一种分割后小面积肿瘤块的堆叠投影重建方法

摘要

本发明提出了一种分割后小面积肿瘤块的堆叠投影重建方法。其中，该方法包括：步骤1，将医学影像数据降维成离散的二维切片序列，利用改进的全卷积神经网络对不同模态切片进行小面积肿瘤块的大批量分割；步骤2，对含有肿瘤的切片根据相似性指标patch校准，精确定位肿瘤块；步骤3，堆叠小面积肿瘤块图像，重复约束多栏平行滤波偏移极小角度，将校准后的小面积肿瘤块进行投影重建病体。本发明方法的目标是实现对病体的快速分割、精确定位及逆向重建，并以此显示多维结构信息，单独或组合显示肿瘤组织的分布情况与相对位置，推动影像导航微创手术等新兴医疗方案的发展。

说明书

技术领域

本发明属于图形学和计算机视觉技术领域，具体涉及一种分割后小面积肿瘤块的堆叠投影重建方法。

背景技术

医学影像技术是指通过先进的计算机软硬件来分析和处理病人的影像数据，这已经成为解决医学信息化建设的重要组成部分。其中计算机断层扫描技术（ComputedTomography,CT）、核磁共振成像技术（Magnetic Resonance Imaging,MR）以及数字式X射线摄像技术（Digital Radiography,DR）等成像技术对肿瘤的确诊与治疗具有很大的影响和价值。医学可视化界面能够让医生详细地为病患指示和介绍相关影像信息，直观和准确地认识整个病灶区域大小、位置和形态特征，进而提高临床诊断的客观性。目前常见放射学的标准输出主要是DICOM和NIFTI格式，VolVis系统、3D Slicer系统等具有其自身局限性，比如仅能准对单种格式或特定肿瘤进行操作。

传统辅助医学诊断技术依赖于对设备采集的二维投影图像或CT、MR的单张切片进行观察、分析及处理，然后由医生依据专业知识水准和观察能力进行主观判断。单张切片序列仅代表某个部分的剖面信息，病变部位和器官组织的不规则或畸形更是增加了切片诊断和定性分析的难度。

发明内容

本发明针对现有医学诊断技术的不足，提供了一种分割后小面积肿瘤块的堆叠投影重建方法，重建后纹理信息直观的精准定位分区和体积，逆向避免了特定部位不适用问题。

为实现上述目的，本发明采用如下技术方案：

一种分割后小面积肿瘤块的堆叠投影重建方法，包括以下步骤：

的堆叠投影重建方法包括以下步骤：

步骤1，将医学影像数据降维成离散的二维切片序列，利用改进的全卷积神经网络对不同模态切片进行小面积肿瘤块的大批量分割；

步骤2，对含有肿瘤的切片根据相似性指标

步骤3，堆叠小面积肿瘤块图像，重复约束多栏平行滤波偏移极小角度，将校准后的小面积肿瘤块进行投影重建病体。

进一步地，步骤1中，所述将医学影像数据降维成离散的二维切片组包括以下步骤：

步骤1-1，避免肿瘤位点特异性，联合内置Slice()和Crop()同时从重心位置正交切片每个病例的像素图，形成

步骤1-2，裁剪和缩放像素图将分辨率从原始值统一调整为240px×240px，确保投影重建的清晰度。

进一步地，步骤1中，所述改进的全卷积神经网络与传统的全卷积神经网络主要不同在于卷积层和Batchnormalization层（以下简称BatchNorm），其具体实现如下：

将5×5卷积改进为3×1卷积叠加1×3卷积再合并点卷积层，加强图像特征融合；

在上述改进的卷积层后添加BatchNorm层进行批归一化操作，以加快学习速度并确保输入与输出图像保持在相同分布范围内。

进一步地，步骤2中，所述对含有肿瘤的切片根据相似性指标

相似性指标

进一步地，步骤3，所述投影重建，包括以下步骤：

步骤3-1，将m张校准完成后尺寸一致、像素相同的小面积肿瘤块图像进行等距间隔堆叠，距离

步骤3-2，通过OpenCV()跟踪定位步骤3-1的质心，利用多栏条纹的平行滤波对其进行投影；

步骤3-3，以固定

步骤3-4，调整设定

进一步地，步骤3-2，通过OpenCV()跟踪定位步骤3-1的质心，利用多栏条纹的平行滤波对其进行投影，具体为，以质心为原点建立直角坐标系，所述多栏条纹的平行滤波投射结果

，其中多栏平行滤波是线积分，

进一步地，还包括将所述步骤1-步骤3渲染制作为可视化的交互界面，所述可视化的交互界面进行多视图动态分析，对医学影像的多个侧面快速选取、分割及调整等，制作所述可视化的交互界面的步骤，具体如下：首先，将水平位、矢状位和冠状位角度切片序列分别导入QT Visual Studio Tools创建图层a、图层b、图层c，渲染去除边缘噪声；其次，将步骤2操作分割后小面积肿瘤块覆盖呈现在图层a、图层b、图层c上；最后，将步骤3操作后的堆叠投影重建结果调整在右下方的图层d，参数等数据信息展示在图层右侧。

有益效果

本发明针对脑、肺、心脏等所有器官的不同模态医学成像，提供了一种分割后小面积肿瘤块的堆叠投影重建方法，重建后纹理信息直观的精准定位分区和体积，逆向避免了特定部位不适用问题，克服了单位内各种组织的容积效应；

本发明分割后小面积肿瘤块堆叠投影重建旨在利用计算机图像处理技术提取图像序列中病灶区域的隐含信息和抽象泛化数据，提供多角度、立体化的可视化信息展示全局分布和关联层次关系。

附图说明

图1是本发明中总体处理过程的框架图；

图2是本发明中相似性指标的示意图；

图3是本发明中平行滤波投影的示意图；

图4是本发明中可视化的交互界面的示意图。

具体实施方式

本发明针对脑、肺、心脏等所有器官的不同模态医学成像，提供了一种分割后小面积肿瘤块的堆叠投影重建方法，其包括以下步骤：

步骤1，将医学影像数据降维成离散的二维切片序列，利用改进的全卷积神经网络对不同模态切片进行小面积肿瘤块的大批量分割；

其中，将医学影像数据降维成离散的二维切片组包括以下步骤：

步骤1-1，避免肿瘤位点特异性，联合内置Slice()和Crop()同时从重心位置正交切片每个病例的像素图，形成

步骤1-2，裁剪和缩放像素图将分辨率从原始值统一调整为240px×240px，确保投影重建的清晰度。

改进的深度学习算法的全卷积神经网络与传统的全卷积神经网络主要不同在于卷积层和Batchnormalization层（以下简称BatchNorm），其具体实现如下：

将5×5卷积改进为3×1卷积叠加1×3卷积再合并点卷积层，加强图像特征融合；

在上述改进的卷积层后添加BatchNorm层进行批归一化操作，以加快学习速度并确保输入与输出图像保持在相同分布范围内。

步骤2，对含有肿瘤的切片根据相似性指标

校准以两图像偏离距离平方和为主要计量手段，相似性指标

步骤3，堆叠小面积肿瘤块图像，重复约束多栏平行滤波偏移极小角度，将校准后的小面积肿瘤块进行投影重建病体；

所述投影重建，包括以下步骤：

步骤3-1，将m张校准完成后尺寸一致、像素相同的小面积肿瘤块图像进行等距间隔堆叠，距离

步骤3-2，通过OpenCV()跟踪定位步骤3-1质心，利用多栏条纹的平行滤波对其进行投影；

具体地，以质心为原点建立直角坐标系，所述多栏条纹的平行滤波投射结果

步骤3-3，以固定

步骤3-4，调整设定

最后，将上述步骤1-步骤3渲染制作为可视化的交互界面。所述可视化的交互界面可以进行多视图动态分析，对医学影像的多个侧面快速选取、分割及调整等，制作可视化的交互界面的步骤，具体如下：首先，将水平位、矢状位和冠状位角度切片序列分别导入QTVisual Studio Tools创建图层a、图层b、图层c，渲染去除边缘噪声；其次，将步骤2操作分割后小面积肿瘤块覆盖呈现在图层a、图层b、图层c上；最后，将步骤3操作后的堆叠投影重建结果调整在右下方的图层d，参数、日期等数据信息展示在图层右侧，如图4所示。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。