【技术实现步骤摘要】
一种基于三维图割的医学影像三维重建方法
本专利技术涉及医学影像处理
,特别涉及一种基于三维图割的医学影像三维重建方法。
技术介绍
医学影像,指的是为了医疗或医学研究目的,对人体或人体某部分以非侵入方式取得内部组织器官影像的技术与处理过程,根据其实现步骤不同,医学影像包括医学成像技术和医学处理技术,借助医学影像技术,医疗人员可以更清晰地了解人体特定的组织器官状况进而给出更为精准和合理的诊疗方案。目前的现有技术已经可以实现从医学影像中提取特定组织器官并进行三维重建,而其中三维重建模型的精准度直接取决于图像分割提取的准确率。图割算法因同时具有全局和局部最优性,近年来被越来越多的研究学者应用于医学图像分割中。具体的,图割算法就是利用能力最小化的方法将图像分割的问题转变为最小割/最大流的计算问题,得出分割目标的边界、纹理等特征。然而传统的图割算法只考虑图像的灰度信息,对于一些复杂的医学图像,分割目标与目标周围的灰度值的数值非常接近,导致分割结果不太理想,导致当图割算法在医学图像上应用时,该算法存在分割效果差、分割效率低的情况。比如现有技术CN108596887A提供了一种腹部CT序列图像肝脏肿瘤自动分割方法,该方法基于图割算法对腹部CT序列图像肝脏肿瘤进行分割,当该方案旨在解决CT图像中肝脏肿瘤边界模糊,提高了计算机辅助诊断的精度和效率,虽然也实现了CT图像的自动分割,但是对于其需要对每张医学影像均进行灰度处理,在多图像处理中效率较低。
技术实现思路
本专利技术的目的在于提供一种基于三 ...
【技术保护点】
1.一种基于三维图割的医学图像三维重建方法,其特征在于,包括以下步骤:/n步骤S1:获取连续图像切片并在连续图像切片中定位初始图像切片;/n步骤S2:预处理初始图像切片,得到预处理图像切片;/n步骤S3:通过图割算法分割预处理图像切片的组织器官,得到对应预处理图像切片的分割组织器官;/n步骤S4:获取分割组织器官的分割特征信息,并优化图割算法,其中分割组织器官的分隔特征信息包括分割组织器官的面积信息以及质心信息,将上一张图像切片中分割组织器官的面积信息和质心信息作为形状惩罚项,作为下一张图像切片的先验条件,代入得到优化后的图割算法;/n步骤S5:利用优化的图割算法处理中间图像切片,分割得到分割组织器官,循环步骤S4遍历所有图像切片;/n步骤S6:获取所有分割组织器官,进行三维重建。/n
【技术特征摘要】
1.一种基于三维图割的医学图像三维重建方法,其特征在于,包括以下步骤:
步骤S1:获取连续图像切片并在连续图像切片中定位初始图像切片;
步骤S2:预处理初始图像切片,得到预处理图像切片;
步骤S3:通过图割算法分割预处理图像切片的组织器官,得到对应预处理图像切片的分割组织器官;
步骤S4:获取分割组织器官的分割特征信息,并优化图割算法,其中分割组织器官的分隔特征信息包括分割组织器官的面积信息以及质心信息,将上一张图像切片中分割组织器官的面积信息和质心信息作为形状惩罚项,作为下一张图像切片的先验条件,代入得到优化后的图割算法;
步骤S5:利用优化的图割算法处理中间图像切片,分割得到分割组织器官,循环步骤S4遍历所有图像切片;
步骤S6:获取所有分割组织器官,进行三维重建。
2.根据权利要求1所述的基于三维图割的医学图像三维重建方法,其特征在于,在步骤S3当中,首先转化预处理图像切片为无向图,用户人工选定预处理图像切片中的部分组织器官区域,图割算法获取该部分组织器官区域的组织器官像素A;用户人工选定预处理图像切片中的部分背景区域,图像算法获取该部分背景区域的背景像素B,将组织器官像素A和背景像素B代入能量函数,对预处理图像切片进行分割,图割的能量函数计算公式:E(V)=D(V)+λB(V),其中R(V)是区域惩罚项,表示图像整体的不相似性,B(V)是边缘惩罚性,表示图像在边缘的不想相似性,λ是加权系数。
3.根据权利要求1所述的基于三维图割的医学图像三维重建方法,其特征在于,在步骤S4当中,将上一张图像切片中分割组织器官的分割结果的面积、形状和质心信息,作为下一张图像切片的先验条件,其中质心位置可以作为下张图的前景种子区域,面积尺寸作为图割函数迭...
【专利技术属性】
技术研发人员:冯海泉,王捷,韩玲娟,
申请(专利权)人:创业慧康科技股份有限公司,
类型:发明
国别省市:浙江;33
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。