[发明专利]多图像融合的肿瘤三维位置精准定位系统在审

专利信息
申请号: 201910888197.X 申请日: 2019-09-19
公开(公告)号: CN110660063A 公开(公告)日: 2020-01-07
发明(设计)人: 袁双虎;董蕾蕾;李玮;王素贞;刘宁;魏玉春;李莉;李潇箫;刘文举;于金明 申请(专利权)人: 山东省肿瘤防治研究院(山东省肿瘤医院);山东大学
主分类号: G06T7/10 分类号: G06T7/10;G06T7/13;G06T7/30;G06T5/00;G06T5/50;G06T17/00
代理公司: 37221 济南圣达知识产权代理有限公司 代理人: 李琳
地址: 250117 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 融合 精准定位 三维重建 对齐 多模态 配准 分割 配置 肿瘤 预处理 图像预处理模块 融合模块 三维位置 医学图像 医学信息 肿瘤位置 重构模块 多图像 互信息 整合 采集
【权利要求书】:

1.一种多图像融合的肿瘤三维位置精准定位系统,其特征是:包括:

图像预处理模块,被配置为对采集的多模态图像进行预处理;

配准及融合模块,被配置为基于互信息配准对齐图像,对对齐后的图像进行融合;

分割及重构模块,被配置为对融合后的图像进行分割和三维重建,确定肿瘤位置。

2.如权利要求1所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:所述图像预处理模块采用中值滤波进行图像预处理,对于一幅图像,以图像中的每一像素点为中心生成一个矩形的滑动窗口,再将这个窗口内的所有像素按灰度值从小到大的顺序进行排序并计算排序后序列的中值,用该中值代替窗口中心点的像素值。

3.如权利要求2所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:设一维序列f1,f2,…fn,取窗口长度为m,对此序列进行中值滤波,从输入序列中相继抽出m个数fi=-v,fi=-v+1,…,fi=0,fi=1,…,fi=v,其中i为窗口的中心位置,再将这m个点按其数值大小排列,取其序号为正中间的数作为滤波的输出。

4.如权利要求1所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:所述图像预处理模块被配置为基于小波变换的图像边缘增强进行图像预处理,对经过中值滤波去噪的图像用Mallat算法进行小波变换分解,分解尺度为多层,每一层小波分解都将待分解图像分解成多个子带图像,并得出各尺度的小波系数,把小于设定值的小波系数视为噪声,通过设定合适的阈值滤掉噪声,选定不同的增强系数来增强不同频率范围内图像的细节分量,达到改善图像质量,增强层次感和视觉效果。

5.如权利要求4所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:分解尺度为三层。

6.如权利要求1所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:所述配准及融合模块,被配置为将两幅图像中的一副作为参考图像,另一幅为浮动图像,计算互信息是首先进行坐标变换,将浮动图像F的像素点变换后对应到参考图像R上,进行坐标变换,浮动图像F的像素点通过坐标变换后得到的坐标不一定是整数,利用插值获得参考图像R上对应点的灰度值,浮动图像F的每个像素点旋转屏以后对应到参考图像R上,通过变换后的像素点对计算得到联合直方图和边缘概率分布,进而得到互信息,当互信息最大时两幅图像几何对齐。

7.如权利要求1所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:所述配准及融合模块,被配置为利用小波金字塔融合对图像进行融合,对参加融合的参考图像和浮动图像分别进行一定层数的正交小波变换,得到表示低频信息、水平方向信息、垂直方向信息和对角方向信息的4个子图像,每一层都对低频信息做同样处理,依次递推。

8.如权利要求7所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:对最后一层的低频部分采用系数取二者之中最大值来进行融合;对各层变换的其他三个方向的上的高频小波系数进行分层线性加权融合。

9.如权利要求1所述的一种多图像融合的肿瘤三维位置精准定位系统,其特征是:所述分割及重构模块,被配置为基于竞争型神经网络的Snake模型图像分割定位进行分割,对图像进行初分割后,将其结果用于初始化主网络中的神经元状态,进行状态的动态演变,直至收敛。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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山东省肿瘤防治研究院(山东省肿瘤医院);山东大学,未经山东省肿瘤防治研究院(山东省肿瘤医院);山东大学许可,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/201910888197.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top