本發(fā)明涉及一種基于醫(yī)學影像的病案圖像建模系統(tǒng)。
背景技術：
醫(yī)學影像是指為了醫(yī)療或醫(yī)學研究，對人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術與處理過程。它包含以下兩個相對獨立的研究方向：醫(yī)學成像系統(tǒng)（medical imaging system）和醫(yī)學圖像處理（medical image processing）。前者是指圖像形成的過程，包括對成像機理、成像設備、成像系統(tǒng)分析等問題的研究；后者是指對已經(jīng)獲得的圖像作進一步的處理，其目的是或者是使原來不夠清晰的圖像復原，或者是為了突出圖像中的某些特征信息，或者是對圖像做模式分類等等。
現(xiàn)有技術的醫(yī)學影像的形成方式包括CT(Computed Tomography)，即電子計算機斷層掃描；MR〔Magnetic Resonance〕，即磁共振；DSA（Digital subtraction angiography），即數(shù)字血管造影。上述方式均會先采集多幅圖像而后進行處理。在本申請中均稱為薄層掃描圖像。
然而現(xiàn)有技術并不對基于醫(yī)學影像的病例進行入庫保存、也不對醫(yī)學影像進行拆分，同時醫(yī)院之間和不同醫(yī)院的醫(yī)生之間共享醫(yī)學影像文件也沒有實現(xiàn)。其中，現(xiàn)有技術對醫(yī)學圖像分割僅僅停留在對整個器官與外部非器官部分進行分割：比如申請?zhí)枮镃N201510729150.0的發(fā)明專利，該發(fā)明公開了一種醫(yī)學圖像中器官的識別與分割方法，識別方法包括：獲取待處理的醫(yī)學圖像，將所述醫(yī)學圖像分別在X、Y 和Z 軸方向拆分成若干二維圖像，并根據(jù)目標器官的大小設定檢測窗口；利用所述檢測窗口按照設定的檢測步長分別對所述二維圖像進行遍歷檢測，獲取在X、Y 和Z 軸方向的檢測結果；將所述檢測結果進行結果融合，保留在X、Y和Z 軸三個方向上都檢測為陽性的像素點，從而確定所述目標器官邊界。又比如申請?zhí)枮镃N201510672278.8的發(fā)明專利，該發(fā)明公開了一種人體解剖結構模型、植入物快速成型方法，其中公開了該方法首先利用醫(yī)療成像系統(tǒng)、三維掃描儀、攝像攝影設備獲取目標結構的圖像數(shù)據(jù)；然后通過軟件處理圖像得到植入物、解剖結構或解剖結構各個部分、各個層次的三維數(shù)字模型。并不對某個器官的各個區(qū)域進行分割，比如，腦部就包括額葉、顳葉、頂葉、枕葉及小腦等部分，肝臟包括肝左葉和肝右葉等部分。同時，現(xiàn)有技術在分割期間也并不對病灶/靶區(qū)部分做特殊處理，使得后期難以對病灶/靶區(qū)部分做區(qū)別性觀察。
技術實現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供一種基于醫(yī)學影像的病案圖像建模系統(tǒng)，對醫(yī)院的薄層掃描圖像在中心平臺上建模拆分之后入庫，醫(yī)生終端可以獲取知識庫中的病例數(shù)據(jù)，方便不同醫(yī)院以及不同醫(yī)生獲取數(shù)據(jù)。
本發(fā)明的目的是通過以下技術方案來實現(xiàn)的：一種基于醫(yī)學影像的病案圖像建模系統(tǒng)，它包括中心平臺、和中心平臺連接的多個醫(yī)院系統(tǒng)；所述的中心平臺包括建模拆分模塊和知識庫，中心平臺獲取來自醫(yī)院系統(tǒng)發(fā)送的待建模與拆分的器官的薄層掃描圖像，所述的建模拆分模塊對薄層掃描圖像器官進行建模與器官區(qū)域的拆分，并將建模與拆分的器官模型以病例的形式保存至知識庫，下發(fā)至對應的醫(yī)院系統(tǒng)；所述的醫(yī)院系統(tǒng)包括醫(yī)生終端，所述的醫(yī)生終端用于獲取待建模與拆分的器官的薄層掃描圖像、將待建模與拆分的器官的薄層掃描圖像上傳至中心平臺、接收中心平臺發(fā)送的建模與拆分完成的器官模型、查詢并獲取知識庫中的器官模型、對接收到的器官模型進行操作。
所述的建模拆分模塊包括：
薄層掃描圖像獲取模塊：用于獲取待拆分器官的薄層掃描圖像；
三維建模模塊：用于基于薄層掃描圖像，對所述待拆分器官進行三維建模；
器官拆分模塊：對三維建模得到的模型進行多區(qū)域拆分。
所述的三維建模模塊包括：
器官識別單元：將器官周圍的非器官部分進行分離；
器官形態(tài)比較與匹配單元：用于與多種該器官的標準模板進行比較，判斷器官形態(tài)，并匹配該形態(tài)的標準模板；
器官三維建模單元：用于對該器官進行三維建模。
當器官形態(tài)為坍塌或者萎縮或者不完全，則手動對坍塌或者萎縮或者不完全的器官邊界進行劃分。
所述的待拆分器官為腦葉，所述的多區(qū)域為額葉、顳葉、頂葉、枕葉及小腦；
所述的薄層掃描圖像獲取模塊用于獲取腦葉的薄層掃描圖像；
所述的三維建模模塊包括：
預處理單元：用于對腦葉的薄層掃描圖像進行去頭皮去骨處理；
頭部模型構建單元：用于基于預處理后的薄層掃描圖像構建頭部模型；所述的構建頭部模型采用圖像特征算法和定位算法實現(xiàn)；所述的圖像特征算法包括對掃描圖像的腦部溝壑進行判斷，根據(jù)灰度的不同得到腦葉的邊界；所述的定位算法包括根據(jù)對器官的標準模板進行十字交叉定位確認腦葉的邊界；
所述的器官拆分模塊包括：
器官拆分與空間轉換單元：用于針對任意一個圖像，將標準模板對應的模板圖像的各區(qū)域與個體圖像進行空間匹配變形處理，把模板空間的各個腦葉分區(qū)圖像對應變形到個體腦空間，完成大腦區(qū)域分割；
二值化單元：用于將個體空間腦葉圖像進行二值化處理，形成腦葉mask矩陣；
轉換單元：用于將腦葉mask矩陣進行再轉化，轉化為系統(tǒng)可識別的區(qū)域。
所述的待拆分器官為肝臟，所述的多區(qū)域為肝左葉和肝右葉；
所述的薄層掃描圖像獲取模塊用于使用DCMTK讀取肝臟的DICOM序列圖像；
所述的三維建模模塊包括：
預處理單元：采用各向異性擴散濾波算法去掉噪聲，強化圖像邊緣；
圖像特征強化單元：采用OTSU算法強化圖像特征；
肝臟區(qū)域提取單元：采用形態(tài)學算法、或者水平集分割算法、或者自適應區(qū)域生長算法和BP神經(jīng)網(wǎng)絡算法的結合，提取肝臟區(qū)域；
后處理單元：用于對提取的肝臟區(qū)域進行腐蝕處理，并采用漫水填充法對圖像進行后處理；
肝臟區(qū)域確定單元：將后處理單元得到的圖像與原始圖像相與，得到最終的肝臟區(qū)域；
所述的器官拆分模塊用于對得到的肝臟區(qū)域進行多區(qū)域拆分包括：
器官拆分與空間轉換單元：用于針對任意一個圖像，將標準模板對應的模板圖像的各區(qū)域與個體圖像進行空間匹配變形處理，把模板空間的各個肝臟分區(qū)圖像對應變形到個體肝臟空間，完成肝臟區(qū)域分割；
二值化單元：用于將個體空間肝臟圖像進行二值化處理，形成肝臟mask矩陣；
轉換單元：用于將肝臟mask矩陣進行再轉化，轉化為系統(tǒng)可識別的區(qū)域。
在所述的建模與拆分的器官模型以病例的形式保存至知識庫中，將病例打上標簽進行保存；在所述的查詢并獲取知識庫中的器官模型時，通過對標簽的搜索進行查詢。
所述的醫(yī)院系統(tǒng)還包括虛擬現(xiàn)實操作設備，通過網(wǎng)絡與中心平臺連接，用于向中心平臺發(fā)送器官模型獲取請求、接收中心平臺發(fā)送的已經(jīng)完成三維建模以及多區(qū)域拆分的器官模型、通過虛擬現(xiàn)實設備對多區(qū)域拆分的模型進行包括各個區(qū)域進行移動或者隱藏在內(nèi)的操作。
所述的虛擬現(xiàn)實操作設備包括加密控制裝置和虛擬現(xiàn)實操作裝置，所述的虛擬現(xiàn)實操作裝置通過加密控制裝置和互聯(lián)網(wǎng)與中心平臺連接；所述的加密控制裝置用于在虛擬現(xiàn)實操作裝置發(fā)送獲取請求時對獲取請求進行加密操作；所述的中心平臺對經(jīng)過加密操作的獲取請求進行解析，當判斷虛擬現(xiàn)實操作裝置連接有加密控制裝置時才向虛擬現(xiàn)實操作設備發(fā)送器官模型。
本發(fā)明的有益效果是：
（1）本發(fā)明提供了一種基于醫(yī)學影像的病案圖像建模系統(tǒng)，醫(yī)院系統(tǒng)將薄層掃描圖像上傳至中心平臺，中心平臺對圖像進行建模與拆分，并進行保存，方便不同醫(yī)院或者不同醫(yī)生之間的數(shù)據(jù)獲取。
（2）本發(fā)明的中心平臺將醫(yī)學圖像分割不僅停留在對整個器官與外部非器官部分進行分割，還進一步的對器官的各個區(qū)域進行分割以及對病灶/靶區(qū)的分割；對病灶（腫瘤）/靶區(qū)位置的分析以及手術方式的確定起很大的作用。
（3）通過虛擬現(xiàn)實技術對分割的器官進行觀察，效果逼真；并且進一步的對于采用虛擬現(xiàn)實設備進行器官模型數(shù)據(jù)獲取的用戶需要有得到認證后才能進行數(shù)據(jù)獲取，即構建有加密控制裝置。
附圖說明
圖1為本發(fā)明結構方框圖。
具體實施方式
下面結合附圖進一步詳細描述本發(fā)明的技術方案。
如圖1所示，一種基于醫(yī)學影像的病案圖像建模系統(tǒng)，它包括中心平臺、和中心平臺連接的多個醫(yī)院系統(tǒng)；所述的中心平臺包括建模拆分模塊和知識庫，中心平臺獲取來自醫(yī)院系統(tǒng)發(fā)送的待建模與拆分的器官的薄層掃描圖像，所述的建模拆分模塊對薄層掃描圖像器官進行建模與器官區(qū)域的拆分，并將建模與拆分的器官模型以病例的形式保存至知識庫，下發(fā)至對應的醫(yī)院系統(tǒng)；所述的醫(yī)院系統(tǒng)包括醫(yī)生終端，所述的醫(yī)生終端用于獲取待建模與拆分的器官的薄層掃描圖像、將待建模與拆分的器官的薄層掃描圖像上傳至中心平臺、接收中心平臺發(fā)送的建模與拆分完成的器官模型、查詢并獲取知識庫中的器官模型、對接收到的器官模型進行操作。
在下述任意一個實施例中，薄層掃描圖像為CT、MR或DSA中任意一個得到的圖像。
進一步的，所述的建模拆分模塊包括：
薄層掃描圖像獲取模塊：用于獲取待拆分器官的薄層掃描圖像；
三維建模模塊：用于基于薄層掃描圖像，對所述待拆分器官進行三維建模；
器官拆分模塊：對三維建模得到的模型進行多區(qū)域拆分。
其中，由于待拆分器官不一定是通常意義下完整的器官，會與標準模板的器官具有一定差異，因此會有一個預先判斷的步驟，具體地：
所述的三維建模模塊包括：
器官識別單元：將器官周圍的非器官部分進行分離；
器官形態(tài)比較與匹配單元：用于與多種該器官的標準模板進行比較，判斷器官形態(tài)，并匹配該形態(tài)的標準模板；
器官三維建模單元：用于對該器官進行三維建模。
并且進一步地，當器官形態(tài)為坍塌或者萎縮或者不完全，則手動對坍塌或者萎縮或者不完全的器官邊界進行劃分。比如當判斷出為顳葉萎縮的腦部，則選擇顳葉萎縮的標準模板完成三維建模以及區(qū)域劃分，對于顳葉的邊界則采用手動劃分的方式實現(xiàn)。
另外，標準模板的器官為已經(jīng)劃分了區(qū)域的模板，便于后期的對照。
實施例1為對腦葉的拆分；在本實施例中，所述的待拆分器官為腦葉，所述的多區(qū)域為額葉、顳葉、頂葉、枕葉及小腦；
所述的薄層掃描圖像獲取模塊用于獲取腦葉的T1加權成像的薄層掃描圖像；
T1加權成像（T1-weighted imaging，T1WI）是指這種成像方法重點突出組織縱向弛豫差別，而盡量減少組織其他特性如橫向弛豫等對圖像的影響。
所述的三維建模模塊包括：
預處理單元：用于對腦葉的薄層掃描圖像進行去頭皮去骨處理；
頭部模型構建單元：用于基于預處理后的薄層掃描圖像構建頭部模型；所述的構建頭部模型采用圖像特征算法和定位算法實現(xiàn)；所述的圖像特征算法包括對掃描圖像的腦部溝壑進行判斷，根據(jù)灰度的不同得到腦葉的邊界；所述的定位算法包括根據(jù)對器官的標準模板進行十字交叉定位確認腦葉的邊界；
采用兩種方式共同對腦葉邊界進行劃分，得到的效果更好。
所述的器官拆分模塊包括：
器官拆分與空間轉換單元：用于針對任意一個圖像，將標準模板對應的模板圖像的各區(qū)域與個體圖像進行空間匹配變形處理，把模板空間的各個腦葉分區(qū)圖像對應變形到個體腦空間，完成大腦區(qū)域分割；
二值化單元：用于將個體空間腦葉圖像進行二值化處理，形成腦葉mask矩陣；
轉換單元：用于將腦葉mask矩陣進行再轉化，轉化為系統(tǒng)可識別的區(qū)域。
在本實施例中，所述的系統(tǒng)可識別的區(qū)域為可以通過VR設備或者PC設備識別的區(qū)域。其中，對于VR設備，采用Unreal Engine或Unity引擎對模型賦予有物理屬性的物體，并添加如拾取、拆分等功能程序模塊，實現(xiàn)其可VR內(nèi)操作的特性。方便后期的操作。
實施例2為對肝臟的拆分；在本實施例中，所述的待拆分器官為肝臟，所述的多區(qū)域為肝左葉和肝右葉；
所述的薄層掃描圖像獲取模塊用于使用DCMTK讀取肝臟的DICOM序列圖像；
由于現(xiàn)在的醫(yī)學影像設備的圖像存儲和傳輸正在逐漸向DICOM標準靠攏，在我們進行醫(yī)學圖像處理的過程中，經(jīng)常需要自己編寫和DICOM格式的圖像相關的各種程序模塊，以完成自己處理功能。如果從頭開始理解DICOM的協(xié)議，然后完全自己編寫這些代碼來實現(xiàn)這些協(xié)議，是一件工程浩大的事情。德國offis公司開發(fā)的DCMTK，為我們提供了實現(xiàn)DICOM協(xié)議的一個平臺，使得我們可以在它的基礎上輕松的完成自己的主要工作，而不必把太多的精力放在實現(xiàn)DICOM協(xié)議的細節(jié)問題上。
所述的三維建模模塊包括：
預處理單元：采用各向異性擴散濾波算法去掉噪聲，強化圖像邊緣；
圖像特征強化單元：采用OTSU算法強化圖像特征；包括增強所增強部位的特征形態(tài)，防止在后續(xù)分割中待分割區(qū)域與其它區(qū)域混淆
肝臟區(qū)域提取單元：采用形態(tài)學算法、或者水平集分割算法、或者自適應區(qū)域生長算法和BP神經(jīng)網(wǎng)絡算法的結合，提取肝臟區(qū)域；
后處理單元：用于對提取的肝臟區(qū)域進行腐蝕處理，并采用漫水填充法對圖像進行后處理；
肝臟區(qū)域確定單元：將后處理單元得到的圖像與原始圖像相與，得到最終的肝臟區(qū)域；
所述的器官拆分模塊用于對得到的肝臟區(qū)域進行多區(qū)域拆分包括：
器官拆分與空間轉換單元：用于針對任意一個圖像，將標準模板對應的模板圖像的各區(qū)域與個體圖像進行空間匹配變形處理，把模板空間的各個肝臟分區(qū)圖像對應變形到個體肝臟空間，完成肝臟區(qū)域分割；
二值化單元：用于將個體空間肝臟圖像進行二值化處理，形成肝臟mask矩陣；
轉換單元：用于將肝臟mask矩陣進行再轉化，轉化為系統(tǒng)可識別的區(qū)域。
在本實施例中，所述的系統(tǒng)可識別的區(qū)域為可以通過VR設備或者PC設備識別的區(qū)域。其中，對于VR設備，采用Unreal Engine或Unity引擎對模型賦予有物理屬性的物體，并添加如拾取、拆分等功能程序模塊，實現(xiàn)其可VR內(nèi)操作的特性。方便后期的操作。
在上述任意一個實施例中，當完成了對器官區(qū)域的拆分，可以方便后期對病灶（腫瘤）/靶區(qū)位置的分析。比如，肝臟的每個區(qū)域均分布有血管，腫瘤通常通過血管進行營養(yǎng)物質(zhì)的獲??；而如果采用現(xiàn)有技術的方式，僅僅將器官之間進行劃分，會使得腫瘤位置不一定會方便觀察。而采用上述實施例的方法，可以在后期進行分析的時候，手動對器官區(qū)域進行拆分（VR/電腦的方式實現(xiàn)），方便對病灶（腫瘤）/靶區(qū)位置的分析。
因此，進一步地，所述的醫(yī)生終端還在獲取待建模與拆分的器官的薄層掃描圖像后，對其中一幅薄層掃描圖像的病灶/靶區(qū)的外輪廓進行勾畫，同時將完成病灶/靶區(qū)勾畫的待建模與拆分的器官的薄層掃描圖像上傳至中心平臺。所述的中心平臺在進行建模時，還單獨對病灶/靶區(qū)進行建模。對于病灶/靶區(qū)的三維建模采用相同閾值的區(qū)域增長算法確定邊界實現(xiàn)，所述的閾值為灰度值。
進一步地，在所述的建模與拆分的器官模型以病例的形式保存至知識庫中，將病例打上標簽進行保存；在所述的查詢并獲取知識庫中的器官模型時，通過對標簽的搜索進行查詢。
所述的醫(yī)院系統(tǒng)還包括虛擬現(xiàn)實操作設備，通過網(wǎng)絡與中心平臺連接，用于向中心平臺發(fā)送器官模型獲取請求、接收中心平臺發(fā)送的已經(jīng)完成三維建模以及多區(qū)域拆分的器官模型、通過虛擬現(xiàn)實設備對多區(qū)域拆分的模型進行包括各個區(qū)域進行移動或者隱藏在內(nèi)的操作。
并且進一步的，所述的虛擬現(xiàn)實操作設備包括加密控制裝置和虛擬現(xiàn)實操作裝置，所述的虛擬現(xiàn)實操作裝置通過加密控制裝置和互聯(lián)網(wǎng)與中心平臺連接；所述的加密控制裝置用于在虛擬現(xiàn)實操作裝置發(fā)送獲取請求時對獲取請求進行加密操作；所述的中心平臺對經(jīng)過加密操作的獲取請求進行解析，當判斷虛擬現(xiàn)實操作裝置連接有加密控制裝置時才向虛擬現(xiàn)實操作設備發(fā)送器官模型。目的為一個前期的安全考慮，只有連接了加密控制裝置的虛擬現(xiàn)實操作裝置才能獲取數(shù)據(jù)中心的數(shù)據(jù)。而對于采用醫(yī)生終端進行數(shù)據(jù)獲取，則不需要進行加密操作。
實施例4為醫(yī)院設置有自己的內(nèi)部數(shù)據(jù)庫以及數(shù)據(jù)處理中心，具體地：所述的數(shù)據(jù)中心設置于醫(yī)院內(nèi)，與醫(yī)院內(nèi)的多個醫(yī)生用終端通過內(nèi)網(wǎng)連接。每個與薄層掃描儀器的連接的醫(yī)生用終端，均通過內(nèi)網(wǎng)與醫(yī)院內(nèi)部的數(shù)據(jù)中心連接；醫(yī)院內(nèi)部的數(shù)據(jù)中心對醫(yī)院內(nèi)部的數(shù)據(jù)進行處理與保存，當醫(yī)生需要模型的時候，直接下發(fā)。采用內(nèi)網(wǎng)連接，提高安全性能。
進一步地，在上述實施例中，所述的醫(yī)生用終端可以是PC機或者移動終端，均需配置對應的客戶端（C/S）或者通過瀏覽器進行服務（B/S）；虛擬現(xiàn)實操作裝置為虛擬現(xiàn)實眼鏡套件。
另外，在上述實施例中，通過虛擬現(xiàn)實操作設備通過虛擬現(xiàn)實設備對多區(qū)域拆分的模型進行操作，具體可以為：當需要對額葉和顳葉之間的病灶（腫瘤）進行觀察時，首先將其他拆分的區(qū)域（頂葉、枕葉及小腦）進行隱藏，然后對額葉和顳葉其中一個拆分區(qū)域進行平行移動（不進行旋轉），對病灶的位置和形狀進行觀察（包括對整體模型的旋轉和對單個/多個區(qū)域的旋轉），為后期做手術進行準備；當觀察完成后，還可以對其他拆分的區(qū)域進行再顯示以及還原到最初的位置。