获取局部影像组学特征的方法、装置、设备以及存储介质制造方法及图纸

本申请提供了一种获取局部影像组学特征的方法、装置、设备以及存储介质，涉及医学影像处理领域。该方法包括：确定病灶感兴趣区域ROI的三维矩阵；对该三维矩阵进行分块，得到分块矩阵，该分块矩阵包括多个三维子矩阵；将该分块矩阵映射至多个图层，该图层包括区域的标识，该区域的标识用于指示该区域对应的三维子矩阵，该多个三维子矩阵包括该区域对应的三维子矩阵；在该多个图层中，确定目标区域；基于该目标区域的标识，确定目标三维子矩阵，该目标三维子矩阵用于提取局部病灶的影像组学特征。该方法能够使获取的局部病灶更加完整、更加准确，从而获取更加丰富的影像组学特征，以挖掘出局部病灶内的特征价值。出局部病灶内的特征价值。出局部病灶内的特征价值。

【技术实现步骤摘要】
获取局部影像组学特征的方法、装置、设备以及存储介质


[0001]本申请实施例涉及医学影像处理领域，并且更具体地，涉及一种获取局部影像组学特征的方法、装置、设备以及存储介质。

技术介绍

[0002]近年来，随着影像设备和采集技术的发展，影像组学的概念越来越多地应用于影像诊断中，它将传统的影像转换为可挖掘的数据信息，并对之进行高通量定量分析，可以提取到人类肉眼难以观察的特征。
[0003]目前影像组学均是基于整个病灶进行特征提取，但由于整个病灶中不同的局部病灶可能病变程度不同，局部病灶的异构性特征对病灶研究显得尤为重要。而目前缺乏准确完整的获取整个病灶中的局部病灶的方法，进而无法准确提取局部病灶内的影像组学特征进行特征分析。

技术实现思路

[0004]本申请实施例提供了一种获取局部影像组学特征的方法、装置、设备以及存储介质，能够使获取的局部病灶更加完整、更加准确，从而获取更加丰富的影像组学特征，以挖掘出局部病灶内的特征价值。
[0005]第一方面，提供了一种获取局部影像组学特征的方法，包括：
[0006]确定病灶感兴趣区域ROI的三维矩阵；
[0007]对该三维矩阵进行分块，得到分块矩阵，该分块矩阵包括多个三维子矩阵；
[0008]将该分块矩阵映射至多个图层，该图层包括区域的标识，该区域的标识用于指示该区域对应的三维子矩阵，该多个三维子矩阵包括该区域对应的三维子矩阵；
[0009]在该多个图层中，确定目标区域；
[0010]基于该目标区域的标识，确定目标三维子矩阵，该目标三维子矩阵用于提取局部病灶的影像组学特征。
[0011]第二方面，提供了一种获取局部影像组学特征的装置，包括：
[0012]第一确定单元，用于确定病灶感兴趣区域ROI的三维矩阵；
[0013]分块单元，用于对该三维矩阵进行分块，得到分块矩阵，该分块矩阵包括多个三维子矩阵；
[0014]映射单元，用于将该分块矩阵映射至多个图层，该图层包括区域的标识，该区域的标识用于指示该区域对应的三维子矩阵，该多个三维子矩阵包括该区域对应的三维子矩阵；
[0015]第二确定单元，用于在该多个图层中，确定目标区域；
[0016]第三确定单元，用于基于该目标区域的标识，确定目标三维子矩阵，该目标三维子矩阵用于提取局部病灶的影像组学特征。
[0017]第三方面，提供了一种电子设备，包括：
[0018]处理器，适于执行计算机程序；
[0019]计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序被该处理器执行时，实现上述第一方面的方法。
[0020]第四方面，提供了一种计算机可读存储介质，用于存储计算机程序，该计算机程序使得计算机执行上述第一方面的方法。
[0021]第五方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述第一方面的方法。
[0022]基于以上技术方案，首先，通过对病灶感兴趣区域ROI的三维矩阵进行分块，得到分块矩阵，相当于，对全局病灶进行分割，得到用于表征各个局部病灶的三维子矩阵；其次，将该分块矩阵映射至多个图层，相当于，考虑到二维空间比三维空间在选取局部病灶时，操作更加简易；最后，定义图层包括区域的标识，该区域的标识用于指示该区域对应的三维子矩阵，相当于，将区域和三维子矩阵之间建立关联关系，基于此，再基于该目标区域的标识，确定目标三维子矩阵，实现将目标区域代表的局部病灶进行三维重构，以使最终获取的局部病灶更加准确和完整。
[0023]此外，由于获取的局部病灶更加准确和完整，所以从该局部病灶中提取的影像组学特征更加丰富，从而基于丰富的影像组学特征对局部病灶的异构性进行充分研究，有利于提高医疗诊断的准确性和可靠性。
附图说明
[0024]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1是本申请实施例提供的获取局部影像组学特征的方法的示意性流程图。
[0026]图2为本申请实施例提供的分块矩阵映射至多个图层的示意图。
[0027]图3为本申请实施例提供的用户在目标图层的点击操作的示意图。
[0028]图4为本申请实施例提供的第一影像序列集和经二值化处理后的第二影像序列集的示意图。
[0029]图5为本申请实施例提供的将该目标三维子矩阵以外的其他三维子矩阵中的非零元素置换为第一元素的过程示意图。
[0030]图6为本申请实施例提供的展示局部病灶的位置的示意图。
[0031]图7是本申请实施例提供的获取局部影像组学特征的方法的另一示意性流程图。
[0032]图8是本申请实施例提供的获取局部影像组学特征的装置的示意性框图。
[0033]图9是本申请实施例提供的电子设备的示意结构图。
具体实施方式
[0034]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0035]本申请提供的方案可涉及人工智能技术。
[0036]其中，人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0037]随着人工智能技术研究和进步，人工智能在智能医疗领域得到应用，并发挥越来越重要的价值。
[0038]本申请实施例可涉及人工智能技术中的计算机视觉(Computer Vision,CV)技术，计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图，作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术。
[0039]具体的，本申请实施例可涉及计算机视觉中的图像处理技术，更具体的，该图像处理技术可为医学影像处理技术；该影像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种获取局部影像组学特征的方法，其特征在于，包括：确定病灶感兴趣区域ROI的三维矩阵；对所述三维矩阵进行分块，得到分块矩阵，所述分块矩阵包括多个三维子矩阵；将所述分块矩阵映射至多个图层，所述图层包括区域的标识，所述区域的标识用于指示所述区域对应的三维子矩阵，所述多个三维子矩阵包括所述区域对应的三维子矩阵；在所述多个图层中，确定目标区域；基于所述目标区域的标识，确定目标三维子矩阵，所述目标三维子矩阵用于提取局部病灶的影像组学特征。2.根据权利要求1所述的方法，其特征在于，所述确定病灶感兴趣区域ROI的三维矩阵，包括：获取原始的第一影像序列集，所述第一影像序列集包括所述病灶ROI；对所述第一影像序列集中的所述病灶ROI进行标注，确定第二影像序列集；基于所述第一影像序列集和所述第二影像序列集，确定所述病灶感兴趣区域ROI的三维矩阵。3.根据权利要求2所述的方法，其特征在于，所述对所述第一影像序列集中的所述病灶ROI进行标注，确定第二影像序列集，包括：对所述第一影像序列集中的所述病灶ROI进行标注，得到标注后的影像序列集；对所述标注后的影像序列集中的每一个影像序列进行二值化处理，得到所述第二影像序列集。4.根据权利要求2所述的方法，其特征在于，所述基于所述第一影像序列集和所述第二影像序列集，确定所述病灶感兴趣区域ROI的三维矩阵，包括：读取所述第一影像序列集，生成所述第一影像序列集对应的三维矩阵；读取所述第二影像序列集，生成所述第二影像序列集对应的三维矩阵；将所述第一影像序列集对应的三维矩阵与所述第二影像序列集对应的三维矩阵的乘积，确定为所述病灶感兴趣区域ROI的三维矩阵。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标区域的标识，确定目标三...

【专利技术属性】
技术研发人员：陈慧婷，彭成宝，刘晶，张霞，
申请(专利权)人：沈阳东软智能医疗科技研究院有限公司，
类型：发明
国别省市：