[發(fā)明專利]一種基于體位識別的AI結(jié)構(gòu)勾畫方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202210923344.4
• 申請日: 2022-08-02
• 公開（公告）號: CN115148341B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設(shè)計）人: 劉強
• 申請（專利權(quán)）人: 重慶大學附屬三峽醫(yī)院
• 主分類號: G16H30/40
• 分類號: G16H30/40;G06V40/10;G06V10/26;G06V10/25;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 深圳市世紀宏博知識產(chǎn)權(quán)代理事務所(普通合伙) 44806
• 代理人: 賴智威

1.一種基于體位識別的AI結(jié)構(gòu)勾畫方法，其特征在于，包括以下步驟：

構(gòu)建用于識別矢狀位圖像的卷積神經(jīng)網(wǎng)絡(luò)；

基于所述卷積神經(jīng)網(wǎng)絡(luò)，通過采集三維醫(yī)學圖像，獲取所述矢狀位圖像；

根據(jù)所述矢狀位圖像，識別體位以及所述體位對應的真實體位；

構(gòu)建用于AI結(jié)構(gòu)勾畫的全卷積神經(jīng)網(wǎng)絡(luò)，其中，所述全卷積神經(jīng)網(wǎng)絡(luò)為U-net，利用體位為HFS的所述三維醫(yī)學圖像進行訓練，在進行AI結(jié)構(gòu)勾畫的過程中，基于訓練好的所述全卷積神經(jīng)網(wǎng)絡(luò)，通過獲取所述真實體位對應的所述體位，將所述體位轉(zhuǎn)換為HFS；根據(jù)所述結(jié)構(gòu)，將體位轉(zhuǎn)換后的所述三維醫(yī)學圖像進行分割，生成HFS對應的三維分割圖像，將所述HFS對應的所述三維分割圖像轉(zhuǎn)換為所述真實體位對應的三維分割圖像后，對Z方向上的每一層二維圖像進行輪廓提取，生成所述結(jié)構(gòu)的所述AI結(jié)構(gòu)；

通過識別所述真實體位，獲取所述體位對應的所述三維醫(yī)學圖像；

基于結(jié)構(gòu)，根據(jù)所述全卷積神經(jīng)網(wǎng)絡(luò)以及所述體位對應的所述三維醫(yī)學圖像，進行AI結(jié)構(gòu)勾畫，其中，所述結(jié)構(gòu)用于表示醫(yī)學圖像中醫(yī)生感興趣的區(qū)域。

2.根據(jù)權(quán)利要求1所述一種基于體位識別的AI結(jié)構(gòu)勾畫方法，其特征在于：

在構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的過程中，所述卷積神經(jīng)網(wǎng)絡(luò)包括vgg16，resnet18中的一種或多種組合。

3.根據(jù)權(quán)利要求2所述一種基于體位識別的AI結(jié)構(gòu)勾畫方法，其特征在于：

在采集三維醫(yī)學圖像的過程中，所述三維醫(yī)學圖像包括8個所述體位為：HFS：頭在前，仰臥；HFP：頭在前，俯臥；FFS：腳在前，仰臥；FFP：腳在前，俯臥；HFDL：頭在前，左側(cè)臥；HFDR：頭在前，右側(cè)臥；FFDL：腳在前，左側(cè)臥；FFDR：腳在前，右側(cè)臥；

所述體位為HFS、HFP、FFS和FFP中的一種的三維醫(yī)學圖像的所述矢狀位圖像，用于表示過三維圖像中心的x-z平面的圖像；

所述體位為HFDL、HFDR、FFDL和FFDR中的一種的三維醫(yī)學圖像的所述矢狀位圖像，用于表示過三維圖像中心的y-z平面的圖像。

4.根據(jù)權(quán)利要求3所述一種基于體位識別的AI結(jié)構(gòu)勾畫方法，其特征在于：

在獲取所述矢狀位圖像的過程中，將所述三維醫(yī)學圖像的平面圖像拷貝三份，形成三通道圖像，經(jīng)歸一化像素值、調(diào)整圖像尺寸預處理后，輸入到所述卷積神經(jīng)網(wǎng)絡(luò)中，預測該圖像是矢狀位的概率，并根據(jù)預測結(jié)果，生成所述矢狀位圖像。

5.根據(jù)權(quán)利要求4所述一種基于體位識別的AI結(jié)構(gòu)勾畫方法，其特征在于：

在識別體位和真實體位的過程中，如果所述矢狀位圖像是過三維圖像中心的x-z平面的圖像，則所述真實體位為識別的所述體位；如果所述矢狀位圖像是過三維圖像中心的y-z平面的圖像，則，

識別的所述體位為HFS，對應的所述真實體位為HFDL；

識別的所述體位為HFP，對應的所述真實體位為HFDR；

識別的所述體位為FFS，對應的所述真實體位為FFDL；

識別的所述體位為FFP，對應的所述真實體位為FFDR。

6.一種基于體位識別的AI結(jié)構(gòu)勾畫系統(tǒng)，其特征在于，包括：

矢狀位識別模塊，用于構(gòu)建用于識別矢狀位圖像的卷積神經(jīng)網(wǎng)絡(luò)，并基于所述卷積神經(jīng)網(wǎng)絡(luò)，通過采集三維醫(yī)學圖像，獲取所述矢狀位圖像；

體位識別模塊，用于根據(jù)所述矢狀位圖像，識別體位以及所述體位對應的真實體位；

AI結(jié)構(gòu)勾畫模塊，用于通過構(gòu)建用于AI結(jié)構(gòu)勾畫的全卷積神經(jīng)網(wǎng)絡(luò)，識別所述真實體位，獲取所述體位對應的所述三維醫(yī)學圖像；基于結(jié)構(gòu)，根據(jù)所述全卷積神經(jīng)網(wǎng)絡(luò)以及所述體位對應的所述三維醫(yī)學圖像，進行AI結(jié)構(gòu)勾畫，其中，所述結(jié)構(gòu)用于表示醫(yī)學圖像中醫(yī)生感興趣的區(qū)域，所述全卷積神經(jīng)網(wǎng)絡(luò)為U-net，利用體位為HFS的所述三維醫(yī)學圖像進行訓練，在進行AI結(jié)構(gòu)勾畫的過程中，基于訓練好的所述全卷積神經(jīng)網(wǎng)絡(luò)，通過獲取所述真實體位對應的所述體位，將所述體位轉(zhuǎn)換為HFS；根據(jù)所述結(jié)構(gòu)，將體位轉(zhuǎn)換后的所述三維醫(yī)學圖像進行分割，生成HFS對應的三維分割圖像，將所述HFS對應的所述三維分割圖像轉(zhuǎn)換為所述真實體位對應的三維分割圖像后，對Z方向上的每一層二維圖像進行輪廓提取，生成所述結(jié)構(gòu)的所述AI結(jié)構(gòu)。