影像数据处理方法、计算机设备和存储介质与流程

1.本技术涉及医疗技术领域，特别是涉及一种影像数据处理方法、计算机设备和存储介质。


背景技术：

2.器官肿瘤切除是常见的医疗技术手段，例如，肝肿瘤切除、肺肿瘤(肺癌)切除等。一般的，肿瘤切除涉及到两个方面的技术难点，一方面，需要基于血管、器官以及病灶空间位置关系进行三维重建；另一方面，实际的肿瘤切除手术存在较大的风险，肿瘤切除方案具有十分关键的作用。
3.示例性地，在肝肿瘤手术切除的场景下，对血管、肝段以及病灶空间位置关系进行三维重建，传统的血管、肝段和病灶的三维重建方法，是通过用户纯手工和半自动的方法对肝部影像中血管和肝段部分进行逐帧勾勒，例如，需要依据肝静脉和门静脉血管走向来进行肝段的勾勒。
4.上述基于人工对肿瘤进行勾勒提取图像特征的方法效率低下且具有局限性，无法为肿瘤切除手术提供可靠的数据支撑。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够为切除手术提供数据支撑的影像数据处理方法、计算机设备和存储介质。
6.第一方面，本技术提供了一种影像数据处理方法。方法包括：
7.将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果；医学影像数据中包括器官、血管和病灶；
8.根据各分割结果进行三维重建，得到重建图像；重建图像中包括器官、血管和病灶；
9.基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。
10.在其中一个可选的实施例中，基于重建图像构建病灶的曲面模型，包括：
11.基于重建图像中病灶的位置，确定器官上的病灶对应的待处理区域；
12.在待处理区域中设定至少三个初始控制点，并基于至少三个初始控制点，生成曲面模型。
13.在其中一个可选的实施例中，在待处理区域中设定至少三个初始控制点，并基于至少三个初始控制点，生成曲面模型，包括：
14.根据至少三个初始控制点生成初始平面模型；
15.根据预设的旋转方向、旋转位移以及初始平面模型的分辨率，对初始平面模型进行旋转和平移操作，获取在旋转和平移操作过程中初始平面模型对应的目标控制点；
16.根据目标控制点和曲面重建算法，生成曲面模型。
17.在其中一个可选的实施例中，该方法还包括：
18.获取曲面模型的各体素点与待切除区域中对应的体素点之间距离；
19.若距离处于预设距离阈值范围之外，则对曲面模型进行调整，得到调整之后的曲面模型；
20.基于曲面模型对病灶进行模拟切除，包括：
21.基于调整之后的曲面模型对病灶进行模拟切除。
22.在其中一个可选的实施例中，对曲面模型进行调整，得到调整之后的曲面模型，包括：
23.调整目标控制点的位置，使得目标控制点与待切除区域中对应的体素点的距离处于距离阈值范围之内；
24.根据调整之后的目标控制点和曲面重建算法，生成调整之后的曲面模型。
25.在其中一个可选的实施例中，对曲面模型进行调整，得到调整之后的曲面模型，包括：
26.基于体素点确定曲面模型中预设半径范围内的目标区域；目标区域包含体素点；
27.根据目标区域的分辨率，获取目标区域的多个候选控制点；
28.调整候选控制点的位置，使得各候选控制点与待处理区域中对应的体素点的距离处于距离阈值范围之内；
29.根据调整之后的多个候选控制点和曲面重建算法，得到调整之后的曲面模型。
30.在其中一个可选的实施例中，医学影像数据包括静脉期影像数据和动脉期影像数据；将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果，包括：
31.将动脉期影像数据输入至第一血管分割模型中，得到动脉血管分割结果；
32.将静脉期影像数据输入至第二血管分割模型中，得到静脉血管分割结果；
33.将静脉期影像数据和静脉血管分割结果输入至器官分割模型中，得到器官分割结果；
34.将动脉期影像数据和静脉期影像数据输入至病灶分割模型中，得到病灶分割结果。
35.在其中一个可选的实施例中，器官分割模型包括第一器官分割子模型和第二器官分割子模型；将静脉期影像数据和静脉血管分割结果输入至器官分割模型中，得到器官分割结果，包括：
36.将静脉期影像数据输入第一器官分割子模型中，得到第一器官的分割结果；
37.将静脉血管分割结果、第一器官的分割结果和静脉期影像数据输入至第二器官分割子模型中，得到第二器官的分割结果；第一器官中包括第二器官。
38.在其中一个可选的实施例中，根据各分割结果进行三维重建，得到重建图像，包括：
39.基于静脉期影像数据、动脉期影像数据和图像配准算法，对动脉血管分割结果进行配准，得到配准之后的动脉血管分割结果；
40.根据配准之后的动脉血管分割结果、静脉血管分割结果、病灶分割结果以及第二器官的分割结果进行三维重建，得到重建图像。
41.在其中一个可选的实施例中，基于静脉期影像数据、动脉期影像数据和图像配准
算法，对动脉血管分割结果进行配准，得到配准之后的动脉血管分割结果，包括：
42.将静脉期影像数据作为参考图像、将动脉期影像数据作为浮动图像，确定静脉期影像数据与动脉期影像数据之间的配准转换矩阵；
43.将动脉血管分割结果映射到配准转换矩阵中，得到配准之后的动脉血管分割结果。
44.在其中一个可选的实施例中，该方法还包括：
45.基于曲面模型对病灶进行模拟切除，得到被切除区域和剩余区域；
46.根据被切除区域和剩余区域，确定器官的量化信息；量化信息用于表示剩余区域与器官整体区域的体积比。
47.第二方面，本技术还提供了一种影像数据处理装置。装置包括：
48.分割模块，用于将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果；医学影像数据中包括器官、血管和病灶；
49.三维重建模块，用于根据各分割结果进行三维重建，得到重建图像；重建图像中包括器官、血管和病灶；
50.模拟模块，用于基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。
51.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所提供的影像数据处理方法。
52.第四方面，本技术还提供了一种计算机可读存储介质。所述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第一方面所提供的影像数据处理方法。
53.第五方面，本技术还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，该计算机程序被处理器执行时实现第一方面所提供的影像数据处理方法。
54.上述影像数据处理方法、装置、计算机设备和存储介质，计算机设备将包括器官、血管和病灶的医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果，根据各分割结果进行三维重建，得到包括器官、血管和病灶的重建图像，基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。在本方案中，计算机设备首先基于器官、血管和病灶分别对应的分割模型得到各个分割模型对应的分割结果，基于各个分割结果进行三维重建处理得到重建图像，重建图像包括器官、血管和病灶之间的空间位置关系，不需要用户对器官、血管、病灶进行特征手动勾勒，减少了三维重建图像的时间，此外，基于重建图像构建病灶区域的曲面模型，可以基于曲面模型直观地观察病灶，并确定曲面模型的位置、方向、大小等，从而基于曲面模型进行病灶的模拟切除更为精确，基于模拟切除得到的模拟切除方案可为用户的病灶切除操作提供有效的数据支撑，进一步地提高了病灶切除的效率和准确率。
附图说明
55.图1为一个实施例中影像数据处理方法的应用环境图；
56.图2为一个实施例中影像数据处理方法的流程示意图；
57.图3为另一个实施例中影像数据处理方法的流程示意图；
58.图4为另一个实施例中影像数据处理方法的流程示意图；
59.图5为一个实施例中控制点所形成的平面示意图；
60.图6为另一个实施例中影像数据处理方法的流程示意图；
61.图7为一个实施例中影像数据处理方法中初步切割平面的示意图；
62.图8为一个实施例中影像数据处理方法中调整定位切割曲面模型的示意图；
63.图9为一个实施例中影像数据处理方法中曲面切割示意图；
64.图10为另一个实施例中影像数据处理方法的流程示意图；
65.图11为另一个实施例中影像数据处理方法的流程示意图；
66.图12为一个实施例中影像数据处理方法中分割流程示意图；
67.图13为另一个实施例中影像数据处理方法的流程示意图；
68.图14为一个实施例中器官、血管和病灶三维重建结果示意图；
69.图15为另一个实施例中影像数据处理方法的流程示意图；
70.图16为另一个实施例中影像数据处理方法的流程示意图；
71.图17为另一个实施例中影像数据处理方法的流程示意图；
72.图18为一个实施例中影像数据处理装置的结构框图；
73.图19为另一个实施例中影像数据处理装置的结构框图。
具体实施方式
74.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
75.本实施例中提供的影像数据处理方法可以适用于任意器官或任意部位对应的病灶模拟切除场景。本实施例以病灶为肝肿瘤为例来说明。
76.恶性肝肿瘤是近年来发病率和致死率都居高不下的肝脏疾病。肝肿瘤手术切除是治疗肝肿瘤的主要手段。在针对肝肿瘤切除的技术中，一方面需要精确的重建出血管、肝段以及肝肿瘤空间位置之间的关系；另一方面需要精确的把握肝肿瘤距离血管的切除空间，确定肝肿瘤切除的模拟路径。
77.传统的血管、肝段和肝肿瘤的三维重建，通过用户纯手工和半自动的方法对肝部影像图像进行逐帧勾勒，特别针对于血管和肝段的特征勾勒，由于肝段的勾勒是依据肝静脉和门静脉血管走向来划分，因此人工对肝段内进行沟通效率比较低。半自动化方法包括基于阈值分割、区域增长、图谱等方法可以提高三维重建的效率，但这些方法均需要进行人工提取图像特征，具有局限性。
78.因此，本实施例提出一种影像数据处理方法，基于深度学习网络技术，实现肝脏、血管和病灶的精确分割，从而基于分割结果构建肝脏、血管和病灶的三维重建图像，并基于肝脏、血管和病灶的三维重建图像构建病灶区域的曲面模型，基于曲面模型可以直观的观察病灶的位置，从而实现病灶的精准模拟切除。本实施例提供的影像数据处理方法可以为医生提供充分的手术规划依据，通过自动精确三维重建和精确的手术规划很大程度地节约医生手术时间，提高病灶切除的效率和准确性。
79.本技术实施例提供的影像数据处理方法，可以应用于如图1所示的应用环境中。在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种影像数据处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
80.本领域技术人员可以理解，图1中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
81.在一个实施例中，如图2所示，提供了一种影像数据处理方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
82.步骤201，将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果；医学影像数据中包括器官、血管和病灶。
83.其中，医学影像数据可以为增强电子计算机断层扫描(computed tomography，ct)序列图像、磁共振(magnetic resonance，mr)影像或者其他模态的医学影像，示例性地，以器官为肝脏、病灶为肝肿瘤为例来说明，计算机设备可以获取腹部增强ct序列图像，根据腹部增强ct序列图像中每个图像的属性值分为不同期相数据，基于影像图像特征和期相属性，确定医学影像数据中的静脉期影像数据和动脉期影像数据。相应地，分割模型可以包括静脉血管分割模型、动脉血管分割模型、肝脏分割模型、肝段分割模型、肝肿瘤分割模型等等。当然，若器官为肺部、病灶可以为肺结节，医学影像数据可以为胸部增强ct序列图像，那么相应地，分割模型可以包括静脉血管分割模型、动脉血管分割模型、肺叶段分割模型、气管分割模型、肺结节分割模型等等。
84.在本实施例中，计算机设备将器官对应的医学影像数据输入至不同的分割模型中，得到不同分割模型对应的分割结果。示例性地，以器官为肝脏、病灶为肝肿瘤为例来说明，将医学影像数据输入至静脉血管分割模型中，可以得到静脉血管分割结果；将医学影像数据输入至动脉血管分割模型中，可以得到动脉血管分割结果；将医学影像数据输入至肝脏分割模型中，可以得到肝脏分割结果；将医学影像数据输入至肝段分割模型中，可以得到肝段分割结果；将医学影像数据输入至肝肿瘤分割模型中，可以得到肝肿瘤分割结果等，本实施例对此不做限定。
85.步骤202，根据各分割结果进行三维重建，得到重建图像；重建图像中包括器官、血管和病灶。
86.在本实施例中，计算机设备在得到基于不同分割模型输出的分割结果之后，基于各个分割结果进行三维重建处理，从而得到包括各个分割结果在内的重建图像，其中，计算机设备可以利用vtk医学三维重建技术对分割结果进行三维重建。可选地，基于重建图像还
可以得到片层二维可视化图像，本实施例对此不做限定。
87.以上述器官为肝脏、病灶为肝肿瘤来举例说明，计算机设备将基于不同的分割模型得到的静脉血管分割结果、动脉血管分割结果、肝脏分割结果、肝段分割结果以及肝肿瘤分割结果进行三维重建处理，得到包含静脉血管、动脉血管、肝脏、肝段、肝肿瘤之间关系的三维可视化重建图像，本实施例对此不做限定。
88.步骤203，基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。
89.在本实施例中，重建图像中包含了器官、血管与病灶之间的空间位置关系，计算机设备在得到重建图像之后，可以基于重建图像确定病灶的位置信息，从而构建病灶所在区域对应的曲面模型。其中，曲面模型的构建算法可以基于重建图像中病灶所在区域的体素点确定病灶所在区域的曲线，从而基于曲线进行曲面模型的建模，本实施例对此不做限定。
90.在针对病灶所在区域进行曲面建模之后，计算机设备可以将包含曲面模型的重建图像输入至切除模拟软件中，对曲面模型对应的待处理区域进行模拟切除处理，并获取模拟切除处理过程中的切除方向、切除角度、切除路径等信息，在完成模拟切除之后，还可以获取该器官对应的切除体积和剩余体积等信息，从而确定该器官的病灶模拟切除方案。可选地，计算机设备通过切除模拟软件，利用调整好的曲面模拟手术刀基于病灶对应的曲面模型进行切除，以更适应性的贴合曲面模型的空间形状，本实施例对此不做限定。
91.上述影像数据处理方法中，计算机设备将包括器官、血管和病灶的医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果，根据各分割结果进行三维重建处理，得到包括器官、血管和病灶的重建图像，基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。在本方案中，计算机设备首先基于器官、血管和病灶分别对应的分割模型得到各个分割模型对应的分割结果，基于各个分割结果进行三维重建处理得到的重建图像，重建图像中包括器官、血管和病灶之间的空间位置关系，不需要用户对器官、血管、病灶进行特征手动勾勒，减少了重建图像的时间，此外，基于重建图像构建病灶区域的曲面模型，可以基于曲面模型直观地观察病灶，并确定曲面模型的位置、方向、大小等，从而基于曲面模型进行病灶的模拟切除更为精确，基于模拟切除得到的模拟切除方案可为用户的病灶切除操作提供有效的数据支撑，进一步地提高了病灶切除的效率和准确率。
92.在计算机设备得到重建图像之后，可以基于预设的曲面构建算法来确定重建图像中病灶区域对应的曲面模型在其中一个可选的实施例中，如图3所示，基于重建图像构建病灶的曲面模型，包括：
93.步骤301，基于重建图像中病灶的位置，确定器官上的病灶对应的待处理区域。
94.在本实施例中，计算机设备在得到包括器官、血管和病灶的重建图像之后，基于重建图像中病灶的空间位置，在重建图像中器官上，确定病灶对应的待处理区域，也即，确定重建图像中的待处理区域。以器官为肝脏、病灶为肝肿瘤来举例说明，计算机设备通过肝脏、血管和肝肿瘤的三维可视化重建图像，确定三维可视化重建图像中肝肿瘤在肝脏上的位置，基于肝肿瘤在肝脏上的位置进一步确定肝肿瘤在三维可视化重建图像中肝段上的位置，从而确定三维可视化重建图像中肝肿瘤所在肝段作为待处理区域。
95.步骤302，在待处理区域中设定至少三个初始控制点，并基于至少三个初始控制
点，生成曲面模型。
96.在本实施例中，仍然以器官为肝脏、病灶为肝肿瘤来举例说明，计算机设备在得到包含肝肿瘤所在肝段的待处理区域之后，基于该待处理区域确定至少三个初始控制点，这里确定控制点的目的在于生成一个初始平面，因此，初始控制点的个数可以为三个。可选地，计算机设备可以在待处理区域对应的空间位置确定初始控制点，也可以通过与用户交互获取用户确定的初始控制点。示例性地，计算机设备可以通过三个初始控制点构建初始平面，从而根据初始平面围绕待处理区域进行旋转、平移等操作，形成待处理区域对应的曲面模型。另外，计算机设备还可以将初始控制点的位置输入至预设曲面构建模型中，从而得到待处理区域对应的曲面模型，本实施例对此不做限定。
97.在本实施例中，计算机设备可以基于器官、血管和病灶的重建图像构建包含病灶区域的曲面模型，从而计算机设备可以基于曲面模型进行病灶模拟切除，为病灶切除方案提供了有效的数据支撑，并且，曲面模型可以十分直观地反应并在的位置和空间状态，提高病灶切除的准确性。
98.计算机设备基于初始控制点生成曲面模型的其中一种具体的实现方法为，在其中一个可选的实施例中，如图4所示，在待处理区域中设定至少三个初始控制点，并基于至少三个初始控制点，生成曲面模型，包括：
99.步骤401，根据至少三个初始控制点生成初始平面模型。
100.在本实施例中，以初始控制点的数量为三个来举例说明，计算机设备可以获取三个初始控制点的空间坐标，例如，三个初始控制点a、b、c的空间坐标分别a(x0，y0，z0)、b(x1，y1，z1)、c(x2，y2，z2)，计算机设备将a、b、c的空间坐标a(x0，y0，z0)、b(x1，y1，z1)、c(x2，y2，z2)输入到预设的平面模型的隐函数中建模，得到初始控制点对应的初始平面模型。其中，预设的平面模型可以为平行四边形模型，也可以为三角形模型。
101.步骤402，根据预设的旋转方向、旋转位移以及初始平面模型的分辨率，对初始平面模型进行旋转和平移操作，获取在旋转和平移操作过程中初始平面模型对应的目标控制点。
102.在本实施例中，计算机设备在得到初始平面模型之后，将a作为初始平面模型的原点，a、b和c作为初始平面模型顶点，向量和的夹角用于表征初始平面模型的大小，ab和bc分别作为初始平面模型边长分别作为初始平面模型所在坐标系的x、y方向轴。计算机设备可以通过三个初始控制点a、b、c确定其对应的质心点q，通过对质心点q进行调节，对初始平面模型实现以旋转方向、旋转位移进行旋转和平移的操作。其中，质心点q的空间坐标为q(xm，ym，zm)，xm为a、b、c在x轴坐标的平均值；ym为a、b、c在y轴坐标的平均值；zm为a、b、c在z轴坐标的平均值，其中，a、b、c形成的平面图可参考图5所示，图中同时也给出了q点的示意位置。以四边形为例，基于a、b、c确定q点，再以q为平移旋转的坐标原点建立坐标系。
103.具体地，在旋转过程中，计算机设备以q作为初始平面模型平移和旋转操作所对应的直角坐标系的原点，根据向量和求出初始平面模型的法向量在初始平面模型内任意选取两个方向向量满足：以分别作为直角坐标系的x、y和z方向，计算机设备按照预设的平移步进，分别沿着x或者y或者z方向将初始平面模型平移一段位移，直到初始平面模型到达待处理区域的边界；计算机设备按照预设的旋转步进，
分别绕着x或者y或者z方向将初始平面模型旋转一段位移，直到初始平面模型到达待处理区域的边界。
104.计算机设备对初始平面模型旋转平移形成切割平面模型进行上述旋转、平移处理之后，获取经过旋转、平移处理的切割平面模型，基于切割平面模型确定平面模型分辨率大小，从而确定目标控制点。其中，平面模型的分辨率的确定方法包括确定平面模型在x和y方向上分别确定n-1个间隔等距离段，从而确定n*n的网格，计算机设备在确定网格之后，确定网格中各个顶点为目标控制点。例如，计算机设备在x和y方向上分别确定3个间隔等距离段，生成4*4的网格，基于4*4的网格确定网格中的16个顶点为目标控制点。当然，分辨率可以为n*n，这里n可以为2、3、4、5等大于1小于m的正整数，相应的候选控制点的个数为n2，这里m可以基于曲面模型的体积确定。
105.步骤403，根据目标控制点和曲面重建算法，生成曲面模型。
106.在本实施例中，计算机设备在确定目标控制点之后，将目标控制点输入至曲面模型的隐函数中，基于曲面重建算法建模生成曲面模型，可选地，本实施例中的曲面重建算法可以为bezier曲面重建算法。
107.在本实施例中，计算机设备可以基于重建图像中待处理区域的目标控制点生成待处理区域对应的曲面模型，曲面模型可以直观地体现待处理区域的空间位置，从而提高基于曲面模型进行模拟切除的准确性。
108.在构建病灶区域对应的曲面模型的过程中，还可以直观地对曲面模型进行调整，以得到更为准确的曲面模型，在其中一个可选的实施例中，如图6所示，该方法还包括：
109.步骤501，获取曲面模型的各体素点与待切除区域中对应的体素点之间距离。
110.在本实施例中，计算机设备在构建好的曲面模型之后，计算机设备可以根据曲面模型与重建图像之间的对应关系，获取曲面模型中各个体素点与重建图像中待切除区域中对应的体素点之间的距离，例如，计算机设备获取曲面模型中的体素点w，获取待切除区域中与体素点w对应的体素点w’，基于体素点w的坐标和体素点w’的坐标，计算机设备确定这两个像素点之间的距离，其中，体素点w’为体素点w到待切除区域空间距离最短的位置所对应的像素点。可选地，计算机设备可以计算这两个像素点之间的欧式距离、空间距离、或者映射在某一平面的映射距离，本实施例对此不做限定。以器官为肝脏、病灶为肝肿瘤为例来说明，参考图7所示，图7给出了一种肝肿瘤曲面模型对应的初始平面示意图，在构建肝肿瘤曲面模型的初始平面的之后，还未对肝肿瘤进行切除，因此，图7中肝脏体积liver volume仍为原始体积，例如，肝脏体积为1281.437cm3，切除肝脏体积为0cm3，此时残肝体积(剩余肝脏体积)为1281.437cm3，残肝比为100％。在图7中右侧三副图中给出了不同视角下的初始平面示意图。
111.步骤502，若距离处于预设距离阈值范围之外，则对曲面模型进行调整，得到调整之后的曲面模型。
112.在本实施例中，计算机设备若确定曲面模型中体素点与重建图像中待切除区域中对应的体素点之间的距离处于预设距离阈值范围之外，则确定曲面模型并非最优化形状，在这种情况下，计算机设备可以对曲面模型进行调整，从而使得曲面模型更贴合病灶区域。其中，预设距离范围可以为[5mm,20mm]。可选地，计算机设备对曲面模型进行调整可以通过调整曲面模型中体素点的位置来调整曲面模型；或者，基于曲面模型中的几个体素点形成
的平面对曲面模型进行调整。以器官为肝脏、病灶为肝肿瘤为例来说明，计算机设备进行曲面调整的示意图可参考图8所示，图8给出了一种通过控制点调节曲面模型过程中或调节之后的曲面模型示意图，在通过控制点调节曲面模型过程中或者调节之后，还未对肝肿瘤进行切除，因此，图8中肝脏体积liver volume仍为原始体积，例如，肝脏体积为1281.437cm3，切除肝脏体积为0cm3，此时残肝体积(剩余肝脏体积)为1281.437cm3，残肝比为100％。在图8中左侧图中包括曲面模型、调节之后的平面以及平面中的控制点，右侧三副图中给出了不同视角下的调节之后的平面示意图。
[0113]
步骤503，基于调整之后的曲面模型对病灶进行模拟切除。
[0114]
在本实施例中，计算机设备在得到调整之后的曲面模型后，基于调整之后的曲面模型对病灶区域进行模拟切除，可选地，计算机设备可以基于模拟切除软件对病灶区域进行模拟切除，得到器官中被切除区域和剩余区域。以器官为肝脏、病灶为肝肿瘤为例来说明，进行模拟切除的示意图可参考图9所示，图9给出了一种肝肿瘤切除操作之后的示意图，图9中肝脏体积liver volume为1281.437cm3，切除肝脏体积为296.608cm3，此时残肝体积(剩余肝脏体积)为984.829cm3，残肝比为76.853％。在图9中左侧图中包括曲面模型(切除区域)和曲面模型对应的平面的控制点，右侧三副图中给出了不同视角下的切除区域的示意图，本实施例对此不做限定。
[0115]
在本实施例中，计算机设备可以基于曲面模型的像素点进行曲面模型的调整，使得曲面模型更贴合病灶区域位置，从而提高基于曲面模型进行模拟切除的准确性。
[0116]
计算机设备对曲面模型进行调整，可以直接基于曲面模型中的像素点进行调整，在其中一个可选的实施例中，如图10所示，对曲面模型进行调整，得到调整之后的曲面模型，包括：
[0117]
步骤601，调整目标控制点的位置，使得目标控制点与待切除区域中对应的体素点的距离处于距离阈值范围之内。
[0118]
在本实施例中，计算机设备可以获取目标控制点的坐标，计算各个目标控制点与其对应的待切除区域的体素点之间的距离，若目标控制点与其对应的待切除区域的体素点之间的距离处于距离阈值范围之外，则按照一定的调整步进，调整目标控制点的位置，使得目标控制点与其对应的待切除区域的体素点之间的距离处于距离阈值范围之内，从而得到调整位置之后的目标控制点，例如，在曲面模型所在的三维坐标系中，按照预设调整步进，调整目标控制点的位置，使得目标控制点与其对应的待切除区域的体素点之间的距离处于距离阈值范围之内，其中预设调整步进可以为0.1mm、0.5mm、1mm等。
[0119]
步骤602，根据调整之后的目标控制点和曲面重建算法，生成调整之后的曲面模型。
[0120]
在本实施例中，计算机设备将调整之后的目标控制点输入至曲面构建模型中，得到调整之后的曲面模型。示例性地，计算机设备将调整之后的目标控制点输入至曲面模型隐函数中建模从而生成曲面模型，其中，曲面重建技术可以为bezier曲面重建技术，本实施例对此不做限定。
[0121]
在本实施例中，计算机设备通过调整目标控制点的位置，调整目标控制点与其对应的待切除区域的体素点之间的距离，从而使得目标控制点与其对应的待切除区域的体素点之间的距离处于距离阈值范围之内，使得病灶区域对应的曲面模型更为准确。
[0122]
进一步地，计算机设备可以精细化调整粒度，在其中一个可选的实施例中，如图11所示，对曲面模型进行调整，得到调整之后的曲面模型，包括：
[0123]
步骤701，基于体素点确定曲面模型中预设半径范围内的目标区域；目标区域包含体素点。
[0124]
在本实施例中，计算机设备可以在曲面模型中确定某个像素点，基于该像素点确定预设半径范围内的目标区域，示例性地，预设半径可以为5mm、10mm、20mm，预设半径的范围可以为[5mm,20mm]，从而计算机设备基于该像素点和预设半径范围确定目标区域。
[0125]
步骤702，根据目标区域的分辨率，获取目标区域的多个候选控制点。
[0126]
在本实施例中，计算机设备在确定目标区域之后，根据预设的分辨率，确定该目标区域的分辨率网格，例如，预设分辨率为4*4，那么在该目标区域中生成4*4的网格，基于4*4的网格，确定网格中的16个顶点为候选控制点。当然，分辨率可以为n*n，这里n可以为2、3、4、5等大于1小于m的正整数，相应的候选控制点的个数为n2，这里m可以基于曲面模型的体积确定。
[0127]
步骤703，调整候选控制点的位置，使得各候选控制点与待处理区域中对应的体素点的距离处于距离阈值范围之内。
[0128]
在本实施例中，在确定候选控制点之后，计算机设备获取各个候选控制点的坐标，确定其与待处理区域中对应的体素点的距离，与上述步骤601中类似的，计算机设备可以按照一定的调整方向和调整步进，例如，在曲面模型所在的三维坐标系中，按照某一维的方向，按照预设调整步进，调整候选控制点，使得候选控制点与其对应的待切除区域的体素点之间的距离处于距离阈值范围之内，其中预设调整步进可以为0.1mm、0.5mm、1mm等]。
[0129]
步骤704，根据调整之后的多个候选控制点和曲面重建算法，得到调整之后的曲面模型。
[0130]
在本实施例中，计算机设备将调整之后的候选控制点输入至曲面构建模型中，得到调整之后的曲面模型。示例性地，计算机设备将调整之后的候选控制点输入至曲面模型隐函数中建模从而生成曲面模型，其中，曲面重建技术可以为bezier曲面重建算法，本实施例对此不做限定。
[0131]
在本实施例中，计算机设备还可以通过选取曲面内的目标区域，基于目标区域中的候选控制点对曲面模型进行进一步地局部调节，使得得到的病灶区域对应的曲面模型更准确。
[0132]
在其中一个可选的实施例中，医学影像数据包括静脉期影像数据和动脉期影像数据；将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果，包括以下分支：
[0133]
分支一：将动脉期影像数据输入至第一血管分割模型中，得到动脉血管分割结果。
[0134]
在本实施例中，第一血管分割模型可以为动脉分割模型，计算机设备将动脉期影像数据作为动脉分割模型的输入数据，基于动脉分割模型得到动脉期影像数据对应的动脉血管分割结果。可选地，计算机设备在将动脉期影像数据输入至动脉分割模型之前，还可以对动脉期影像数据进行数据预处理，示例性地，数据预处理包括图像分辨率归一化和图像灰度归一化等处理，从而将数据预处理之后的动脉期影像数据输入至动脉分割模型中，得到动脉血管分割结果。
[0135]
分支二：将静脉期影像数据输入至第二血管分割模型中，得到静脉血管分割结果。
[0136]
在本实施例中，第二血管分割模型可以为静脉分割模型，进一步地，以器官为肝脏来举例说明，这里静脉期影像数据可以为肝门静脉期影像数据，第二血管分割模型可以为肝门静脉分割模型。计算机设备将肝门静脉期影像数据作为肝门静脉分割模型的输入数据，基于肝门静脉分割模型得到肝门静脉期影像数据对应的肝静脉血管分割结果和门静脉血管分割结果。可选地，计算机设备在将肝门静脉期影像数据输入至肝门静脉分割模型之前，还可以对肝门静脉期影像数据进行数据预处理，示例性地，数据预处理包括图像分辨率归一化和图像灰度归一化等处理，从而将数据预处理之后的肝门静脉期影像数据输入至肝门静脉分割模型中，得到肝静脉血管分割结果和门静脉血管分割结果。
[0137]
分支三和分支四：将静脉期影像数据和静脉血管分割结果输入至器官分割模型中，得到器官分割结果。
[0138]
在本实施例中，以器官为肝脏、静脉期影像数据为肝门静脉期影像数据来举例说明，器官分割模型可以为肝脏分割模型、肝段分割模型等具有不同分割粒度的分割模型，具体包括以下分支三和分支四的实施例。
[0139]
可选地，器官分割模型包括第一器官分割子模型和第二器官分割子模型；将静脉期影像数据和静脉血管分割结果输入至器官分割模型中，得到器官分割结果，包括：
[0140]
其中，分支三：将静脉期影像数据输入第一器官分割子模型中，得到第一器官的分割结果。
[0141]
在本实施例中，第一器官分割子模型可以为肝脏分割模型，那么相应地，第一器官的分割结果即为肝脏分割结果。示例性的，计算机设备将肝门静脉期影像数据作为肝脏分割模型的输入数据，基于肝脏分割模型得到肝门静脉期影像数据对应的肝脏分割结果。可选地，计算机设备在将肝门静脉期影像数据输入至肝脏分割模型之前，还可以对肝门静脉期影像数据进行数据预处理，示例性地，数据预处理包括图像分辨率归一化和图像灰度归一化等处理，从而将数据预处理之后的肝门静脉期影像数据输入至肝脏分割模型中，得到肝脏分割结果。
[0142]
其中，分支四：将静脉血管分割结果、第一器官的分割结果和静脉期影像数据输入至第二器官分割子模型中，得到第二器官的分割结果；第一器官中包括第二器官。
[0143]
在本实施例中，第二器官分割子模型可以为细化分割粒度的肝段分割模型，那么相应地，第二器官的分割结果即为肝段分割结果，其中，肝脏包括多个肝段。示例性的，计算机设备将肝门静脉期影像数据、上述实施例中得到的肝门静脉血管分割结果、肝脏分割结果作为肝段分割模型的输入数据，基于肝段分割模型得到对应的肝段分割结果。可选地，计算机设备在将肝门静脉期影像数据、上述实施例中得到的肝门静脉血管分割结果、肝脏分割结果输入至肝段分割模型之前，还可以对肝门静脉期影像数据、肝门静脉血管分割结果、肝脏分割结果进行数据预处理，示例性地，数据预处理包括图像分辨率归一化和图像灰度归一化等处理，从而将数据预处理之后的肝门静脉期影像数据、肝门静脉血管分割结果、肝脏分割结果输入至肝段分割模型中，得到肝段分割结果。
[0144]
分支五：将动脉期影像数据和静脉期影像数据输入至病灶分割模型中，得到病灶分割结果。
[0145]
在本实施例中，以器官为肝脏、病灶为肝肿瘤来举例说明，病灶分割模型可以为肝
肿瘤分割模型，那么相应地，病灶分割结果即为肝肿瘤分割结果。示例性的，计算机设备将动脉期影像数据和静脉期影像数据作为肝肿瘤分割模型的输入数据，基于肝肿瘤分割模型得到对应的肝肿瘤分割结果。可选地，计算机设备在将动脉期影像数据和静脉期影像数据输入至肝肿瘤分割模型之前，还可以对动脉期影像数据和静脉期影像数据进行配准处理，示例性地，配准处理包括分别将动脉期影像数据和静脉期影像数据输入到肝脏分割模型中得到静脉期数据的肝脏分割结果和动脉期数据的肝脏分割结果，其次利用得到的肝脏分割结果分别裁剪动脉期影像数据对应的原始图像的肝脏区域和静脉期影像数据对应的原始图像的肝脏区域，将裁剪之后的静脉期影像数据的肝脏分割结果作为参考图像，将裁剪之后的动脉期影像数据的肝脏分割结果作为浮动图像进行配准，得到动脉期影像数据与静脉期影像数据之间的转换矩阵，将裁剪后的动脉期影像数据映射到该转换矩阵上得到配准后的动脉期影像数据，最终得到裁剪后静脉期影像数据以及配准后动脉期影像数据，从而将配准处理之后的动脉期影像数据和裁剪后的静脉期影像数据输入至肝肿瘤分割模型中，得到肝肿瘤分割结果。可选地，计算机设备在将配准处理之后的动脉期影像数据和裁剪后的静脉期影像数据输入至肝肿瘤分割模型之前，还可以对配准处理之后的动脉期影像数据和裁剪后的静脉期影像数据进行数据预处理，示例性地，数据预处理包括图像分辨率归一化和图像灰度归一化等处理，从而将数据预处理之后的配准处理之后的动脉期影像数据和裁剪后的静脉期影像数输入至肝肿瘤分割模型中，得到肝肿瘤分割结果。
[0146]
另外，由于肝肿瘤分割模型的输入数据(也即配准处理之后的动脉期影像数据和裁剪后的静脉期影像数据)，在配准过程中进行了裁剪操作，因此肝肿瘤分割模型的输出结果(肝肿瘤分割结果)与裁剪之后的输入数据尺寸一致，而在后续的三维重建过程中，上述器官分割结果和血管分割结果均为裁剪之前的尺寸，为了保证三维重建所涉及到的数据尺寸一致，这里需要对肝肿瘤分割结果进行重采样处理，使得肝肿瘤分割结果重采样到裁剪前的影像数据大小，从而与上述器官分割结果和血管分割结果进行三维重建时，尺寸保持一致。
[0147]
基于上述分支一、分支二、分支三、分支四、分支五给出的实施例，计算机设备得到动脉血管分割结果、静脉血管分割结果、第一器官的分割结果(肝脏分割结果)、第二器官的分割结果(肝段分割结果)和肝肿瘤分割结果，基于各个分割模型进行器官、血管、病灶的分割过程可参考图12所示。需要说明的是，以上实施例中涉及到的分割模型可以是基于vbnet神经网络框架构建的神经网络模型，还可以是其他神经网络模型，该神经网络模型均为经过训练之后得到、适应于各个分割场景的分割模型，本实施例对此不做限定。
[0148]
在本实施例中，基于多个预设的深度学习分割模型得到器官、血管以及病灶对应的分割结果，其得到的分割结果较为准确，为下一步基于分割结果进行三维重建提供了有效的数据支撑。
[0149]
上述基于静脉期影像数据与各分割模型得到静脉期影像数据对应的分割结果，基于动脉期影像数据与各分割模型得到动脉期影像数据对应的分割结果，在基于各个分割结果进行三维重建之前，需要对静脉期影像数据与动脉期影像数据进行配准，在其中一个可选的实施例中，如图13所示，根据各分割结果进行三维重建处理，得到重建图像，包括：
[0150]
步骤801，基于静脉期影像数据、动脉期影像数据和图像配准算法，对动脉血管分割结果进行配准，得到配准之后的动脉血管分割结果。
[0151]
其中，图像配准算法可以为相对配准也可以为绝对配准。示例性地，相对配准算法指的是将静脉期影像数据作为参考图像，将动脉期影像数据作为浮动图像，将动脉期影像数据与所述静脉期影像数据进行配准，配准过程中所涉及到的坐标系可以为静脉期影像数据所对应的坐标系。绝对配准指的是先定义一个控制网格，将静脉期影像数据、动脉期影像数据均与该控制网格进行配准，最终形成与控制网格坐标系同一的配准结果。
[0152]
在具体的配准过程中，需要静脉期影像数据、动脉期影像数据之间的配准函数映射关系，示例性地，计算机设备可以通过设定一个多项式来拟合静脉期影像数据、动脉期影像数据之间的平移、旋转和仿射变换，由此通过计算多项式的系数确定静脉期影像数据、动脉期影像数据之间的图像配准映射关系，示例性地，可以将静脉期影像数据作为参考图像，将动脉期影像数据作为浮动图像，确定静脉期影像数据与动脉期影像数据之间的图像配准映射关系，根据图像配准映射关系实现动脉期影像数据对应的动脉血管分割结果与静脉期影像数据的映射，从而得到配准之后的动脉血管分割结果，本实施例对此不做限定。
[0153]
步骤802，根据配准之后的动脉血管分割结果、静脉血管分割结果、病灶分割结果以及第二器官的分割结果进行三维重建，得到重建图像。
[0154]
在本实施例中，计算机设备得到配准之后的动脉期影像数据对应的动脉血管分割结果之后，该配准之后的动脉血管分割结果与静脉血管分割结果、病灶分割结果以及第二器官的分割结果均为静脉期影像数据所在参考系下的分割结果，基于同一参考系，根据动脉血管分割结果、静脉血管分割结果、病灶分割结果以及第二器官的分割结果进行三维重建处理，得到包括器官、血管、病灶三者空间关系的三维可视化图像。以器官为肝脏来举例说明，得到的重建图像中包括肝脏、血管和肝肿瘤之间空间位置关系，为了更直观地展示重建图像中的肝脏、血管和肝肿瘤这三个部分，本实施例提供的示意图中对重建图像中的肝脏、血管和肝肿瘤进行可视化拆解(实际上三个部分的空间关系为相互叠加)，具体可参考图14，图14中给出了重建图像中肝脏、血管和肝肿瘤对应的拆解部分，本实施例对此不做限定。
[0155]
在本实施例中，计算机设备根据静脉期影像数据和动脉期影像数据。进行动脉期影像数据对应的分割结果的配准，从而得到转换至同一配准矩阵下的各个分割结果，基于配准之后的各个分割结果进行三维重建得到的三维可视化重建图像更为精确，也即，可以更准确地表达器官、血管以及病灶之间的方位关系和空间位置关系。
[0156]
上述步骤801中将静脉期影像数据和动脉期影像数据进行配准的其中一个具体实现方法可通过转换矩阵实现。在其中一个可选的实施例中，如图15所示，基于静脉期影像数据、动脉期影像数据和图像配准算法，对动脉血管分割结果进行配准，得到配准之后的动脉血管分割结果，包括：
[0157]
步骤901，将静脉期影像数据作为参考图像、将动脉期影像数据作为浮动图像，确定静脉期影像数据与动脉期影像数据之间的配准转换矩阵。
[0158]
在本实施例中，计算机设备将动脉期影像数据作为浮动图像moving image，将静脉期影像数据作为参考图像fixed image，分别提取浮动图像与参考图像中的特征，例如，特征可以包括封闭边界，边缘，轮廓，线交点，角点，以及它们的代表点(如重心或线末端等控制点)等；在进行特征提取之后，计算机设备根据浮动图像的特征与参考图像的特征，建立浮动图像的特征与参考图像的特征之间的对应关系，基于浮动图像的特征与参考图像的
特征之间的对应关系，来确定静脉期影像数据与动脉期影像数据之间的配准转换矩阵，示例性地，配准转换矩阵也可以理解为映射函数。可选地，计算机设备可以根据浮动图像的特征与参考图像的特征之间的对应关系，来计算映射函数中涉及到的参数，从而确定最终的映射函数，也即配准转换矩阵。
[0159]
步骤902，将动脉血管分割结果映射到配准转换矩阵中，得到配准之后的动脉血管分割结果。
[0160]
在本实施例中，计算机设备在确定静脉期影像数据与动脉期影像数据之间的配准转换矩阵之后，将浮动图像也即动脉期影像数据对应的动脉血管分割结果映射至配准转换矩阵中，从而得到与静脉期影像数据配准之后的动脉血管分割结果。
[0161]
在本实施例中，计算机设备将静脉期影像数据作为参考图像、将动脉期影像数据作为浮动图像，进行动脉期影像数据对应的分割结果的配准，从而得到转换至同一配准矩阵下的各个分割结果，基于各个分割结果三维重建得到的三维可视化重建图像更为准确。
[0162]
在确定病灶区域对应的曲面模型之后，可以基于曲面模型进行模拟切除，从而得到病灶的模拟切除方案，在其中一个可选的实施例中，如图16所示，该方法还包括：
[0163]
步骤1001，基于曲面模型对病灶进行模拟切除，得到被切除区域和剩余区域。
[0164]
在本实施例中，计算机设备可以通过模拟仿真软件基于曲面模型对病灶进行模拟切除，示例性地，计算机设备可以在模拟仿真软件中利用曲面模拟手术刀对曲面模型中待切割的病灶区域进行切除，得到被切除区域和剩余区域。其中，以切除肝肿瘤为例说明，被切除区域包括肝肿瘤所在的肝段区域，剩余区域也就是除去肝肿瘤所在的肝段区域之后的肝段区域。
[0165]
步骤1002，根据被切除区域和剩余区域，确定器官的量化信息；量化信息用于表示剩余区域与器官整体区域的体积比。
[0166]
在本实施例中，计算机设备在执行切除操作之后，得到被切除区域和剩余区域，可以基于预设的三维坐标轴确定被切除区域的多个候选三维坐标，基于被切除区域的多个候选三维坐标，计算被切除区域的体积；基于预设的三维坐标轴确定剩余区域的多个候选三维坐标，基于剩余区域的多个候选三维坐标，计算剩余区域的体积，从而根据被切除区域的体积和剩余区域的体积，确定剩余区域与器官整体区域的体积比。可选地，在执行切除操作之前，计算机设备可以先计算整个器官的体积，类似的，基于预设的三维坐标轴确定器官的多个候选三维坐标，基于器官的多个候选三维坐标确定器官的体积。以切除肝肿瘤、器官为肝脏来举例说明，被切除区域为肝肿瘤所在肝段区域，剩余区域为剩余肝段区域，计算机设备基于上述方法确定肝脏的整体体积、肝肿瘤所在肝段的体积、剩余肝段的体积，从而确定剩余肝段的体积与肝脏的整体体积的比值(残肝比)，作为肝脏的量化信息，具体切除曲面可参考图9所示。
[0167]
在本实施例中，计算机设备基于曲面模型进行病灶的模拟切除更为精确，基于模拟切除得到的模拟切除方案可为用户的病灶切除操作提供有效的数据支撑，进一步地提高了病灶切除的效率和准确率。
[0168]
为了更好的说明上述方法，如图17所示，本实施例提供一种影像数据处理方法，具体包括：
[0169]
s101、将医学影像数据中的动脉期影像数据输入至第一血管分割模型中，得到动
脉血管分割结果；
[0170]
s102、将医学影像数据中的静脉期影像数据输入至第二血管分割模型中，得到静脉血管分割结果；
[0171]
s103、将静脉期影像数据输入第一器官分割子模型中，得到第一器官的分割结果；
[0172]
s104、将静脉血管分割结果、第一器官的分割结果和静脉期影像数据输入至第二器官分割子模型中，得到第二器官的分割结果；
[0173]
s105、将动脉期影像数据和静脉期影像数据输入至病灶分割模型中，得到病灶分割结果；
[0174]
s106、基于静脉期影像数据、动脉期影像数据和图像配准算法，对动脉血管分割结果进行配准，得到配准之后的动脉血管分割结果；
[0175]
s107、根据配准之后的动脉血管分割结果、静脉血管分割结果、病灶分割结果以及第二器官的分割结果进行三维重建，得到重建图像；
[0176]
s108、基于重建图像中病灶的位置，确定器官上的病灶对应的待处理区域；
[0177]
s109、在待处理区域中设定至少三个初始控制点，并基于至少三个初始控制点，生成曲面模型；
[0178]
s110、若距离处于预设距离阈值范围之外，则对曲面模型进行调整，得到调整之后的曲面模型；
[0179]
s111、基于调整之后的曲面模型对病灶进行模拟切除，得到被切除区域和剩余区域；
[0180]
s112、根据被切除区域和剩余区域，确定器官的量化信息。
[0181]
在本实施例中，在本方案中，计算机设备首先基于器官、血管和病灶分别对应的分割模型得到各个分割模型对应的分割结果，基于各个分割结果得到的重建图像可以较好地反映器官、血管和病灶之间的关系，不需要用户手动提取特征进行三维重建，减少了三维重建的时间；基于重建图像构建病灶区域的曲面模型，利用控制点在三维可视化表面建立平面，再利用平面生成曲面控制点，形成初步的调节曲面，确定调节曲面的位置、方向、大小等，选取曲面内部某一区域对曲面进行精确的局部调节，更准确的设置切割区域从而基于曲面模型进行病灶的模拟切除更为精确，基于模拟切除得到的模拟切除方案可为用户的病灶切除操作提供有效的数据支撑，进一步地提高了病灶切除的效率和准确率。
[0182]
上述实施例提供的影像数据处理方法，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0183]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0184]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的影像数据处理方法的影像数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记
载的实现方案相似，故下面所提供的一个或多个影像数据处理装置实施例中的具体限定可以参见上文中对于影像数据处理方法的限定，在此不再赘述。
[0185]
在一个实施例中，如图18所示，提供了一种影像数据处理装置，包括：
[0186]
分割模块01，用于将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果；医学影像数据中包括器官、血管和病灶；
[0187]
三维重建模块02，用于根据各分割结果进行三维重建，得到重建图像；重建图像中包括器官、血管和病灶；
[0188]
模拟模块03，用于基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。
[0189]
在其中一个可选的实施例中，模拟模块03，用于基于重建图像中病灶的位置，确定器官上的病灶对应的待处理区域；在待处理区域中设定至少三个初始控制点，并基于至少三个初始控制点，生成曲面模型。
[0190]
在其中一个可选的实施例中，模拟模块03，用于根据至少三个初始控制点生成初始平面模型；根据预设的旋转方向、旋转位移以及初始平面模型的分辨率，对初始平面模型进行旋转和平移操作，获取在旋转和平移操作过程中初始平面模型对应的目标控制点；根据目标控制点和曲面重建算法，生成曲面模型。
[0191]
在其中一个可选的实施例中，模拟模块03，还用于获取曲面模型的各体素点与待切除区域中对应的体素点之间距离；若距离处于预设距离阈值范围之外，则对曲面模型进行调整，得到调整之后的曲面模型；基于调整之后的曲面模型对病灶进行模拟切除。
[0192]
在其中一个可选的实施例中，模拟模块03，用于调整目标控制点的位置，使得目标控制点与待切除区域中对应的体素点的距离处于距离阈值范围之内；根据调整之后的目标控制点和曲面重建算法，生成调整之后的曲面模型。
[0193]
在其中一个可选的实施例中，模拟模块03，用于基于体素点确定曲面模型中预设半径范围内的目标区域；目标区域包含体素点；根据目标区域的分辨率，获取目标区域的多个候选控制点；调整候选控制点的位置，使得各候选控制点与待处理区域中对应的体素点的距离处于距离阈值范围之内；根据调整之后的多个候选控制点和曲面重建算法，得到调整之后的曲面模型。
[0194]
在其中一个可选的实施例中，医学影像数据包括静脉期影像数据和动脉期影像数据；分割模块01，用于将动脉期影像数据输入至第一血管分割模型中，得到动脉血管分割结果；将静脉期影像数据输入至第二血管分割模型中，得到静脉血管分割结果；将静脉期影像数据和静脉血管分割结果输入至器官分割模型中，得到器官分割结果；将动脉期影像数据和静脉期影像数据输入至病灶分割模型中，得到病灶分割结果。
[0195]
在其中一个可选的实施例中，器官分割模型包括第一器官分割子模型和第二器官分割子模型；分割模块01，用于将静脉期影像数据输入第一器官分割子模型中，得到第一器官的分割结果；将静脉血管分割结果、第一器官的分割结果和静脉期影像数据输入至第二器官分割子模型中，得到第二器官的分割结果；第一器官中包括第二器官。
[0196]
在其中一个可选的实施例中，三维重建模块02，用于基于静脉期影像数据、动脉期影像数据和图像配准算法，对动脉血管分割结果进行配准，得到配准之后的动脉血管分割结果；根据配准之后的动脉血管分割结果、静脉血管分割结果、病灶分割结果以及第二器官
的分割结果进行三维重建，得到重建图像。
[0197]
在其中一个可选的实施例中，三维重建模块02，用于将静脉期影像数据作为参考图像、将动脉期影像数据作为浮动图像，确定静脉期影像数据与动脉期影像数据之间的配准转换矩阵；将动脉血管分割结果映射到配准转换矩阵中，得到配准之后的动脉血管分割结果。
[0198]
在其中一个可选的实施例中，如图19所示，该装置还包括量化模块04；
[0199]
量化模块04，用于基于曲面模型对病灶进行模拟切除，得到被切除区域和剩余区域；根据被切除区域和剩余区域，确定器官的量化信息；量化信息用于表示剩余区域与器官整体区域的体积比。
[0200]
上述影像数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0201]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0202]
将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果；医学影像数据中包括器官、血管和病灶；
[0203]
根据各分割结果进行三维重建，得到重建图像；重建图像中包括器官、血管和病灶；
[0204]
基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。
[0205]
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0206]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0207]
将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果；医学影像数据中包括器官、血管和病灶；
[0208]
根据各分割结果进行三维重建，得到重建图像；重建图像中包括器官、血管和病灶；
[0209]
基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。
[0210]
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0211]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0212]
将医学影像数据分别输入至不同的分割模型中，得到各分割模型对应的分割结果；医学影像数据中包括器官、血管和病灶；
[0213]
根据各分割结果进行三维重建，得到重建图像；重建图像中包括器官、血管和病灶；
[0214]
基于重建图像构建病灶的曲面模型，并基于曲面模型对病灶进行模拟切除。
[0215]
上述实施例提供的计算机程序产品，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0216]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0217]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0218]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0219]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。