[发明专利]基于人工智能的锥束CT图像生物结构识别及三维重建系统有效

专利信息
申请号: 202110335363.0 申请日: 2021-03-29
公开(公告)号: CN113066064B 公开(公告)日: 2023-06-06
发明(设计)人: 杨少龙;吴彦举;王鹏飞;闫灿;陈莹莹;张祥阳;张玥;杜明非;王璐瑶;曹峻浩;王越;李鑫杰 申请(专利权)人: 郑州铁路职业技术学院
主分类号: G06T17/00 分类号: G06T17/00;G06T7/00;G06T7/11;G06T7/13;G06T7/136;G06T7/187;G06T7/62;G06V10/762;G06V10/764;G06T11/00;G06T15/00
代理公司: 郑州芝麻知识产权代理事务所(普通合伙) 41173 代理人: 张海青
地址: 451460 河南省郑州市*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 人工智能 ct 图像 生物 结构 识别 三维重建 系统
【说明书】:

发明涉及人工智能技术领域,具体涉及一种基于人工智能的锥束CT图像生物结构识别及三维重建系统。本发明实施例通过CT图像序列采集模块采集不同视角下待测生物的CT图像序列;结构筛选模块进行结构筛选获得多张筛选图像;分割图获取模块对每张筛选图像进行多次距离聚类算法分割,获得对应的多个分割子图,根据边缘检测和连通域检测的匹配程度对每个分割子图进行检测,选择出最优分割子图并组成分割图;分割质量评估模块对分割图的分割质量进行评估;多视角分割模块获得采集的所有视角的CT图像序列的分割图;通过三维重建模块根据CT图像序列的分割图实现CT图像的三维重建。本发明实施例能够实现不同结构的分层次分割,保证了分割的准确性。

技术领域

本发明涉及人工智能技术领域,具体涉及一种基于人工智能的锥束CT图像生物结构识别及三维重建系统。

背景技术

目前锥束CT主要应用于工业无损检测,锥束CT由于检测精度高,成像效果好且可以得到三维数字模型,逐渐应用于生物骨密度研究、神经组织研究等领域,为了促进锥束CT在生物行业的应用,推动国内生物技术的研究,急需一种针对生物研究领域的锥束CT图像的三维重建系统。

发明人在实践中,发现上述现有技术存在以下缺陷:

在对存在多种结构的CT图像进行结构分割时,对于灰度值相差很大的不同结构,现有技术中的阈值分割能够有效地对图像进行分割,但是,对于多个结构的灰度值范围有较大重叠的图像,难以得到准确的分割结果。

发明内容

为了解决上述技术问题,本发明的目的在于提供一种基于人工智能的锥束CT图像生物结构识别及三维重建系统,所采用的技术方案具体如下:

第一方面,本发明一个实施例提供了一种基于人工智能的锥束CT图像生物结构识别及三维重建系统,该系统包括以下模块:

CT图像序列采集模块,用于利用锥束CT采集不同视角下待测生物的CT图像序列;

结构筛选模块,用于根据所述待测生物的不同结构的CT值对任一视角的CT图像进行结构筛选,获得多张筛选图像;

分割图获取模块,用于对每张所述筛选图像进行种类逐渐递增的多次距离聚类算法分割,获得对应的多个分割子图,根据边缘检测和连通域检测的匹配程度对每个所述分割子图进行检测,选择匹配程度最高的所述分割子图作为最终的最优分割子图;所有所述最优分割子图的并集组成分割图;

分割质量评估模块,用于根据所述分割图中各结构中心点的位置,在选定的目标方向上的距离占比,对所述分割图的分割质量进行评估,判断分割质量是否达标;

多视角分割模块,用于利用达标的所述分割图结合相邻视角的位姿信息,指导相邻视角的图像分割,获得采集的所有视角的CT图像序列的分割图;

三维重建模块,用于根据所述CT图像序列的分割图实现CT图像的三维重建。

优选的,所述结构筛选模块包括:

窗口设置单元,用于根据所述待测生物的不同结构对应的CT值范围设置窗口的窗宽,对所述CT图像进行筛选,获得不同结构对应的所述筛选图像。

优选的,所述分割图获取模块包括:

像素距离计算单元,用于根据所述筛选图像中每个像素的灰度值和像素坐标之间的距离设定所述距离聚类算法的距离。

优选的,所述分割图获取模块还包括:

连通域检测单元,用于对每张所述分割子图进行连通域分析得到轮廓图;

分割效果分析单元,用于对每张所述分割子图进行边缘检测得到的边缘图像,对所述边缘图像和所述轮廓图进行异或运算,得到边缘和轮廓点的重叠区域图像,计算所述重叠区域像素的重叠面积,获得所述匹配程度;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于郑州铁路职业技术学院,未经郑州铁路职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110335363.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top