【技术实现步骤摘要】
基于多模态运动融合图网络的四维器官重建方法及装置
[0001]本专利技术涉及医学图像处理的
，尤其涉及一种基于多模态运动融合图网络的四维器官重建方法，以及基于多模态运动融合图网络的四维器官重建装置
。
技术介绍
[0002]X
图像具有成像实时性及患者解剖结构显示全局性的特点，是用于引导微创手术的常用手段，如经颈静脉肝内门腔静脉分流术
(Tips)、
脊柱微创手术
(MISS)
等
。
然而，
X
图像缺乏深度信息
、
成像质量低，无法显示清晰或完整的解剖结构信息，如器官轮廓
、
位置等
。
因此，为医生提供完整的器官轮廓及三维解剖信息，可以辅助医生更轻松的定位术中病灶区域
。
[0003]由于器官的软组织特性以及容易受到患者呼吸运动的影响，基于术中
X
图像准确预测对应三维器官形状是一个极为挑战的问题
。
一种直观的解决方案是直接从
X
图像中重建三维器官形状，然而该解决方案的现有研究大部分是基于不随呼吸运动剧烈变化的静态场景的重建，而且通常需要多视角
X
图像，比如多视角刚性脊椎重建
。
为了更好的适应单视角
X
图像引导的介入手术场景，现有方法引入了一个初始化三维器官形状，然后将单视角
X
图像中的语义信息用于引导初始化三维形状重塑为新的三维器官形状
【技术保护点】
【技术特征摘要】
1.
基于多模态运动融合图网络的四维器官重建方法，其特征在于：其包括以下步骤：
(1)
提取术前器官三维时序运动信息，并构建动态的初始化三维形状；
(2)
增强
X
图像中器官区域的灰度和轮廓特征，以提取准确的术中器官二维时序运动信息；
(3)
利用动态的初始化三维形状和器官运动信息增量的
X
图像序列，以完成术中四维器官实时重建
。2.
根据权利要求1所述的基于多模态运动融合图网络的四维器官重建方法，其特征在于：所述步骤
(1)
中，基于多个不同患者的四维
CT
图像，分割对应目标器官的轮廓，并分析统计目标器官的位移及形变，以构建目标器官的四维运动模板，并作为术中四维器官重建的动态初始化形状，同时，从四维运动模板中提取目标器官的三维运动信号
。3.
根据权利要求2所述的基于多模态运动融合图网络的四维器官重建方法，其特征在于：所述步骤
(1)
包括以下分步骤：
(1.1)
三维时序运动模板构建：首先，采集的不同患者的四维
CT
影像集其中
n
表示患者编号，
t
＝
{1,2,
…
,10}
表示每个患者四维
CT
影像包含
10
个呼吸相位
(0
％
,10
％
,
…
,90
％
)
；然后，从四维
CT
影像集中分割出对应的目标器官，记作基于滑动
‑
形变特征分析的统计形状构建方法，将目标器官的运动模型构建为不同时刻的滑动运动
s
(t)
和形状变化
d
(t)
表征，其中，
μ
和
σ
为不同患者目标器官四维运动的平均形状和方差变化；
(1.2)
基于已构建三维器官时序模板根据三维肝脏形状的质心运动提取患者左右及首尾的位移向量，以表示三个方向的运动信号分量，分别记作和
4.
根据权利要求3所述的基于多模态运动融合图网络的四维器官重建方法，其特征在于：所述步骤
(2)
中，基于个体患者的术中
X
图像序列，增强目标器官运动区域的灰度
、
轮廓信息，获得术中增强
X
图像，从增强
X
图像中提取目标器官的二维运动信号及预测目标器官的二维时序运动形变场
。5.
根据权利要求4所述的基于多模态运动融合图网络的四维器官重建方法，其特征在于：所述步骤
(2)
包括以下分步骤：
(2.1)
运动区域增强：采集任一患者术中
X
序列图像其中
m
表示患者编号，
t1表示一个呼吸周期的
X
序列图像编号；将
X
序列图像通过域转换模块，突出显著运动的目标器官的灰度和轮廓信息；
(2.2)
二维运动信号提取：基于增强后的
X
序列图像，检测增强目标器官区域的质心，并将质心的在患者左右和首位方向的位移向量作为运动信号分量，记作和
(2.3)
二维时序运动形变场预测：基于增强后的
X
序列图像，通过配准网络计算相邻
X
图像之间的形变场，得到相...
【专利技术属性】
技术研发人员：范敬凡，耿海霄，王涌天，杨健，肖德强，艾丹妮，宋红，付天宇，
申请(专利权)人：北京理工大学，
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。