一种基于颅脑影像数据的对称轴/对称面提取方法及系统技术方案

技术编号：24037580 阅读：29 留言：0更新日期：2020-05-07 02:21

本说明书实施例公开了一种基于颅脑影像数据的对称轴/对称面提取方法及系统，通过基于颅脑影像数据的对称轴/对称面提取方法，解决了现有技术存在主观性、存在较大误差、效率低下、泛化性能不佳等问题。该方法包括：获取待处理的颅脑影像数据；将所述待处理的颅脑影像数据输入分割模型，获得所述待处理的颅脑影像数据的分割结果图像；通过连通域的方法进行分析，获得所述待处理的颅脑影像数据的左脑区域和/或右脑区域；采用图像膨胀算法，获得所述待处理的颅脑影像数据中位于对称轴/对称面的像素点。本说明书实施例提供的对称轴/对称面提取方法及系统，能够排除或减少人为因素带来的诊断差异，减小诊断误差，提升诊断速度，且具有较佳的泛化性能。

A method and system of extracting symmetry axis and symmetry plane based on brain image data

全部详细技术资料下载

【技术实现步骤摘要】
一种基于颅脑影像数据的对称轴/对称面提取方法及系统
本说明书涉及医学影像和计算机
，尤其涉及一种基于颅脑影像数据的对称轴/对称面提取方法及系统。
技术介绍
随着计算机技术的发展，医学影像学在临床上的应用越来越广泛。医学影像学对疾病的诊断提供了很大的科学和直观的依据，可以更好的配合临床的症状、化验等方面，为最终准确诊断病情起到不可替代的作用；同时可应用在治疗方面。对于颅脑疾病，由于颅脑具有对称性，因此可以作为颅脑发生病变的判断依据，当颅脑的一侧发生病变时，可根据颅脑影像数据，通过与对侧对比的方法判断病变的范围及严重程度，因此，获取颅脑影像数据的颅脑对称轴/对称面至关重要。目前，现有技术中，对颅脑影像数据的颅脑对称轴/对称面的提取，主要采用人工绘制和图像配准等技术。其中，人工绘制方法具有主观性，往往依赖观察者的经验，因此，存在较大的误差，且效率低下；图像配准等技术，运行速度较慢，且泛化性能不佳，不适用于颅脑病变比较严重或颅脑影像数据严重不对称的情况。因此，需要一种新的对称轴/对称面提取方法，能够排除或减少人为因素带来的诊断差异，减小诊断误差，提升诊断速度，且具有较佳的泛化性能。
技术实现思路
本说明书实施例提供一种基于颅脑影像数据的对称轴/对称面提取方法及系统，用于解决以下技术问题：能够排除或减少人为因素带来的诊断差异，减小诊断误差，提升诊断速度，且具有较佳的泛化性能。本说明书实施例提供一种基于颅脑影像数据的对称轴/对称面提取方法，包括以下步骤：获取待处理的颅脑影...

【技术保护点】
1.一种基于颅脑影像数据的对称轴/对称面提取方法，其特征在于，包括：/n获取待处理的颅脑影像数据；/n将所述待处理的颅脑影像数据输入分割模型，获得所述待处理的颅脑影像数据的分割结果图像，其中，所述分割结果图像表示所述待处理的颅脑影像数据中各像素点属于背景或左脑或右脑；/n通过连通域的方法对所述待处理的颅脑影像数据的分割结果图像进行分析，获得所述待处理的颅脑影像数据的左脑区域和/或右脑区域；/n采用图像膨胀算法，获得所述待处理的颅脑影像数据中位于对称轴/对称面的像素点。/n

【技术特征摘要】
1.一种基于颅脑影像数据的对称轴/对称面提取方法，其特征在于，包括：
获取待处理的颅脑影像数据；
将所述待处理的颅脑影像数据输入分割模型，获得所述待处理的颅脑影像数据的分割结果图像，其中，所述分割结果图像表示所述待处理的颅脑影像数据中各像素点属于背景或左脑或右脑；
通过连通域的方法对所述待处理的颅脑影像数据的分割结果图像进行分析，获得所述待处理的颅脑影像数据的左脑区域和/或右脑区域；
采用图像膨胀算法，获得所述待处理的颅脑影像数据中位于对称轴/对称面的像素点。

2.如权利要求1所述的方法，其特征在于，所述将所述待处理的颅脑影像数据输入分割模型，获得所述待处理的颅脑影像数据的分割结果图像，之前还包括：对所述待处理的颅脑影像数据进行预处理，所述预处理具体包括：
对所述待处理的颅脑影像数据进行图像裁剪和/或图像缩放和/或归一化。

3.如权利要求1所述的方法，其特征在于，所述方法进一步包括：
通过解约束，获取所述待处理的颅脑影像数据的对称轴/对称面方程，其中，所述解约束可以是获取最优方程，使所述位于对称轴/对称面的各像素点到对称轴/对称面的最小距离和最小。

4.如权利要求1所述的方法，其特征在于，所述通过连通域的方法对所述待处理的颅脑影像数据的分割结果图像进行分析，获得所述待处理的颅脑影像数据的左脑区域和/或右脑区域，进一步包括：
基于所述待处理的颅脑影像数据的左脑区域和/或右脑区域，采用图像梯度算法，获得所述待处理颅脑影像数据的左脑轮廓和/或右脑轮廓。

5.如权利要求1所述的方法，其特征在于，所述分割模型是基于神经网络方法预先获得的模型，具体包括：
将人工标记的颅脑影像数据输入神经网络模型，根据颅脑影像数据的人工标记区域的特征进行训练，得到分割模型，其中，所述神经网络模型包括卷积神经网络模型，所述颅脑影像数据的特征包括左右脑的对称结构。

6.如权利要求1所述的方法，其特征在于，所述通过连通域的方法对所述待处理的颅脑影像数据的分割结果图像进行分析，具体包括：
对所述待处理的颅脑影像数据的分割结果图像进行二值化处理，生成二值化图像；
对所述二值化图像进行连通域分析。

7.如权利要求1所述的方法，其特征在于，所述采用图像膨胀算法，获得所述待处理的颅脑影像数据中位于对称轴/对称面的像素点，具体包括：
采用图像膨胀算法，对所述待处理的颅脑影像数据的左脑区域和右脑区域进行膨胀，使所述待处理的颅脑影像数据的左脑区域与所述待处理的颅脑影像数据的右脑区域相交；
基于所述待处理的颅脑影像数据的左脑区域与所述待处理的颅脑影像数据的右脑区域相交的交点，获得所述待处理的颅脑影像数据中位于对称轴/对称面的像素点。

8.一种基于颅...

【专利技术属性】
技术研发人员：金海岚，印胤，杨光明，秦岚，
申请(专利权)人：强联智创北京科技有限公司，
类型：发明
国别省市：北京;11

全部详细技术资料下载我是这个专利的主人