【技术实现步骤摘要】
一种胃镜图像三维重建方法
[0001]本专利技术涉及图像三维重建领域,特别是涉及一种胃镜图像三维重建方法
。
技术介绍
[0002]目前,实现胃镜图像的三维重建的方法,主要包括立体视觉
、
光学相干层析成像
(Optical Coherence Tomography
,
OCT)、
结构光投影
(Structured Light Projection
,
SLP)
和超声成像
(Ultrasound Imaging
,
UI)。
[0003]立体视觉是使用两个摄像头同时拍摄胃镜图像,通过计算两个视角之间的视差来获取深度信息,然后将这些深度信息转换为三维模型
。
这种方法需要精确的摄像头校准和图像匹配,以及需要对图像噪声和遮挡进行处理,该方法通过对拍摄到的原始胃镜图像进行较为复杂的计算实现三维重建
。
[0004]光学相干层析成像是使用激光干涉技术,通过测量光的反射和散射来获取胃壁的断层图像
。
这种方法可以提供高分辨率的图像,但需要通过光信号重建图像,对于胃镜全景图像的获取和处理较为复杂
。
[0005]结构光投影是通过投射特殊的结构光模式
(
例如,条纹或格点
)
到胃壁上,并使用摄像头记录光的反射图案
。
通过分析反射图案的形变,可以计算出表面的形状和深度信息,从而进行三维重建,也需要 ...
【技术保护点】
【技术特征摘要】
1.
一种胃镜图像三维重建方法,其特征在于,包括:获取目标图像;所述目标图像,包括多张不同视角下的待重建的胃镜图像;根据所述目标图像采用三维重建模型进行三维重建,得到目标图像所包含物体的三维模型;其中,所述三维重建模型是基于无监督学习模型构建的
。2.
根据权利要求1所述的胃镜图像三维重建方法,其特征在于,所述三维重建模型的确定方法包括:获取训练样本;每一所述训练样本包括用于训练的
、
多张不同视角下的胃镜图像;使用所述训练样本对无监督学习模型进行多次迭代训练,直到满足预设条件;其中,第
n
次迭代训练包括:将训练样本输入目标无监督学习模型中,由目标无监督学习模型输出相应的三维模型,作为三维训练模型;其中,
n
>1;所述目标无监督学习模型为经第
n
‑1次迭代训练后的无监督学习模型;将所述三维训练模型转换为二维图像;使用所述三维训练模型
、
所述二维图像和相应的训练样本计算模型重建误差;若模型重建误差小于预设值,则将所述目标无监督学习模型确定为三维重建模型,否则,对所述目标无监督学习模型中的参数进行调整,得到第
n
次迭代训练后的无监督学习模型
。3.
根据权利要求2所述的胃镜图像三维重建方法,其特征在于,使用所述三维训练模型
、
所述二维图像和相应的训练样本计算模型重建误差,具体包括:根据所述三维训练模型和所述二维图像确定网络误差;根据所述二维图像和训练样本中的胃镜图像确定转换误差;将所述网络误差和所述转换误差的和确定为模型重建误差
。4.
根据权利要求2所述的胃镜图像三维重建方法,其特征在于,使用所述三维训练模型
、
所述二维图像和相应的训练样本计算模型重建误差,具体包括:根据所述三维训练模型和所述二维图像确定网络误差;根据所述二维图像和训练样本中的胃镜图像确定转换误差;对所述二维图像中的物体信息进行估计,得到物体信息估计值;所述物体信息包括:光照方向和物体的姿态;根据所述物体信息估计值和物体信息实际值确定估计误差;所述物体信息实际值是对训练样本中的胃镜图像中的物体信息进行提取得到的;将所述网络误差
、
所述转换误...
【专利技术属性】
技术研发人员:赵莉,孙雪,王青,雷毅,崔文波,
申请(专利权)人:数聚工研北京科技有限公司,
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。