[发明专利]基于深度学习体征结构的全模态医学影像序列分组方法

说明书

本技术涉及医学影像信息技术领域，具体的讲是基于深度学习体征结构的全模态医学影像序列分组方法，包括：获取医学影像信息；对获取的医学影像信息进行信息提取；建立全模态深度学习AI序列匹配系统；进行序列匹配处理；将处理后的医学影像序列分组传输到显示单元；显示单元进行全模态医学影像序列分组显示；本发明利用深度学习神经网络，依据人体CT、MR精准解剖信息，人体骨骼被精准识别分割为相对固定的局部区域，以特定骨骼部位做精准人体体位分割，依据分子影像双模态中的CT或MR影像精准定位，转换到全模态影像的相应层面，进行自动精准配准显示，减少技术水平差异造成的诊断误差，同时提高医师的工作效能。

技术领域

本技术涉及医学影像信息技术领域，具体的讲是基于深度学习体征结构的全模态医学影像序列分组方法。

背景技术

在分子影像多模态医学成像系统中，扫描方式根据临床或科研需求，经常采用多时相或多模态设备采集多组序列图像。这一过程往往涉及相对复杂的扫描流程和多模态同机或异机图像对比，也涉及特别的分子影像特殊序列，如全身PET动态图像显示、SPECT定量重建影像、SPECT-RAW DATA显示等，在常规医学成像系统中，这种全模态多时相多序列的图像阅读评价，非常复杂。

而且现有医学影像多模态浏览和配准技术，无法满足特殊模态的多模态配准显示，全模态对比浏览时，不能准确选取医生感兴趣部位详细阅读，仍旧依赖高年资医生的专业经验选取相应层面进行配准阅读，主观和客观因素影响很大。如PET/CT、PET/MR全身显像等较多影像混合阅读过程中，准确程度受医师疲劳程度和技术能力影响，分子影像的特殊序列也无法在一个阅读界面显示对比，更无法进行精准匹配。

为此设计一种结合人工智能的可以将医学影像分组配准显示的基于深度学习体征结构的全模态医学影像序列分组方法、系统及存储介质是十分有必要的。

发明内容

本发明突破了现有技术的难题，设计了一种结合人工智能的可以将医学影像分组配准显示的基于深度学习体征结构的全模态医学影像序列分组方法、系统及存储介质。

为了达到上述目的，本发明设计了基于深度学习体征结构的全模态医学影像序列分组方法，其特征在于：包括：

S1获取医学影像信息；

S2对获取的医学影像信息进行信息提取；

S3建立全模态深度学习AI序列匹配系统；

S4进行序列匹配处理；

S5将处理后的医学影像序列分组传输到显示单元；

S6显示单元进行全模态医学影像序列分组显示。

进一步的，所述医学影像信息为常规模态全身骨骼图像、PET/CT和PET/MR同机融合图形、全模态影像异机融合图像中的一种或几种。

进一步的，所述信息提取为提取固定骨骼部位分割区域图像、提取PET相对应骨骼区域的同机分割图像中的一种或几种。

进一步的，所述序列匹配处理的具体方法如下：

S41对医学影像标注数据集；

S42进行骨骼图像分割、AI算法识别；

S43进行脊柱骨骼分割、识别测试数据；

S44全模态AI融合匹配。

进一步的，当医学影像信息为常规模态全身骨骼图像时，信息提取方法为提取固定骨骼部位分割区域图像。

进一步的，当医学影像信息为PET/CT和PET/MR同机融合图形、全模态影像异机融合图像中的一种或两种时，信息提取方法为提取PET相对应骨骼区域的同机分割图像。