一种基于二维超声切片影像的胎儿头部三维影像重建系统

本发明属于医学图像处理领域，具体涉及一种基于二维超声切片影像的胎儿头部三维影像重建系统。

背景技术：

1、近些年来，各种超声成像技术已经非常成熟。临床医学中，主治医生可以通过超声影像技术对目标患者体内的生理组织情况进行大体的分析。尽管现有超声技术已经能够在很大程度上协助医生，为医生提供较为直观形象的医学参考图像，然而传统超声成像技术并不能为医生提供更为直观的三维影像，只能显示病灶部位某一切面的二维图像，这就需要临床医生凭借专业水平和行业经验，结合不同角度的超声影像对待检查部位进行综合分析。

2、为了更好地为患者服务，也为了避免受到医生主观因素的影响，医学影像三维重建技术应运而生。这项技术能够将二维信息进行三维整合，代替医生依靠自身临床经验的主观判断。医学影像三维重建技术在多种医疗临床应用方面，尤其是在产科的胎儿头部发育指标检测方面占据着十分重要的地位。但是由于这项技术目前仍处于起步阶段，因此，目前对胎儿头部三维影像重建的精确度仍然较低，亟需进一步的新方法以推动医学三维影像重建技术的发展。

技术实现思路

1、本发明的目的是为解决目前对胎儿头部三维影像重建的精确度低的问题，而提出了一种基于二维超声切片影像的胎儿头部三维影像重建系统。

2、本发明为解决上述技术问题所采取的技术方案是：

3、一种基于二维超声切片影像的胎儿头部三维影像重建系统，所述系统包括二维超声切片影像处理模块、夹层等值曲面集合矩阵获取模块以及三维影像重建模块，其中：

4、所述二维超声切片影像处理模块，用于将每层胎儿头部二维超声切片影像中的影像点个数均设置为m×n；

5、所述夹层等值曲面集合矩阵获取模块，用于根据各层胎儿头部二维超声切片影像中的全部影像点获得各个夹层的等值曲面集合，并根据各夹层的等值曲面集合构造等值曲面集合矩阵p；

6、所述三维影像重建模块，用于根据等值曲面集合矩阵p进行三维影像重建。

7、进一步地，所述夹层等值曲面集合矩阵获取模块的工作过程为：

8、步骤a21、按照各层胎儿头部二维超声切片影像在三维空间中的层叠顺序，将l层胎儿头部二维超声切片影像具有的l×m×n个影像点，转化为夹层的基础数学化空间正立方体模型；

9、再根据每个夹层对应的基础数学化空间正立方体模型，得到每个夹层的基础数学化空间正立方体模型的集合矩阵，将第i个夹层的基础数学化空间正立方体模型的集合矩阵记为ai，i＝1,2,...,l-1；

10、步骤a22、将集合矩阵ai与空间系数矩阵bi结合，得到带空间系数的夹层的基础数学化空间立方体模型集合矩阵mi，i＝1,2,...,l-1；

11、根据集合矩阵mi得到夹层的基础数学化空间立方体模型的集合转置矩阵a：

12、

13、步骤a23、矩阵a中的每个中心位置坐标均为夹层的一个影像点的坐标，对夹层的每个影像点的坐标分别进行规范数值化，并根据规范数值化的结果分别计算夹层每个影像点的深浅度，再计算夹层全部影像点的深浅度的平均值cd；

14、对于第1个夹层的任意一个基础数学化空间立方体模型，若该基础数学化空间立方体模型中心位置的深浅度等于cd，则将该基础数学化空间立方体模型对应的8个影像点连接起来，得到该基础数学化空间立方体模型的等值曲面；否则，该基础数学化空间立方体模型中心位置的深浅度不等于cd，则不需要对该基础数学化空间立方体模型进行处理；

15、对第1个夹层的全部基础数学化空间立方体模型进行判断后，将得到的各等值曲面连接，构成第1个夹层的等值曲面集合p1；

16、同理，分别得到每个夹层的等值曲面集合；

17、将各个夹层的等值曲面集合聚拢，得到全部夹层的等值曲面集合矩阵p：

18、

19、其中，p1是第1个夹层的等值曲面集合，pl-1是第l-1个夹层的等值曲面集合。

20、进一步地，所述步骤a21的具体过程为：

21、步骤a211、建立如下的三个构成条件，并从全部l×m×n个影像点中随机选取出8个影像点；

22、构成条件1：选取出的8个影像点在三维空间层面上，为空间正六面立方体的各个顶点；

23、构成条件2：选取出的8个像素点组成的空间正六面立方体的边长最小；

24、构成条件3：选取出的8个像素点允许相邻的空间正六面立方体共用，且两个相邻的空间正六面立方体之间最多共用4个影像点；

25、当选取出的8个影像点同时满足三个构成条件时，则选取出的8个像素点构成的空间正六面立方体即为一个基础数学化空间正立方体模型；

26、则根据全部l×m×n个影像点，获得(l-1)×(m-1)×(n-1)个基础数学化空间立方体模型，且每个夹层对应有(m-1)×(n-1)个基础数学化空间立方体模型；

27、步骤a212、对于第i个夹层，根据第i个夹层的全部的基础数学化空间立方体模型，得到第i个夹层的基础数学化空间立方体模型的集合矩阵ai。

28、进一步地，所述第i个夹层的基础数学化空间立方体模型的集合矩阵ai为：

29、

30、其中，a11、a1(m-1)、a(n-1)1、a(n-1)(m-1)代表第i个夹层的各个基础数学化空间立方体模型的中心位置。

31、进一步地，所述空间系数矩阵bi为：

32、

33、其中，b11、b1(m-1)、b(n-1)1、b(n-1)(m-1)均为矩阵bi中的元素。

34、进一步地，所述集合矩阵mi为：

35、

36、其中，上角标t代表矩阵的转置。

37、进一步地，所述对夹层的每个影像点的坐标分别进行规范数值化，其具体为：

38、对于夹层的任意一个影像点，从矩阵a中选取出与该影像点距离最近的4个影像点，将选取出的4个影像点在三维空间中的坐标分别记为(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)、(x4,y4,z4)；

39、x’＝x0+(c-s1)(x1-x2)(x2-x3)(x3-x4)/(s2-s1)

40、y’＝y0+(c-s1)(y1-y2)(y2-y3)(y3-y4)/(s2-s1)

41、z’＝z0+(c-s1)(z1-z2)(z2-z3)(z3-z4)/(s2-s1)

42、其中，(x’，y’，z’)是规范数值化后，该影像点在三维空间中的坐标，x0＝(x1+x2+x3+x4)/4，y0＝(y1+y2+y3+y4)/4，z0＝(z1+z2+z3+z4)/4，s1为规范阈值的下限，s2为规范阈值的上限，c为规范阈值的中间数值。

43、进一步地，所述根据规范数值化的结果计算影像点的深浅度，具体为：

44、

45、其中，cd’是根据(x’，y’，z’)计算出的深浅度。

46、进一步地，所述三维影像重建模块的工作过程为：

47、步骤b1、对于第1个夹层中的任意一个基础数学化空间立方体模型，对该基础数学化空间立方体模型中每个顶点的原始坐标进行归一化；

48、对于该基础数学化空间立方体模型的下表面，将左下角顶点到左上角顶点的坐标向量记为u0，将左上角顶点到右上角顶点的坐标向量记为u1，将右上角顶点到右下角顶点的坐标向量记为u2，将右下角顶点到左下角顶点的坐标向量记为u3；

49、对于该基础数学化空间立方体模型的上表面，将左下角顶点到左上角顶点的坐标向量记为u4，将左上角顶点到右上角顶点的坐标向量记为u5，将右上角顶点到右下角顶点的坐标向量记为u6，将右下角顶点到左下角顶点的坐标向量记为u7；

50、将坐标向量u0、u1、u2、u3、u4、u5、u6以及u7代入指向参数v向量确定模型，得到该基础数学化空间立方体模型的指向参数v向量；

51、指向参数v向量确定模型为：

52、

53、其中，cd′是该基础数学化空间立方体模型的中心位置的深浅度；

54、步骤b2、根据指向参数v向量与指向向量γ之间的关系，求解出该基础数学化空间立方体模型的指向向量γ；

55、步骤b3、采用步骤b1和步骤b2的方法，分别得到每个基础数学化空间立方体模型的指向向量γ；

56、根据各个基础数学化空间立方体模型的指向向量γ，将等值曲面集合矩阵p中属于同一夹层的所有等值曲面拼接，得到各个夹层的拼接影像；

57、将l-1个夹层的拼接影像按照上下顺序依次叠加，得到胎儿头部初步三维影像；

58、计算胎儿头部初步三维影像中每个三维物体的体积，再保留体积最大的三维物体，获得胎儿头部三维影像。

59、更进一步地，所述步骤b2的具体过程为：

60、

61、其中，t为预先设定的深度阈值参数，cd′是该基础数学化空间立方体模型的中心位置的深浅度。

62、本发明的有益效果是：

63、本发明对获取的胎儿头部二维超声切片影像的每一切片层进行影像点个数确认，统一设置胎儿头部二维超声影像每一切片的影像点个数，根据影像点构建基础数学化空间正立方体模型，合成每两胎儿头部二维超声切片影像层的夹层影像点基础数学化空间立方体空间模型集合矩阵，结合空间系数矩阵，获得带参数矩阵的夹层全影像点基础数学化空间立方体空间模型集合矩阵，合成所有带参数矩阵的夹层全影像点基础数学化空间立方体空间模型集合矩阵，得到全影像点基础数学化空间立方体空间模型集合转置矩阵，对夹层影像点规范数值化，并依据规范数值化后的深浅度，得到全部夹层的等值曲面集合矩阵，完成对胎儿头部二维超声切片影像中图像关键信息的快速数字化提取工作。并确定每一个等值曲面的指向向量，依据指向向量将全部夹层的等值曲面集合矩阵中的所有等值曲面叠加成为胎儿头部初步三维影像，经过三维体积过滤去除胎儿头部初步三维影像中的干扰体，得到胎儿头部三维完成影像，这一操作步骤包含了对每一个基础数学化空间立方体模型中影像点进行原始坐标归一化，依据指向向量将全部夹层的等值曲面集合矩阵中的属于同一夹层的所有等值曲面拼接成为相同夹层的拼接夹层影像，将拼接夹层影像依照夹层上下顺序依次叠加成为胎儿头部初步三维影像，利用三维体积过滤，减小干扰对胎儿头部三维影像合成的干扰，提升胎儿头部三维完成影像的精度。