[发明专利]一种基于人工智能的多模态医学影像的转换方法

权利要求书

1.一种基于人工智能的多模态医学影像的转换方法，其特征在于，包括：

获取主动脉夹层的OCT图像数据；

获取主动脉夹层的IVUS图像数据；

分别对OCT图像数据和IVUS图像数据的背景采用全局阈值分割的方法，提取主动脉的外轮廓，并利用形态学孔洞填充和面积阈值方法将噪声信息进行清理；

通过离散余弦变换的频域信息融合方法，将OCT图像数据和IVUS图像数据进行图像信息融合，获得融合图像。

2.根据权利要求1所述一种基于人工智能的多模态医学影像的转换方法，其特征在于，所述获取主动脉夹层的OCT图像数据，为采用激光波长λ为924纳米，纵向分辨率为7微米，穿透能力1.725毫米进行获取。

3.根据权利要求1所述一种基于人工智能的多模态医学影像的转换方法，其特征在于，所述获取主动脉夹层的OCT图像数据，包括在轴旋转角度为0°、+90°、-90°、180°状态下进行扫描，获得四角度OCT图像，通过将四角度OCT图像配准获得主动脉夹层的二维OCT横截面图像，对于每个胸主动脉血管，提取200层OCT横截面图像数据，

以及，

所述获取主动脉夹层的IVUS图像数据包括每次胸主动脉血管提取200层IVUS图像数据。

4.根据权利要求1所述一种基于人工智能的多模态医学影像的转换方法，其特征在于，所述将OCT图像数据和IVUS图像数据进行图像信息融合，包括以下步骤：

第一，对OCT图像数据和IVUS图像数据进行重叠子块划分，块大小采用8*8；

第二，对获得的子块图像分别进行二维离散余弦变换，实现从空间域变换到频域空间中，DCT变换使用公式1：

所述h，p分别为频域信息中的坐标，取值范围为h，p＝0，1，2……，N-1，

N代表划分的图像块大小，

所述表达式2：

逆DCT变换公式3：

所述i，j是空间域坐标变量，取值范围为i，j＝0，1，2……，N-1，N代表划分的图像块大小，

根据公式1可以得到包含图像能量信息的主要部分的DC系数，即D(0，0)，其余的D(h，p)取值为AC系数；

归一化变换系数可由公式4：

第三，计算分块图像的方差，每一个分块图像的平均值μ和方差σ²公式如下：

公式5：

公式6：

第四，基于方差结果比较对融合矩阵更新，

选取方差较大的子块DCT变换结果的逆变换来更新融合矩阵，直至完成所有子块的融合，即可获得最终的融合图像矩阵。