三维图像处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及医疗技术领域，特别是涉及一种三维图像处理方法、装置、计算机设备和存储介质。一种三维图像处理方法包括：获取待处理医学图像；通过预先训练的三维图像处理模型对待处理三维图像进行处理，以得到待处理三维图像中每个体素属于目标对象的概率；根据概率对待处理三维图像进行分割以得到各个目标对象。本申请实现关节骨结构自动化分割，直接对待处理三维图像进行分割，提高分割精度的同时提高工作效率，适用于膝关节或者髋关节的手术置换机器人，提高自动化、智能化程度。智能化程度。智能化程度。

【技术实现步骤摘要】
三维图像处理方法、装置、计算机设备和存储介质


[0001]本申请涉及医疗
，特别是涉及一种三维图像处理方法、装置、计算机设备和存储介质。

技术介绍

[0002]膝骨术前，利用医学影像设备获取患者的包含关节等骨骼的影像图像(如CT图像)，计算机利用CT图像序列重建患者腿部骨骼的三维模型。为了从CT图像序列中提取骨骼轮廓，目前，使用如2D网络(U
‑
Net)SVM、基于graph
‑
cut图像分割方法等算法对二维的CT图像进行图像分割，以得到骨骼的图像子序列，再利用骨骼的图像子序列重建相应骨骼的三维模型。
[0003]然而，在获取骨骼的三维模型过程中，需对每幅二维图像进行分割。各幅图像分割后是难于自动化重建骨骼的三维模型的。这是因为CT图像序列中的若干幅图像之间由于缺少空间信息，各幅图像的图像分割精度和泛化性均不统一。如此，不仅受CT图像的数量影响，图像分割的速度慢，还可能需要借助人工交互的方式，对各图像分割后的骨骼图像进行修整
[0004]由此，依据现有技术对二维的CT图像所提取的如：关节区域等关键骨骼的轮廓，再进行三维重建后，所重建的关节模型容易产生骨骼缺失、或异常的不连续的突起等模型缺陷。这是与所分割的CT图像未考虑空间信息有关，以及所使用的算法相关。如何建立一种分割效率高，且分割精度高的模型是业内亟待解决的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种三维图像处理方法、装置、计算机设备和存储介质。
[0006]本申请实施例提供了一种三维图像处理方法，所述三维图像处理方法包括：
[0007]获取待处理三维图像；
[0008]通过预先训练的三维图像处理模型对所述待处理三维图像进行处理，以得到所述待处理三维图像中每个体素属于至少一个目标对象的概率；
[0009]根据所述概率对所述待处理三维图像进行分割以得到各个目标对象。
[0010]在其中一个实施例中，所述通过预先训练的三维图像处理模型对所述待处理三维图像进行处理，包括：
[0011]获取每个体素的最大的概率所对应的目标对象作为所述体素的分割结果；
[0012]根据所述体素的分割结果得到目标对象。
[0013]在其中一个实施例中，所述通过预先训练的三维图像处理模型对所述待处理三维图像进行处理，还包括：
[0014]在不同通道的目标类别下，获取每个体素的最大的概率所对应的目标对象作为该目标类别下的所述体素的分割结果。
[0015]在其中一个实施例中，通过以下方法对所获取的待处理图像进行处理，包括：
[0016]对所述待处理三维图像进行第一预处理以供向所述三维图像处理模型提供输入数据；其中，所述第一预处理操作包括设置窗宽窗位、重采样、数据归一化以及自适应调节图像尺寸中的至少一项。
[0017]在其中一个实施例中，所述根据所述概率对所述待处理三维图像进行分割以得到各个目标对象包括：
[0018]根据所述概率对所述待处理三维图像进行处理以得到三维分割掩模；
[0019]对所述三维分割掩模进行后处理以得到各个目标对象。
[0020]在其中一个实施例中，对所述三维分割掩模进行后处理以得到各个目标对象，包括：
[0021]对所述分割掩模图进行形态学操作、重采样以及平滑处理中的至少一种，以得到各个目标对象；所述形态学操作包括连通域标记和/或填洞。
[0022]在其中一个实施例中，所述通过预先训练的三维图像处理模型对所述待处理三维图像进行处理包括：
[0023]将待处理三维图像中相邻的多个切片图像进行至少一层网络处理，其中，所述网络处理包括：对所述多个切片图像所表示的三维数据进行基于神经网络的层处理，以提取包含所述多个切片图像所描述的三维图像区域的图像特征；所述图像特征用于标识其对应的体素属于至少一个目标对象的概率。
[0024]在其中一个实施例中，所述预先训练的三维图像处理模型包含用于识别至少一个目标对象的概率的图像处理通道；其中，每一所述图像处理通道用于计算所述待处理三维图像中的各体素属于相应目标对象的概率。
[0025]在其中一个实施例中，所述待处理三维图像包含基于CT医学影像设备摄取骨骼而得到的切片图像序列。
[0026]在其中一个实施例中，一种三维图像处理模型的训练方法，包括：
[0027]获取训练数据，所述训练数据包括训练三维图像以及所述训练三维图像对应的标签；所述标签表示所述训练三维图像中各体素与目标对象之间的属性关系；
[0028]将所述训练三维图像输入待训练的三维图像处理模型，以输出对应所述训练三维图像的分割概率图；
[0029]对所述分割概率图进行处理得到符合预设的训练截止条件。
[0030]在其中一个实施例中，所述对所述分割概率图进行处理得到符合预设的训练截止条件，包括：
[0031]利用相应标签，计算所述分割概率图的偏差信息；其中，所述偏差信息用于评价所述待训练的三维图像处理模型预测准确性；
[0032]利用所述偏差信息迭代地对所述三维图像处理模型进行训练，直至所得到的偏差信息符合预设的训练截止条件。
[0033]在其中一个实施例中，所述利用相应标签，计算所述分割概率图的偏差信息，包括：利用相应标签，计算所述分割概率图的损失函数，以得到所述偏差信息。
[0034]在其中一个实施例中，所述将所述训练三维图像输入待训练的三维图像处理模型，以输出对应所述训练三维图像的分割概率图，包括：
[0035]将所述训练三维图像输入特征提取层，进行特征提取得到初始训练特征图像；
[0036]通过下采样层依次对所述初始训练特征图像进行下采样；
[0037]通过残差卷积块对下采样后的所述初始训练特征图像进行反向残差计算，得到训练特征图像；
[0038]通过上采样层依次对所述训练特征图像进行上采样，得到训练分割概率图。
[0039]在其中一个实施例中，所述将所述训练三维图像输入特征提取层，进行特征提取得到初始训练特征图像之前，还包括：
[0040]对所述训练三维图像进行第二预处理，所述第二预处理操作包括设置窗宽窗位、重采样、数据增强、数据归一化以及自适应调节图像尺寸中的至少一项。
[0041]在其中一个实施例中，所述数据增强，包括：
[0042]对所述训练三维图像进行随机旋转、随机水平或竖直方向翻转以及随机裁剪中的至少一项。
[0043]在其中一个实施例中，所述自适应调节图像尺寸，包括：
[0044]对所述训练三维图像进行边缘填充和/或边缘裁剪。
[0045]在其中一个实施例中，一种三维图像处理装置，所述三维图像处理装置包括：
[0046]获取单元，用于获取待处理三维图像；
[0047]处理单元，用于通过预先训练的三维图像处理模型对所述待处理三维图像进行处理，以得到所述待处理三维图像中每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维图像处理方法，其特征在于，所述三维图像处理方法包括：获取待处理三维图像；通过预先训练的三维图像处理模型对所述待处理三维图像进行处理，以得到所述待处理三维图像中每个体素属于至少一个目标对象的概率；根据所述概率对所述待处理三维图像进行分割以得到各个目标对象。2.根据权利要求1所述的三维图像处理方法，其特征在于，所述通过预先训练的三维图像处理模型对所述待处理三维图像进行处理，包括：获取每个体素的最大的概率所对应的目标对象作为所述体素的分割结果；根据所述体素的分割结果得到目标对象。3.根据权利要求1所述的三维图像处理方法，其特征在于，所述通过预先训练的三维图像处理模型对所述待处理三维图像进行处理，还包括：在不同通道的目标类别下，获取每个体素的最大的概率所对应的目标对象作为该目标类别下的所述体素的分割结果。4.根据权利要求1所述的三维图像处理方法，其特征在于，通过以下方法对所获取的待处理图像进行处理，包括：对所述待处理三维图像进行第一预处理以供向所述三维图像处理模型提供输入数据；其中，所述第一预处理操作包括设置窗宽窗位、重采样、数据归一化以及自适应调节图像尺寸中的至少一项。5.根据权利要求1所述的三维图像处理方法，其特征在于，所述根据所述概率对所述待处理三维图像进行分割以得到各个目标对象包括：根据所述概率对所述待处理三维图像进行处理以得到三维分割掩模；对所述三维分割掩模进行后处理以得到各个目标对象。6.根据权利要求5所述的三维图像处理方法，其特征在于，所述对所述三维分割掩模进行后处理以得到各个目标对象，包括：对所述分割掩模图进行形态学操作、重采样以及平滑处理中的至少一种，以得到各个目标对象；所述形态学操作包括连通域标记和/或填洞。7.根据权利要求1所述的三维图像处理方法，其特征在于，所述通过预先训练的三维图像处理模型对所述待处理三维图像进行处理包括：将待处理三维图像中相邻的多个切片图像进行至少一层网络处理，其中，所述网络处理包括：对所述多个切片图像所表示的三维数据进行基于神经网络的层处理，以提取包含所述多个切片图像所描述的三维图像区域的图像特征；所述图像特征用于标识其对应的体素属于至少一个目标对象的概率。8.根据权利要求1所述的三维图像处理方法，其特征在于，所述预先训练的三维图像处理模型包含用于识别至少一个目标对象的概率的图像处理通道；其中，每一所述图像处理通道用于计算所述待处理三维图像中的各体素属于相应目标对象的概率。9.根据权利要求1所述的三维图像处理方法，其特征在于，所述待处理三维图像包含基于CT医学影像设备摄取骨骼而得到的切片图像序列。10.一种三维图像处理模型的训练方法，其特征在于，包括：获取训练数据，所述训练数据包括训练三维图像以及所述训练三维图像对应的标签；
所述标签表示所述训练三维图像中各体素与目标...

【专利技术属性】
技术研发人员：刘赫，张朗，刘鹏飞，
申请(专利权)人：苏州微创畅行机器人有限公司，
类型：发明
国别省市：