一种医学图像智能插值方法及装置制造方法及图纸

本发明专利技术公开了一种医学图像切片插值补齐方法及装置，所述方法包括：通过深度学习分割网络模型针对病例的医学图像进行分割，得到医学影像的图像分割切片；定位医学影像的图像分割切片中的缺失分割切片；针对缺失分割切片进行初步插值补齐处理，得到初步补齐分割切片；判断初步补齐分割切片是否满足预设条件，若满足，则医学图像切片插值补齐处理结束，若不满足，则进入缺失分割切片迭代插值补齐处理流程；针对迭代插值补齐处理流程中每次迭代得到迭代补齐分割切片判断是否满足预设条件，若满足则结束迭代，若不满足则继续迭代

【技术实现步骤摘要】
一种医学图像智能插值方法及装置


[0001]本专利技术涉及医学图像处理
，具体的涉及一种医学图像切片插值补齐方法及装置
。

技术介绍

[0002]在
CT
图像分割领域，分割方法主要为医生手动标注
、
传统算法分割和深度学习分割三种
。
医生手动标注方法需要专业的物理医师耗费大量的时间和精力进行人工标注，但由于时间成本和经济成本较高，正逐渐被舍弃
。
传统算法的缺陷在于极度依赖器官的边缘和器官的内部特征，但是
CT
成像的器官在不同切片的差异极大，因此很难用一种传统算法得到很好的勾画分割效果
。
深度学习分割是当前
CT
分割中最常用的自动勾画手段，也是当前勾画效果最好，切片缺失最少的方案，通过对大量数据的学习，这种方法有更好的鲁棒性
。
[0003]但是现有的深度学习分割方法大多数是基于数据的，但是这些方法通常会存在分割错误，例如边界分割不完整
、
某器官切片分割缺失
。
在实际应用中，分割算法经常是难以将每个切片都覆盖的，有些小器官的边缘和形状不明显，在很多切片上就会产生遗漏，就会导致医生在观察患者病情时出现误差影响医生的判断
。
现有的方法大多是直接对缺失切片使用线性插值
、
双线性插值或三线性插值的方法对其补齐，但是这种方法的精度不高，简单的插值往往会覆盖所勾画器官和病灶之外的部分，影响患者病情的显示/>。
[0004]有鉴于此，特提出本专利技术专利
。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供一种医学图像切片插值补齐方法及装置，具体地，采用了如下技术方案：
[0006]一种医学图像切片插值补齐方法，包括：
[0007]通过深度学习分割网络模型针对病例的医学图像进行分割，得到医学影像的图像分割切片；
[0008]定位医学影像的图像分割切片中的缺失分割切片，同时获取缺失分割切片前后两侧的完整分割切片；
[0009]针对缺失分割切片进行初步插值补齐处理，得到初步补齐分割切片；
[0010]判断初步补齐分割切片是否满足预设条件，若满足，则医学图像切片插值补齐处理结束，若不满足，则进入缺失分割切片迭代插值补齐处理流程；
[0011]针对迭代插值补齐处理流程中每次迭代得到迭代补齐分割切片判断是否满足预设条件，若满足则结束迭代，若不满足则继续迭代
。
[0012]作为本专利技术的可选实施方式，本专利技术的一种医学图像切片插值补齐方法中，所述的迭代插值补齐处理流程包括：针对初步补齐分割切片进行基于
SDF
变换的插值补齐处理，得到迭代补齐分割切片；
[0013]可选地，所述针对初步补齐分割切片进行基于
SDF
变换的插值补齐处理，得到迭代补齐分割切片包括：
[0014]通过
SDF
变换将初步补齐分割切片
Xi
前后两侧的完整分割切片
Xi
‑
1、Xi+1
转换成有向距离图
Mi
‑
1、Mi+1,
在有向距离图上采用
Lerp
插值函数，插值得到插值补齐距离图
Mi
，针对插值补齐距离图
Mi
进行反变换，得到迭代补齐分割切片
。
[0015]作为本专利技术的可选实施方式，本专利技术的一种医学图像切片插值补齐方法中，所述并在每次迭代处理完成之后判断迭代补齐分割切片是否满足预设条件包括：
[0016]基于迭代补齐分割切片和前后两侧的完整分割切片进行主成分分析
(PCA)
特征提取，提取迭代补齐分割切片中的补齐特征和前后两侧的完整分割切片中与补齐特征相对应的初始特征；
[0017]计算补齐特征与初始特征的余弦相似度，并与预设阈值进行比较；
[0018]若余弦相似度的计算结果小于等于预设阈值，则迭代结束，若余弦相似度的计算结果大于预设阈值，则继续迭代
。
[0019]作为本专利技术的可选实施方式，本专利技术的一种医学图像切片插值补齐方法中，所述针对缺失分割切片进行初步插值补齐处理，得到初步补齐分割切片包括：
[0020]将缺失分割切片与前后两侧的完整分割切片进行
SIFT
特征点匹配；
[0021]进行透视变换，将前后两侧的完整分割切片的掩膜结果取交集映射到缺失分割切片，得到初步补齐分割切片
。
[0022]作为本专利技术的可选实施方式，本专利技术的一种医学图像切片插值补齐方法中，所述定位医学影像的图像分割切片中的缺失分割切片，同时获取缺失分割切片前后两侧的完整分割切片包括：
[0023]当定位的缺失分割切片为首部图像分割切片或者尾部图像分割切片，则获取缺失分割切片后侧的完整分割切片或者前侧的完整分割切片；
[0024]所述针对缺失分割切片进行初步插值补齐处理中，将缺失分割切片前侧或者后侧的完整分割切片的透视变换结果直接映射到缺失分割切片，得到初步补齐分割切片
。
[0025]作为本专利技术的可选实施方式，本专利技术的一种医学图像切片插值补齐方法中，所述判断初步补齐分割切片是否满足预设条件包括：
[0026]基于初步补齐分割切片和前后一侧或者两侧的完整分割切片进行主成分分析
(PCA)
特征提取，提取初步补齐分割切片中的补齐特征和前后一侧或者两侧的完整分割切片中与补齐特征相对应的初始特征；
[0027]计算补齐特征与初始特征的余弦相似度，并与预设阈值进行比较；
[0028]若余弦相似度的计算结果小于等于预设阈值，则医学图像切片插值补齐处理结束，若余弦相似度的计算结果大于预设阈值，则进入缺失分割切片的迭代插值补齐处理流程
。
[0029]作为本专利技术的可选实施方式，本专利技术的一种医学图像切片插值补齐方法中，所述定位医学影像的图像分割切片中的缺失分割切片包括：
[0030]获取医学影像的图像分割切片中每类器官的类别矩阵；
[0031]根据三维医学影像的分割顺序判断当前图像分割切片
B
的前后两张图像分割切片
A
和
C
是否存在对应类别的分割结果；
[0032]若图像分割切片
A
和
C
存在分割结果，而当前图像分割切片
B
没有分割结果，则当前图像分割切片
B
是对应类别的缺失分割切片
。
[0033]作为本专利技术的可选实施方式，本专利技术的一种医学图像切片插值补齐方法，包括：
[0034]定位医学影像的图像分割切片中的缺失分割切片，同时获取缺失分割切片前后两侧的完整分割切片之后，选定对应缺失分割切片的前后两侧完整分割切片的最小外接矩形；
...

【技术保护点】

【技术特征摘要】
1.
一种医学图像切片插值补齐方法，其特征在于，包括：通过深度学习分割网络模型针对病例的医学图像进行分割，得到医学影像的图像分割切片；定位医学影像的图像分割切片中的缺失分割切片，同时获取缺失分割切片前后两侧的完整分割切片；针对缺失分割切片进行初步插值补齐处理，得到初步补齐分割切片；判断初步补齐分割切片是否满足预设条件，若满足，则医学图像切片插值补齐处理结束，若不满足，则进入缺失分割切片迭代插值补齐处理流程；针对迭代插值补齐处理流程中每次迭代得到迭代补齐分割切片判断是否满足预设条件，若满足则结束迭代，若不满足则继续迭代
。2.
根据权利要求1所述的一种医学图像切片插值补齐方法，其特征在于，所述的迭代插值补齐处理流程包括：针对初步补齐分割切片进行基于
SDF
变换的插值补齐处理，得到迭代补齐分割切片；可选地，所述针对初步补齐分割切片进行基于
SDF
变换的插值补齐处理，得到迭代补齐分割切片包括：通过
SDF
变换将初步补齐分割切片
Xi
前后两侧的完整分割切片
Xi
‑
1、Xi+1
转换成有向距离图
Mi
‑
1、Mi+1,
在有向距离图上采用
Lerp
插值函数，插值得到插值补齐距离图
Mi
，针对插值补齐距离图
Mi
进行反变换，得到迭代补齐分割切片
。3.
根据权利要求2所述的一种医学图像切片插值补齐方法，其特征在于，所述并在每次迭代处理完成之后判断迭代补齐分割切片是否满足预设条件包括：基于迭代补齐分割切片和前后两侧的完整分割切片进行主成分分析
(PCA)
特征提取，提取迭代补齐分割切片中的补齐特征和前后两侧的完整分割切片中与补齐特征相对应的初始特征；计算补齐特征与初始特征的余弦相似度，并与预设阈值进行比较；若余弦相似度的计算结果小于等于预设阈值，则迭代结束，若余弦相似度的计算结果大于预设阈值，则继续迭代
。4.
根据权利要求1所述的一种医学图像切片插值补齐方法，其特征在于，所述针对缺失分割切片进行初步插值补齐处理，得到初步补齐分割切片包括：将缺失分割切片与前后两侧的完整分割切片进行
SIFT
特征点匹配；进行透视变换，将前后两侧的完整分割切片的掩膜结果取交集映射到缺失分割切片，得到初步补齐分割切片
。5.
根据权利要求4所述的一种医学图像切片插值补齐方法，其特征在于，所述定位医学影像的图像分割切片中的缺失分割切片，同时获取缺失分割切片前后两侧的完整分割切片包括：当定位的缺失分割切片为首部图像分割切片或者尾部图像分割切片，则获取缺失分割切片后侧的完整分割切片或者前侧的完整分割切片；所述针对缺失分割切片进行初步插值补齐处理中，将缺失分割切片前侧或者后侧的完整分割切片的透视变换结...

【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：中科超精南京科技有限公司，
类型：发明
国别省市：