[发明专利]数字脑可视化方法、装置、计算设备及存储介质有效
申请号: | 201710710028.8 | 申请日: | 2017-08-18 |
公开(公告)号: | CN107507212B | 公开(公告)日: | 2020-08-18 |
发明(设计)人: | 王澄;李迟迟;李江宁;周寿军 | 申请(专利权)人: | 中国科学院深圳先进技术研究院 |
主分类号: | G06T7/143 | 分类号: | G06T7/143;G06T7/33;G06T15/00 |
代理公司: | 深圳智趣知识产权代理事务所(普通合伙) 44486 | 代理人: | 邵萌 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数字 可视化 方法 装置 计算 设备 存储 介质 | ||
本发明适用医学图像处理技术领域,提供了一种数字脑可视化方法、装置、计算设备及存储介质,该方法包括:当接收到数字脑可视化请求时,获取数字脑可视化请求中的待可视化脑图像,该待可视化脑图像包括TOF模态下磁共振造影脑图像和T1模态下磁共振造影脑图像,使用预设的脑血管分割算法提取TOF模态下磁共振造影脑图像中的脑血管结构,使用预设的提取算法提取T1模态下磁共振造影脑图像中的脑组织结构,对提取的脑血管结构和脑组织结构进行三维配准,得到配准后的脑部图像并绘制输出,从而提高了脑组织与脑血管配准融合的准确性,提高了数字脑可视化的准确性,进而提高了数字脑可视化效果。
技术领域
本发明属于医学图像处理技术领域,尤其涉及一种数字脑可视化方法、装置、计算设备及存储介质。
背景技术
随着医学科技的发展及诊疗设备的不断更新,现代外科学朝着微创化、显微化和取代化发展。加之外科手术导程系统、虚拟手术及机器人手术的发展,熟知血管及整个组织空间的拓扑结构等都可以大大提高手术的成功率。
目前在血管可视化研究方面,比较具有突破性的是2002年首次报道的血管标识技术,成功实现了“中国数字人”,结合解剖知识,通过对真实人体做切片处理,最终实现数字人,通过研究新型的血管造影剂,对人体血管进行填充,经过CT扫面实现血管3D可视化,通过改进的分割算法进行CT图像提取,通过开放图形库(Open Graphics Library,简称OpenGL)进行加工着色处理实现血管可视化。虽然在一定程度上可视化研究能取得相应的成果,但是都存在一定的不足之处,首先数字人是通过对真实人的解剖取得最终的结果,但是每个人体的血管具有差异性,并且不可能对每个样本都进行解剖,因此,在现实运用中有很多不便之处。其次现有的针对人体大脑可视化研究方面,主要是针对大脑病变区、功能等方面的可视化研究,而且多数都是处于理论研究方面,单纯且完整的拓扑结构可视化研究相对较少。
随着介入手术的不断发展,介入手术对手术路径的可视化要求越来越高。虽然目前基于磁共振影像的T1模态下的脑组织以及TOF模态下的脑血管提取方法可以取得较好的效果,但是如何准确的将脑组织与脑血管融合在一起,对手术的成功率起着重要作用,而现有技术的融合准确性较低。另外,现有技术在数字脑以及工程可视化方面也存在一定的局限性,即可视化效果不佳、可视化范围不全面。
发明内容
本发明的目的在于提供一种数字脑可视化方法、装置、计算设备及存储介质,旨在解决由于现有数字脑可视化技术的脑组织与脑血管融合准确性较低,导致数字脑可视化效果不佳的问题。
一方面,本发明提供了一种数字脑可视化方法,所述方法包括下述步骤:
当接收到数字脑可视化请求时,获取所述数字脑可视化请求中的待可视化脑图像,所述待可视化脑图像包括TOF模态下磁共振造影脑图像和T1模态下磁共振造影脑图像;
使用预设的脑血管分割算法提取所述TOF模态下磁共振造影脑图像中的脑血管结构;
使用预设的提取算法提取所述T1模态下磁共振造影脑图像中的脑组织结构;
对所述提取的脑血管结构和脑组织结构进行三维配准,得到配准后的脑部图像并绘制输出。
另一方面,本发明提供了一种数字脑可视化装置,所述装置包括:
原始图像获取单元,用于当接收到数字脑可视化请求时,获取所述数字脑可视化请求中的待可视化脑图像,所述待可视化脑图像包括TOF模态下磁共振造影脑图像和T1模态下磁共振造影脑图像;
脑血管分割单元,用于使用预设的脑血管分割算法提取所述TOF模态下磁共振造影脑图像中的脑血管结构信息;
脑组织提取单元,用于使用预设的提取算法提取所述T1模态下磁共振造影脑图像中的脑组织结构信息;以及
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710710028.8/2.html,转载请声明来源钻瓜专利网。