[發明專利]軟組織的三維重建方法、系統及計算機存儲介質

在審

• 申請號: 202310649825.5
• 申請日: 2023-06-02
• 公開（公告）號: CN116612174A
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 董蒨;邊晨源;夏楠;朱呈瞻;魏賓;修文麗
• 申請（專利權）人: 青島大學附屬醫院
• 主分類號: G06T7/593
• 分類號: G06T7/593;G06V10/26;G06T17/00;G06T7/00;G06N3/0464;G06N3/08
• 代理公司: 北京惟專知識產權代理事務所(普通合伙) 16074
• 代理人: 趙星

一種軟組織三維重建方法、系統級計算機存儲介質，該方法包括獲取軟組織的醫學影像數據，對獲取的軟組織的醫學影像數據進行預處理，對預處理的影像進行分割，以及針對軟組織分割后的結果構建軟組織的三維重建模型；所述分割包括粗略分割環節和精細分割環節；其中，所述粗略分割環節采用預訓練的U?net模型對軟組織進行粗略分割；所述精細分割環節采用注意力機制突出目標軟組織區域的特征，并結合3D?U?net模型進行軟組織精細分割；所述系統包括對應的影像數據獲取模塊、數據預處理模塊、U?net網絡軟組織分割模塊和軟組織三維重建模塊；所述計算機存儲介質存儲有用于執行上述軟組織的三維重建方法的計算機程序；本發明方法對于軟組織模型的重建具有效率高、精度高的優點。

技術領域

本發明涉及醫學圖像數據處理領域，尤其涉及一種基于圖像分割的軟組織三維重建方法、系統及計算機存儲介質。

背景技術

自從虛擬手術和三維可視化術前評估技術流行以來，人體腹腔軟組織三維重建(3D?Reconstruction)問題一直受到關注。三維重建的前提在于對軟組織進行精準的分割。當前的軟組織分割方法往往采用形態學分析策略，集中在對于圖像灰度差異的追蹤算法上，然而這些方法缺乏有效的人工學習機制，所獲得結果的精準度并不能保證臨床適用性，往往需要結合后期的人工修正來改善分割效果。尤其對于腫瘤或者復雜軟組織病灶，整個分割過程將耗費30分鐘至4個小時，嚴重影響治療進度。隨著當前人工智能技術的普遍應用，以人工智能模型作為醫學影像分割框架，改善軟組織識別效率，提升三維重建精度，已成為醫學領域競相發展的熱點。

為了提高軟組織分割的精確性和效率，許多研究者已經在深度學習應用于醫學圖像分割方面做了大量的研究，如Gradient-based?learning?applied?to?documentrecognition，LeCun,Yann,et?al,Proceedings?of?the?IEEE?86.11(1998)中提出了利用卷積神經網絡模型，對圖像進行分割。但該方法的耗時較高，分割精度不高。公開號為CN110570432A的中國發明專利公開了一種基于深度學習的CT圖像肝臟腫瘤分割，具體將U-Net的網絡結構進行優化和改進，添加Dropout層和Batch?Normalization層對網絡結構進行修改，并使用VGG-16網絡模塊代替U-Net的編碼器部分，建立優化的模型來對肝臟腫瘤CT圖像進行精確的分割。但該方法采用單一的影像學模態分析方法，不能全面的覆蓋疾病類型，對提升軟組織分割及三維重建的有效性改進有限。公開號為CN111652886A的中國發明專利公開了一種基于改進U-net網絡的肝腫瘤分割方法，在對肝腫瘤分割前，首先將肝臟區域分割出來，基于Keras深度學習框架搭建肝臟分割的神經網絡，后端選擇的是tensorflow；對基于改進U-net的肝臟分割網絡進行訓練；基于Keras深度學習框架搭建基于改進U-net的肝腫瘤分割網絡，并且對網絡進行訓練；采用基于改進U-net的肝臟分割網絡從腹部肝臟CT圖像中分割出肝臟區域，并從肝臟區域分割出腫瘤和正常肝臟組織。該方法可以消除大量的誤分割之外，還可以降低網絡模型的復雜度。但是上述方法的分割精度和效率仍不高。

發明內容

針對現有技術中存在的技術問題，本發明旨在提供一種基于圖像分割的軟組織三維重建方法和系統，以期至少部分地解決現有技術中存在的分割精度不高、分割效率低下等問題，本發明要解決的技術問題通過以下技術方案來實現。

一方面，本發明提供了一種軟組織三維重建方法，包括如下步驟：

獲取軟組織的醫學影像數據；

對獲取的軟組織的醫學影像數據進行預處理，得到U-net模型的輸入影像數據；

對預處理的影像進行分割，所述分割包括粗略分割環節和精細分割環節；其中，所述粗略分割環節采用預訓練的U-net模型對軟組織進行粗略分割；所述精細分割環節采用注意力機制突出目標軟組織區域的特征，并結合3D?U-net模型進行軟組織精細分割；

針對軟組織分割后的結果構建軟組織的三維重建模型。