【技术实现步骤摘要】
一种医学影像所属人体部位的自动识别方法及系统
本专利技术涉及医学影像
，特别是一种医学影像所属人体部位的自动识别方法及其应用该方法的系统。
技术介绍
放射治疗在肿瘤治疗中的作用和地位日益突出，已成为治疗恶性肿瘤的主要手段之一。肿瘤的放射治疗依托于计算机扫描成像(CT)、核磁共振成像(MRI)，正电子发射断层扫描成像(PET)技术和相应的医学影像信息智能处理技术。肿瘤放射治疗靶区、危及器官靶区等的高精度勾画是成功实施精确放射治疗的前提和关键技术。现有的放疗过程中，制定计划过程主要有如下几个步骤：(1)建立新病人；(2)导入CT影像；(3)CT-marker点放置和CT电子密度曲线的选择；(4)OAR分割和结构逻辑勾画；(5)建立新的计划；(6)机器参数的设置；(7)定义处方剂量；(8)计划优化和剂量计算；(9)评估计划；(10)添加摆位野和射野DRR图。在此过程中，OAR(危及器官)的自动分割是放射治疗计划系统的重要关键步骤，而在自动分割前，如果能够对待勾画的CT影像快速给出其所在的部位，大致可分为头部、胸部、上...
【技术保护点】
1.一种医学影像所属人体部位的自动识别方法，其特征在于，包括以下步骤：/na.获取待识别的医学影像；/nb.对所述医学影像进行解析，得到所述医学影像的数据信息；/nc.基于所述数据信息中的互信息，将所述医学影像与人体模板影像进行刚性配准，得到第一人体部位识别结果；/nd.将所述医学影像输入训练好的卷积神经网络模型中进行预测，得到第二人体部位识别结果；/ne.判断所述第一人体部位识别结果与所述第二人体部位识别结果是否一致，若一致，则直接得到最终人体部位识别结果；若不一致，则返回步骤c并提高配准精度进行再次配准，并以再次配准结果作为最终人体部位识别结果。/n
【技术特征摘要】
1.一种医学影像所属人体部位的自动识别方法，其特征在于，包括以下步骤：
a.获取待识别的医学影像；
b.对所述医学影像进行解析，得到所述医学影像的数据信息；
c.基于所述数据信息中的互信息，将所述医学影像与人体模板影像进行刚性配准，得到第一人体部位识别结果；
d.将所述医学影像输入训练好的卷积神经网络模型中进行预测，得到第二人体部位识别结果；
e.判断所述第一人体部位识别结果与所述第二人体部位识别结果是否一致，若一致，则直接得到最终人体部位识别结果；若不一致，则返回步骤c并提高配准精度进行再次配准，并以再次配准结果作为最终人体部位识别结果。
2.根据权利要求1所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤a中，所述医学影像包括PET影像、PET/CT影像、PET/MRI影像、MRI影像、CT影像、SCT影像的任一种或两种以上；所述医学影像的获取方法，是通过直接与成像设备相连接进行影像导入，或者，通过医院临床PACS系统将所述医学影像导出至DICOM文件，打开所述DICOM文件即可获取序列的医学影像。
3.根据权利要求2所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤b中，对所述医学影像进行解析，是通过提取所述DICOM文件的数据信息，所述数据信息包括病人参数信息和影像特征信息；并且，将所述影像特征信息与所述病人参数信息进行关联处理，并进行信息存储和备份。
4.根据权利要求1所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤c中，是采用基于MI算法或EMI算法或ECC算法的互信息的刚性配准进行人体部位的识别。
5.根据权利要求1或4所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述互信息是指所述医学影像与人体模板影像之间的互信息，其计算方法如下：
MI(A，B)＝H(A)+H(B)-H(A，B)；
其中，H(A)代表所述医学影像的熵，H(B)代表所述人体模板影像的熵，H(A，B)代表所述医学影像和所述人体模板影像的联合熵；
并且，所述联合熵H(A，B)的计算方法如下：
H(A，B)＝-∫pAB(a，b)logpAB(a，b)dadb；
其中，pAB(a，b)为所述医学影像和所述人体模板影像的联合概率分布。
6.根据权利要求1所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤c中，将所述医学影像与人...
【专利技术属性】
技术研发人员：周琦超，盛华山，
申请(专利权)人：福建自贸试验区厦门片区Manteia数据科技有限公司，
类型：发明
国别省市：福建;35
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。