[发明专利]脊柱模型生成方法、脊柱模型生成系统及终端有效
申请号: | 201910450859.5 | 申请日: | 2019-05-28 |
公开(公告)号: | CN110246216B | 公开(公告)日: | 2023-02-28 |
发明(设计)人: | 苗燕茹;孙宇;胡颖;李世博;谭志强;齐晓志 | 申请(专利权)人: | 中国科学院深圳先进技术研究院 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06T5/00;G06T7/11 |
代理公司: | 深圳中一专利商标事务所 44237 | 代理人: | 曹小翠 |
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: | 脊柱 模型 生成 方法 系统 终端 | ||
1.一种脊柱模型生成方法,其特征在于,包括:
根据非病变脊柱图像,训练生成对抗网络模型;
通过训练后的所述生成对抗网络模型,对病变脊柱图像中病变发生部位进行图像修复,获得目标脊柱图像,其中,所述目标脊柱图像中所述病变发生部位被修复为非病变脊柱形态;
对所述目标脊柱图像进行三维重建,获取对应的目标脊柱模型;
其中,从所述生成对抗网络模型在模型训练过程中,生成器生成的结果图像里找到一张符合设定参照条件的图片,作为在脊柱掩码图像基础上对所述病变脊柱图像中所述病变发生部位进行图像修复时的脊柱修复参照图像;
其中,所述脊柱掩码图像为基于所述病变脊柱图像及预设的二值掩码矩阵,生成的在所述病变发生部位添加掩码的图像;所述符合设定参照条件的图片为所述生成对抗网络模型在模型训练过程中生成的图像中与所述病变脊柱图像间对应像素点在值的分布上相似度超出阈值的一个目标图。
2.根据权利要求1所述的脊柱模型生成方法,其特征在于,所述根据非病变脊柱图像,训练生成对抗网络模型,包括:
对非病变脊柱的计算机断层扫描CT图像进行语义分割,获得脊柱区域的第一二值图像;
基于所述第一二值图像,训练所述生成对抗网络模型。
3.根据权利要求1所述的脊柱模型生成方法,其特征在于,所述通过训练后的所述生成对抗网络模型,对病变脊柱图像中病变发生部位进行图像修复,获得目标脊柱图像,包括:
基于所述病变脊柱图像及预设的二值掩码矩阵,生成在所述病变发生部位添加掩码的脊柱掩码图像;
基于所述脊柱掩码图像及脊柱修复参照图像,通过训练后的所述生成对抗网络模型,生成修复后的所述目标脊柱图像F′=M⊙F+(1-M)⊙G(z)*;
其中,F为所述病变脊柱图像;M为所述预设的二值掩码矩阵,所述二值掩码矩阵中的元素与所述病变脊柱图像的像素相对应;M⊙F为所述脊柱掩码图像;G(z)*为所述脊柱修复参照图像,所述脊柱修复参照图像为所述生成对抗网络模型在模型训练过程中生成的符合设定参照条件的图像;⊙为矩阵元素与图像中像素点值相乘的运算。
4.根据权利要求3所述的脊柱模型生成方法,其特征在于,所述基于所述脊柱掩码图像及脊柱修复参照图像,通过训练后的所述生成对抗网络模型,生成修复后的所述目标脊柱图像之前,还包括:
获取所述生成对抗网络模型在模型训练过程中生成的输出图像;
根据所述输出图像,依据损失函数L=Lcontextual+λLperceptual,从所述输出图像中获取所述脊柱修复参照图像;
其中,λ为超参数;
Lcontextual=||M⊙G(z)-M⊙F||1,G(z)为所述输出图像;
Lperceptual=log(1-D(G(z))),D(G(z))为训练后的所述生成对抗网络模型中判别器对所述输出图像的判别结果值;
所述脊柱修复参照图像为在所述损失函数的值符合设定要求时的一个所述输出图像。
5.根据权利要求1所述的脊柱模型生成方法,其特征在于,所述通过训练后的所述生成对抗网络模型,对病变脊柱图像中病变发生部位进行图像修复,获得目标脊柱图像之前,还包括:
对病变脊柱的CT图像进行语义分割,获得脊柱区域的第二二值图像;
确定所述第二二值图像为所述病变脊柱图像。
6.根据权利要求1所述的脊柱模型生成方法,其特征在于,所述对所述目标脊柱图像进行三维重建,获取对应的目标脊柱模型,包括:
通过移动立方体算法对所述目标脊柱图像进行三维重建,得到对应的所述目标脊柱模型。
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/201910450859.5/1.html,转载请声明来源钻瓜专利网。