[發明專利]器官斷層影像數字化方法

有效

• 申請號: 201510366855.0
• 申請日: 2015-06-29
• 公開（公告）號: CN105046690B
• 公開（公告）日: 2017-10-10
• 發明（設計）人: 范毅方;樊瑜波;李知宇
• 申請（專利權）人: 福建師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T11/00
• 代理公司: 福州市博深專利事務所(普通合伙)35214
• 代理人: 林志崢

技術領域

本發明涉及醫學斷層影像處理領域，特別涉及一種器官斷層影像數字化方法。

背景技術

BigBrain項目從2003年開始，于2013年完成了高分辨率的人腦三維圖譜。此項目歷經10年，耗資10億歐元，然而這只是開始。2013年年初，歐盟委員會宣布，“人腦工程”入選“未來新興旗艦技術項目”，獲10億歐元的研究資助。緊接著，美國白宮公布了“推進創新神經技術腦研究計劃”(簡稱“腦計劃”)，預計10年投入30億美元。IBM承諾出資10億美元用于其認知計算平臺Watson的商業化；百度公司投資3.5億美元大力推進“百度大腦”項目……。2015年，“中國腦計劃”醞釀啟動，將從認識腦、保護腦和模擬腦三個方向展開。在腦研究中，首要的基礎工作是建立腦模型。

在腦模型的重建方面，為了解讀腦形態結構與功能之間的關系，腦模型需要更小的斷層層距和更大的影像分辨率。當這樣做的時候，數據量就變得越來越大，最終大到無法通過主流軟件進行分析、無法在普通計算機上處理，這使得人體器官變成了“大數據”。器官斷層影像大數據只能依賴超級計算機，如BigBrain的三維重建工作，啟用德國和加拿大的多臺超級計算機耗時數年就是一個例證。即使是這樣，依然有個問題：超級計算機的能力也是有限的，如在BigBrain項目中，研究人員能以1微米的分辨率掃描大腦區域。但是以如此高分辨率完成的另外一個圖譜，將創造約2萬萬億字節數據——即使是當今最先進的超級計算機也難以有效地處理如此大的數據量。這給器官斷層影像大數據處理帶來了巨大的挑戰。然而，即使是1微米的分辨率也將止步于細胞器的觀察，納米才是細胞、分子形態學研究的主要尺度。

超級計算機屬于稀缺資源，針對超級計算機的編程是一項專業性很強的工作，而昂貴的機時費也阻礙著腦模型重建的發展進程。但是，如果沒有一個具體的物理模型，腦認知原理的基礎研究、腦重大疾病和類腦人工智能的研究就會缺乏必要的“支撐材料”，因為形態學提供最可靠的事實證據。

如何擺脫人體器官大數據處理對超級計算機的依賴以及打破現有超級計算機有限的處理能力瓶頸是一項亟待突破的關鍵技術。由此可見，建立一種把器官斷層影像大數據轉化為可供普通計算機處理的方法是實施“腦計劃”、“腦工程”時需要解決的問題。

公開號為CN102096106B的中國發明專利公開了一種基于空間網格化算法的含逆斷層等值線繪圖方法，包括如下步驟：含斷層和逆斷層的空間網格化：待插值點的初始化、網格化尋點、插值；含斷層和逆斷層的等值線追蹤：對網格邊緣進行標記、連線、繪圖處理終止于斷層。采用空間網格化算法對層位數據進行網格化，采用克里金插值算法對空間網格化數據進行追蹤，實現含斷層和逆斷層的等值線繪圖，沒有考慮繪圖的像素和顏色。

發明內容

本發明所要解決的技術問題是：提供一種可參數化的器官斷層影像數字化方法。

為了解決上述技術問題，本發明采用的技術方案為：

一種器官斷層影像數字化方法，所述方法為：

掃描獲得器官影像；

基于微分原理，將器官影像分割成至少兩層的斷層影像，并對斷層影像進行標記；

用網格劃分方法劃分每層的斷層影像成至少四個的矩形網格單元；

基于微分原理，對矩形網格單元進行標記；

基于微分原理，對矩形網格單元的至少一個的像素進行標記；

利用二進制數對像素的顏色進行標記；

將所述的斷層影像、矩形網格單元、矩形網格單元的像素、像素的顏色集合構成所述器官影像的數字化標記。

本發明的有益效果在于：用微分原理將器官影像劃分成至少兩層的斷層影像，每層的斷層影像進行網格化劃分得到矩形網格單元，矩形網格單元又用至少一個的像素標記，像素的特征用顏色值標記，斷層影像、矩形網格單元、像素、顏色值均用數字進行標記，便于實現器官影像的數字化，便于快速性和便捷性實現器官影像這種大數據的影像計算機處理。

附圖說明

圖1為本發明的器官斷層影像數字化方法流程圖；

圖2為本發明實施例一的大腦的器官影像分割成斷層影像的示意圖；

圖3為本發明實施例一的大腦的器官影像的斷層影像的網格化劃分示意圖。

具體實施方式

為詳細說明本發明的技術內容、所實現目的及效果，以下結合實施方式并配合附圖予以說明。