基于CT定位片生成三维医学图像的系统、方法及医学影像设备技术方案

本发明专利技术具体涉及基于CT定位片生成三维医学图像的系统、方法及医学影像设备，其系统包括采集单元、深度学习单元和显示单元；深度学习单元包括预处理模块、网络生成模块和网络判别模块，预处理模块用于对输入的定位片图像信息进行数据处理；网络生成模块包括编码器、特征转换器和解码器，编码器用于提取数据处理之后的定位片图像的浅层和深层特征，特征转换器用于将编码器提取的2D深层特征向三维的高纬度特征空间进行维度迁移和特征转化以得到3D深层特征，解码器用于扩展和挖掘经过特征转换器的3D深层特征以生成三维医学图像。本发明专利技术生成的三维医学图像具有确定的CT值信息，含有丰富医学解剖学信息特征，可有效区分其中的医学器官组织。器官组织。器官组织。

【技术实现步骤摘要】
基于CT定位片生成三维医学图像的系统、方法及医学影像设备


[0001]本专利技术属于医学影像
，具体涉及基于CT定位片生成三维医学图像的系统、方法及医学影像设备。

技术介绍

[0002]CT定位片扫描是CT检查流程中不可缺少的一个环节，其主要应用是在正式CT断层扫描前进行待检测问题大致的位置、ROI等参数的确定；主要过程是CT的球管旋转至某一个角度放射出某一个能量段的X射线，该射线在有效范围内与物质发生相互作用，能量发生衰减变化，探测器收集相应的变化后的信号进行快速重建。由此可知，CT定位片是二维图像，主要表征放射路径下物质累积的衰减和变化。
[0003]虽然CT定位片不是三维图像，但由于其物理原理上是经过整个空间衰减之后的反映，它记录出X射线在空间累积的衰减积分和，这个物理量反映X射线遇到的物质的厚薄，因此在某种意义上也可以用于三维图像的估计。但是，如何利用二维的定位片信息生成有效的三维图像是当前亟需解决的难题。对此，现有已有相关的技术研究，例如，Phlipp Henzler提出了一种深度学习模型对采用X射线图像进行骨骼模型的估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于CT定位片生成三维医学图像的系统，其特征在于，包括：采集单元，用于采集定位片图像信息；深度学习单元，配置生成对抗网络模型，用于根据输入的定位片图像信息生成三维医学图像；显示单元，用于显示生成的三维医学图像；其中，深度学习单元包括预处理模块、网络生成模块和网络判别模块，预处理模块用于对输入的定位片图像信息进行数据处理；网络生成模块包括编码器、特征转换器和解码器，编码器用于提取数据处理之后的定位片图像的浅层和深层特征，特征转换器用于将编码器提取的2D深层特征向三维的高纬度特征空间进行维度迁移和特征转化以得到3D深层特征，解码器用于扩展和挖掘经过特征转换器的3D深层特征，以生成三维医学图像；网络判别模块用于对经过网络生成模块生成的三维医学图像与真实图像做真假判断，以训练生成对抗网络模型至模型收敛。2.根据权利要求1所述的基于CT定位片生成三维医学图像的系统，其特征在于，所述预处理模块包括依次进行的几何范围裁剪、数值截断和归一化线性变换，几何范围裁剪用于根据定位片图像信息中的扫描坐标起始范围以及X、Z方向的像素的空间单位选取目标范围的图像，数值截断用于根据目标范围的图像的像素值进行截断，归一化线性变换用于对截断之后的图像像素值进行归一化线性变换，得到待输入网络生成模块的定位片图像。3.根据权利要求2所述的基于CT定位片生成三维医学图像的系统，其特征在于，所述编码器包括依次连接的2D卷积、2D下采样模块和第一激活函数。4.根据权利要求3所述的基于CT定位片生成三维医学图像的系统，其特征在于，所述2D下采样子模块包括依次连接的残差模块和2D池化层，残差模块由若干依次连接的残差单元组成，残差单元由数个处理小单元串行，处理小单元包括依次连接的卷积层、IN层和LeakyReLU函数，并在最后一个处理小单元和2D下采样...

【专利技术属性】
技术研发人员：王小状，马春晓，叶宏伟，
申请(专利权)人：明峰医疗系统股份有限公司，
类型：发明
国别省市：