【技术实现步骤摘要】
本专利技术属于数字图像处理，具体涉及一种基于胎儿宫内颅脑影像检测方法及系统。
技术介绍
1、随着图像处理技术的发展，在医学图像分析领域内具有重要意义，可以实现有关医学图像信息的分析、处理、以及加工，其中图像分割是医学图像处理的重要组成部分。目前仍存在以下待改进的地方：
2、(1)在传统医学诊断中，专家的判断几乎是一个决定性的考量因素。然而，依赖于医生的判断存在一定的问题，需要医生具有较丰富的先验知识、处理耗时较长、在高强度的工作容易引发误诊；目前医学影像的三维重建只限于成人颅脑等的检查和测量。对于胎龄小于20周，胎儿体积小的情况，采集的图像分辨率通常会受到影响，一些较细小的结构难以显示。
3、(2)现有图像分割的方法是在灰度级上运算，计算的复杂度较高，在分割结果和摆脱局部优化的能力之间仍然没有足够的一致性，胎儿颅脑的影像和周围组织差别不大，难以分割，之前采用手工逐层分割，效率太低，不够准确，难以推广应用。
技术实现思路
1、为解决现有技术中存在的上述问题，本专利技术提供了一种基于胎儿宫内颅脑影像检测方法及系统；
2、本专利技术的目的可以通过以下技术方案实现：
3、s1：获取胎儿颅脑影像图，去除所述胎儿颅脑影像图的噪声干扰并增强边界得到切片医疗影像；
4、s2：建立灰度图像数据分析图层，所述灰度图像数据分析图层包括第一图层和第二图层；预设滑动图像，将所述切片医疗影像导入所述第一图层，将所述滑动图像导入所述第二图层，对所述第一
5、s3：设置种子像素，通过所述像素标记向量遍历所述滑动图像，预设时间步长，在所述时间步长内，计算种子像素与邻域集内像素的特征距离，若所述特征距离大于所述领域内像素的所述强度值，则将所述邻域集内像素演化为种子并更新所述强度值和所述特征向量，若所述特征距离小于或等于所述领域集内像素的所述强度值，则更改所述所述邻域集内像素的像素标记向量和像素值，当遍历完成后得到二维分割图像；
6、s4：预设三维场景，并以所述三维场景为基准将获取的二维分割图像叠加匹配到同一坐标系中得到空间数据，根据所述三维场景将三维空间转化为体素网络，根据所述空间数据在所述体素网络中建立三维表面，合并所述三维表面得到三维可视化模型；
7、s5：根据所述三维可视化模型计算胎儿宫内的颅脑容积。
8、具体地，所述步骤s1具体包括：
9、s101：对所述所述胎儿颅脑影像图的所有像素值进行归一化处理，将像素值转化为0或1；
10、s102：对所述像素值进行伽马校正得到非线性映射值，计算公式为：f(i)＝iγ，其中，f(i)为为伽马校正后输出的非线性映射值，i为像素值，γ为非线性映射参数；
11、s103：对所述非线性映射值进行反归一化处理得到亮度图像像素值，通过使用三个不同的高斯滤波模板对所述亮度图像进行分层处理并加权融合后得到图像细节层，将所述图像细节层与所述亮度图像相加得到切片医疗影像，计算公式为：
12、d1＝iin(x，y)-g1*iin(x，y)，
13、d2＝(g1-g2)*iin(x，y)，
14、d3＝(g2-g3)*iin(x，y)，
15、inew(x，y)＝iin(x，y)+[1-w1×sgn(d1)]d1+w2d2+w3d3，
16、其中，g1，g2，g3为为标准差为1，2，5的高斯模板，d1，d2，d3为对应的三种细节层，iin(x，y)为亮度图像信息，w1＝0.5，w2＝0.25，w3＝0.25，sgn为符号函数，inew＝(x，y)为切片医疗影像信息，x为图像像素的横坐标，y为图像像素的纵坐标。
17、具体地，所述像素标记向量具体包括非空状态、邻域集、局部转移状态，所述像素标记向量的所述非空状态初始值为1，若所述像素标记向量对应的像素被扩散为种子，则将所述非空状态改为0；
18、所述邻域为所述像素标记向量对应的像素周围8格内的像素集合，所述局部转移状态为所述像素标记向量对应的像素在上一个所述时间步长下的状态。
19、具体地，所述遍历方法具体包括：
20、由种子像素位置开始向其邻域集内开始扩散，通过像素标记向量计算所述种子像素的邻域集内的扩散像素数量，计算公式为：
21、
22、其中，e为扩散像素数量，p为种子像素，l为邻域集内像素计数，q为邻域集内的像素，n为邻域集；
23、预设邻域扩散阈值和反向传播阈值，若所述扩散像素数量大于或等于所述邻域扩散阈值，则所述种子像素不在邻域内进行扩散，若所述扩散像素数量大于或等于所述反向传播阈值，则将所述邻域集内强度值最小的像素替换所述种子像素。
24、具体地，所述步骤s4具体包括：
25、s401：提取所述二维分割图像的特征点，预设邻域大小，在所述特征点邻域内选取特征点对构成描述子点对，将所述邻域内的所有描述子点对构成二进制描述子集；
26、s402：预设特征匹配距离，将描述子点对进行异或操作后,统计位值不同的数目做为汉明距离,若所述汉明距离小于所述特征匹配距离的两倍,则判断此特征点为正确匹配；
27、s403：根据相机内参与所述三维场景的坐标系得到平移向量和旋转矩阵，根据所述正确匹配的特征点计算所述二维分割图像的空间数据；
28、s404：对所述空间数据优化重投影误差，得到稀疏点云，计算公式为：
29、
30、其中，g为光束平差函数，c为二维图像数据，x为三维点数据，i为视角计数，j为轨迹计数，w为测量参数，q为空间数据的投影点，p为二维图像真实点，n为视角总数，m为轨迹总数。
31、s405：使用所述稀疏点云特征点与其相邻点结合图像信息得到体素点并进行扩展，过滤掉错误体素点后得到三维表面，合并所述三维表面得到三维可视化模型。
32、优选地，所述步骤s5具体包括：
33、s501：根据所述三维可视化模型，获取体素网络的顶点坐标、体素单元编号和网络结点物理量高度等值，并内插等值点；
34、s502：寻找等值线起点，先寻找第一个尚未用过的、且邻边为边界边的体素单元，若找到，则比较所述体素单元的两个特征邻边，若均为边界边，则以任意一边为起点边，另一个为后续边；否则以特征邻边为边界的边作为起点边；分别将起点边和后续边对应的等值点坐标存入等值线线结构的第一点与第二点，将后续边对应的结点记入p1、p2；
35、s503：寻找与所述结点p1、所述结点p2共邻边的、且尚未用过的体素单元，将所述体素单元的非共邻特征边作为下一个后续边，重复上述过程，直至不存在共邻边且未用过的体素单元，将所述等值线线结构存储为二维链表；
36、s504：根据所述本文档来自技高网...
【技术保护点】
1.一种基于胎儿宫内颅脑影像检测方法及系统，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求1所述的方法，其特征在于，所述像素标记向量具体包括非空状态、邻域集、局部转移状态，所述像素标记向量的所述非空状态初始值为1，若所述像素标记向量对应的像素被扩散为种子，则将所述非空状态改为0；
4.根据权利要求1所述的方法，其特征在于，所述遍历方法具体包括：由种子像素位置开始向其邻域集内开始扩散，通过像素标记向量计算所述种子像素的邻域集内的扩散像素数量，计算公式为：
5.根据权利要求1所述的方法，其特征在于，所述步骤S4具体包括：
6.根据权利要求1所述的方法，其特征在于，所述步骤S5具体包括：
7.一种基于胎儿宫内颅脑影像检测系统，其特征在于，用如权利要求1-6任一项所述方法运行，包括影像采集模块、图像分析模块、图像分割模块、三维重建模块、容积计算模块；
【技术特征摘要】
1.一种基于胎儿宫内颅脑影像检测方法及系统，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求1所述的方法，其特征在于，所述像素标记向量具体包括非空状态、邻域集、局部转移状态，所述像素标记向量的所述非空状态初始值为1，若所述像素标记向量对应的像素被扩散为种子，则将所述非空状态改为0；
4.根据权利要求1所述的方法，其特征在于，所述遍历方法具体包括：由...
【专利技术属性】
技术研发人员：王振宇，涂益建，
申请(专利权)人：上海慈卫信息技术有限公司，
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。