一种腹腔多器官识别建模方法及装置与流程
本发明实施例涉及医学建模技术领域，具体涉及一种腹腔多器官识别建模方法及装置。
背景技术：
随着医疗技术的发展，对医学影像(例如ct)中的信息进行识别，显得尤为重要。
由于，腹部器官的边界模糊、种类繁多，且受到腹部压力影响，某些器官(例如胃、胰腺、肝脏等等)存在较大的变形。而且，通过人工识别医学影像中的腹腔器官，效率十分低下。现有技术识别医学影像中腹腔器官的方法通常需要建立建模模型，然后再基于建模模型识别医学影像中腹腔器官，建模模型分为非先验类方法和先验类方法两大类，第一类是基于水平集、分水岭算法等机器学习方法和深度学习方法的系统，虽然基于水平集和深度学习等非先验类方法的系统存在一定的可行性，但是这些系统大多基于底层灰度特征进行计算，而腹部组织种类繁多，各个器官的灰度信息特征不明显，因此，往往需要复杂的参数调整以及后处理步骤，且容易造成建模模型的识别结果不准确。另一种是基于统计形状方法、概率图谱的方法、上下文特征分类方法为主的组合策略方法，但是，腹部各个器官在相对位置、相对大小和形状的先验特征规律并不明显，使得建模模型不易进行准确识别。
因此，如何避免上述缺陷，合理地构建识别医学影像中腹腔器官的数学模型，进而准确识别医学影像中腹腔器官，成为亟须解决的问题。
技术实现要素：
针对现有技术存在的问题，本发明实施例提供一种腹腔多器官识别建模方法及装置。
第一方面，本发明实施例提供一种腹腔多器官识别建模方法，所述方法包括：
获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；
根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；
获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；
解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；
根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；
根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
第二方面，本发明实施例提供一种腹腔多器官识别建模装置，所述装置包括：
第一获取单元，用于获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；
第一构建单元，用于根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；
第二获取单元，用于获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；
解析单元，用于解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；
确定单元，用于根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；
第二构建单元，用于根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；
根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；
获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；
解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；
根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；
根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，包括：
所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；
根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；
获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；
解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；
根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；
根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
本发明实施例提供的腹腔多器官识别建模方法及装置，通过构建形状距离特征模型，并结合预设第一特征表达式和预设第二特征表达式，确定预设n维特征向量中的每一维特征向量的向量值，进而构建出建模模型，能够合理地构建识别医学影像中腹腔器官的数学模型，进而准确识别医学影像中腹腔器官。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例腹腔多器官识别建模方法流程示意图；
图2为本发明实施例腹腔多器官识别建模装置结构示意图；
图3为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例腹腔多器官识别建模方法流程示意图，如图1所示，本发明实施例提供的一种腹腔多器官识别建模方法，包括以下步骤：
s101：获取包含有腹腔器官的医学影像；对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面。
具体的，装置获取包含有腹腔器官的医学影像；对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面。医学影像可以包括ct图像，具体说明如下：
由于，腹部ct图像存在许多噪声，需要进行图像的滤波处理。图像的各向异性滤波能够较好地考虑图像的局部特性，在保持ct图像细节信息的同时去除强烈的噪声。其计算过程如下：
其中，i0为原始腹部ct图像，t为尺度参数，div为散度算子，dρ为图像结构的张量，表征图像的局部结构信息，c(dρ)是以结构张量的特征值和特征向量为基础的扩散函数，通常为非负单调递减函数。
考虑到各腹部器官组织形状复杂，且多个腹部器官组织的ct(hu)响应值各有重叠。将该医学图像分为两块空间区域，可以选取hu值区间[-50,300]作为划分依据，即将这一区间内的对应像素区域确定为内部区域(对应目标区域)，其余区域作为外部区域(对应除目标区域以外的其它区域)，其交会面作为形状距离等值面。需要说明的是：所述腹腔器官可以包括m个腹腔器官，例如肝脏、胰腺，即两个腹腔器官；相应的，所述形状距离等值面也为m个，即肝脏对应的目标区域与其他区域对应一个形状距离等值面；胰腺对应的目标区域与其他区域对应另一个形状距离等值面，因此，也对应两个形状距离等值面。
s102：根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值。
具体的，装置根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值。进一步地，可以包括如下步骤：
根据每个腹腔器官的体积值，计算每个腹腔器官与预设基准腹腔器官的体积相对值。参照上述举例，可以将体积最小的腹腔器官，例如胰腺，作为预设基准腹腔器官，为了方便计算，可以将该预设基准腹腔器官的体积相对值设为1、如果，肝脏与胰腺的体积值分别为100立方厘米和50立方厘米，则肝脏相对胰腺的体积相对值为2。
分别计算每个像素点与到m个形状距离等值面之间的m个权重距离，所述权重距离是每个像素点到每个形状距离等值面之间的最短距离。以像素点a，肝脏与胰腺分别对应的形状距离等值面a和b为例进行说明：a到a之间的最短距离为la、a到b之间的最短距离为lb；
将最小权重距离对应的形状距离等值面作为目标形状距离等值面。如果la小于lb，则将la对应的形状距离等值面a作为目标形状距离等值面。
根据所述目标形状距离等值面、每个像素点的位置和所述体积相对值，构建形状距离特征模型。具体可以包括：
根据如下公式构建形状距离特征模型：
其中，sdd(ω)为所述形状距离特征模型、tk为所述体积相对值、ω为每个像素点、sk为所述目标形状距离等值面、v0为所述其它区域、vk为所述目标区域、
参照上述举例，即ω为a；sk为a、tk为2、当a在非腹腔器官上时，通过
s103：获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量。
具体的，装置获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量。预设n维特征向量的维数可以根据实际情况自主设置。需要说明的是：每个图像块中包含的所有像素点一一对应有一个上述sdd(ω)。
s104：解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征。
具体的，装置解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征。第一描述特征和第二描述特征可以分别为brief特征和lbp特征，不作具体限定。
s105：根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值。
具体的，装置根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值。
可以根据如下公式，确定所述预设n维特征向量中的每一维特征向量的第一初始向量值：
其中，τ1(r；px,py)为所述预设第一特征表达式、h(i)为每个图像块在第i维特征向量的第一初始向量值、ave(px)和ave(py)分别为在预设范围内随机选取的任意两个图像块分别对应的所有特征值的平均值、r为所述预设范围、px和py分别为在预设范围内随机选取的任意两个图像块。预设范围可以根据实际情况自主设置。
根据如下公式，确定所述预设n维特征向量中的每一维特征向量的第二初始向量值：
其中，τ2(r；p0,pl)为所述预设第二特征表达式、g(i)为每个图像块在第i维特征向量的第二初始向量值、ave(p0)为待识别医学影像中的待识别图像块中所有特征值的平均值、ave(pl)为在预设范围内、且与待识别图像块之间距离小于预设距离的、随机选取的任意一个图像块中的所有特征值的平均值、r为所述预设范围、p0为待识别图像块、pl为随机选取的任意一个图像块。预设距离可以根据实际情况自主设置。
融合h(i)和g(i)，以确定所述预设n维特征向量中的每一维特征向量的向量值。可以分别为h(i)和g(i)设定权重，从而确定每一维特征向量的向量值，即将λh(i)+μg(i)的计算结果作为该向量值，其中，λ和μ为h(i)和g(i)分别对应的权重，λ和μ之和可以设为1。
s106：根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
具体的，装置根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。即该建模模型的输入为待识别医学影像中的待识别图像块；输出为该待识别图像块已确定向量值的预设n维特征向量。
本发明实施例提供的腹腔多器官识别建模方法，通过构建形状距离特征模型，并结合预设第一特征表达式和预设第二特征表达式，确定预设n维特征向量中的每一维特征向量的向量值，进而构建出建模模型，能够合理地构建识别医学影像中腹腔器官的数学模型，进而准确识别医学影像中腹腔器官。
在上述实施例的基础上，所述腹腔器官包括m个腹腔器官；相应的，所述形状距离等值面也为m个，所述根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，包括：
根据每个腹腔器官的体积值，计算每个腹腔器官与预设基准腹腔器官的体积相对值。
具体的，装置根据每个腹腔器官的体积值，计算每个腹腔器官与预设基准腹腔器官的体积相对值。可参照上述实施例，不再赘述。
分别计算每个像素点与到m个形状距离等值面之间的m个权重距离，所述权重距离是每个像素点到每个形状距离等值面之间的最短距离。
具体的，装置分别计算每个像素点与到m个形状距离等值面之间的m个权重距离，所述权重距离是每个像素点到每个形状距离等值面之间的最短距离。可参照上述实施例，不再赘述。
将最小权重距离对应的形状距离等值面作为目标形状距离等值面。
具体的，装置将最小权重距离对应的形状距离等值面作为目标形状距离等值面。可参照上述实施例，不再赘述。
根据所述目标形状距离等值面、每个像素点的位置和所述体积相对值，构建形状距离特征模型。
具体的，装置根据所述目标形状距离等值面、每个像素点的位置和所述体积相对值，构建形状距离特征模型。可参照上述实施例，不再赘述。
本发明实施例提供的腹腔多器官识别建模方法，能够合理地构建形状距离特征模型，进一步能够提高构建数学模型的合理性，进而准确识别医学影像中腹腔器官。
在上述实施例的基础上，所述根据所述目标形状距离等值面、每个像素点的位置和所述体积相对值，构建形状距离特征模型，包括：
根据如下公式构建形状距离特征模型：
其中，sdd(ω)为所述形状距离特征模型、tk为所述体积相对值、ω为每个像素点、sk为所述目标形状距离等值面、v0为所述其它区域、vk为所述目标区域、
具体的，装置根据如下公式构建形状距离特征模型：
其中，sdd(ω)为所述形状距离特征模型、tk为所述体积相对值、ω为每个像素点、sk为所述目标形状距离等值面、v0为所述其它区域、vk为所述目标区域、
本发明实施例提供的腹腔多器官识别建模方法，通过公式构建形状距离特征模型，进一步能够合理地构建识别医学影像中腹腔器官的数学模型，进而准确识别医学影像中腹腔器官。
在上述实施例的基础上，所述第一描述特征为brief特征、所述第二描述特征为lbp特征；相应的，所述根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值，包括：
根据如下公式，确定所述预设n维特征向量中的每一维特征向量的第一初始向量值：
其中，τ1(r；px,py)为所述预设第一特征表达式、h(i)为每个图像块在第i维特征向量的第一初始向量值、ave(px)和ave(py)分别为在预设范围内随机选取的任意两个图像块分别对应的所有特征值的平均值、r为所述预设范围、px和py分别为在预设范围内随机选取的任意两个图像块。
具体的，装置根据如下公式，确定所述预设n维特征向量中的每一维特征向量的第一初始向量值：
其中，τ1(r；px,py)为所述预设第一特征表达式、h(i)为每个图像块在第i维特征向量的第一初始向量值、ave(px)和ave(py)分别为在预设范围内随机选取的任意两个图像块分别对应的所有特征值的平均值、r为所述预设范围、px和py分别为在预设范围内随机选取的任意两个图像块。可参照上述实施例，不再赘述。
根据如下公式，确定所述预设n维特征向量中的每一维特征向量的第二初始向量值：
其中，τ2(r；p0,pl)为所述预设第二特征表达式、g(i)为每个图像块在第i维特征向量的第二初始向量值、ave(p0)为待识别医学影像中的待识别图像块中所有特征值的平均值、ave(pl)为在预设范围内、且与待识别图像块之间距离小于预设距离的、随机选取的任意一个图像块中的所有特征值的平均值、r为所述预设范围、p0为待识别图像块、pl为随机选取的任意一个图像块。
具体的，装置根据如下公式，确定所述预设n维特征向量中的每一维特征向量的第二初始向量值：
其中，τ2(r；p0,pl)为所述预设第二特征表达式、g(i)为每个图像块在第i维特征向量的第二初始向量值、ave(p0)为待识别医学影像中的待识别图像块中所有特征值的平均值、ave(pl)为在预设范围内、且与待识别图像块之间距离小于预设距离的、随机选取的任意一个图像块中的所有特征值的平均值、r为所述预设范围、p0为待识别图像块、pl为随机选取的任意一个图像块。可参照上述实施例，不再赘述。
融合h(i)和g(i)，以确定所述预设n维特征向量中的每一维特征向量的向量值。
具体的，装置融合h(i)和g(i)，以确定所述预设n维特征向量中的每一维特征向量的向量值。可参照上述实施例，不再赘述。
本发明实施例提供的腹腔多器官识别建模方法，通过具体公式，确定预设n维特征向量中的每一维特征向量的向量值，进一步能够合理地构建识别医学影像中腹腔器官的数学模型，进而准确识别医学影像中腹腔器官。
在上述实施例的基础上，所述构建用于识别医学影像中腹腔器官的建模模型的步骤之后，所述方法还包括：
根据所述建模模型，对所述待识别医学影像中的腹腔器官进行识别。
具体的，装置根据所述建模模型，对所述待识别医学影像中的腹腔器官进行识别。具体可以包括：划分所述待识别医学影像，以获取若干个待识别图像块。例如：将待识别医学影像划分为a、b、c、d四个待识别图像块。
输入若干个待识别图像块至所述建模模型，以获取所述每个待识别图像块对应的每个已确定向量值的预设n维特征向量。可以将a、b、c、d一次性输入，或分批输入至该建模模型，分别获取预设n维特征向量la、lb、lc、ld。
对所有已确定向量值的预设n维特征向量进行分类处理，并根据分类处理结果，确定每个待识别图像块所属的目标腹腔器官，以识别所述医学影像中腹腔器官。具体可以包括：
将所有已确定向量值的预设n维特征向量输入上下文特征分类器，将所述上下文特征分类器的输出结果作为每个待识别图像块所属的目标腹腔器官，以识别所述医学影像中腹腔器官。上下文特征分类器可以是随机森林分类器，参照上述举例，如果上下文特征分类器针对la的输出结果为a所属的目标腹腔器官为肝脏；如果上下文特征分类器针对lb的输出结果为b所属的目标腹腔器官也为肝脏；如果上下文特征分类器针对lc的输出结果为c所属的目标腹腔器官为胰腺；如果上下文特征分类器针对ld的输出结果为d所属的目标腹腔器官也为胰腺，则将a和b对应的区域作为肝脏；将c和d对应的区域作为胰腺，从而，将医学影像中腹腔器官识别为肝脏和胰腺。
本发明实施例提供的腹腔多器官识别建模方法，通过使用建模模型，能够准确识别医学影像中腹腔器官。
在上述实施例的基础上，所述根据所述建模模型，对所述待识别医学影像中的腹腔器官进行识别，包括：
划分所述待识别医学影像，以获取若干个待识别图像块。
具体的，装置划分所述待识别医学影像，以获取若干个待识别图像块。可参照上述实施例，不再赘述。
输入若干个待识别图像块至所述建模模型，以获取所述每个待识别图像块对应的每个已确定向量值的预设n维特征向量。
具体的，装置输入若干个待识别图像块至所述建模模型，以获取所述每个待识别图像块对应的每个已确定向量值的预设n维特征向量。可参照上述实施例，不再赘述。
对所有已确定向量值的预设n维特征向量进行分类处理，并根据分类处理结果，确定每个待识别图像块所属的目标腹腔器官，以识别所述医学影像中腹腔器官。
具体的，装置对所有已确定向量值的预设n维特征向量进行分类处理，并根据分类处理结果，确定每个待识别图像块所属的目标腹腔器官，以识别所述医学影像中腹腔器官。可参照上述实施例，不再赘述。
本发明实施例提供的腹腔多器官识别建模方法，通过对向量进行分类处理，并根据分类处理结果，确定每个待识别图像块所属的目标腹腔器官，进一步能够准确识别医学影像中腹腔器官。
在上述实施例的基础上，所述对所有已确定向量值的预设n维特征向量进行分类处理，包括：
将所有已确定向量值的预设n维特征向量输入上下文特征分类器，将所述上下文特征分类器的输出结果作为每个待识别图像块所属的目标腹腔器官，以识别所述医学影像中腹腔器官。
具体的，装置将所有已确定向量值的预设n维特征向量输入上下文特征分类器，将所述上下文特征分类器的输出结果作为每个待识别图像块所属的目标腹腔器官，以识别所述医学影像中腹腔器官。可参照上述实施例，不再赘述。
本发明实施例提供的腹腔多器官识别建模方法，通过使用上下文特征分类器，进一步能够准确识别医学影像中腹腔器官。
图2为本发明实施例腹腔多器官识别建模装置结构示意图，如图2所示，本发明实施例提供了一种腹腔多器官识别建模装置，包括第一获取单元201、第一构建单元202、第二获取单元203、解析单元204、确定单元205和第二构建单元206，其中：
第一获取单元201用于获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；第一构建单元202用于根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；第二获取单元203用于获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；解析单元204用于解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；确定单元205用于根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；第二构建单元206用于根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
具体的，第一获取单元201用于获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；第一构建单元202用于根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；第二获取单元203用于获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；解析单元204用于解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；确定单元205用于根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；第二构建单元206用于根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
本发明实施例提供的腹腔多器官识别建模装置，通过构建形状距离特征模型，并结合预设第一特征表达式和预设第二特征表达式，确定预设n维特征向量中的每一维特征向量的向量值，进而构建出建模模型，能够合理地构建识别医学影像中腹腔器官的数学模型，进而准确识别医学影像中腹腔器官。
本发明实施例提供的腹腔多器官识别建模装置具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
图3为本发明实施例提供的电子设备实体结构示意图，如图3所示，所述电子设备包括：处理器(processor)301、存储器(memory)302和总线303；
其中，所述处理器301、存储器302通过总线303完成相互间的通信；
所述处理器301用于调用所述存储器302中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取包含有腹腔器官的医学影像；并对所述医学影像进行预处理，根据预处理后的医学影像，确定形状距离等值面；所述形状距离等值面是所述腹腔器官对应的目标区域与除所述目标区域以外的其它区域之间的交会面；根据所述医学影像中的每个像素点、所述形状距离等值面和每个腹腔器官的体积值，构建形状距离特征模型，所述形状距离特征模型包括与每个像素点对应的表示所述腹腔器官形状距离特征的特征值；获取由所述医学影像划分出的若干个图像块，每个图像块一一对应有预设n维特征向量；解析每个图像块，以获取每个图像块的第一描述特征和第二描述特征；根据每个图像块中包含的所有像素点的所有特征值、与所述第一描述特征和所述第二描述特征分别对应的预设第一特征表达式和预设第二特征表达式，确定所述预设n维特征向量中的每一维特征向量的向量值；根据确定向量值的预设n维特征向量，构建用于识别医学影像中腹腔器官的建模模型。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的各实施例技术方案的范围。
- 还没有人留言评论。精彩留言会获得点赞！