System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及医学影像处理,特别是涉及一种头颈ct影像的倾斜校正方法、计算机设备、可读存储介质和程序产品。
技术介绍
1、头颈ct(头颈部计算机断层扫描)是一种医学影像检查,用于获取头颈部的详细断面图像,以评估颅骨、颈椎、颅内结构、颈部软组织以及相关病变或异常情况。这种检查使用x射线技术,通过旋转的x射线束和探测器来捕捉多个切面的图像,然后计算机将这些图像重建成三维图像,为医生提供全面的解剖信息。头颈ct是一种非侵入性、高分辨率的检查方法,可用于帮助医生诊断和评估各种头颈部疾病和病变。它在医学临床中扮演着重要的角色,提供了宝贵的解剖和功能信息。
2、医学影像的图像处理技术是一种重要的医学工具,用于获取、增强、分析和解释医学影像数据。这些技术有助于医生更准确地诊断和治疗患者,它通常包括图像获取和重建、图像增强、三维重建、图像配准、分割和标记、形态学分析等领域。医学影像的图像处理技术近年来取得了显著的进展,这些进展在临床诊断、治疗和研究领域都产生了深远的影响。尤其是近年来,随着计算机技术和人工智能的发展,医学影像的图像处理技术取得了显著进展。自动化分析、深度学习和神经网络等技术的应用使医学影像处理更加精准和高效,为临床诊断、治疗和研究带来了巨大的潜力和可能性。
3、在进行头颈ct(计算机断层扫描)拍摄时,病人姿态不统一可能对医学影像图像处理产生不良影响。不同扫描图像之间存在位置和角度差异,会使得图像的自动化处理变得更加复杂和困难。在图像配准中,感兴趣区域的层面和形状的迭代计算难以适应偏差较大的三维姿态,因此需要将
4、病人在拍摄ct影像时,通常将头部固定在支撑装置上,以确保他们的头颈部位在适当的位置,并保持相对稳定,这有助于获得高质量的影像。然而,对于脑出血、脑梗死等无法控制身体姿态的病人,通常会出现头部的姿态倾斜。其中最常见的是头颈的转动,在三维影像中会表现为沿s-i轴(superior—inferior)的旋转;而头部的歪斜在三维影像中会表现为沿a-p轴(anterior—posterior)的旋转;若支撑装置较低或较高,则在三维影像中会表现为沿l-r轴(left—right)的旋转。
5、由于医学影像最适当的查阅方式为沿s-i轴逐层查阅,沿s-i轴的旋转导致的倾斜只需在层内进行图像处理,而目前关于影像倾斜校正的研究通常为该维度倾斜的处理。然而,沿a-p轴的旋转和沿l-r轴的旋转导致的姿态倾斜需要对影像进行跨层处理,在二维平面上难以操作。
技术实现思路
1、基于此,有必要针对ct影像头部姿态不统一的问题,提供一种头颈ct影像的倾斜校正方法。
2、本申请头颈ct影像的倾斜校正方法,包括:
3、获得头颈ct影像,所述头颈ct影像包括未倾斜且扫描完整的模板影像、以及有待进行倾斜校正的待配影像;
4、对所述模板影像和所述待配影像进行前处理;
5、根据所述模板影像和所述待配影像的差异,获得图像变换参数;
6、对所述待配影像应用所述图像变换参数,执行所述待配影像的倾斜校正。
7、可选的,根据所述模板影像和所述待配影像的差异,获得图像变换参数,利用训练完成的深度学习回归模型实施,所述深度学习回归模型的训练过程包括:
8、构建训练数据集,所述训练数据集包括倾斜头颈ct影像、以及所述倾斜头颈ct影像相较于标准头颈ct影像的图像变换参数;
9、以所述倾斜头颈ct影像为输入,以所述图像变换参数为输出,训练所述深度学习回归模型。
10、可选的,根据所述模板影像和所述待配影像的差异,获得图像变换参数,具体包括:
11、对所述待配影像和模板影像均进行采样处理,分别获得两个尺寸缩小的待配子影像和模板子影像;
12、比较所述待配子影像和模板子影像,获得图像变换参数。
13、可选的,在获得图像变换参数之前,还包括将所述待配影像的各层对应至所述模板影像,具体包括:
14、若所述待配影像的顶侧完整,则将所述头颈ct影像顶侧首次出现脑组织的层面作为定位层;
15、利用所述定位层,将所述待配影像的各层对应至所述模板影像。
16、可选的,在获得图像变换参数之前,还包括将所述待配影像的各层对应至所述模板影像,具体包括:
17、若所述待配影像的顶侧存在缺失,则定位所述模板影像和待配影像的脑组织像素数最大层,并根据两个所述脑组织像素数最大层的差异,对所述模板影像和待配影像进行统一处理;
18、获得统一处理后的、所述待配影像的顶层图像的脑组织像素数;
19、根据所述顶层图像的脑组织像素数,将所述顶层图像定位至所述模板影像,并将所述待配影像的各层对应至所述模板影像。
20、可选的,若所述待配影像顶层图像的脑组织数大于第一阈值,则视为所述待配影像的顶侧存在缺失;
21、若所述待配影像顶层图像的脑组织数小于或等于第一阈值,则视为所述待配影像的顶侧完整。
22、可选的,所述图像变换参数包括分别沿s-i轴、a-p轴、以及l-r轴的平移参数,以及分别以s-i轴、a-p轴、以及l-r轴为旋转轴的旋转参数。
23、可选的,获得图像变换参数,对所述待配影像应用所述图像变换参数,包括第一配准阶段和第二配准阶段;
24、在所述第一配准阶段中,对比所述待配影像和所述模板影像,两者的脑组织和/或颅骨,获得第一图像变换参数,将所述第一图像变换参数应用至所述待配影像,且在所述第一配准阶段中,放弃使用所述第一图像变换参数中沿l-r轴的旋转参数;
25、在所述第二配准阶段中,对比所述待配影像和所述模板影像的侧脑室组织,获得第二图像变换参数,将所述第二图像变换参数应用至所述待配影像。
26、本申请还提供一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现本申请所述的头颈ct影像的倾斜校正方法的步骤。
27、本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本申请所述的头颈ct影像的倾斜校正方法的步骤。
28、本申请还提供一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现本申请所述的头颈ct影像的倾斜校正方法的步骤。
29、本申请头颈ct影像的倾斜校正方法至少具有以下效果:
30、本申请利用模板影像和待配影像的差异,获得图像变换参数,将图像变换参数应用至待配影像后,待配影像的头部姿态得到统一,完成了待配影像的倾斜校正。
本文档来自技高网...【技术保护点】
1.头颈CT影像的倾斜校正方法,其特征在于,包括:
2.如权利要求1所述的倾斜校正方法,其特征在于,根据所述模板影像和所述待配影像的差异,获得图像变换参数,利用训练完成的深度学习回归模型实施,所述深度学习回归模型的训练过程包括:
3.如权利要求1所述的倾斜校正方法,其特征在于,根据所述模板影像和所述待配影像的差异,获得图像变换参数,具体包括:
4.如权利要求1所述的倾斜校正方法,其特征在于,在获得图像变换参数之前,还包括将所述待配影像的各层对应至所述模板影像,具体包括:
5.如权利要求1所述的倾斜校正方法,其特征在于,在获得图像变换参数之前,还包括将所述待配影像的各层对应至所述模板影像,具体包括:
6.如权利要求4或5所述的倾斜校正方法,其特征在于,若所述待配影像顶层图像的脑组织数大于第一阈值,则视为所述待配影像的顶侧存在缺失;
7.如权利要求1所述的倾斜校正方法,其特征在于,所述图像变换参数包括分别沿S-I轴、A-P轴、以及L-R轴的平移参数,以及分别以S-I轴、A-P轴、以及L-R轴为旋转轴的旋转参数。<
...【技术特征摘要】
1.头颈ct影像的倾斜校正方法,其特征在于,包括:
2.如权利要求1所述的倾斜校正方法,其特征在于,根据所述模板影像和所述待配影像的差异,获得图像变换参数,利用训练完成的深度学习回归模型实施,所述深度学习回归模型的训练过程包括:
3.如权利要求1所述的倾斜校正方法,其特征在于,根据所述模板影像和所述待配影像的差异,获得图像变换参数,具体包括:
4.如权利要求1所述的倾斜校正方法,其特征在于,在获得图像变换参数之前,还包括将所述待配影像的各层对应至所述模板影像,具体包括:
5.如权利要求1所述的倾斜校正方法,其特征在于,在获得图像变换参数之前,还包括将所述待配影像的各层对应至所述模板影像,具体包括:
6.如权利要求4或5所述的倾斜校正方法,其特征在于,若所...
【专利技术属性】
技术研发人员:刘凯政,鲁伟,向建平,
申请(专利权)人:杭州脉流科技有限公司,
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。