[发明专利]一种基于迁移学习的超声或CT医学影像三维重建方法

说明书

本发明公开了一种基于迁移学习的超声或CT医学影像三维重建方法，本发明的特点是采用无监督学习机制，根据超声或CT影像采集的特点，利用视觉方法，通过迁移学习，实现超声影像的三维重建功能。利用本发明能够有效地实现超声或CT影像的三维重建，在人工智能的辅助诊断中，充分发挥辅助诊断的作用，3D可视化的重建结果，能够提高辅助诊断的效率。

技术领域

本发明属于计算机技术领域，涉及医疗辅助诊断中超声或CT影像三维重建，是一种借助于自然图像的成像规律、利用人工智能的迁移学习策略、建立编码解码的网络结构，对超声或CT影像三维重建的方法。

背景技术

近年来，人工智能技术快速发展，医疗辅助诊断的关键技术的研究，意义重大。目前，超声或CT影像的三维重建技术研究中，由于摄象机的参数恢复存在一定的难度，导致目前超声或CT影像的三维重建技术的研究存在一定难点，特别是复杂模型的重建会给三维重建带来时间复杂度高的严重问题，不利于临床医疗辅助诊断的应用。如何建立有效的深度学习的网络编码模型，有效解决超声或CT影像的三维重建的快速问题，这是亟待解决的实际问题。

发明内容

本发明为一种基于迁移学习的超声或CT医学影像三维重建方法，提出一种基于深度学习的超声或CT影像三维重建方法，该方法采样简单的编码解码结构，能够获得较为精细的目标三维结构，具有较高的实用价值。

实现本发明目的的具体技术方案是：

一种基于迁移学习的超声或CT医学影像三维重建方法，该方法输入一个超声或者CT影像序列，其影像分辨率为M×N，100≤M≤1500，100≤N≤1500，三维重建的过程具体包括以下步骤：

步骤1：构建数据集

(a)构建自然图像数据集D

选取一个自然图像网站，要求具有图像序列及对应的摄像机内部参数，从该网站下载a个图像序列及序列对应的内部参数,1≤a≤20,对于每个图像序列，每相邻3帧图像记为图像b、图像c和图像d，将图像b和图像d按照颜色通道进行拼接，得到图像τ，由图像c与图像τ构成一个数据元素，图像c为自然目标图像，图像c的采样视点作为目标视点，图像b、图像c和图像d的内部参数均为e_t(t＝1，2，3，4)，其中e₁为水平焦距，e₂为垂直焦距，e₃及e₄是主点坐标的两个分量；如果同一图像序列中最后剩余图像不足3帧，则舍弃；利用所有序列构建数据集D，数据集D有f个元素，而且3000≤f≤20000；

(b)构建超声影像数据集E

采样g个超声影像序列，其中1≤g≤20，对于每个序列，每相邻3帧影像记为影像i、影像j和影像k，将影像i和影像k按照颜色通道进行拼接得到影像π，由影像j与影像π构成一个数据元素，影像j为超声目标影像,影像j的采样视点作为目标视点，如果同一影像序列中最后剩余影像不足3帧，则舍弃，利用所有序列构建数据集E，数据集E有F个元素，而且1000≤F≤20000；

(c)构建CT影像数据集G

采样h个CT影像序列，其中1≤h≤20，对于每个序列，每相邻3帧记为影像l、影像m和影像n，将影像l和影像n按照颜色通道进行拼接得到影像σ，由影像m与影像σ构成一个数据元素，影像m为CT目标影像,影像m的采样视点作为目标视点，如果同一影像序列中最后剩余影像不足3帧，则舍弃，利用所有序列构建数据集G，数据集G有ξ个元素，而且1000≤ξ≤20000；

步骤2：构建神经网络

神经网络处理的图像或影像的分辨率均为p×o，p为宽度，o为高度，以像素为单位，100≤o≤2000，100≤p≤2000；

(1)网络A的结构