[发明专利]一种医学影像所属人体部位的自动识别方法及系统

权利要求书

1.一种医学影像所属人体部位的自动识别方法，其特征在于，包括以下步骤：

a.获取待识别的医学影像；

b.对所述医学影像进行解析，得到所述医学影像的数据信息；

c.基于所述数据信息中的互信息，将所述医学影像与人体模板影像进行刚性配准，根据配准结果对所述医学影像进行定位，计算所述医学影像在所述人体模板影像中的所属部位，得到第一人体部位识别结果；

d.将所述医学影像输入训练好的卷积神经网络模型中进行预测，得到第二人体部位识别结果；

e.判断所述第一人体部位识别结果与所述第二人体部位识别结果是否一致，若一致，则直接得到最终人体部位识别结果；若不一致，则返回步骤c并提高配准精度进行再次配准，并以再次配准结果作为最终人体部位识别结果。

2.根据权利要求1所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤a中，所述医学影像包括PET影像、PET/CT影像、PET/MRI影像、MRI影像、CT影像、SCT影像的任一种或两种以上；所述医学影像的获取方法，是通过直接与成像设备相连接进行影像导入，或者，通过医院临床PACS系统将所述医学影像导出至DICOM文件，打开所述DICOM文件即可获取序列的医学影像。

3.根据权利要求2所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤b中，对所述医学影像进行解析，是通过提取所述DICOM文件的数据信息，所述数据信息包括病人参数信息和影像特征信息；并且，将所述影像特征信息与所述病人参数信息进行关联处理，并进行信息存储和备份。

4.根据权利要求1所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤c中，是采用基于MI算法或EMI算法或ECC算法的互信息的刚性配准进行人体部位的识别。

5.根据权利要求1或4所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述互信息是指所述医学影像与人体模板影像之间的互信息，其计算方法如下：

MI(A，B)＝H(A)+H(B)-H(A，B)；

其中，H(A)代表所述医学影像的熵，H(B)代表所述人体模板影像的熵，H(A，B)代表所述医学影像和所述人体模板影像的联合熵；

并且，所述联合熵H(A，B)的计算方法如下：

H(A，B)＝-∫p_AB(a，b)log p_AB(a，b)dadb；

其中，p_AB(a，b)为所述医学影像和所述人体模板影像的联合概率分布。

6.根据权利要求1所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤c中，将所述医学影像与人体模板影像进行刚性配准，进一步包括以下步骤：

c1.初始化所述医学影像和所述人体模板影像的位置参数，所述位置参数包括医学影像的中心c、人体模板影像的中心C、医学影像的高度h、人体模板影像的高度H；

c2.根据所述位置参数进行设置刚性配准的初始值，使得：

为取整；

c3.根据所述互信息，对所述医学影像和所述人体模板影像进行次扫描和刚性配准；

c4.扫描次之后，基于每次扫描记录的配准度量，选出其中最小的配准结果；所述配准结果包括所述医学影像的旋转量和平移量。

7.根据权利要求1所述的一种医学影像所属人体部位的自动识别方法，其特征在于：所述的步骤d中，将所述医学影像输入训练好的卷积神经网络模型中进行预测之前，先对所述医学影像进行插值处理，使得插值处理后的医学影像的分辨率与所述卷积神经网络模型的训练影像的分辨率相同。