【技术实现步骤摘要】
HIFU治疗系统的动态软组织运动预测的方法
本专利技术属于医学图像处理
，涉及一种运动预测的方法，具体涉及一种在HIFU治疗系统的动态软组织运动预测的方法。
技术介绍
HIFU治疗系统是一种“能够将超声波束聚焦于靶组织，使其生热以致消融而不损害周围健康机体”的治疗设备，其最突出和最富竞争力的特点是无创或微创。其核心技术，是在考虑到人体结构的不均匀性、高声强时的非线性和将组织作为时变体系的前提下，对病灶实现精准定位，从而对HIFU治疗系统的声输出实现精准的时空控制。在HIFU治疗手术导航中，随着患者呼吸运动及体位变化等因素，靶组织会产生整体偏移，此外，由于靶组织自身性质的原因，还时常伴随着微小形变。一旦治疗过程中靶组织状态发生改变而系统却没有来得及调整靶区位置，不仅没有消融的正确病灶，且高温的副作用对正常组织的损害也往往是不可忽视的。为了达到精准治疗的目的，我们可以利用医学超声影像作为引导手段来提前预测靶组织的位置，使得系统来得及调整治疗靶区位置。在过去的几十年里，研究人员已提出了许多用于运动跟踪预测的方法。先前...
【技术保护点】
1.一种HIFU治疗系统的动态软组织运动预测的方法，其特征在于，包括以下步骤：/n步骤1：对HIFU源图像序列数据进行预处理，对得到的图像序列数据缩放至统一尺寸，进一步对图像序列数据进行灰度化处理，对标签序列数据Label进行二值化处理；其中，记预处理后的源图像序列数据为图像序列数据Image，标签序列数据Label为经专家手工分割的掩膜图像序列数据；/n步骤2：构造图像序列数据Image与标签序列数据Label的预测映射关系，图像序列某一帧图像Image
【技术特征摘要】
1.一种HIFU治疗系统的动态软组织运动预测的方法，其特征在于，包括以下步骤：
步骤1：对HIFU源图像序列数据进行预处理，对得到的图像序列数据缩放至统一尺寸，进一步对图像序列数据进行灰度化处理，对标签序列数据Label进行二值化处理；其中，记预处理后的源图像序列数据为图像序列数据Image，标签序列数据Label为经专家手工分割的掩膜图像序列数据；
步骤2：构造图像序列数据Image与标签序列数据Label的预测映射关系，图像序列某一帧图像Imagei对应下一帧的标签Labeli+1；
步骤3：构建包括训练集、验证集和测试集的医学图像序列数据集，并对其中的训练集进行在线数据增强；
步骤4：搭建HIFU治疗系统的动态软组织运动预测网络模型，采用堆叠卷积长短时记忆网络结合时间包装器的组合模式来有效利用医学图像序列的时空信息，并根据设定的训练策略训练动态软组织运动预测网络模型参数；
步骤5：将测试集数据输入训练好的动态软组织运动预测网络模型，生成相应的动态软组织运动预测结果图，将预测结果图与真实结果图相比较，得到HIFU治疗系统的动态软组织运动预测的结果和性能指标。
2.根据权利要求1所述的HIFU治疗系统的动态软组织运动预测的方法，其特征在于：步骤1中，对HIFU医学图像序列数据进行去噪、增强和归一化处理。
3.根据权利要求1所述的HIFU治疗系统的动态软组织运动预测的方法，其特征在于，步骤3中的具体实现包括以下子步骤：
步骤3.1：将预处理后的HIFU图像序列按预设比例划分成训练集、验证集和测试集，用于对动态软组织运动预测网络进行训练、验证和测试；
步骤3.2：采用在线数据增强的方法对训练集进行数据增强，即在数据生成器中对传入动态软组织运动预测网络的图像序列数据进行增强；其中，数据生成器为自定义批量数据生成器：从HIFU图像序列的第一帧开始，每连续N帧为一个整体作为训练所选取的一个样本，各样本第一帧为循环后移一帧的关系，即下个样本的第一帧是上个样本第一帧Pi的下一帧Pi+1；对每一个样本通过整体的旋转、裁剪和翻转变换得到固定大小的输入图像序列；最终由数据生成器生成并传入网络的数据为5D张量，其格式为(samples,time,rows,cols,channels)；其中samples相当于批尺寸batch_size，即一次训练所选取的样本数；time为每个样本sample中的时序数也就是帧数；rows、cols和channels分别为图像的行像素、列像素和通道数。
4.根...
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。