医学图像重建方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了一种医学图像重建方法、装置、设备及介质。该方法包括：对三维医学图像进行稀疏投射得到二维投影图像；基于预先训练好的图像重建模型对所述二维投影图像进行图像迁移，得到重建的二维图像。本发明专利技术实施例的技术方案，避免了邻近体素的插值、线性变换、材质分解等计算；提升了算法性能和实时性；无需需要针对不同成像方式人工配置参数，实现降低了开发成本，提高了图像重建效率的效果。

【技术实现步骤摘要】
医学图像重建方法、装置、设备及介质
本专利技术实施例涉及图像处理技术，尤其涉及一种医学图像重建方法、装置、设备及介质。
技术介绍
数字重建放射摄影技术(DigitalReconstructedRadiographs，DRR)大量使用于放疗、介入治疗、微创手术设备中，用于2D-3D配准、定位像模拟等应用场景，是一项比较成熟的技术。传统的DRR算法主要包括：光线投射法、光场法、散射投影法、错切变形法、圆柱调谐法、蒙特卡洛模拟法等，需要较高的采样密度，且需要大量插值、体素变换、材质分解、光线追踪和散射估计等计算才能得到清晰的二维图像。虽然已有基于深度学习的DRR算法，但包含了材质分解、散射估计和光线追踪等神经网络子模块，有的子模块需分别进行训练，开发成本大。
技术实现思路
本专利技术实施例提供一种医学图像重建方法、装置、设备及介质，以实现减少了光线投射采样密度和计算量，提高图像重建效率的效果。第一方面，本专利技术实施例提供了一种医学图像重建方法，该方法包括：对三维医学图像进行稀疏投射得到二维投影图像；基于预先训练好的图像重建模型对所述二维投影图像进行图像迁移，得到二维重建图像。第二方面，本专利技术实施例还提供了一种医学图像重建装置，该装置包括：二维投影图像生成模块，用于对三维医学图像进行稀疏投射得到二维投影图像；图像重建模块，用于基于预先训练好的图像重建模型对所述二维投影图像进行图像迁移，得到二维重建图像。第三方面，本专利技术实施例还提供了一种成像设备，其中，所述成像设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的医学图像重建方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本专利技术任意实施例所提供的医学图像重建方法。本专利技术实施例通过对三维医学图像进行稀疏投射得到二维投影图像；采用光线稀疏投影降低了基于光线投射原理进行投影重建的光线采样密度，避免了邻近体素的插值、线性变换、材质分解等计算；提升了算法性能和实时性；基于预先训练好的图像重建模型对所述二维投影图像进行图像迁移，得到二维重建图像，无需需要针对不同成像方式人工配置参数，实现降低了开发成本，提高了图像重建效率的效果。附图说明图1是本专利技术实施例一中的一种医学图像重建方法的流程图；图2是本专利技术实施例一中的一种医学图像重建的流程示意图；图3是本专利技术实施例二中的一种医学图像重建装置的结构图；图4是本专利技术实施例三中的一种医学图像重建设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种医学图像重建方法的流程图，本实施例可适用于三维图像重建任意角度二维投影图像的情况，该方法可以由图像重建装置来执行，具体包括如下步骤：S110、对三维医学图像进行稀疏投射得到二维投影图像。一般的，采用密集的光线对三维医学图像进行投射，同时对三维医学图像进行邻近体素的插值、线性变换、材质分解等计算得到二维投影图像。光线投射方式可以是平行束投射、扇形束投射、锥形束投射等。由于投射的光线密集，邻近体素的插值、线性变换、材质分解等计算量巨大，导致得到的二维投影图像的实时性不高，影响图像的应用。本实施例对三维医学图像进行光线稀疏投射，投射光线的光线数量和密集度比较低，通常相邻光线的距离设置医学图像片层像素间距或稍大即可，一般不超过1.5mm。由于投射的光线密度稀疏，所以计算量较小，可快速得到二维投影图像，使其具有很好的实时性，可有效应用于放疗或介入治疗中的配准应用场景。可选的，对三维医学图像进行稀疏投射得到二维投影图像，包括：计算所述三维医学图像每个体素的密度因子；根据所述密度因子计算每条光线贯穿每个体素的投射率；根据所述投射率得到所述二维投影图像。通过公式(1)计算三维医学图像中每个体素的密度因子ρi。ρi＝μwater(0.001Ii+1)(1)式中，μwater为水的衰减系数，设为0.1929，Ii为第i个体素的CT值，单位HU，i为大于零的整数。对于采样方向上的一条投射光线，计算投射光线穿过每个体素的穿透率，即穿透率为穿透体素距离与体素边长的比值，根据穿透率和密度因子得到二维投影图像。可选的，根据所述投射率得到所述二维投影图像，包括：根据所述投射率计算投射所述三维医学图像后的光线的剩余能量；根据所述剩余能量得到所述二维投影图像。根据穿透率和密度因子通过公式(2)计算光线投射CT图像后的投射输出值即光线的剩余能量。对输出值进行反向取值得到二维投影图像。式中，dr为投射输出值；li为三维CT图像每个体素的穿透率。可选的，在通过稀疏投射获取二维投影图像时，加入传统数字重建放射摄影技术中的邻近像素插值和线性变换等计算，提高二维投影图像的清晰度。S120、基于预先训练好的图像重建模型对二维投影图像进行图像迁移，得到二维重建图像。可选的，图像重建模型基于无监督学习的训练方法得到或基于有监督学习获得。图像重建模型可以是基于有监督的学习方式训练得到，也可以通过无监督的学习方式训练得到。可选的，采用有监督的学习方式的前提是，实际采集与三维医学图像成像配置对应的二维重建图像，同时通过重建放射摄影技术获得对应光源位置高清的且与三维医学图像对应的二维重建图像。在二维重建图像采集过程中，采集对象需保持与采集三维医学图像时相同的姿态，采集要求相对较高。无监督的学习方式，不要求获取与三维医学图像对应的高清二维重建图像。可选的，所述无监督学习的训练方法包括：对历史三维医学图像进行稀疏光线投影得到历史二维投影图像；获取与所述历史三维医学图像同一组织部位的历史二维重建图像；基于所述历史二维投影图像和所述历史二维重建图像对待训练的循环生成对抗网络进行无监督训练。训练时，每次迭代从历史二维投影图像或历史二维重建图像抽取小批量的图像进行训练。历史二维投影图像和历史二维重建图像无需存在对应关系。可选的二维重建图像包括X射线图像。示例性的，历史二维投影图像的数量为100张，历史二维重建图像的数量为100张，每次抽取10张历史二维投影图像或10张历史二维重建图像进行迭代训练，直到100张历史二维投影图像和100张历史二维重建图均进行迭代训练。可选的，循环生成对抗网络包括第一生成器网络、第二生成器网络、第一判别器网络和第二判别器网络；所述第一生成器网络用于基于所述历史二维投影图像生成对应的二维重建图像；所述第二生成器网络用于基于所述历史二维重建图像生成对应的二维投影图像；所述第一本文档来自技高网...

【技术保护点】
1.一种医学图像重建方法，其特征在于，包括：/n对三维医学图像进行稀疏投射得到二维投影图像；/n基于预先训练好的图像重建模型对所述二维投影图像进行图像迁移，得到二维重建图像。/n

【技术特征摘要】
1.一种医学图像重建方法，其特征在于，包括：
对三维医学图像进行稀疏投射得到二维投影图像；
基于预先训练好的图像重建模型对所述二维投影图像进行图像迁移，得到二维重建图像。


2.根据权利要求1所述的方法，其特征在于，所述对三维医学图像进行稀疏投射得到二维投影图像，包括：
计算所述三维医学图像每个体素的密度因子；
根据所述密度因子计算每条光线贯穿每个体素的投射率；
根据所述投射率得到所述二维投影图像。


3.根据权利要求2所述的方法，其特征在于，根据所述投射率得到所述二维投影图像，包括：
根据所述投射率计算投射所述三维医学图像后的光线的剩余能量；
根据所述剩余能量得到所述二维投影图像。


4.根据权利要求1所述的方法，其特征在于，所述图像重建模型基于无监督学习的训练方法或基于有监督学习的训练方法获得。


5.根据权利要求4所述的方法，其特征在于，所述无监督学习的训练方法包括：
对历史三维医学图像进行稀疏光线投影得到历史二维投影图像；
获取与所述历史三维医学图像同一组织部位的历史二维重建图像；
基于所述历史二维投影图像和所述历史二维重建图像对待训练的循环生成对抗网络进行无监督学习训练。


6.根据权利要求5所述的方法，其特征在于，所述循环生成对抗网络包括第一生成器网络、第二生成器网络、第一判别器网络和第二判别器网络；
所述第一生成器网络用于基于所述历史二维投影图像生成对应的二维重建图像；
所述第二生成器网络用于基于所述历史二维重建图像生成对应的二维投影图像；
所述第一判别器用于区分所述历史二维投影图像和所述基于所述历史二维X...

【专利技术属性】
技术研发人员：王旭，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：上海;31