[发明专利]器官断层影像数字化方法

说明书

技术领域

本发明涉及医学断层影像处理领域，特别涉及一种器官断层影像数字化方法。

背景技术

BigBrain项目从2003年开始，于2013年完成了高分辨率的人脑三维图谱。此项目历经10年，耗资10亿欧元，然而这只是开始。2013年年初，欧盟委员会宣布，“人脑工程”入选“未来新兴旗舰技术项目”，获10亿欧元的研究资助。紧接着，美国白宫公布了“推进创新神经技术脑研究计划”(简称“脑计划”)，预计10年投入30亿美元。IBM承诺出资10亿美元用于其认知计算平台Watson的商业化；百度公司投资3.5亿美元大力推进“百度大脑”项目……。2015年，“中国脑计划”酝酿启动，将从认识脑、保护脑和模拟脑三个方向展开。在脑研究中，首要的基础工作是建立脑模型。

在脑模型的重建方面，为了解读脑形态结构与功能之间的关系，脑模型需要更小的断层层距和更大的影像分辨率。当这样做的时候，数据量就变得越来越大，最终大到无法通过主流软件进行分析、无法在普通计算机上处理，这使得人体器官变成了“大数据”。器官断层影像大数据只能依赖超级计算机，如BigBrain的三维重建工作，启用德国和加拿大的多台超级计算机耗时数年就是一个例证。即使是这样，依然有个问题：超级计算机的能力也是有限的，如在BigBrain项目中，研究人员能以1微米的分辨率扫描大脑区域。但是以如此高分辨率完成的另外一个图谱，将创造约2万万亿字节数据——即使是当今最先进的超级计算机也难以有效地处理如此大的数据量。这给器官断层影像大数据处理带来了巨大的挑战。然而，即使是1微米的分辨率也将止步于细胞器的观察，纳米才是细胞、分子形态学研究的主要尺度。

超级计算机属于稀缺资源，针对超级计算机的编程是一项专业性很强的工作，而昂贵的机时费也阻碍着脑模型重建的发展进程。但是，如果没有一个具体的物理模型，脑认知原理的基础研究、脑重大疾病和类脑人工智能的研究就会缺乏必要的“支撑材料”，因为形态学提供最可靠的事实证据。

如何摆脱人体器官大数据处理对超级计算机的依赖以及打破现有超级计算机有限的处理能力瓶颈是一项亟待突破的关键技术。由此可见，建立一种把器官断层影像大数据转化为可供普通计算机处理的方法是实施“脑计划”、“脑工程”时需要解决的问题。

公开号为CN102096106B的中国发明专利公开了一种基于空间网格化算法的含逆断层等值线绘图方法，包括如下步骤：含断层和逆断层的空间网格化：待插值点的初始化、网格化寻点、插值；含断层和逆断层的等值线追踪：对网格边缘进行标记、连线、绘图处理终止于断层。采用空间网格化算法对层位数据进行网格化，采用克里金插值算法对空间网格化数据进行追踪，实现含断层和逆断层的等值线绘图，没有考虑绘图的像素和颜色。

发明内容

本发明所要解决的技术问题是：提供一种可参数化的器官断层影像数字化方法。

为了解决上述技术问题，本发明采用的技术方案为：

一种器官断层影像数字化方法，所述方法为：

扫描获得器官影像；

基于微分原理，将器官影像分割成至少两层的断层影像，并对断层影像进行标记；

用网格划分方法划分每层的断层影像成至少四个的矩形网格单元；

基于微分原理，对矩形网格单元进行标记；

基于微分原理，对矩形网格单元的至少一个的像素进行标记；

利用二进制数对像素的颜色进行标记；

将所述的断层影像、矩形网格单元、矩形网格单元的像素、像素的颜色集合构成所述器官影像的数字化标记。

本发明的有益效果在于：用微分原理将器官影像划分成至少两层的断层影像，每层的断层影像进行网格化划分得到矩形网格单元，矩形网格单元又用至少一个的像素标记，像素的特征用颜色值标记，断层影像、矩形网格单元、像素、颜色值均用数字进行标记，便于实现器官影像的数字化，便于快速性和便捷性实现器官影像这种大数据的影像计算机处理。

附图说明

图1为本发明的器官断层影像数字化方法流程图；

图2为本发明实施例一的大脑的器官影像分割成断层影像的示意图；

图3为本发明实施例一的大脑的器官影像的断层影像的网格化划分示意图。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。