一种腰骶丛神经分割及三维可视化方法

技术特征：
1.一种腰骶丛神经分割及三维可视化方法，其特征在于，包括如下步骤：(1)数据处理；采集病人的mri影像学数据并以dicom格式存储，将得到的数据转换成灰度图像，并存储为.png格式，并对图像进行归一化处理；(2)采用深度神经网络对步骤(1)得到的归一化图像做分割处理；(3)三维重建；将分割好的二维平面图像的进行堆叠，并给定原始的体素空间，利用vtk包采用移动立方体算法进行三维重建，利用等值面构造，向用户显示重建物体的内部细节。2.如权利要求1所述的腰骶丛神经分割及三维可视化方法，其特征在于，步骤(2)中，深度神经网络包括编码器、解码器、空域卷积编码模块、残差跳跃链接模块和尺度注意力模块；预处理后的神经影像首先进入编码器，编码器中包含四个大小不同的空域卷积编码模块，输入图像得到不同尺度的特征图，随后最后一层的特征图进入解码器，编码器中不同尺度的特征图分别与解码器中对应尺度的特征图进行融合，最终不同尺度的解码器经过双线性插值处理得到与输入影像维度相同的特征图，并将它们级联后的特征图经过尺度注意力模块和残差跳跃链接模块处理，得到最终的分割图像。3.如权利要求2所述的腰骶丛神经分割及三维可视化方法，其特征在于，步骤(2)中，每个多孔编码器模块首先经过一个核大小为3
×
3的卷积层获得特征图x，特征图使用不同的卷积率和卷积核来计算感受野，感受野被定义如下：其中，r
n
表示当前层的感受野，r
n-1
表示感受野的上层，s
i
表示第i次卷积的步长，k表示卷积核的大小；空域卷积函数f(x)有4个不同卷积率和卷积核的级联分支，包括1到1、3、5的卷积率，卷积核包括3
×
3和1
×
1两种；[r3:r7:r9:r
19
]＝f(x)其中[:]代表级联；然后，每个分支的感受野将设置为3、7、9、19，并获得级联特征图[r3:r7:r9:r
19
]，级联特征图应用1
×
1卷积和线性激活函数；最后，将输入特征图与之前的特征图相加，得到一个新的分辨率级别特征图，再经过一个核大小为3
×
3卷积层和一个核大小为2
×
2池化层得到最终的输出。4.如权利要求2所述的腰骶丛神经分割及三维可视化方法，其特征在于，步骤(2)中，残差跳跃链接模块中，将不同维度的特征映射到一个具有3
×
3个内核的卷积层、一个批量归一化层和一个relu作为激活层；同时，不同维度的特征映射也变成了一个有3个3核的卷积层和一个层；将特征图h(x)和原特征图x通过短接的方式相加，形成一个新的特征图，放入relu激活函数中，得到新的特征图β：β＝relu(h(x) e(x))其中relu()表示激活函数；此外，还在短接中添加了1
×
1卷积层，可以提供一些额外的空间特征e(x)。5.如权利要求2所述的腰骶丛神经分割及三维可视化方法，其特征在于，步骤(2)中，尺度注意力模块中，使用双线性插值法将解码器获得的不同尺度的特征图重新采样到预测图
像大小，将三个不同尺度的特征图级联起来作为输入级联后的代表一个输入大小为c
×
h
×
w的特征图，其中c代表输入通道，h和w分别代表特征图的高度和宽度，输入分别通过全局平均池化gap层和全局最大池化gmp层，目的是为了简化特征图参数并获得每个通道的权重信息，输出分别表示为p
gap
(x)∈r1×1×
c
和p
gmp
(x)∈r1×1×
c
，多层感知mlp由两个全连接层实现，以获得尺度注意力系数并在x1和x2之间共享，尺度注意力系数α∈[0,1]为：α＝sigmoid(x1 x2)在尺度注意力模块中，额外使用空间注意力块来获取空间信息，它由一个3
×
3卷积层和一个1
×
1卷积层组成，然后应用dropout层来增强泛化能力，将输出的特征图与α相乘经过sigmoid函数得到新的特征图，该特征图与空间注意力模块中的原始特征图做相加运算得到输出特征图γ，最后特征图γ与原始输入特征图相加，最终得到多尺度注意力块输出为：经过尺度注意力的特征图最后通过一个核大小为1
×
1的一维卷积和sigmoid函数，得到最终与输入图像具有相同形状的输出分割图像。6.如权利要求1所述的腰骶丛神经分割及三维可视化方法，其特征在于，步骤(3)中，将分割好的二维平面图像的进行堆叠，并给定原始的体素空间，利用vtk包采用移动立方体算法进行三维重建，利用等值面构造，向用户显示重建物体的内部细节具体为：首先通过分层读入的方式读取该病号的所有影像学序列数据，扫描两层数据，逐个构造体素，体素中的8个角点取自两张切片上下对应的四个像素点，这两张切片构成一个立方体，等值面的定义如下：f
i,j,k
＝f
i,j,k
(x
i
,y
j
,z
k
){(x,y,z)|f(x,y,z)＝n}其中，f为每个像素的值，x
i
,y
j
,z
k
为像素点的坐标，满足上述公式点的集合为等值面，如果顶点的函数值f≥n，则该顶点位于等值面内我们标记为 ；如果该顶点的函数值f<n，则该顶点位于等值面之外，标记为-，然后将体素的角点函数值与等值面比较后的结果构造该体素的状态表，由得到的状态表便可以得出与等值面有交点的边界体素，然后通过线性插值的方法计算出等值面与立方体便得交点位置坐标(x,y,z)：值的方法计算出等值面与立方体便得交点位置坐标(x,y,z)：值的方法计算出等值面与立方体便得交点位置坐标(x,y,z)：为了使用图形硬件显示等值面图像，生成等值面各三角面片的法向分量，然而等值面上的每一点，沿三角面方向的切线的梯度分量是零，那么该点的梯度向量就代表了等值面在该点的法向量，假设体素顶点为(i,j,k)因此梯度值的表示为：
其中，g
x
、g
y
、g
z
分别表示体素顶点在x，y，z方向上的梯度值；然后将求出的g
x
、g
y
、g
z
做归一化处理：归一化后的结果作为体素顶点(i,j,k)的单位法向量，再根据线性差值函数就可以计算出三角面片各个顶点上的法向量，最后根据三角面片上的各个顶点坐标及法向量绘制等值面图像，并且用光照渲染器进行渲染，得到最后的表面模型实现最终图像的三维绘制。

技术总结
本发明公开了一种腰骶丛神经分割及三维可视化方法，包括如下步骤：(1)数据处理；采集病人的MRI影像学数据并以DICOM格式存储，将得到的数据转换成灰度图像，并存储为.png格式，并对图像进行归一化处理；(2)采用深度神经网络对步骤(1)得到的归一化图像做分割处理；(3)三维重建；将分割好的二维平面图像的进行堆叠，并给定原始的体素空间，利用VTK包采用移动立方体算法进行三维重建，利用等值面构造，向用户显示重建物体的内部细节。本发明能够直观的显示神经的三维解剖结构在脊柱中的相对位置，而且还能辅助临床疾病诊断。而且还能辅助临床疾病诊断。而且还能辅助临床疾病诊断。


技术研发人员：张道强 赵俊勇 孙亮
受保护的技术使用者：南京航空航天大学
技术研发日：2022.01.07
技术公布日：2022/5/20