[發(fā)明專利]一種多模態(tài)醫(yī)學(xué)影像配準(zhǔn)方法、配準(zhǔn)系統(tǒng)、計(jì)算設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010306670.1
• 申請日: 2020-04-17
• 公開（公告）號: CN113538209A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 王圣平;朱森華;常敦瑞;于洋
• 申請（專利權(quán)）人: 成都連心醫(yī)療科技有限責(zé)任公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06N3/04;G06N3/08;G06T7/11;G16H30/00
• 代理公司: 北京匯信合知識產(chǎn)權(quán)代理有限公司 11335
• 代理人: 林聰源

1.一種多模態(tài)醫(yī)學(xué)影像配準(zhǔn)方法，其特征在于，包括：

訓(xùn)練用于分割CT影像中全身人體區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)模型；

將待分割CT影像輸入所述卷積神經(jīng)網(wǎng)絡(luò)模型中，得到CT影像的人體區(qū)域范圍；

將所述待分割CT影像與所述人體區(qū)域范圍進(jìn)行區(qū)域差分計(jì)算，得到只含有人體區(qū)域的CT影像；

對只含有人體區(qū)域的CT影像進(jìn)行處理，得到待配準(zhǔn)CT影像；其中，所述待配準(zhǔn)CT影像與所述待分割CT影像的尺寸與物理間距一致；

對T1 MRI影像進(jìn)行插值處理，得到與所述待配準(zhǔn)CT影像相同尺寸的待配準(zhǔn)T1 MRI影像；

以所述待配準(zhǔn)CT影像為參考影像，將所述待配準(zhǔn)T1 MRI影像向所述待配準(zhǔn)CT影像進(jìn)行配準(zhǔn)變換，完成多模態(tài)醫(yī)學(xué)影像配準(zhǔn)。

2.如權(quán)利要求1所述的多模態(tài)醫(yī)學(xué)影像配準(zhǔn)方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練方法，包括：

采集預(yù)設(shè)數(shù)量且包含完整人體的CT影像，在所有CT影像上勾畫出全身人體區(qū)域，作為網(wǎng)絡(luò)訓(xùn)練標(biāo)簽；

對所述CT影像和網(wǎng)絡(luò)訓(xùn)練標(biāo)簽進(jìn)行插值和裁剪，得到同一物理間距和尺寸的CT影像和網(wǎng)絡(luò)訓(xùn)練標(biāo)簽；

對插值和裁剪后的CT影像和網(wǎng)絡(luò)訓(xùn)練標(biāo)簽進(jìn)行數(shù)據(jù)增強(qiáng)，得到多組訓(xùn)練數(shù)據(jù)集；

建立任意有效的語義分割卷積神經(jīng)網(wǎng)絡(luò)模型；

將多組訓(xùn)練數(shù)據(jù)集輸入到語義分割卷積神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，直到模型穩(wěn)定收斂，停止訓(xùn)練，得到用于分割CT影像中全身人體區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)模型。

3.如權(quán)利要求2所述的多模態(tài)醫(yī)學(xué)影像配準(zhǔn)方法，其特征在于，所述待分割CT影像在輸入所述卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分割前，需：

進(jìn)行插值和裁剪，得到與訓(xùn)練樣本同一物理間距和尺寸的CT影像。

4.如權(quán)利要求2所述的多模態(tài)醫(yī)學(xué)影像配準(zhǔn)方法，其特征在于，所述語義分割卷積神經(jīng)網(wǎng)絡(luò)模型選用BiSeNet神經(jīng)網(wǎng)絡(luò)。

5.一種多模態(tài)醫(yī)學(xué)影像配準(zhǔn)系統(tǒng)，其特征在于，包括：

訓(xùn)練模塊，用于訓(xùn)練用于分割CT影像中全身人體區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)模型；

分割模塊，用于將待分割CT影像輸入所述卷積神經(jīng)網(wǎng)絡(luò)模型中，得到CT影像的人體區(qū)域范圍；

差分模塊，用于將所述待分割CT影像與所述人體區(qū)域范圍進(jìn)行區(qū)域差分計(jì)算，得到只含有人體區(qū)域的CT影像；

處理模塊，用于對只含有人體區(qū)域的CT影像進(jìn)行處理，得到待配準(zhǔn)CT影像；其中，所述待配準(zhǔn)CT影像與所述待分割CT影像的尺寸與物理間距一致；

插值模塊，用于對T1 MRI影像進(jìn)行插值處理，得到與所述待配準(zhǔn)CT影像相同尺寸的待配準(zhǔn)T1 MRI影像；

配準(zhǔn)模塊，用于以所述待配準(zhǔn)CT影像為參考影像，將所述待配準(zhǔn)T1 MRI影像向所述待配準(zhǔn)CT影像進(jìn)行配準(zhǔn)變換，完成多模態(tài)醫(yī)學(xué)影像配準(zhǔn)。

6.如權(quán)利要求5所述的多模態(tài)醫(yī)學(xué)影像配準(zhǔn)系統(tǒng)，其特征在于，在所述訓(xùn)練模塊中，所述卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練方法，包括：

采集預(yù)設(shè)數(shù)量且包含完整人體的CT影像，在所有CT影像上勾畫出全身人體區(qū)域，作為網(wǎng)絡(luò)訓(xùn)練標(biāo)簽；

對所述CT影像和網(wǎng)絡(luò)訓(xùn)練標(biāo)簽進(jìn)行插值和裁剪，得到同一物理間距和尺寸的CT影像和網(wǎng)絡(luò)訓(xùn)練標(biāo)簽；

對插值和裁剪后的CT影像和網(wǎng)絡(luò)訓(xùn)練標(biāo)簽進(jìn)行數(shù)據(jù)增強(qiáng)，得到多組訓(xùn)練數(shù)據(jù)集；

建立任意有效的語義分割卷積神經(jīng)網(wǎng)絡(luò)模型；

將多組訓(xùn)練數(shù)據(jù)集輸入到語義分割卷積神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，直到模型穩(wěn)定收斂，停止訓(xùn)練，得到用于分割CT影像中全身人體區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)模型。

7.如權(quán)利要求6所述的多模態(tài)醫(yī)學(xué)影像配準(zhǔn)系統(tǒng)，其特征在于，所述待分割CT影像在輸入所述卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分割前，需：

進(jìn)行插值和裁剪，得到與訓(xùn)練樣本同一物理間距和尺寸的CT影像。

8.如權(quán)利要求6所述的多模態(tài)醫(yī)學(xué)影像配準(zhǔn)系統(tǒng)，其特征在于，所述語義分割卷積神經(jīng)網(wǎng)絡(luò)模型選用BiSeNet神經(jīng)網(wǎng)絡(luò)。