度阵列α(x,y)。
[0045](2)形成一幅二值图像g，任何坐标对(x,y)处的值由下式给出:
[0046][0047]其中，T
M
是一个阈值，A是一个指定的角度方向，
±
T
A
定义了一个关于A的可接受方向“带宽”。
[0048](3)扫描g的行，并在不超过指定长度K的每一行中填充(置1)所有的缝隙(0的集合)。注意，按照定义缝隙一定要限制在一个1或多个1的两端，分别地处理各行，它们之间没有记忆。
[0049](4)为在任何其他方向θ上检测缝隙，以该角度旋转g，并应用步骤3中的水平扫描过程，然后将结果以
‑
θ旋转回来。
[0050]五、目标器官图像的序列标记
[0051](1)对分割图像进行序列标记；
[0052](2)异常标记的重排、予以相关操作指令；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像三维体重建方法，其特征在于，包括以下步骤：(1)获取含多器官的医学图像；(2)噪声处理；(3)图像预处理；(4)图像分割；(5)目标器官图像的序列标记；(6)单个序列图像的边缘连接；(7)单个序列图像的孔洞填充；(8)基于多层面重建，利用坐标数据和双线性插值算法确保缩放效果；(9)导出三维体重建的模型文件stl或obj格式。2.根据权利要求1的医学图像三维体重建方法，其特征在于，步骤1包括：识别患者身高年龄、CT或MRI放射影像的范围等基础信息；排除目标器官范围以外的图像、确定含多器官的医学图像组。3.根据权利要求1的医学图像三维体重建方法，其特征在于，噪声处理包括：高斯滤波处理并进行深度学习CT图像增强。4.根据权利要求1的医学图像三维体重建方法，其特征在于，图像预处理包括：对灰度、亮度、对比度调节，并进行归一化后再进行批量二值化处理。5.根据权利要求1的医学图像三维体重建方法，其特征在于，图像分割包括：(1)根据图...

【专利技术属性】
技术研发人员：刘冰，王准准，胡鹏，杭昌彬，李亨睿，
申请(专利权)人：贵州拓影医疗科技有限公司，
类型：发明
国别省市：