[发明专利]一种基于体位识别的AI结构勾画方法及系统

权利要求书

1.一种基于体位识别的AI结构勾画方法，其特征在于，包括以下步骤：

构建用于识别矢状位图像的卷积神经网络；

基于所述卷积神经网络，通过采集三维医学图像，获取所述矢状位图像；

根据所述矢状位图像，识别体位以及所述体位对应的真实体位；

构建用于AI结构勾画的全卷积神经网络，其中，所述全卷积神经网络为U-net，利用体位为HFS的所述三维医学图像进行训练，在进行AI结构勾画的过程中，基于训练好的所述全卷积神经网络，通过获取所述真实体位对应的所述体位，将所述体位转换为HFS；根据所述结构，将体位转换后的所述三维医学图像进行分割，生成HFS对应的三维分割图像，将所述HFS对应的所述三维分割图像转换为所述真实体位对应的三维分割图像后，对Z方向上的每一层二维图像进行轮廓提取，生成所述结构的所述AI结构；

通过识别所述真实体位，获取所述体位对应的所述三维医学图像；

基于结构，根据所述全卷积神经网络以及所述体位对应的所述三维医学图像，进行AI结构勾画，其中，所述结构用于表示医学图像中医生感兴趣的区域。

2.根据权利要求1所述一种基于体位识别的AI结构勾画方法，其特征在于：

在构建卷积神经网络的过程中，所述卷积神经网络包括vgg16，resnet18中的一种或多种组合。

3.根据权利要求2所述一种基于体位识别的AI结构勾画方法，其特征在于：

在采集三维医学图像的过程中，所述三维医学图像包括8个所述体位为：HFS：头在前，仰卧；HFP：头在前，俯卧；FFS：脚在前，仰卧；FFP：脚在前，俯卧；HFDL：头在前，左侧卧；HFDR：头在前，右侧卧；FFDL：脚在前，左侧卧；FFDR：脚在前，右侧卧；

所述体位为HFS、HFP、FFS和FFP中的一种的三维医学图像的所述矢状位图像，用于表示过三维图像中心的x-z平面的图像；

所述体位为HFDL、HFDR、FFDL和FFDR中的一种的三维医学图像的所述矢状位图像，用于表示过三维图像中心的y-z平面的图像。

4.根据权利要求3所述一种基于体位识别的AI结构勾画方法，其特征在于：

在获取所述矢状位图像的过程中，将所述三维医学图像的平面图像拷贝三份，形成三通道图像，经归一化像素值、调整图像尺寸预处理后，输入到所述卷积神经网络中，预测该图像是矢状位的概率，并根据预测结果，生成所述矢状位图像。

5.根据权利要求4所述一种基于体位识别的AI结构勾画方法，其特征在于：

在识别体位和真实体位的过程中，如果所述矢状位图像是过三维图像中心的x-z平面的图像，则所述真实体位为识别的所述体位；如果所述矢状位图像是过三维图像中心的y-z平面的图像，则，

识别的所述体位为HFS，对应的所述真实体位为HFDL；

识别的所述体位为HFP，对应的所述真实体位为HFDR；

识别的所述体位为FFS，对应的所述真实体位为FFDL；

识别的所述体位为FFP，对应的所述真实体位为FFDR。

6.一种基于体位识别的AI结构勾画系统，其特征在于，包括：

矢状位识别模块，用于构建用于识别矢状位图像的卷积神经网络，并基于所述卷积神经网络，通过采集三维医学图像，获取所述矢状位图像；

体位识别模块，用于根据所述矢状位图像，识别体位以及所述体位对应的真实体位；

AI结构勾画模块，用于通过构建用于AI结构勾画的全卷积神经网络，识别所述真实体位，获取所述体位对应的所述三维医学图像；基于结构，根据所述全卷积神经网络以及所述体位对应的所述三维医学图像，进行AI结构勾画，其中，所述结构用于表示医学图像中医生感兴趣的区域，所述全卷积神经网络为U-net，利用体位为HFS的所述三维医学图像进行训练，在进行AI结构勾画的过程中，基于训练好的所述全卷积神经网络，通过获取所述真实体位对应的所述体位，将所述体位转换为HFS；根据所述结构，将体位转换后的所述三维医学图像进行分割，生成HFS对应的三维分割图像，将所述HFS对应的所述三维分割图像转换为所述真实体位对应的三维分割图像后，对Z方向上的每一层二维图像进行轮廓提取，生成所述结构的所述AI结构。