[发明专利]一种关节疾病的医学影像的动态分割方法

说明书

本发明提供了一种关节疾病的医学影像的动态分割方法。获取待识别的患者关节医学影像，并进行关节三维模型重建，生成关节三维模型；通过预设的关节识别特征网络，对关节三维模型进行特征点识别，并进行特征点标记；将特征点标记作为动态分割基准点，通过动态分割基准点，进行关节自动动态分割。本发明可以对患者的医学影像进行处理，进而进行疾病识别，同时生成的三维模型可以显示生物的生物组织和患者的关节连接状况，相对于现有技术中的自动分割方法，本发明进行图像分割更加智能化，可以根据具体的疾病，具体的关节进行对应的分割处理，更加清晰的显示病变位置。

技术领域

本发明涉及关节疾病的动态分割识别技术领域，特别涉及一种关节疾病的医学影像的动态分割方法。

背景技术

目前，医学影像分割技术从之前的大津阈值法、分水岭法、GraphCut以及基于活动轮廓的一些方法逐渐被性能更好、泛化能力更强的深度学习方法所取代。但是目前医学影像分割领域依旧存在一些难点，首先，训练医学影像分割模型时医学影像的数据量不足；其次，医学影像中的待分割目标尺度差异较大，模型难以精确识别，最后，现有医学影像中大部分关节较为模糊且易与其他关节混淆，模型不易识别。在专利文件202211141687.1提出一种骨骼分割方法，但是其要只是确定了空间比例和边框，在进行分割的时候，难以精确到组织程度，也无法根据不同的疾病实现动态分割。

发明内容

本发明提供一种关节疾病的医学影像的动态分割方法，用以解决医学影像中的待分割目标尺度差异较大，模型难以精确识别，最后，现有医学影像中大部分关节较为模糊且易与其他关节混淆，模型不易识别的情况。

本发明为一种关节疾病的医学影像的动态分割方法，包括：

获取待识别的患者关节医学影像，并进行关节三维模型重建，生成关节三维模型；

通过预设的关节识别特征网络，对关节三维模型进行特征点识别，并进行特征点标记；

将特征点标记作为动态分割基准点，通过动态分割基准点，进行关节自动动态分割。

作为本发明的一种实施例：所述方法还包括：

获取患者关节医学影像；

对患者关节医学影像进行识别处理，进行关节部位标记；

通过阈值分割方法获得与关节部位标记相对应的关节部位图像；

对关节部位图像进行边缘检测，得到关节部位的边缘点云；

基于边缘点云，生成患者关节的点云影像轮廓。

作为本发明的一种实施例：所述关节三维模型重建包括：

对点云影像轮廓进行特征提取，并基于预设的待填充关节三维模型，得到多个待重建模型的匹配点集合；其中，

特征提取包括：关节面特征提取、关节囊特征提取、关节腔特征提取；

根据匹配点集合，在三维建模坐标系中的坐标，生成患者关节特征数据的匹配填充坐标数据；

基于匹配填充坐标数据，通过对极约束算法，得到患者关节数据集填充的数据填充标记矩阵；

基于数据填充标记矩阵，对点云影像轮廓进行点云数据填充，生成点云模型；

通过点云模型，进行三维点云转化，生成关节三维模型。

作为本发明的一种实施例：所述方法还包括：

建立用于提取关节特征的目标识别网络，并对网络中的关节轮廓特征和关节部位特征进行融合；

对目标的患者关节医学影像进行特征提取，生成融合特征图，通过目标识别网络对融合特征图识别，得到患者关节医学影像下的目标位置与类别确定；