软组织的三维重建方法、系统及计算机存储介质技术方案

一种软组织三维重建方法、系统级计算机存储介质，该方法包括获取软组织的医学影像数据，对获取的软组织的医学影像数据进行预处理，对预处理的影像进行分割，以及针对软组织分割后的结果构建软组织的三维重建模型；所述分割包括粗略分割环节和精细分割环节；其中，所述粗略分割环节采用预训练的U

【技术实现步骤摘要】
软组织的三维重建方法、系统及计算机存储介质


[0001]本专利技术涉及医学图像数据处理领域，尤其涉及一种基于图像分割的软组织三维重建方法、系统及计算机存储介质。

技术介绍

[0002]自从虚拟手术和三维可视化术前评估技术流行以来，人体腹腔软组织三维重建(3D Reconstruction)问题一直受到关注。三维重建的前提在于对软组织进行精准的分割。当前的软组织分割方法往往采用形态学分析策略，集中在对于图像灰度差异的追踪算法上，然而这些方法缺乏有效的人工学习机制，所获得结果的精准度并不能保证临床适用性，往往需要结合后期的人工修正来改善分割效果。尤其对于肿瘤或者复杂软组织病灶，整个分割过程将耗费30分钟至4个小时，严重影响治疗进度。随着当前人工智能技术的普遍应用，以人工智能模型作为医学影像分割框架，改善软组织识别效率，提升三维重建精度，已成为医学领域竞相发展的热点。
[0003]为了提高软组织分割的精确性和效率，许多研究者已经在深度学习应用于医学图像分割方面做了大量的研究，如"Gradient
‑
based learnin本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种软组织的三维重建方法，其特征在于，包括如下步骤：获取软组织的医学影像数据；对获取的软组织的医学影像数据进行预处理，得到U
‑
net模型的输入影像数据；对预处理的影像进行分割，所述分割包括粗略分割环节和精细分割环节；其中，所述粗略分割环节采用预训练的U
‑
net模型对软组织进行粗略分割；所述精细分割环节采用注意力机制突出目标软组织区域的特征，并结合3D U
‑
net模型进行软组织精细分割；针对软组织分割后的结果构建软组织的三维重建模型。2.根据权利要求1所述的三维重建方法，其特征在于，所述医学影像数据为软组织的多模态医学影像数据，所述多模态影像数据来自于计算机断层扫描、磁共振成像和正电子发射断层扫描中的一种或多种。3.根据权利要求1所述的三维重建方法，其特征在于，所述对获取的软组织的医学影像数据进行预处理包括：采用对比度拉伸技术实现图像细节增强；采用中值滤波技术消除图像上孤立的噪声点，并结合高斯滤波实现图像的平滑去噪；利用图像的区间标准化技术调整灰度值范围；以及利用重采样技术统一数字医学图像分辨率。4.根据权利要求1所述的三维重建方法，其特征在于，所述注意力机制采用通道注意力模块和空间注意力模块串联，将通道注意力模块和空间注意力模块的输出结果与粗分割后的医学影像特征相乘，赋以权重。5.根据权利要求1或4所述的三维重建方法，其特征在于，所述预训练的U
‑
net模型的训练过程中，采用对抗性训练模块生成随机扰动，并将该扰动加入到原始医学影像图中用于模型训练过程。6.根据权利要求1所述的三维重建方法，其特征在于，所述针对软组织分割后的结果构建软组织的三维重建模型包括采用基于体绘制的光线投射算法构建软组织的三维重建模型。7.根据权利要求6所述的三维重建方法，其特征在于，所述针对软组织分割后的结果构建软组织的三维重建模型包括：将分割后的单层医学图像中单个像素点的灰度值提取出来，基于所述像素点空间邻接信息确定三维坐标，并将其保存成三维数组形式作为体纹理数据；利用线性转换函数技术将体纹理信息转为颜色值和透明度值，用以明确三维体数据场中不同纹理坐标的颜色信息及透明度信息；利用滤波技术及临床信息，将医学图像灰度值分为8～10个组别，对于不同组别采用不同纹理转换函数，实现不同软组织的对比度增强；采用矢量计算及内部点扩散技术，实现像平面的三维空间转换，确保光线投射算法在三维立体空间的适用性；对于转换后的光线投射算法按照一定间隔进行重采样，获取采样点处体纹理数据的颜色值及透明度，最后沿着算法方向对颜色信息进行累积，确定空间纹理信息，完成软组织三维重建。8.根据权利要求1所述的软组织三维重建方法，其特征在于，还包括三维可视化软组织模型输出步骤，所述三维可视化软组织模型输出步骤包括利用可视化技术以及人机交互虚拟现实技术，设计交互单元，对软组织三维重建结果进行输出。9.根据权利要求1或8所述的软组织三维重建方法，其...

【专利技术属性】
技术研发人员：董蒨，边晨源，夏楠，朱呈瞻，魏宾，修文丽，
申请(专利权)人：青岛大学附属医院，
类型：发明
国别省市：