买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明公开了一种基于多模态影像的盆腔骨肿瘤的自动分割与三维重建方法，该方法通过U‑Net网络模型实现了对患者骨盆CT图像中的髂骨、骶骨、股骨的自动分割，其优点在于使得骨组织的分割误差大大减少；其次采用互信息的方法对MR图像和CT图像进行配准，使得我们可以综合利用两者的信息，简化了分割任务；随后采用改进的K‑Means方法MR图像进行聚类得到肿瘤的候选区域，此方法的优点在于对于灰度特征不同的MR图像均可准确的分割出肿瘤区域，具有一定的鲁棒性；利用骨区域和连续性检测对肿瘤候选区域图像进行筛选，此步骤利用医学先验知识，有效的解决了肿瘤区域和与之特征相似的非肿瘤区域无法区分的问题；另外此方法对肿瘤序列进行了填充，使得进行三维重建时肿瘤更加平滑，更加接近真实的肿瘤形态。

主权项：1.一种基于多模态影像的盆腔骨肿瘤的自动分割及三维重建方法，其特征在于包括：获取正常人的骨盆CT图像，分别对髂骨、骶骨、股骨进行标注，将标注图像、骨盆CT图像进行数据转换，制作数据集；搭建U-net网络模型，将数据集输入至网络模型中进行训练，获得该网络模型在该数据集上的权值文件；将病患的骨盆CT图像输入至完成训练的网络模型中，利用所述权值文件进行预测，将病患骨盆CT图像中的骨组织分割为髂骨、骶骨以及股骨；利用患者的骶骨位置信息将上述分割结果划分为左髂骨、右髂骨、骶骨、左股骨、右股骨五类骨块；获取患者骨盆CT图像序列和T1加权的MR图像序列，利用最大互信息为每一张MR图像寻找与之最匹配的CT图像并进行配准，得到配准矩阵，利用该配准矩阵对T2加权的MR图像进行仿射变换；采用改进的K-Means方法对变换后的T2加权的MR图像进行聚类，结合肿瘤几何特征得到肿瘤候选区域；对骨组织图像进行轮廓提取，寻找最小外接矩形、获取骨区域图像，利用骨肿瘤和骨组织相对位置的先验知识，对骨区域在肿瘤候选区域中进行轮廓碰撞检测，对肿瘤进行初步筛选和定位；根据肿瘤的连续性对骨肿瘤区域的进一步筛选，更新肿瘤候选区域；利用所述五类骨块分别对肿瘤候选区域进行碰撞检测确定病灶骨，并且根据病灶骨位置对骨肿瘤进行精准定位；根据骨肿瘤的精准定位信息获取种子点集合，对种子点进行三维区域生长，得到完整的肿瘤序列获得肿瘤的粗分割结果；利用边缘突刺消除、超像素优化方法对肿瘤粗分割结果进行边缘优化；根据肿瘤粗分割结果的上下文信息扩充像素点的信息维度，构造肿瘤点概率图，再根据阈值进行分割，得到最终的肿瘤分割结果；根据CT图像与MR图像的对应关系，确定相邻两张MR图像之间缺失的图像数，获取相邻两张肿瘤轮廓的差值，并利用骨架提取算法对肿瘤中间轮廓进行估计，采用二分法原理进行迭代补全肿瘤序列；分别对骨组织图像和肿瘤图像采用面绘制的方法进行三维重建从而获得盆腔骨肿瘤的自动分割和三维重建结果。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于多模态影像的盆腔骨肿瘤的自动分割及三维重建方法