多模态MR图像的处理方法及装置、电子设备与流程
本技术涉及图像处理,尤其涉及一种多模态mr图像的处理方法及装置、电子设备。
背景技术:
1、脑部的异常区域(如脑肿瘤区域、脑出血区域等)的精准诊疗高度依赖于磁共振成像(magnetic resonance imaging,mri)数据的定量分析。开展定量分析之前,需要先获取异常区域的分割结果。
2、目前,主要依赖医生手动勾画来获取异常区域的范围,以使mri设备生成异常区域的分割结果。但是,手动勾画异常区域的范围来得到分割结果的方式效率较低。
技术实现思路
1、本技术提供了一种多模态mr图像的处理方法及装置、电子设备,可以解决异常区域的分割结果的获取效率较低的问题。所述的技术方案如下:
2、一方面,提供了一种多模态mr图像的处理方法,所述方法包括:
3、基于脑部的多模态mr图像,获取感兴趣区域(region of interest,roi);
4、基于所述roi,确定所述脑部中的异常区域的异常类型;
5、从多个分割模型中选择所述异常类型对应的目标分割模型;
6、采用所述目标分割模型处理所述roi,得到所述异常区域的分割结果。
7、可选的,所述多模态mr图像包括多个成像模态下的三维mr图像,所述三维mr图像包括沿第一方向排列的多个切片;基于脑部的多模态mr图像,获取感兴趣区域roi,包括:
8、响应于针对所述多个成像模态中任一成像模态下的多个切片中第一切片的勾画操作,确定所述roi的三维边界框在所述第一切片上的投影框的位置;
9、获取所述三维边界框的顶面在所述第一方向上的位置,以及底面在所述第一方向上的位置,所述第一方向垂直于所述切片所在平面,所述顶面和所述底面均平行于所述切片所在平面;
10、基于所述顶面的位置、所述底面的位置和所述投影框的位置,获取所述三维边界框的位置;
11、基于所述三维边界框的位置和所述多模态mr图像,获取所述roi。
12、可选的,获取所述三维边界框的顶面在第一方向上的位置,以及底面在所述第一方向上的位置,包括:
13、基于所述第一切片中的第一子切片与各个第二切片中的第二子切片的相似度,获取所述三维边界框的顶面在第一方向上的位置,以及底面在所述第一方向上的位置;
14、其中,所述第二切片为所述任一成像模态下的多个切片中除所述第一切片之外的切片;所述第一子切片位于所述投影框内,各个所述第二子切片位于所属的所述第二切片的目标框内;各个所述目标框在所述第一切片上的投影位置为所述投影框的位置。
15、可选的,基于所述第一切片中的第一子切片与各个所述第二切片中的第二子切片的相似度,获取所述三维边界框的顶面在第一方向上的位置,以及底面在所述第一方向上的位置,包括:
16、以所述第一切片为起点,分别沿所述第一方向和第二方向遍历所述第二切片,其中,所述第二方向与所述第一方向相反;
17、对于遍历到的各个所述第二切片,基于所述投影框的位置,从所述第二切片中获取第二子切片,并确定所述第二子切片与所述第一子切片的相似度;
18、将沿所述第一方向遍历到的首个相似度小于相似度阈值的所述第二切片在所述第一方向上的位置,确定为所述底面在所述第一方向上的位置;
19、将沿所述第二方向遍历到的首个相似度小于所述相似度阈值的第二切片在所述第一方向上的位置,确定为所述顶面在所述第一方向上的位置。
20、可选的,所述方法还包括:
21、在所述异常区域的异常类型为脑肿瘤的情况下,确定脑肿瘤区域的肿瘤类型。
22、可选的,确定脑肿瘤区域的肿瘤类型,包括:
23、将所述roi和所述分割结果输入至肿瘤分类模型,得到所述肿瘤分类模型输出的脑肿瘤区域的肿瘤类型。
24、可选的,基于所述roi,确定所述脑部中的异常区域的异常类型,包括:
25、将所述roi输入至异常区域分类模型,得到所述异常区域分类模型输出的异常区域的异常类型。
26、另一方面,提供了一种多模态mr图像的处理装置,所述装置包括:
27、roi获取模块,用于基于脑部的多模态mr图像,获取感兴趣区域roi;
28、异常分类模块,用于基于所述roi,确定所述脑部中的异常区域的异常类型;
29、自适应选择模块,用于从多个分割模型中选择所述异常类型对应的目标分割模型;
30、分割模块,用于采用所述目标分割模型处理所述roi,得到所述异常区域的分割结果。
31、可选的,所述多模态mr图像包括多个成像模态下的三维mr图像,所述三维mr图像包括沿第一方向排列的多个切片。roi获取模块可以包括:
32、交互单元,用于响应于针对所述多个成像模态中任一成像模态下的多个切片中第一切片的勾画操作,确定所述roi的三维边界框在所述第一切片上的投影框的位置;
33、第一获取单元,用于获取所述三维边界框的顶面在第一方向上的位置,以及底面在所述第一方向上的位置,所述第一方向垂直于所述切片所在平面,所述顶面和所述底面均平行于所述切片所在平面;
34、第二获取单元,用于基于所述顶面的位置、所述底面的位置和所述投影框的位置,获取所述三维边界框的位置;
35、第三获取单元,用于基于所述三维边界框的位置和所述多模态mr图像,获取所述roi。
36、又一方面,提供了一种电子设备,所述电子设备包括: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,所述处理器执行所述计算机程序时,实现如上述方面所述的多模态mr图像的处理方法。
37、再一方面,提供了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,实现如上述方面所述的多模态mr图像的处理方法。
38、再一方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如上述方面所述的多模态mr图像的处理方法。
39、本技术提供的方案所带来的有益效果至少包括:
40、本技术提供了一种多模态mr图像的处理方法及装置、电子设备,该方法能基于脑部的多模态mr图像获取roi,并基于roi确定脑部中的异常区域的异常类型,以及从多个分割模型中选择异常类型对应的目标分割模型,从而采用目标分割模型处理该roi,得到异常区域的分割结果。本技术提供的方法,无需人工勾画来获取异常区域的分割结果,因此提高了分割结果的获取效率,且可以避免因人工经验不足或失误导致的分割结果错误的问题。并且,能够先获取异常区域的异常类型,再根据异常类型来选择适配的、针对性较强的目标分割模型,并采用专门针对该异常类型的分割模型进行异常区域分割,因此可以有效提高异常区域的分割结果的精度。
41、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com