[发明专利]肌肉CT影像勾画方法、系统、电子设备和机器存储介质有效

专利信息
申请号: 202110805189.1 申请日: 2021-07-16
公开(公告)号: CN113409309B 公开(公告)日: 2023-10-27
发明(设计)人: 姚宁;姜金岭;程晓光;于功敬;孙健;张福生;张忠海;李新彤 申请(专利权)人: 北京积水潭医院
主分类号: G06T7/00 分类号: G06T7/00;G06T7/12;G06T7/13;G06T7/62;G06F18/2415;G06N3/048;G06N3/0464;G06V10/82;G06N3/08;G06V10/25
代理公司: 北京超凡宏宇知识产权代理有限公司 11463 代理人: 董艳芳
地址: 100000 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 肌肉 ct 影像 勾画 方法 系统 电子设备 机器 存储 介质
【说明书】:

发明提供了一种肌肉CT影像勾画方法、系统、电子设备和机器存储介质,涉及图像处理技术领域,方法包括:将获取的肌肉CT影像进行预处理,得到预处理后的肌肉影像序列;对肌肉影像序列于CT矢状位进行定位识别,得到目标肌肉(包括指定位置的肌肉或肌肉群)的矢状位定位图像;对目标肌肉的矢状位定位图像于轴位水平进行分割处理,得到针对指定位置的肌肉或肌肉群的CT影像的多种结果;分割结果包括多种肌肉参数。本发明可以快速、准确地实现三维医学图像的肌肉分割参数信息自动化测量,从而提升医学影像(图像)肌肉勾画、测量效率,降低人力成本。

技术领域

本发明涉及图像处理技术领域,尤其是涉及一种肌肉CT影像勾画方法、系统、电子设备和机器存储介质。

背景技术

随着人口老龄化的到来,患有肌少症的人群日益增加,且在未来几十年里肌少症影响人口更会逐年增加。肌少症主要引起生活质量下降、心肺功能受损、跌倒骨折等常见并发症。除此之外,肌少症还和一些重大恶性疾病的治疗效果和预后关系密切。

肌肉参数的获取及记录成为肌少症研究中必不可少的环节,肌肉参数指标主要包括肌肉质量和肌肉功能(肌力或活动能力),其中利用CT影像检查技术,在CT轴位水平进行肌肉勾画是测量肌肉大小的金标准,主要评价参数包括骨骼肌面积(skeletal musclearea,SMA)、骨骼肌指数(skeletal muscle index,SMI)以及肌肉CT值(muscle radiationattenuation,MRA)。

目前利用CT检查技术进行肌肉勾画主要依靠人工或半人工方法进行,此类方法消耗大量人力,且人工操作个体差异大、易疲劳、不同地区标准一致性差,数据量化工作繁重,不利于肌肉勾画测量工作的开展,因此导致肌肉勾画工作进展缓慢,容易出错且效率低下。

发明内容

本发明的目的在于提供一种肌肉CT影像勾画方法、系统、电子设备和机器存储介质,可以快速、准确地实现三维医学图像的肌肉分割参数信息测量,从而提升了对于医学影像(图像)的肌肉勾画处理效率,降低人力成本。

第一方面,本发明提供一种肌肉CT影像勾画方法,方法包括:将获取的肌肉CT影像进行预处理,得到预处理后的肌肉影像序列;对肌肉影像序列于CT矢状位进行定位识别,得到目标肌肉的矢状位定位图像;其中,所述目标肌肉包括指定位置的肌肉或肌肉群;对目标肌肉矢状位定位图像于轴位水平进行分割处理,得到针对所述指定位置的肌肉或肌肉群的CT影像的分割结果;分割结果包括多种肌肉参数。

在可选的实施方式中,将获取的肌肉CT影像进行预处理,得到肌肉影像序列的步骤,包括:对肌肉CT影像进行重采样,得到重采样后的肌肉CT影像;肌肉CT影像包括多个椎体水平的影像图像;对重采样后的肌肉CT影像进行感兴趣区域提取,得到肌肉区域图像;其中,肌肉区域图像包括待分割肌肉区域;对肌肉区域图像进行归一化处理,得到肌肉影像序列。

在可选的实施方式中,对肌肉影像序列于CT矢状位进行定位识别,得到目标肌肉的矢状位定位图像的步骤,包括:基于预先训练好的定位神经网络对肌肉影像序列于CT矢状位进行定位识别,得到目标肌肉的矢状位定位图像;其中,预先训练好的定位神经网络包括依次连接的输入层、第一指定数量的第一卷积层、第一最大值池化层、第一指定数量的第二卷积层、第二最大值池化层、第一指定数量的第三卷积层、第三最大值池化层、第二指定数量的第四卷积层、第四最大值池化层、第三指定数量的全连接层及输入层。

在可选的实施方式中,第一指定数量为2;第二指定数量为1;第三指定数量为2。

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北京积水潭医院,未经北京积水潭医院许可,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/202110805189.1/2.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