本申请涉及一种医学影像处理方法、装置、存储介质和计算机程序产品。所述方法包括：获取目标部位的两张二维医学图像；两张二维医学图像的拍摄角度不同且满足预设条件；将两张二维医学图像输入训练好的二维分割网络中，得到与两张二维医学图像分别对应的二维掩膜图像；将两张二维医学图像和二维掩膜图像输入训练好的生成网络中，得到与两张二维医学图像对应的三维掩膜体数据；基于三维掩膜体数据，得到目标部位的三维模型。采用本方法能够结合二维医学图像的快速、放射剂量小、成本低廉和三维模型直观显示病患部位三维结构的优点，适用于不便直接采集三维模型的场景，提高了医学影像的适用性。的适用性。的适用性。
【技术实现步骤摘要】
医学影像处理方法、装置、存储介质和计算机程序产品
[0001]本申请涉及图像处理
，特别是涉及一种医学影像处理方法、装置、存储介质和计算机程序产品。
技术介绍
[0002]在传统骨科类手术时，在传统手术中，医务人员习惯于使用传统X射线图像进行手术规划，X光机具有成本低廉，速度快，放射剂量小等优点。在计算机辅助导航手术中需要病人拍摄术前术后CT，方便医生更直观的在三维图像中对病患部位进行观察制定手术计划，以便于医生制定手术计划和术后效果评估，然而拍摄CT对于行动受限的患者来说是一种不太友好的方式，增加了病患的痛苦。但直接使用传统X射线模型往往有多种限制，如无法校正患者解剖结构在解剖结构图像中的位置。而且，在计算机辅助导航手术中，传统X射线图像无法移动活旋转/重新定位解剖结构或植入体，如矫形关节假体。
[0003]因此，目前的医学检查过程中获取医学影像的方式，无法满足特定业务需求，存在适用性较低的问题。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高适用性的医学影像处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种医学影像处理方法。所述方法包括：
[0006]获取目标部位的两张二维医学图像；两张二维医学图像的拍摄角度不同且满足预设条件；
[0007]将两张二维医学图像输入训练好的二维分割网络中，得到与两张二维医学图像分别对应的二维掩膜图像；
[0008]将两张二维医学图像和二维掩膜图像输入训练好的生成网络中，得到与两张二维医学图像对应的三维掩膜体数据；
[0009]基于三维掩膜体数据，得到目标部位的三维模型。
[0010]在其中一个实施例中，训练好的二维分割网络的获取方式，包括：
[0011]获取样本CT数据对应的二维样本图像，以及获取样本CT数据对应的二维掩膜样本图像；
[0012]将二维样本图像和二维掩膜样本图像作为一个训练样本，并基于多个训练样本获取第一训练集；
[0013]采用第一训练集对二维分割网络进行训练，得到训练好的二维分割网络。
[0014]在其中一个实施例中，获取样本CT数据对应的二维样本图像，包括：
[0015]分别从两个拍摄角度对样本CT数据进行投影，得到两个二维样本子图像；两张二维样本子图像的拍摄角度不同且满足预设条件；
[0016]根据两个二维样本子图像获取二维样本图像。
[0017]在其中一个实施例中，获取样本CT数据对应的二维掩膜样本图像，包括：
[0018]获取样本CT数据对应的三维掩膜样本图像；
[0019]根据预设条件，分别从两个拍摄角度对三维掩膜样本图像进行投影，得到两个二维掩膜样本子图像；
[0020]根据两个二维掩膜样本子图像获取二维掩膜样本图像。
[0021]在其中一个实施例中，训练好的生成网络的获取方式，包括：
[0022]获取样本CT数据对应的三维掩膜样本图像；
[0023]获取样本CT数据对应的二维样本图像，以及根据三维掩膜样本图像获取样本CT数据对应的二维掩膜样本图像；
[0024]将二维样本图像、二维掩膜样本图像和三维掩膜样本图像作为一个训练样本，并基于多个训练样本获取第二训练集；
[0025]采用第二训练集对生成对抗网络进行训练，得到训练好的生成网络。
[0026]在其中一个实施例中，采用第二训练集对生成对抗网络进行训练，得到训练好的生成网络，包括：
[0027]将第二训练集输入生成对抗网络中，对生成对抗网络中的生成网络和判别网络进行循环训练，得到训练好的生成对抗网络；
[0028]将训练好的生成对抗网络中的生成网络，作为训练好的生成网络。
[0029]在其中一个实施例中，将第二训练集输入生成对抗网络中，对生成网络和判别网络进行循环训练，包括：
[0030]开始循环训练，固定生成网络的网络参数，采用第二训练集对判别网络进行训练；
[0031]固定判别网络的网络参数，采用第二训练集对生成网络进行训练，完成一次循环训练；
[0032]重复循环训练过程，直到判别网络输出的判别结果满足训练要求。
[0033]在其中一个实施例中，固定生成网络的网络参数，采用第二训练集对判别网络进行训练，包括：
[0034]将第二训练集中的二维样本图像和二维掩膜样本图像输入生成网络中，得到生成网络输出的三维掩膜预测数据；
[0035]根据三维掩膜预测数据，以及第二训练集中的三维掩膜样本图像，调整判别网络的网络参数。
[0036]在其中一个实施例中，固定判别网络的网络参数，采用第二训练集对生成网络进行训练，包括：
[0037]将第二训练集中的二维样本图像和二维掩膜样本图像输入生成网络中，得到生成网络输出的三维掩膜预测数据；
[0038]将第二训练集中的三维掩膜样本图像输入判别网络中；
[0039]通过判别网络调整生成网络的网络参数；判别网络根据三维掩膜预测数据和第二训练集中的三维掩膜样本图像输出判别结果，并根据判别结果确定生成网络调整后的网络参数。
[0040]在其中一个实施例中，基于三维掩膜体数据，得到目标部位的三维模型，包括：
[0041]根据目标部位确定成像类型；
[0042]根据成像类型和三维掩膜体数据，得到目标部位的三维模型。
[0043]第二方面，本申请还提供了一种医学影像处理装置。所述装置包括：
[0044]获取模块，用于获取目标部位的两张二维医学图像；两张二维医学图像的拍摄角度不同且满足预设条件；
[0045]处理模块，用于将两张二维医学图像输入训练好的二维分割网络中，得到与两张二维医学图像分别对应的二维掩膜图像；
[0046]转换模块，用于将两张二维医学图像和二维掩膜图像输入训练好的生成网络中，得到与两张二维医学图像对应的三维掩膜体数据；
[0047]显示模块，用于基于三维掩膜体数据，得到目标部位的三维模型。
[0048]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0049]获取目标部位的两张二维医学图像；两张二维医学图像的拍摄角度不同且满足预设条件；
[0050]将两张二维医学图像输入训练好的二维分割网络中，得到与两张二维医学图像分别对应的二维掩膜图像；
[0051]将两张二维医学图像和二维掩膜图像输入训练好的生成网络中，得到与两张二维医学图像对应的三维掩膜体数据；
[0052]基于三维掩膜体数据，得到目标部位的三维模型。
[0053]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0054]获取目标部位的两张本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医学影像处理方法，其特征在于，所述方法包括：获取目标部位的两张二维医学图像；所述两张二维医学图像的拍摄角度不同且满足预设条件；将所述两张二维医学图像输入训练好的二维分割网络中，得到与所述两张二维医学图像分别对应的二维掩膜图像；将所述两张二维医学图像和所述二维掩膜图像输入训练好的生成网络中，得到与所述两张二维医学图像对应的三维掩膜体数据；基于所述三维掩膜体数据，得到所述目标部位的三维模型。2.根据权利要求1所述的方法，其特征在于，所述训练好的二维分割网络的获取方式，包括：获取样本CT数据对应的二维样本图像，以及获取样本CT数据对应的二维掩膜样本图像；将所述二维样本图像和所述二维掩膜样本图像作为一个训练样本，并基于多个训练样本获取第一训练集；采用所述第一训练集对二维分割网络进行训练，得到所述训练好的二维分割网络。3.根据权利要求2所述的方法，其特征在于，所述获取样本CT数据对应的二维样本图像，包括：分别从两个拍摄角度对所述样本CT数据进行投影，得到两个二维样本子图像；所述两张二维样本子图像的拍摄角度不同且满足所述预设条件；根据所述两个二维样本子图像获取所述二维样本图像。4.根据权利要求2所述的方法，其特征在于，所述获取样本CT数据对应的二维掩膜样本图像，包括：获取所述样本CT数据对应的三维掩膜样本图像；根据所述预设条件，分别从两个拍摄角度对所述三维掩膜样本图像进行投影，得到两个二维掩膜样本子图像；根据所述两个二维掩膜样本子图像获取所述二维掩膜样本图像。5.根据权利要求1所述的方法，其特征在于，所述训练好的生成网络的获取方式，包括：获取样本CT数据对应的三维掩膜样本图像；获取所述样本CT数据对应的二维样本图像，以及根据所述三维掩膜样本图像获取样本CT数据对应的二维掩膜样本图像；将所述二维样本图像、所述二维掩膜样本图像和所述三维掩膜样本图像作为一个训练样本，并基于多个训练样本获取第二训练集；采用所述第二训练集对生成对抗网络进行训练，得到所述训练好的生成网络。6.根据权利要求5所述的方法，其特征在于，所述采用所述第二训练集对生成对抗网络进行训练，得到所述训练好的生成网络，包括：将所述第二训练集输入生成对抗网络中，对所述生成对抗网络中的生成网络和判别网络进行循环训练，得到训练好的生成对抗网络；将所述训练好的生成对抗网络中的生成网络，作为所述训练好的生成网络。7.根据权利要求6所述的方法，其特征在于，所述将所述第二训练...
【专利技术属性】
技术研发人员：请求不公布姓名，
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：
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。