[发明专利]基于webgl的高适应性医学影像多平面重建方法及系统

权利要求书

1.一种基于webgl的高适应性医学影像多平面重建方法，其特征在于，包括以下步骤：

步骤S1：设置重建参数；

步骤S2：对输入的影像进行预处理，从而提取用户选择的目标器官的轮廓和感兴趣的区域；

步骤S3：利用深度学习网络进行图像分割；所述步骤S3中的图像分割指沿序列Z轴将相邻的9张二维切片图像堆叠为一张9通道的二维图像输入到深度学习网络中，得到预测结果为第5张切片图像对应的初步分割结果；再将所有初步分割结果堆叠起来，并重采样至原始图像尺寸，得到最终分割结果；

步骤S4：对用户选择的目标器官的轮廓和感兴趣的区域进行压缩；

步骤S5：对图像进行渲染，得到最终重建的二维医疗影像；所述步骤S5包括以下步骤：

步骤S51：根据分割后的图像序列，计算该序列在患者坐标系中的空间大小和位置，并对Z轴像素进行插值运算，得到与真实患者尺寸一致的体数据，并作为webgl的纹理数据写入GPU缓冲区；

步骤S52：根据重建平面的法向量和位置信息，对体数据所构成的长方体与平面进行几何运算，得到重建图像的物理形状和顶点信息；

步骤S53：根据重建图像的物理形状和顶点信息来计算webgl的模型矩阵、视图矩阵、正交投影矩阵；

步骤S54：根据纹理数据、平面形状和各变换矩阵进行图像渲染，得到最终重建的二维医疗影像。

2.根据权利要求1所述的基于webgl的高适应性医学影像多平面重建方法，其特征在于，所述步骤S1中的重建参数包括：器官组织名称、感兴趣区域和压缩比。

3.根据权利要求1所述的基于webgl的高适应性医学影像多平面重建方法，其特征在于，所述步骤S2中的预处理指对对于输入的影像进行图像灰度值规范化和去噪处理。

4.根据权利要求1所述的基于webgl的高适应性医学影像多平面重建方法，其特征在于，所述步骤S4中，对用户选择的目标器官的轮廓和感兴趣的区域进行压缩采用 jpeg2000方法。

5.一种基于webgl的高适应性医学影像多平面重建系统，其特征在于，包括：

重建参数设置交互模块：用于提供可视化列表给用户自主设置重建参数；

预处理模块：用于对输入的影像进行预处理，从而提取用户选择的目标器官的轮廓和感兴趣的区域；

图像分割模块：用于利用深度学习网络进行图像分割；所述图像分割指沿序列Z轴将相邻的9张二维切片图像堆叠为一张9通道的二维图像输入到深度学习网络中，得到预测结果为第5张切片图像对应的初步分割结果；再将所有初步分割结果堆叠起来，并重采样至原始图像尺寸，得到最终分割结果；

图像压缩模块：用于对用户选择的目标器官的轮廓和感兴趣的区域进行压缩；

图像重建模块：用于首先根据分割后的图像序列，计算该序列在患者坐标系中的空间大小和位置，并对Z轴像素进行插值运算，得到与真实患者尺寸一致的体数据，并作为webgl的纹理数据写入GPU缓冲区；其次根据重建平面的法向量和位置信息，对体数据所构成的长方体与平面进行几何运算，得到重建图像的物理形状和顶点信息；再次根据重建图像的物理形状和顶点信息来计算webgl的模型矩阵、视图矩阵、正交投影矩阵；最后根据纹理数据、平面形状和各变换矩阵进行图像渲染，得到最终重建的二维医疗影像。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的基于webgl的高适应性医学影像多平面重建方法的步骤。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于webgl的高适应性医学影像多平面重建方法的步骤。