【技术实现步骤摘要】
3D医学图像的深度信息处理装置及方法
[0001]本专利技术涉及医学图像数据处理
，尤其涉及3D医学图像的深度信息处理装置及方法。
技术介绍
[0002]在医学领域，在对病人进行身体检查时经常会拍摄多种医学图片以便于确认病人身体健康状况以及病灶位置，但现有的医学诊断中，拍摄的图片基本是以2D图片展示，因此，通过2D图像直接判断病人的健康状况时，会因为2D图片本身展示信息内容较少的导致诊断出错，由于人体是三维的，当确定病人病灶具体位置时，也不能准确给出准确的三维位置坐标。
[0003]如申请公开号为CN114170110A的中国专利，公开了一种3D图像处理方法及系统，包括：步骤一、获取目标图像并在上述目标图像周围选取多个候选图像；步骤二、对多个上述候选图像进行图像边缘处理；步骤三、通过图像拼接将边缘处理后的上述候选图像与上述目标图像合并以得到合并图像； 步骤四、对上述合并图像进行滤波去噪处理以得到平滑图像；步骤五、将上述平滑图像进行图像深度处理以得到3D基准图像； 步骤六、将上述3D基准图像通过建立3D模型生成3...
【技术保护点】
【技术特征摘要】
1.3D医学图像的深度信息处理方法，包括：获取待处理2D图像，将所述待处理2D图像输入视差信息提取模型，得到视差信息图像，基于待处理2D图像、视差信息图像构建第一预估3D医学图像；在所述待处理2D图像周围选取多个候选图像，对所述候选图像进行边缘处理，利用图像拼接将边缘处理后的候选图像与所述待处理2D图像进行合并处理，得到第二预估3D医学图像；将所述第一预估3D医学图像、所述第二预估3D医学图像分别输入深度信息处理模型，得到第一3D医学图像深度信息、第二3D医学图像深度信息；根据预设图像深度信息权重，结合所述第一3D医学图像深度信息、所述第二3D医学图像深度信息进行计算，得到第三3D医学图像的深度信息；基于第三3D医学图像的深度信息、所述待处理2D图像重建3D医学图像。2.如权利要求1所述的3D医学图像的深度信息处理方法，其特征在于,在获取待处理2D图像之前，包括：收集图像样本数据，对所述图像样本数据进行预处理；构建初始视差信息提取模型；利用预处理后的图像样本数据对所述初始视差信息提取模型进行训练，得到视差信息提取模型，所述初始视差信息提取模型包括至少一个残差学习神经网络，将所述至少一个残差学习神经网络分为多个级别，第一级残差学习神经网络的输入为减均值操作后2D图像，除第一级残差学习神经网络以外各级残差学习神经网络的输入均包含前一级残差学习神经网络的输出结果和所述减均值操作后2D图像。3.如权利要求1所述的3D医学图像的深度信息处理方法，其特征在于,所述得到视差信息图像，包括：利用所述视差信息提取模型对所述待处理2D图像进行逐级提取，得到视差信息图像。4.如权利要求2所述的3D医学图像的深度信息处理方法，其特征在于, 所述图像样本数据包括2D图像；所述对所述图像样本数据进行预处理，包括：通过对所述2D图像进行缩放；对缩放后的2D图像提取像素均值，将所述缩放后的2D图像进行减均值操作；将所述2D图像中像素值归一化为统一分布。5.如权利要求1所述的3D医学图像的深度信息处理方法，其特征在于,所述在所述待处理2D图像周围选取多个候选图像，包括：确定所述待处理2D图像的范围；获取所述待处理2D图像的范围外的图像以得到环境图像；对所述环境图像进行划分以得到多个区域图像；对多个所述区域图像进行筛选，得到多个候选图像。6.如权利要求1所述的3D医学图像的深度信息处理方法，其特征在于, 所述对所述候选图像进行边缘处理，包括：利用sobel算子计算所述候选图像的图像梯度，并进行阈值处理。7.如权利要求1所述的3D医学图像的深度信息处理方法，其特征在于, 所述利用图像
拼接将边缘处理后的候选图像与所述待处理2D图像进行合并处理，包括：采用SURF算法将所述候选图像与所述待处理2D图像进行配准处理；对配准处理后的所述候选图像与所述待处理...
【专利技术属性】
技术研发人员：蔡惠明，李长流，朱淳，潘洁，胡学山，卢露，倪轲娜，王玉叶，张岩，
申请(专利权)人：南京诺源医疗器械有限公司，
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。