基于U-Net的CT影像STL三维重建方法及装置与流程

本发明涉及医学影像处理，尤其涉及一种基于u-net的ct影像stl三维重建方法及装置。

背景技术：

1、在医学影像领域，计算机断层扫描(computed tomography，ct)技术被广泛用于获取人体内部的影像。传统的ct影像处理技术主要侧重于二维影像的分析，依赖放射科医生的经验进行诊断。随着技术的发展，三维重建技术开始被应用于医学影像，能够提供更加直观和详细的体视图像，对于复杂结构的理解和诊断尤为重要。

2、在ct影像的三维重建中，精确的图像分割是一个主要难点。尤其是对于重叠或相互接触的解剖结构，传统分割算法往往难以准确处理。高质量的三维重建需要大量高质量的影像数据。然而，获取这样的数据既耗时又昂贵。

3、现有方案可以采用手动分割或自动化算法进行影像分割，其中，手动分割依赖专业医生手动进行影像分割，不仅耗时，而且图像分割结果受限于个人经验和技巧；采用自动化算法进行影像分割，在处理复杂结构，特别是重叠区域时，其分割效果有限。从而导致ct影像的三维重建的效率和准确性较低。

技术实现思路

1、有鉴于此，有必要提供一种基于u-net的ct影像stl三维重建方法及装置，用以解决ct影像的三维重建的效率和准确性较低的问题。

2、为了解决上述问题，本发明提供一种基于u-net的ct影像stl三维重建方法，包括：

3、将采集的ct影像输入至训练好的图像分割模型中，得到所述图像分割模型输出的掩膜；

4、基于所述掩膜，进行stl三维重建；

5、所述图像分割模型通过以下方式训练得到：

6、基于采集的样本ct影像，构建stl三维模型；

7、将所述stl三维模型按照预设方向和厚度进行切片，生成样本掩膜；

8、基于所述样本ct影像和所述样本掩膜，对改进的u-net模型进行训练，得到所述图像分割模型；所述改进的u-net模型的卷积层为三维卷积层。

9、在一种可能的实现方式中，所述基于所述样本ct影像和所述样本掩膜，对改进的u-net模型进行训练，得到所述图像分割模型，包括：

10、将所述样本ct影像输入所述改进的u-net模型中，得到所述改进的u-net模型输出的预测掩膜；

11、基于所述样本掩膜和所述预测掩膜，构建损失函数；

12、基于所述损失函数对所述改进的u-net模型进行训练，得到所述图像分割模型。

13、在一种可能的实现方式中，所述损失函数的表达式如下：

14、

15、其中，ldice表示损失函数，yi表示预测掩膜，pi表示样本掩膜。

16、在一种可能的实现方式中，所述基于所述损失函数对所述改进的u-net模型进行训练，得到所述图像分割模型之后，还包括：

17、通过测试集对所述图像分割模型进行验证。

18、在一种可能的实现方式中，所述将所述stl三维模型按照预设方向和厚度进行切片，生成样本掩膜之后，还包括：

19、采用位运算的方式，对所述样本掩膜的各个部分按照对应的解剖结构进行赋值。

20、在一种可能的实现方式中，所述三维卷积层的表达式如下：

21、fout＝relu(w*fin+b)

22、其中，fout表示输出，fin表示输入特征图，w表示卷积核，b表示偏置项，*表示三维卷积操作，relu表示激活函数。

23、在一种可能的实现方式中，所述将所述stl三维模型按照预设方向和厚度进行切片，生成样本掩膜之前，还包括：

24、对所述样本ct影像进行标准化处理。

25、本发明还提供一种基于u-net的ct影像stl三维重建装置，包括：

26、输入模块，用于将采集的ct影像输入至训练好的图像分割模型中，得到所述图像分割模型输出的掩膜；

27、重建模块，用于基于所述掩膜，进行stl三维重建；

28、所述图像分割模型通过以下方式训练得到：

29、基于采集的样本ct影像，构建stl三维模型；

30、将所述stl三维模型按照预设方向和厚度进行切片，生成样本掩膜；

31、基于所述样本ct影像和所述样本掩膜，对改进的u-net模型进行训练，得到所述图像分割模型；所述改进的u-net模型的卷积层为三维卷积层。

32、另一方面，本发明还提供一种电子设备，包括存储器和处理器，其中，

33、所述存储器，用于存储程序；

34、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述任意实现方式中所述的基于u-net的ct影像stl三维重建方法。

35、另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意实现方式中所述的基于u-net的ct影像stl三维重建方法。

36、本发明的有益效果是：本发明提供的基于u-net的ct影像stl三维重建方法及装置，根据采集的样本ct影像构建stl三维模型，并将stl三维模型按照预设方向和厚度进行切片，生成样本掩膜，并根据样本ct影像和样本掩膜对改进的u-net模型进行训练，得到图像分割模型，改进的u-net模型的卷积层为三维卷积层，训练好的图像分割模型用于对ct影像进行准确分割，从而将采集的ct影像输入至图像分割模型中，得到图像分割模型输出的掩膜，提高了图像分割效率和准确性，减少了人为依赖，并根据得到的掩膜进行stl三维重建，从而提高了三维重建的效率和准确性。

技术特征：

1.一种基于u-net的ct影像stl三维重建方法，其特征在于，包括：

2.根据权利要求1所述的基于u-net的ct影像stl三维重建方法，其特征在于，所述基于所述样本ct影像和所述样本掩膜，对改进的u-net模型进行训练，得到所述图像分割模型，包括：

3.根据权利要求2所述的基于u-net的ct影像stl三维重建方法，其特征在于，所述损失函数的表达式如下：

4.根据权利要求2所述的基于u-net的ct影像stl三维重建方法，其特征在于，所述基于所述损失函数对所述改进的u-net模型进行训练，得到所述图像分割模型之后，还包括：

5.根据权利要求1所述的基于u-net的ct影像stl三维重建方法，其特征在于，所述将所述stl三维模型按照预设方向和厚度进行切片，生成样本掩膜之后，还包括：

6.根据权利要求1所述的基于u-net的ct影像stl三维重建方法，其特征在于，所述三维卷积层的表达式如下：

7.根据权利要求1所述的基于u-net的ct影像stl三维重建方法，其特征在于，所述将所述stl三维模型按照预设方向和厚度进行切片，生成样本掩膜之前，还包括：

8.一种基于u-net的ct影像stl三维重建装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器，其中，

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于u-net的ct影像stl三维重建方法。

技术总结本发明涉及一种基于U‑Net的CT影像STL三维重建方法及装置，属于医学影像处理技术领域，该方法包括：将采集的CT影像输入至训练好的图像分割模型中，得到图像分割模型输出的掩膜；基于掩膜，进行STL三维重建；图像分割模型通过以下方式训练得到：基于采集的样本CT影像，构建STL三维模型；将STL三维模型按照预设方向和厚度进行切片，生成样本掩膜；基于样本CT影像和样本掩膜，对改进的U‑Net模型进行训练，得到图像分割模型；改进的U‑Net模型的卷积层为三维卷积层。本发明提供的基于U‑Net的CT影像STL三维重建方法，提高了三维重建的效率和准确性。技术研发人员：胡文强,李超,赵勇受保护的技术使用者：湖北英库科技有限公司技术研发日：技术公布日：2024/7/29