一种医学影像的三维虚拟重构方法和系统技术方案

本发明专利技术实施例提供了一种医学影像的三维虚拟重构方法和系统。所述方法包括：对多组原始医学影像进行深度学习训练，获得多组感兴趣区域的区域特征数据，根据所述多组区域特征数据进行梯度训练学习，得到多组二维卷积核模型，采用所述多组二维卷积核模型，组成多组三维卷积核模型，采用所述多组三维卷积核模型对所述多组原始医学影像进行卷积处理，生成多组预处理医学影像，采用所述多组预处理医学影像，进行三维虚拟重构，采用本发明专利技术的技术方案，能够使每个预处理医学影像中各个器官的边界更加清晰，另外，每个预处理医学影像的断层数据可以实现平滑过渡，从而解决了医学影像在三维虚拟重构时出现断层的技术问题。维虚拟重构时出现断层的技术问题。维虚拟重构时出现断层的技术问题。

【技术实现步骤摘要】
一种医学影像的三维虚拟重构方法和系统


[0001]本专利技术涉及三维虚拟重构
，特别是涉及一种医学影像的三维虚拟重构方法和系统。

技术介绍

[0002]医学扫描影像数据固有的特性如CT放射性对患者的损伤、MRI扫描信号串扰、密集扫描耗时长、影像数据量庞大等情况，不适合使用密集逐层扫描，扫描间隔过密时，CT扫描会成倍的增加患者被放射性射线照射的时间、同时扫描影像数据数量级增加，导致后期处理消耗巨大的处理能力，通常在扫描时通常采用的是以较大间距进行跳跃式扫描以减少患者放射性照射时间。
[0003]目前根据医学扫描影像数据进行三维虚拟影像重构，通常采用读取医学影像灰阶数据，根据不同灰阶值设置不同的颜色标识，生成层叠式三维虚拟影像，这种方式重构出的三维虚拟影像存在器官边界区间模糊的问题；进一步的三维虚拟影像重构方法采用平面二维卷积神经网络对医学扫描影像数据进行预处理，可以使病灶与正常组织形成更明晰的边界，然后在进行层叠式三维虚拟影像重构，此方式较前一种方式有了较大改进，是目前三维虚拟影像重构的主流处理方法。由于医学扫描间隔问题，会导致在层叠式三维重构虚拟影像时，层与层之间的跳变脱离问题。在不同扫描影像层之间，影像数据同样存在与扫描层内相同的数据过渡问题。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种医学影像的三维虚拟重构方法和相应的一种医学影像的三维虚拟重构系统。
[0005]为了解决上述问题，本专利技术实施例公开了一种医学影像的三维虚拟重构方法，所述方法包括：
[0006]对多组原始医学影像进行深度学习训练，获得多组感兴趣区域的区域特征数据；
[0007]根据所述多组区域特征数据进行梯度训练学习，得到多组二维卷积核模型；
[0008]采用所述多组二维卷积核模型，组成多组三维卷积核模型；
[0009]采用所述多组三维卷积核模型对所述多组原始医学影像进行卷积处理，生成多组预处理医学影像；
[0010]采用所述多组预处理医学影像，进行三维虚拟重构。
[0011]可选地，对所述多组区域特征数据进行梯度训练学习，得到多组二维卷积核模型的步骤包括：
[0012]采用所述区域特征数据进行梯度计算，得到梯度下降率；
[0013]采用所述区域特征数据建立初始二维卷积核模型；
[0014]根据所述梯度下降率更新所述初始二维卷积核模型，得到二维卷积核模型；
[0015]多次重复上述步骤，得到多组二维卷积核模型。
[0016]可选地，采用所述多组三维卷积核模型对所述多组原始医学影像进行卷积处理，生成多组预处理医学影像的步骤包括：
[0017]将所述原始医学影像上的一个数据位设定卷积开始中心点；
[0018]将所述三维卷积核模型的核心与所述卷积开始中心点重合后，采用三维卷积核模型的权值与所述原始医学影像进行卷积处理，得到预处理中心点数据；
[0019]将所述卷积开始中心点往卷积处理方向上偏移一个数据位；
[0020]多次重复上述步骤，得到多组预处理中心点数据；
[0021]采用所述多组预处理中心点数据构成多组预处理医学影像。
[0022]可选地，将所述三维卷积核模型的核心与所述卷积开始中心点重合后，采用三维卷积核模型的权值与所述原始医学影像进行卷积处理，得到预处理中心点数据的步骤包括：
[0023]确定所述卷积开始中心点所在数据位的第一影像数据；
[0024]确定包围所述卷积开始中心点的数据位的第二影像数据；
[0025]将所述三维卷积核模型的权值、第一影像数据、第二影像数据，代入预设卷积公式中，得到预处理中心点数据。
[0026]本专利技术实施例还公开了一种医学影像的三维虚拟重构系统，所述系统包括：
[0027]区域特征数据获取模块，用于对多组原始医学影像进行深度学习训练，获得多组感兴趣区域的区域特征数据；
[0028]二维卷积核模型构建模块，用于根据所述多组区域特征数据进行梯度训练学习，得到多组二维卷积核模型；
[0029]三维卷积核模型构建模块，用于采用所述多组二维卷积核模型，组成多组三维卷积核模型；
[0030]预处理医学影像生成模块，用于采用所述多组三维卷积核模型对所述多组原始医学影像进行卷积处理，生成多组预处理医学影像；
[0031]三维重构模块，用于采用所述多组预处理医学影像，进行三维虚拟重构。
[0032]可选地，所述二维卷积核模型构建模块包括：
[0033]梯度下降率计算子模块，用于采用所述区域特征数据进行梯度计算，得到梯度下降率；
[0034]初始二维卷积核模型建立子模块，用于采用所述区域特征数据建立初始二维卷积核模型；
[0035]二维卷积核模型更新子模块，用于根据所述梯度下降率更新所述初始二维卷积核模型，得到二维卷积核模型；
[0036]二维卷积核模型构建模块构建子模块，用于多次重复上述步骤，得到多组二维卷积核模型。
[0037]可选地，预处理医学影像生成模块包括：
[0038]卷积开始中心点设定子模块，用于将所述原始医学影像上的一个数据位设定卷积开始中心点；
[0039]卷积处理子模块，用于将所述三维卷积核模型的核心与所述卷积开始中心点重合
后，采用三维卷积核模型的权值与所述原始医学影像进行卷积处理，得到预处理中心点数据；
[0040]数据位偏移子模块，用于将所述卷积开始中心点往卷积处理方向上偏移一个数据位；
[0041]预处理中心点数据生成子模块，用于多次重复上述步骤，得到多组预处理中心点数据；
[0042]预处理医学影像生成模块，采用所述多组预处理中心点数据构成多组预处理医学影像。
[0043]可选地，所述卷积处理子模块包括：
[0044]第一影像数据确定单元，用于确定所述卷积开始中心点所在数据位的第一影像数据；
[0045]第二影像数据确定单元，用确定包围所述卷积开始中心点的数据位的第二影像数据；
[0046]卷积计算单元，用于将所述三维卷积核模型的权值、第一影像数据、第二影像数据，代入预设卷积公式中，得到预处理中心点数据。
[0047]本专利技术实施例包括以下优点：对多组原始医学影像进行深度学习训练，获得多组感兴趣区域的区域特征数据，根据所述多组区域特征数据进行梯度训练学习，得到多组二维卷积核模型，采用所述多组二维卷积核模型，组成多组三维卷积核模型，采用所述多组三维卷积核模型对所述多组原始医学影像进行卷积处理，生成多组预处理医学影像，采用所述多组预处理医学影像，进行三维虚拟重构，采用本专利技术的技术方案，能够使每个预处理医学影像中各个器官的边界更加清晰，另外，每个预处理医学影像的断层数据可以实现平滑过渡，从而解决了医学影像在三维虚拟重构时出现断层的技术问题。
附图说明
[0048]图1是本专利技术的一种医学影像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学影像的三维虚拟重构方法，其特征在于，所述方法包括：对多组原始医学影像进行深度学习训练，获得多组感兴趣区域的区域特征数据；根据所述多组区域特征数据进行梯度训练学习，得到多组二维卷积核模型；采用所述多组二维卷积核模型，组成多组三维卷积核模型；采用所述多组三维卷积核模型对所述多组原始医学影像进行卷积处理，生成多组预处理医学影像；采用所述多组预处理医学影像，进行三维虚拟重构。2.根据权利要求1所述的方法，其特征在于，对所述多组区域特征数据进行梯度训练学习，得到多组二维卷积核模型的步骤包括：采用所述区域特征数据进行梯度计算，得到梯度下降率；采用所述区域特征数据建立初始二维卷积核模型；根据所述梯度下降率更新所述初始二维卷积核模型，得到二维卷积核模型；多次重复上述步骤，得到多组二维卷积核模型。3.根据权利要求1所述的方法，其特征在于，采用所述多组三维卷积核模型对所述多组原始医学影像进行卷积处理，生成多组预处理医学影像的步骤包括：将所述原始医学影像上的一个数据位设定卷积开始中心点；将所述三维卷积核模型的核心与所述卷积开始中心点重合后，采用三维卷积核模型的权值与所述原始医学影像进行卷积处理，得到预处理中心点数据；将所述卷积开始中心点往卷积处理方向上偏移一个数据位；多次重复上述步骤，得到多组预处理中心点数据；采用所述多组预处理中心点数据构成多组预处理医学影像。4.根据权利要求3所述的方法，其特征在于，将所述三维卷积核模型的核心与所述卷积开始中心点重合后，采用三维卷积核模型的权值与所述原始医学影像进行卷积处理，得到预处理中心点数据的步骤包括：确定所述卷积开始中心点所在数据位的第一影像数据；确定包围所述卷积开始中心点的数据位的第二影像数据；将所述三维卷积核模型的权值、第一影像数据、第二影像数据，代入预设卷积公式中，得到预处理中心点数据。5.一种医学影像的三维虚拟重构系统，其特征在于，所述系统包括：区域特征数据获取模块，用于对多组原始医学影像进行深度学习训练，获得多组感兴趣区域的区域特征数据；二维卷积核模型构建模块，用于根据所述多组区域特征数据进行梯...

【专利技术属性】
技术研发人员：黄昌正，周言明，陈曦，任明霞，
申请(专利权)人：哈雷医用广州智能技术有限公司东莞市易联交互信息科技有限责任公司，
类型：发明
国别省市：