医学图像重建方法、装置、电子设备和存储介质制造方法及图纸

本申请涉及一种医学图像重建方法、装置、电子设备和存储介质，其中，该方法包括：获取扫描对象表面的数据信息和医学扫描数据；根据所述数据信息获取点云数据，所述点云数据包括参考点云数据和实时点云数据；将所述点云数据输入经训练的深度学习模型，得到所述扫描对象的医学扫描数据对应的配准矩阵；基于所述医学扫描数据和所述配准矩阵进行医学图像重建。通过本申请，使得图像重建的结果更准确、精度更高，提高了图像重建质量。提高了图像重建质量。提高了图像重建质量。

【技术实现步骤摘要】
医学图像重建方法、装置、电子设备和存储介质


[0001]本申请涉及医疗成像
，特别是涉及一种医学图像重建方法、装置、电子设备和存储介质。

技术介绍

[0002]医用成像系统是目前医院中的常规系统，对于这样的成像系统例如超声波系统、X射线计算机断层造影(CT)系统、正电子发射断层造影(PET)系统、单光子发射断层造影(SPECT)系统或者磁共振成像(MRI)系统等。利用医学成像系统对被扫描对象进行医学检查是临床诊断的重要方法。随着计算机技术、数字图像处理技术及其他相关技术的发展，医学成像系统也获得更大的发展，医学成像系统如今在患者检查中占据着重要的地位。由成像系统所生成的患者内部器官和结构的图像用于诊断疾病原因、用于规划手术、在实施手术时使用或者也用于准备治疗措施。
[0003]在利用医用成像系统进行数据采集成像过程中，扫描对象很难保持一动不动，无论是病人躯体的运动，还是内部脏器的生理性运动，都会影响图像的重建质量。特别地，病人的头部运动是一个不可避免的问题，特别是脖颈肌肉的放松会引起头部位移。头部运动会导致分辨率下降同时图像质量退化，尤其在脑部的小脑区域分析时会出现错误。目前常用的处理方式是在扫描过程中使用合适的头托或面罩等方式物理方式固定头部，但是一方面对加重病人的不适感，另一方面也无可完全避免头部的运动。

技术实现思路

[0004]本申请实施例提供了一种医学图像重建方法、装置、电子设备和存储介质，以至少解决相关技术中数据采集成像过程中的扫描对象运动影响成像质量的问题。
[0005]第一方面，本申请实施例提供了一种医学图像重建方法，包括：
[0006]获取扫描对象表面的数据信息和医学扫描数据；
[0007]根据所述数据信息获取点云数据，所述点云数据包括参考点云数据和实时点云数据；
[0008]将所述点云数据输入经训练的深度学习模型，得到所述扫描对象的医学扫描数据对应的配准矩阵；
[0009]基于所述医学扫描数据和所述配准矩阵进行医学图像重建。
[0010]在其中一些实施例中，获取扫描对象表面的数据信息和医学扫描数据之前，还包括：
[0011]获取多组扫描对象的点云数据以及点云数据对应的先验配准矩阵；
[0012]将所述点云数据作为深度学习模型的输入，将所述先验配准矩阵作为深度学习模型的输出进行训练，得到经训练的深度学习模型。
[0013]在其中一些实施例中，获取所述点云数据对应的先验配准矩阵包括：
[0014]获取世界坐标系与医学图像坐标系之间的映射关系；
[0015]根据所述参考点云数据、实时点云数据以及所述世界坐标系与医学图像坐标系之间的映射关系，计算得到点云数据对应的先验配准矩阵。
[0016]在其中一些实施例中，根据所述参考点云数据、实时点云数据以及所述世界坐标系与医学图像坐标系之间的映射关系，计算得到点云数据对应的先验配准矩阵包括：
[0017]获取所述参考点云数据对应世界坐标系下的第一坐标以及所述实时点云数据对应世界坐标系下的第二坐标；
[0018]根据世界坐标系与图像坐标系之间的映射关系获取参考点云数据对应的图像坐标系下的第三坐标以及实时点云数据对应的图像坐标系下的第四坐标；
[0019]根据所述第三坐标以及所述第四坐标，计算得到点云数据对应的先验配准矩阵。
[0020]在其中一些实施例中，基于所述医学扫描数据和所述配准矩阵进行图像重建包括：
[0021]基于所述配准矩阵对所述医学扫描数据进行校正；
[0022]根据校正后的医学扫描数据进行医学图像重建。
[0023]在其中一些实施例中，还包括：
[0024]将所述点云数据实时发送至人机交互界面进行显示。
[0025]第二方面，本申请实施例提供了一种医学图像重建方法，包括：
[0026]获取重建单元内存储的医学扫描数据和医学扫描数据对应的配准矩阵；其中，所述配准矩阵通过将点云数据输入经训练的深度学习模型得到，所述点云数据基于扫描对象表面的数据信息获取，包括参考点云数据和实时点云数据；
[0027]基于所述医学扫描数据和所述配准矩阵进行医学图像重建。
[0028]第二方面，本申请实施例提供了一种医学图像重建装置，包括：
[0029]第一数据获取单元，用于获取扫描对象表面的数据信息和医学扫描数据；
[0030]第二数据获取单元，用于根据所述数据信息获取点云数据，所述点云数据包括参考点云数据和实时点云数据；
[0031]配准矩阵获取单元，用于将所述点云数据输入经训练的深度学习模型，得到所述扫描对象的医学扫描数据对应的配准矩阵；
[0032]第一图像重建单元，用于基于所述医学扫描数据和所述配准矩阵进行医学图像重建。
[0033]第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一/第二方面所述的医学图像重建方法。
[0034]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一/第二方面所述的医学图像重建方法。
[0035]相比于相关技术，本申请实施例提供的医学图像重建方法，获取扫描对象表面的数据信息和医学扫描数据，根据所述数据信息获取点云数据，将所述点云数据输入经训练的深度学习模型，得到所述扫描对象的医学扫描数据对应的配准矩阵，基于所述医学扫描数据和所述配准矩阵进行医学图像重建。通过在数据采集成像时，考虑在扫描对象运动时获取的扫描数据精度下降对图像重建质量的影响，基于扫描对象表面的数据信息对医学扫描数据进行配准，使得图像重建的结果更准确、精度更高，提高了图像重建质量。
[0036]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0037]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0038]图1是本申请其中一个实施例中医学图像重建方法的流程示意图；
[0039]图2是本申请其中一个实施例中深度学习模型的训练流程示意图；
[0040]图3是本申请一个优选实施例中医学图像重建方法的流程框图；
[0041]图4是本申请另一个实施例中医学图像重建方法的流程示意图；
[0042]图5是本申请其中一个实施例中医学图像重建装置的结构框图；
[0043]图6是本申请另一个实施例中医学图像重建装置的结构框图；
[0044]图7是本申请其中一个实施例中电子设备的结构示意图。
[0045]附图说明：301、第一数据获取单元；302、第二数据获取单元；303、配准矩阵获取单元；304、第一图像重建单元；401、离线数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像重建方法，其特征在于，包括：获取扫描对象表面的数据信息和医学扫描数据；根据所述数据信息获取点云数据，所述点云数据包括参考点云数据和实时点云数据；将所述点云数据输入经训练的深度学习模型，得到所述扫描对象的医学扫描数据对应的配准矩阵；基于所述医学扫描数据和所述配准矩阵进行医学图像重建。2.根据权利要求1所述的医学图像重建方法，其特征在于，获取扫描对象表面的数据信息和医学扫描数据之前，还包括：获取多组扫描对象的点云数据以及点云数据对应的先验配准矩阵；将所述点云数据作为深度学习模型的输入，将所述先验配准矩阵作为深度学习模型的输出进行训练，得到经训练的深度学习模型。3.根据权利要求2所述的医学图像重建方法，其特征在于，获取所述点云数据对应的先验配准矩阵包括：获取世界坐标系与医学图像坐标系之间的映射关系；根据所述参考点云数据、实时点云数据以及所述世界坐标系与医学图像坐标系之间的映射关系，计算得到点云数据对应的先验配准矩阵。4.根据权利要求3所述的医学图像重建方法，其特征在于，根据所述参考点云数据、实时点云数据以及所述世界坐标系与医学图像坐标系之间的映射关系，计算得到点云数据对应的先验配准矩阵包括：获取所述参考点云数据对应世界坐标系下的第一坐标以及所述实时点云数据对应世界坐标系下的第二坐标；根据世界坐标系与图像坐标系之间的映射关系获取参考点云数据对应的图像坐标系下的第三坐标以及实时点云数据对应的图像坐标系下的第四坐标；根据所述第三坐标以及所述第四坐标，计算得到点云数据对应的先验配准矩阵。5.根据...

【专利技术属性】
技术研发人员：马润霞，吉子军，陈涛，王海，姜玉林，
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：