[发明专利]利用机器学习和影像处理算法对医疗影像的血管自动地进行区域化的方法及系统

权利要求书

1.一种对三维形状血管数据自动地进行区域化的方法，该方法利用计算机从患者的三维医疗影像数据对三维形状血管数据自动地进行区域化，所述对三维形状血管数据自动地进行区域化的方法的特征在于，包括：

接收患者的三维医疗影像数据的步骤；

利用以生成三维形状血管数据的方式进行了机器学习的区域化程序从所输入的所述三维医疗影像数据生成三维形状的机器学习血管数据的步骤；

利用影像处理区域化程序从所输入的所述三维医疗影像数据和所生成的所述三维形状的机器学习血管数据生成校正后的三维形状血管数据的步骤，

所述三维形状的机器学习血管数据由不是血管区域的至少一个噪声数据集和血管区域被遗漏的数据集构成，

所述影像处理区域化程序执行：

对所输入的三维医疗影像数据和所生成的三维形状的机器学习血管数据进行比较以对所输入的三维医疗影像数据的血管区域数据的坐标进行匹配的步骤；将匹配的血管区域数据用作种子，对所输入的三维医疗影像数据进行处理以连接三维形状的机器学习血管数据中遗漏的血管区域的步骤；运算连接的血管区域化数据的量的步骤；以及所运算的量为既定值以下的血管区域的数据判断为噪声以进行去除，以生成校正后的三维形状血管数据的步骤。

2.根据权利要求1所述的对三维形状血管数据自动地进行区域化的方法，其特征在于，

进行了机器学习的所述区域化程序包括FCN算法。

3.根据权利要求2所述的对三维形状血管数据自动地进行区域化的方法，其特征在于，

进行了机器学习的所述区域化程序的FCN算法是，通过将三维医疗影像的轴向切片图像分别转换为位图图像，并对转换后的每个位图图像的血管区域进行标记，并将进行标记的每个位图图像转换为蒙版图像，以用作学习数据，并以转换后的所述位图图像和蒙版图像为一对进行学习的FCN算法。

4.根据权利要求3所述的对三维形状血管数据自动地进行区域化的方法，其特征在于，

进行了机器学习的所述区域化程序还包括GAN算法。

5.根据权利要求1至4中任一项所述的对三维形状血管数据自动地进行区域化的方法，其特征在于，

所述影像处理区域化程序的连接遗漏的血管区域的步骤为，将匹配的血管区域数据用作种子，利用区域生长算法针对三维医疗影像数据进行处理，连接三维形状的机器学习血管数据中遗漏的血管区域。

6.一种将患者的三维医疗影像数据自动地影像化为三维形状血管数据的计算机系统，其特征在于，

所述计算机系统包括处理器和存储器，所述存储器包括用于在所述处理器运行的应用程序，

所述应用程序包括机器学习区域化程序和影像处理区域化程序，

所述机器学习区域化程序对所输入的患者的三维医疗影像数据进行处理，生成三维形状的机器学习血管数据，三维形状的机器学习血管数据包括不是血管区域的至少一个噪声数据集和血管区域被遗漏的数据集，

所述影像处理区域化程序对所输入的三维医疗影像数据和所生成的三维形状的机器学习血管数据进行比较以对所输入的三维医疗影像数据的血管区域数据的坐标进行匹配，将匹配的血管区域数据的坐标用作种子，对三维医疗影像数据进行处理以连接三维形状的机器学习血管数据中遗漏的血管区域，运算连接的血管区域化数据的量，所运算的量为既定值以下的血管区域的数据判断为噪声以进行去除，以生成校正后的三维形状血管数据。