【技术实现步骤摘要】
多模态医学图像配准融合方法、装置及电子设备
[0001]本专利技术涉及医学图像处理
,具体涉及一种多模态医学图像配准融合方法、装置及电子设备。
技术介绍
[0002]医学图像配准技术是针对两幅来自于同一成像设备不同时间或者不同成像设备采集的医学图像,以其中一幅图像作为参考来寻找一种或者一系列的空间变换关系,使得另一幅图像经过空间变换之后,两幅图像之间相对应的点在空间上达到基本一致的一种技术。医学图像配准技术在临床医学上具有相当重要的应用价值,它将不同图像所表达的互补信息进行集成整合,以供医护人员参考,以提高临床诊断的准确率。
[0003]在现代数字化医疗诊断过程中,医护人员通常需要在进行手术之前利用已采集的患者的多模态三维图像对患者病变部位进行分析,从而制定适宜的手术计划。而术前已采集的患者的多模态图像是指多数量、多类型的图像,如电子计算机断层扫描图像(CT图像)及磁共振成像(MRI图像)等等,这些图像在采集设备器材、采集方向角度等方面存在差异,因而各个图像突出显示的图像特征也不同。因此,为了便于医生观察和制定手术计划,则需要对术前采集的多种模态的图像的优点进行综合,即需要进行多模态图像配准,以将不同模态的图像配准至同一角度并将各个图像能提供的患者病变部位的图像特征融合至一张图像上显示。
[0004]现有的多模态图像配准技术中,主要存在两类方法:1、迭代最近点方法,通过计算图像间变换矩阵确定待配准图像与参考图像之间的变换关系,并将待配准图像按照该变换关系进行空间变换,以实现配准。但是,使用该迭代 ...
【技术保护点】
【技术特征摘要】
1.一种多模态医学图像配准融合方法,其特征在于,包括:获取患者的至少两种模态的二维医学图像;将所述至少两种模态的二维医学图像分别输入至预先训练的相应的图像分割网络模型,以分别获得各个模态本体位置区域的二维医学图像的输出;将所述各个模态本体位置区域的二维医学图像分别进行三维重建后再进行点云配准融合,以获得多模态相融合三维医学图像。2.根据权利要求1所述的多模态医学图像配准融合方法,其特征在于,将所述各个模态本体位置区域的二维医学图像分别进行三维重建后再进行点云配准融合,以获得多模态相融合三维医学图像,包括:基于三维图像重建法,将所述各个模态本体位置区域的二维医学图像分别重建为各个模态本体位置区域的三维医学图像;分别基于所述各个模态本体位置区域的三维医学图像,确定其本体标志点集和本体头标志点集分别作为各个模态三维医学图像相应的点云集;基于点云配准算法,将各个模态三维医学图像相应的点云集进行点云配准融合,以获得多模态相融合三维医学图像。3.根据权利要求1或2所述的多模态医学图像配准融合方法,其特征在于,所述至少两种模态的二维医学图像包括二维CT医学图像、二维MRI医学图像、二维超声医学图像、二维PETCT医学图像中的至少两种;以及,所述本体包括股骨,所述本体头包括股骨头。4.根据权利要求3所述的多模态医学图像配准融合方法,其特征在于,将所述至少两种模态的二维医学图像分别输入至预先训练的相应的图像分割网络模型,以分别获得各个模态本体位置区域的二维医学图像的输出,包括:将所述二维CT医学图像输入至预先训练的CT图像分割网络模型以获得股骨位置区域的CT医学图像;和/或,将所述二维MRI医学图像输入至预先训练的MRI图像分割网络模型以获得股骨位置区域的MRI医学图像;和/或,将所述二维超声医学图像输入至预先训练的超声图像分割网络模型以获得股骨位置区域的超声医学图像;和/或,将所述二维PETCT医学图像输入至预先训练的PETCT图像分割网络模型以获得股骨位置区域的PETCT医学图像。5.根据权利要求4所述的多模态医学图像配准融合方法,其特征在于,所述CT图像分割网络模型的预先训练过程,包括:获取多个患者的二维CT医学图像数据集,其中,所述二维CT医学图像数据集中包含有多个二维CT医学图像;采用自动标注、手动标注中的至少一种方式,标注出各个所述二维CT医学图像中的股骨位置区域;将经过标注后的各个二维CT医学图像按照预设比例划分为CT训练数据集和CT测试数据集;基于所述CT训练数据集并结合神经网络算法和深度学习训练出CT图像分割网络模型;或,所述MRI图像分割网络模型的预先训练过程,具体包括:获取多个患者的二维MRI医学图像数据集,其中,所述二维MRI医学图像数据集中包含有多个二维MRI医学图像;
采用自动标注、手动标注中的至少一种方式,标注出各个所述二维MRI医学图像中的股骨位置区域;将经过标注后的各个二维MRI医学图像按照预设比例划分为MRI训练数据集和...
【专利技术属性】
技术研发人员:刘星宇,张逸凌,
申请(专利权)人:北京长木谷医疗科技有限公司,
类型:发明
国别省市:
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。