【技术实现步骤摘要】
一种基于多模态影像的盆腔骨肿瘤的自动分割及三维重建方法
[0001]本专利技术涉及医学处理图像领域，尤其涉及一种基于多模态影像的盆腔骨肿瘤的自动分割及三维重建的方法。
技术介绍
[0002]随着经济的发展和社会的进步，人类迫切需要更安全、更快速、更精准和更人性化的医疗服务。为此，充分注重患者的个体差异性，并结合先进的图形图像处理技术，进行个性化、精确化的手术设计便成为目前重要的科学研究方向。骨肿瘤是骨科常见严重疾病之一，而骨盆是骨肿瘤的好发部位之一，由于早期症状不明显，骨盆肿瘤在发现时已处于中晚期，瘤块较大，与周围组织界限不清，再加上盆腔的生理结构复杂，骨盆骨肿瘤给医生的诊断以及术前规划都造成了极大的困难。在骨肿瘤治疗中，外科边界切除不足会直接导致肿瘤病灶的治疗失败；反之为避免出现肿瘤切除边界不足而盲目扩大肿瘤切除范围会给骨重建带来困难，导致术后肢体运动功能损失。此外，在骨缺损的修复治疗中，传统手术以普遍经验为基础，忽视了人体结构存在个体差异，容易导致修复治疗后失去原有骨骼的机械性能。因此，利用计算机来进行肿瘤的精准分割以及...
【技术保护点】
【技术特征摘要】
1.一种基于多模态影像的盆腔骨肿瘤的自动分割及三维重建方法，其特征在于包括：获取正常人的骨盆CT图像，分别对髂骨、骶骨、股骨进行标注，将标注图像、骨盆CT图像进行数据转换，制作数据集；搭建U
‑
net网络模型，将数据集输入至网络模型中进行训练，获得该网络模型在该数据集上的权值文件；将病患的骨盆CT图像输入至完成训练的网络模型中，利用所述权值文件进行预测，将病患骨盆CT图像中的骨组织分割为髂骨、骶骨以及股骨；利用患者的骶骨位置信息将上述分割结果划分为左髂骨、右髂骨、骶骨、左股骨、右股骨五类骨块；获取患者骨盆CT图像序列和T1加权的MR图像序列，利用最大互信息为每一张MR图像寻找与之最匹配的CT图像并进行配准，得到配准矩阵，利用该配准矩阵对T2加权的MR图像进行仿射变换；采用改进的K
‑
Means方法对变换后的T2加权的MR图像进行聚类，结合肿瘤几何特征得到肿瘤候选区域；对骨组织图像进行轮廓提取，寻找最小外接矩形、获取骨区域图像，利用骨肿瘤和骨组织相对位置的先验知识，对骨区域在肿瘤候选区域中进行轮廓碰撞检测，对肿瘤进行初步筛选和定位；根据肿瘤的连续性对骨肿瘤区域的进一步筛选，更新肿瘤候选区域；利用所述五类骨块分别对肿瘤候选区域进行碰撞检测确定病灶骨，并且根据病灶骨位置对骨肿瘤进行精准定位；根据骨肿瘤的精准定位信息获取种子点集合，对种子点进行三维区域生长，得到完整的肿瘤序列获得肿瘤的粗分割结果；利用边缘突刺消除、超像素优化方法对肿瘤粗分割结果进行边缘优化；根据肿瘤粗分割结果的上下文信息扩充像素点的信息维度，构造肿瘤点概率图，再根据阈值进行分割，得到最终的肿瘤分割结果；根据CT图像与MR图像的对应关系，确定相邻两张MR图像之间缺失的图像数，获取相邻两张肿瘤轮廓的差值，并利用骨架提取算法对肿瘤中间轮廓进行估计，采用二分法原理进行迭代补全肿瘤序列；分别对骨组织图像和肿瘤图像采用面绘制的方法进行三维重建从而获得盆腔骨肿瘤的自动分割和三维重建结果。2.根据权利要求1所述的方法，其特征在于：将利用U
‑
Net网络模型获得的骨组织图像分为单独的髂骨图像、骶骨图像和股骨图像，对髂骨和股骨图像进行轮廓发现，计算轮廓的质心位置并与骶骨位置进行比较，将髂骨图像和股骨图像划分为左髂骨图像、右髂骨图像、左股骨图像和右股骨图像。3.根据权利要求2所述的方法，其特征在于：在CT图像与T1加权的MR图像进行配准时：先确定与第一张MR图像最匹配的CT图像的索引，获取CT序列和MR序列中的图像层间的间隔比值，以此来确定与下一张MR图像匹配的CT图像的索引范围，计算索引范围内每张CT图像与MR图像的信息熵，选取使信息熵最大CT图像作为与MR图像匹配的图像，重复此步骤，为序列中每张MR图像找到与之最为匹配的CT图像。
4.根据权利要求1所述的方法，其特征在于：在利用改进的K
‑
Means算法对MR图像进行聚类得到肿瘤候选区域时：根据图像特性确定聚类个数k,其次根据图像序列的灰度直方图确定肿瘤与其他组织的对比度，若对比度大于设定阈值，则只保留平均灰度值最大的一类像素点作为...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。