[發明專利]醫療圖像重建方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202011625201.2
• 申請日: 2020-12-30
• 公開（公告）號: CN114693821A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 劉向;張治國
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00;G06N3/08
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 趙文靜

1.一種醫療圖像重建方法，其特征在于，所述方法包括：

獲取待測對象的醫療體數據；

對所述醫療體數據進行光線投射處理，確定所述醫療體數據對應的特征參數；

對所述醫療體數據進行渲染處理，生成所述醫療體數據對應的初始渲染圖像；

將所述初始渲染圖像和所述特征參數輸入至神經網絡模型中進行重建，確定所述待測對象的目標渲染圖像。

2.根據權利要求1所述的方法，其特征在于，所述神經網絡模型的訓練方式包括：

獲取多個訓練醫療體數據；

根據每個所述訓練醫療體數據，確定每個所述訓練醫療體數據對應的特征參數，以及根據每個所述訓練醫療體數據，確定每個所述訓練醫療體數據對應的初始訓練渲染圖像；

采用預設的光線追蹤條件，分別對各所述訓練醫療體數據進行渲染處理，確定每個所述訓練醫療體數據對應的金標準渲染圖像；

將每個所述訓練醫療體數據對應的特征參數和初始訓練渲染圖像作為初始神經網絡模型的輸入，將每個所述訓練醫療體數據對應的金標準渲染圖像作為所述初始神經網絡模型的參考輸出，對所述初始神經網絡模型進行訓練，得到所述神經網絡模型。

3.根據權利要求2所述的方法，其特征在于，所述根據每個所述訓練醫療體數據，確定每個所述訓練醫療體數據對應的特征參數，包括：

在屏幕圖像的各個像素位置上對所述訓練醫療體數據進行光線投射處理，得到每個光線在所述訓練醫療體數據的各個空間位置上的顏色和不透明度；

沿著每個光線方向，對所述訓練醫療體數據的各個空間位置上的顏色和不透明度分別進行疊加，得到每個光線方向上各個空間位置的疊加顏色和疊加不透明度；

根據所述每個光線方向上各個空間位置的疊加顏色，得到各所述像素位置上的顏色；

將每個光線方向上各個空間位置的疊加不透明度分別和預設的不透明度閾值進行對比，并根據不透明度對比結果確定所述每個像素位置的深度和法向量。

4.根據權利要求3所述的方法，其特征在于，所述將每個光線方向上各個空間位置的疊加不透明度分別和預設的不透明度閾值進行對比，并根據不透明度對比結果確定所述每個像素位置的深度和法向量，包括：

若所述光線的一個空間位置的疊加不透明度大于所述不透明度閾值，則將所述空間位置作為所述光線對應的像素位置的深度，根據所述空間位置周圍的訓練醫療體數據的圖像值，確定所述空間位置的法向量，作為所述像素位置對應的法向量；

若所述空間位置的疊加不透明度不大于所述不透明度閾值，則獲取所述光線在各個空間位置的不透明度中的最大不透明度，并根據所述最大不透明度對應的空間位置確定所述像素位置對應的深度和法向量。

5.根據權利要求2-4任意一項所述的方法，其特征在于，所述根據每個所述訓練醫療體數據，確定每個所述訓練醫療體數據對應的初始訓練渲染圖像，包括：

采用預設的光線追蹤迭代次數對各所述訓練醫療體數據進行渲染處理，得到各所述訓練醫療體數據在屏幕圖像的各個像素位置上的輻射亮度值；

根據各所述訓練醫療體數據在各個像素位置上的輻射亮度值，得到各所述訓練醫療體數據對應的初始訓練渲染圖像。

6.根據權利要求2-4任意一項所述的方法，其特征在于，所述將每個所述訓練醫療體數據對應的特征參數和初始訓練渲染圖像作為初始神經網絡模型的輸入，將每個所述訓練醫療體數據對應的金標準渲染圖像作為所述初始神經網絡模型的參考輸出，對所述初始神經網絡模型進行訓練，得到所述神經網絡模型，包括：

將各所述訓練醫療體數據對應的特征參數和初始訓練渲染圖像輸入至所述初始神經網絡模型，得到各所述訓練醫療體數據對應的預測渲染圖像；

計算各所述預測渲染圖像與對應的所述金標準渲染圖像之間的損失，并根據所述損失對所述初始神經網絡模型進行訓練，得到所述神經網絡模型；其中，所述損失包括所述預測渲染圖像與對應的所述金標準渲染圖像之間的像素值損失以及像素值梯度損失。

7.根據權利要求3-4任意一項所述的方法，其特征在于，所述醫療體數據對應的特征參數包括各所述像素位置上的顏色、深度、法向量以及不透明度。