[发明专利]一种从序列图像中获取3D结构的方法

权利要求书

1.一种从序列图像中获取3D结构的方法，其特征在于，包括：

步骤1，根据深度学习方法获得序列图像中目标结构的2D分割结果；

步骤2，根据所述2D分割结果获得所述目标结构在z方向的3D连接关系；

步骤3，根据所述3D连接关系优化所述目标结构的2D分割结果，获得优化的2D分割结果；

步骤4，对所述3D连接关系和所述优化的2D分割结果进行交替优化，直至收敛，获得收敛的2D分割结果和收敛的3D连接关系；

步骤5，根据所述收敛的2D分割结果和所述收敛的3D连接关系获取3D可视化结果；

所述步骤1具体包括：

步骤1.1，利用预训练模型Resnet50作为所述目标结构的特征提取网络，获得提取特征；

步骤1.2，利用PSPnet网络对所述提取特征进行融合，获得全局场景特征；

步骤1.3，利用inception网络对所述全局场景特征进行上采样，获得与所述序列图像中原图尺寸相同的特征图；

步骤1.4，利用Softmax分类器对所述特征图的像素点进行分类，获得所述2D分割结果；

所述步骤2具体包括：

步骤2.1，在Matlab中根据regionprops函数获得所述序列图像中每幅图像中所述目标结构的所述2D分割结果的boundingbox；

步骤2.2，利用所述boundingbox构造所述序列图像中相邻图像层的连接矩阵；

步骤2.3，利用所述2D分割结果校验所述连接矩阵，并获取二值连接矩阵；

步骤2.4，根据所述二值连接矩阵对所述序列图像的每一个分割赋予标签；

步骤2.5，根据每一个所述分割的所述标签获得所述分割在z方向的所述3D连接关系。

2.根据权利要求1所述的从序列图像中获取3D结构的方法，其特征在于，所述步骤2.2的具体实现为：

令所述序列图像中包括L幅图像，其中第i幅图像中所述目标结构的所述2D分割结果的boundingbox表示为大小为n_i×4的矩阵其中n_i代表第i幅图像中分割的个数，i＝1，2，…，L；

利用第i幅图像的和第i+1幅图像的根据第一公式确定所述连接矩阵，

所述第一公式为：

其中，表示所述连接矩阵，表示中第p行所表示的矩形和中第q行所表示的矩形的交并比。

3.根据权利要求2所述的从序列图像中获取3D结构的方法，其特征在于，所述步骤2.3的具体实现为：

令所述二值连接矩阵表示为中包括与更新后的中的元素一一对应的元素当大于或等于阈值T时，令对应的取值为1，当小于阈值T时，令对应的取值为0。

4.根据权利要求3所述的从序列图像中获取3D结构的方法，其特征在于，所述步骤2.4的具体实现为：

当中第p行全为0值时，赋予第i幅图像中第p个分割的标签为终止点；

当中第p行只有一个非0值，且非0值对应列也只有一个非0值时，赋予第i幅图像中第p个分割的标签为一对一点；

当中第p行有多个非0值时，赋予第i幅图像中第p个分割的标签为分裂点一，并赋予第i+1幅图像中与多个非0值对应的多个分割的标签为分裂点二；

当中第q列全为0值时，赋予第i+1幅图像中第q个分割的标签为起始点；

当中第q列有多个非0值时，赋予第i+1幅图像中第q个分割的标签为合并点二，并赋予第i幅图像中与多个非0值对应的多个分割的标签为合并点一。