[發明專利]一種基于遷移學習的醫學圖像分割與顯示方法

在審

• 申請號: 202011324115.8
• 申請日: 2020-11-23
• 公開（公告）號: CN112669256A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 賈廣;李檀平;張向淮;郝嘉雪;黃旭楠;高敬龍;張小玲;湯敏;譚麗娜;苗啟廣;張藝飛;梁小鳳;王澤;張昱
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T7/136;G06T7/30
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 劉長春

1.一種基于遷移學習的醫學圖像分割與顯示方法，其特征在于，包括：

獲取顱內血管部位的亮血圖像組、黑血圖像組和增強黑血圖像組；其中，所述亮血圖像組、所述黑血圖像組、所述增強黑血圖像組分別包括K個亮血圖像、黑血圖像和增強黑血圖像；所述亮血圖像組、所述黑血圖像組、所述增強黑血圖像組中的圖像一一對應；K為大于2的自然數；

針對所述亮血圖像組中每一個亮血圖像，以所述增強黑血圖像組中對應的增強黑血圖像為基準，利用基于互信息和圖像金字塔的配準方法進行圖像配準，得到包括K個配準后亮血圖像的配準后亮血圖像組；

利用所述配準后亮血圖像組，對所述增強黑血圖像組中的增強黑血圖像進行流空偽影消除操作，得到包括K個目標增強黑血圖像的偽影消除增強黑血圖像組；

將所述偽影消除增強黑血圖像組和所述黑血圖像組中對應圖像相減，得到K個造影增強圖；

利用所述配準后亮血圖像組，采用遷移學習方法建立血液三維模型；

利用所述配準后亮血圖像組建立血液邊界擴展的血管三維模型；

利用所述K個造影增強圖建立造影增強三維模型；

基于所述血液三維模型、所述血管三維模型、所述造影增強三維模型，得到顱內血管增強三維模型；

獲取所述顱內血管增強三維模型中各段血管的表征血管狹窄程度的目標參數的數值，并利用各段血管的所述目標參數的數值對所述顱內血管增強三維模型進行標記，得到顱內血管病灶識別模型；

將所述顱內血管病灶識別模型進行顯示。

2.根據權利要求1所述的方法，其特征在于，所述針對所述亮血圖像組中每一個亮血圖像，以所述增強黑血圖像組中對應的增強黑血圖像為基準，利用基于互信息和圖像金字塔的配準方法進行圖像配準，得到包括K個配準后亮血圖像的配準后亮血圖像組，包括：

對每一個亮血圖像和對應的增強黑血圖像進行預處理，得到第一亮血圖像和第一黑血圖像；

基于下采樣處理，由所述第一亮血圖像得到亮血高斯金字塔，由所述第一黑血圖像得到黑血高斯金字塔；其中，所述亮血高斯金字塔和所述黑血高斯金字塔中包括從下至上分辨率依次變小的m個圖像；m為大于3的自然數；

基于上采樣處理，利用所述亮血高斯金字塔得到亮血拉普拉斯金字塔，利用所述黑血高斯金字塔得到黑血拉普拉斯金字塔；其中，所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中包括從下至上分辨率依次變小的m-1個圖像；

對所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中對應層的圖像進行配準，得到配準的亮血拉普拉斯金字塔；

利用所述配準的亮血拉普拉斯金字塔作為疊加信息，對所述亮血高斯金字塔和所述黑血高斯金字塔中各層圖像進行自上而下的配準，得到配準的亮血高斯金字塔；

基于所述配準的亮血高斯金字塔得到該亮血圖像對應的配準后亮血圖像；

由K個亮血圖像分別對應的配準后亮血圖像，得到配準后亮血圖像組。

3.根據權利要求2所述的方法，其特征在于，所述利用所述配準的亮血拉普拉斯金字塔作為疊加信息，對所述亮血高斯金字塔和所述黑血高斯金字塔中各層圖像進行自上而下的配準，得到配準的亮血高斯金字塔，包括：

對所述亮血高斯金字塔和所述黑血高斯金字塔中自上而下的第j層，將該層對應的黑血高斯圖像作為參考圖像，將該層對應的亮血高斯圖像作為浮動圖像，使用基于互信息的相似性度量及預定搜索策略，實現圖像配準，得到配準后的第j層亮血高斯圖像；

將所述配準后的第j層亮血高斯圖像進行上采樣操作，并與配準后的對應層亮血拉普拉斯圖像相加，利用相加后的圖像替換所述亮血高斯金字塔中第j+1層的亮血高斯圖像；

將第j+1層的黑血高斯圖像作為參考圖像，將替換后的第j+1層的亮血高斯圖像作為浮動圖像，使用預定相似性度量及預定搜索策略，實現圖像配準，得到配準后的第j+1層亮血高斯圖像；

其中j＝1，2，…，m-1，所述黑血高斯圖像為所述黑血高斯金字塔中的圖像，所述亮血高斯圖像為所述亮血高斯金字塔中的圖像。