【技术实现步骤摘要】
本专利技术涉及医学影像处理，具体涉及一种简化ct扫描范围的确定方法。
技术介绍
1、ct检查是目前临床上较为先进的一种医学影像检查技术，其原理是使用x射线对患者的身体结构进行扫描，扫描结束后，计算机会将扫描信息转换为图像信息输出，由放射科医生出具诊断报告。ct检查可应用于全身任何部位，包括头部、颈部、胸部、腹部、脊柱、四肢等多个脏器病变的诊断与鉴别诊断具有重要意义。
2、机器学习与深度学习的高速迭代，带动了医学影像的噪声评估，特征提取以及分类等医学影像辅助诊断算法的发展。但现有大多工作都集中医学影像的分割，这类技术有着标注成本高、需要的训练资源多的特点，导致在ct扫描范围计算的时候成本会比较高昂，尤其针对连扫的情况，成本会进一步加剧。
技术实现思路
1、本专利技术目的是提供一种简化ct扫描范围的确定方法，可以避免使用成本高昂的分割算法，降低样本需求量，还能完成ct扫描范围的精确计算。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、一种简化ct扫描范围的确定方法，包括步骤：
4、(1)对ct影像进行预处理，标注关键点；
5、(2)将预处理后的图像作为输入经过backbone和head层后输出预测结果；
6、(3)选取预测结果的最大概率点，根据最大概率点设定每个关键点的阈值，符合阈值的关键点设为重建范围的初始关键点；
7、(4)选取预处理图像的有效区域，将有效区域内的关键点数据做聚类，剔除异
8、(5)得出每个关键点的最终聚类结果，根据扫描部位计算对应的扫描区间。
9、进一步的，预处理包括步骤：对ct影像重建冠状面、矢状面，用多张不同的窗宽窗位图像分别将冠状面、矢状面融合成多维度图像。
10、进一步的，关键点的选择包括步骤：在每个维度的融合图像上选取有效区域，分别得到选取区域的关键点。
11、进一步的，聚类采用k-means聚类算法，类别数选为2，得出每个关键点的聚类数据。
12、进一步的，k-means聚类算法得出每个关键点的聚类数据分为两类，比较两类聚类点数目的比值；
13、如果比值在0.8～1.2之间，将两类数据聚合为单组，得出每个关键点的最终结果数据；
14、如果比值小于0.8或大于1.2，将聚类点数目较多的一组作为预测组，另一组作为异常点剔除，得出每个关键点的最终结果数据。
15、进一步的，选用软组织窗、骨窗、肺窗和脑窗将冠状面、矢状面分别融合成4*rows*cols的重建图像,rows代表重建图像的行,cols代表重建图像的列。
16、进一步的，关键点的标注为num_kps*4,num_kps为关键点的数量。
17、进一步的，关键点的数量num_kps＝18，关键点分别为：顶骨、颅底、眉间、第一胸椎、左锁骨中点、右锁骨中点、右肺上沿、左肺上沿、右肺下沿内、右肺下沿外、左肺下沿内、左肺下沿外、肝上沿、左肾下极、右肾下极、右髂嵴、左髂嵴、耻骨联合。
18、本专利技术的优点在于：结合深度学习提出了计算ct扫描范围的计算方法，通过预处理ct图像重建出矢冠轴三面，并结合多窗宽窗位完成多通道的融合，在利用卷积神经神经网络提取冠状面的关键点热图。接着利用冠状面的关键点计算每个部位的上沿点和下沿关键点，最后利用ct的坐标系完成扫描范围的精确计算。此种方法避免使用了分割的算法，有效的提升了效率和降低了样本的需求量。
本文档来自技高网...【技术保护点】
1.一种简化CT扫描范围的确定方法，其特征在于，包括步骤：
2.根据权利要求1所述简化CT扫描范围的确定方法，其特征在于，所述预处理包括步骤：对CT影像重建冠状面、矢状面，用多张不同的窗宽窗位图像分别将冠状面、矢状面融合成多维度图像。
3.根据权利要求2所述简化CT扫描范围的确定方法，其特征在于，关键点的选择包括步骤：在每个维度的融合图像上选取有效区域，分别得到选取区域的关键点。
4.根据权利要求1所述简化CT扫描范围的确定方法，其特征在于，所述聚类采用K-means聚类算法，类别数选为2，得出每个关键点的聚类数据。
5.根据权利要求4所述简化CT扫描范围的确定方法，其特征在于，K-means聚类算法得出每个关键点的聚类数据分为两类，比较两类聚类点数目的比值；
6.根据权利要求2所述简化CT扫描范围的确定方法，其特征在于，选用软组织窗、骨窗、肺窗和脑窗将冠状面、矢状面分别融合成4*rows*cols的重建图像,rows代表重建图像的行,cols代表重建图像的列。
7.根据权利要求6所述简化CT扫描范围的确定方
8.根据权利要求7所述简化CT扫描范围的确定方法，其特征在于，关键点的数量num_kps＝18，关键点分别为：顶骨、颅底、眉间、第一胸椎、左锁骨中点、右锁骨中点、右肺上沿、左肺上沿、右肺下沿内、右肺下沿外、左肺下沿内、左肺下沿外、肝上沿、左肾下极、右肾下极、右髂嵴、左髂嵴、耻骨联合。
...【技术特征摘要】
1.一种简化ct扫描范围的确定方法，其特征在于，包括步骤：
2.根据权利要求1所述简化ct扫描范围的确定方法，其特征在于，所述预处理包括步骤：对ct影像重建冠状面、矢状面，用多张不同的窗宽窗位图像分别将冠状面、矢状面融合成多维度图像。
3.根据权利要求2所述简化ct扫描范围的确定方法，其特征在于，关键点的选择包括步骤：在每个维度的融合图像上选取有效区域，分别得到选取区域的关键点。
4.根据权利要求1所述简化ct扫描范围的确定方法，其特征在于，所述聚类采用k-means聚类算法，类别数选为2，得出每个关键点的聚类数据。
5.根据权利要求4所述简化ct扫描范围的确定方法，其特征在于，k-means聚类算法得出每个关键点的聚类数据分为两类...
【专利技术属性】
技术研发人员：康正曦，吴军，高希余，桑波，窦穹穹，
申请(专利权)人：众阳健康科技集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。