一种人体肿瘤三维虚拟模型的建立方法和装置

技术领域

本发明涉及三维虚拟模型技术领域，特别是涉及一种人体肿瘤三维虚拟模型的建立方法和装置。

背景技术

现有医学影像阅片与分析诊断，通常把医学影像放在背光板上进行查看，依赖于医生的临床经验进行主观判断。实际应用中，对病变部位进行医学影像采集后，通常会生成大量的医学影像，而且并不是每一张图片都具有肿瘤病灶特征，医生需要花费大量的时间去查找具有肿瘤病灶特征的医学影像。另外，具有病灶特征的医学影像由于是二维图像，并不能直观地反映肿瘤病灶的具体状况，这无疑对医生的诊断经验提出了很高要求，因此，诊断经验较浅的医生很难根据医学影像做出准确的分析与诊断。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种人体肿瘤三维虚拟模型的建立方法和相应的一种人体肿瘤三维虚拟模型的建立装置。

为了解决上述问题，本发明实施例公开了一种人体肿瘤三维虚拟模型的建立方法，所述方法包括：

获取肿瘤案例医学影像数据，并采用所述肿瘤案例医学影像数据建立肿瘤识别特征库，所述肿瘤识别特征库包括肿瘤病灶特征识别模型和肿瘤浸润特征识别模型；

采集病变部位的多组医学影像；

根据所述肿瘤识别特征库，从所述多组医学影像中确定符合肿瘤特征的医学影像；

对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像；

采用所述肿瘤信息标注医学影像建立肿瘤三维虚拟模型。

可选地，采用所述肿瘤案例医学影像数据建立肿瘤识别特征库建立肿瘤识别特征库的步骤包括：

对所述肿瘤案例影像数据进行深度学习训练，得到病灶区域特征阈值并记为第一阈值、浸润区间特征阈值并记为第二阈值以及正常组织区域特征阈值并记为第三阈值；

采用所述肿瘤案例影像数据、第一阈值、第二阈值以及第三阈值建立所述肿瘤识别特征库。

可选地，根据所述肿瘤识别特征库，从多组医学影像中确定符合肿瘤特征的医学影像的步骤包括：

根据所述肿瘤病灶特征识别模型，判断所述多组医学影像中是否存在与所述第一阈值相匹配的第一医学影像；

若是，则将所述第一医学影像确定为符合肿瘤特征的病灶医学影像；

根据所述肿瘤浸润特征识别模型，判断所述多组医学影像中是否存在与所述第二阈值相匹配的第二医学影像；

若是，则将所述第二医学影像确定为符合肿瘤特征的浸润医学影像。

可选地，对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像的步骤包括：

获取所述符合肿瘤特征的医学影像的序列信息；

确定所述符合肿瘤特征的医学影像中病灶区域信息；

确定所述符合肿瘤特征的医学影像中浸润区间信息；

确定所述符合肿瘤特征的医学影像中正常组织区域信息；

采用所述序列信息、病灶区域信息、浸润区间信息以及正常组织区域信息对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像。

可选地，采用所述肿瘤信息标注医学影像建立人体肿瘤三维虚拟模型的步骤包括：

建立初始人体虚拟模型；

采用病灶区域信息以及浸润区间信息在所述初始人体虚拟模型的对应位置上进行病灶区域标识以及浸润区间标识，得到人体肿瘤三维虚拟模型。

本发明实施例还公开了一种人体肿瘤三维虚拟模型的建立装置，所述装置包括：

肿瘤识别特征库建立模块，用于获取肿瘤案例医学影像数据，并采用所述肿瘤案例医学影像数据建立肿瘤识别特征库，所述肿瘤识别特征库包括病灶特征识别模型和肿瘤浸润特征识别模型；

医学影像采集模块，用于采集患者的病变部位的多组医学影像；

符合肿瘤特征的医学影像确定模块，用于根据所述肿瘤识别特征库，从多组医学影像中确定符合肿瘤特征的医学影像；

肿瘤信息标注医学影像生成模块，用于对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像；

肿瘤三维虚拟模型建立模块，用于采用所述肿瘤信息标注医学影像建立肿瘤三维虚拟模型。

可选地，所述肿瘤识别特征库建立模块包括：

特征阈值获取子模块，用于对所述肿瘤案例影像数据进行深度学习训练，得到病灶区域特征阈值并记为第一阈值、浸润区间特征阈值并记为第二阈值以及正常组织区域特征阈值并记为第三阈值；

肿瘤识别特征库建立子模块，用于采用所述肿瘤案例影像数据、第一阈值、第二阈值以及第三阈值建立所述肿瘤识别特征库。

可选地，所述符合肿瘤特征的医学影像确定模块包括：

第一判断子模块，用于根据所述肿瘤病灶特征识别模型，判断所述多组医学影像中是否存在与所述第一阈值相匹配的第一医学影像；

符合肿瘤病灶特征的医学影像确定子模块，用于若是，则将所述第一医学影像确定为符合肿瘤特征的病灶医学影像；

第二判断子模块，用于根据所述肿瘤浸润特征识别模型，判断所述多组医学影像中是否存在与所述第二阈值相匹配的第二医学影像；

符合肿瘤浸润特征的医学影像确定子模块，用于若是，则将所述第二医学影像确定为符合肿瘤特征的浸润医学影像。

可选地，所述肿瘤信息标注医学影像生成模块包括：

序列信息获取子模块，用于获取所述符合肿瘤特征的医学影像的序列信息；

病灶区域信息确定子模块，用于确定所述符合肿瘤特征的医学影像中病灶区域信息；

浸润区间信息确定子模块，用于确定所述符合肿瘤特征的医学影像中浸润区间信息；

正常组织区域信息确定子模块，用于确定所述符合肿瘤特征的医学影像中正常组织区域信息；

标注子模块，用于采用所述序列信息、病灶区域信息、浸润区间信息以及正常组织区域信息对所述符合肿瘤特征的医学影像进行标注。

本发明实施例包括以下优点：在本发明实施例中，获取肿瘤案例医学影像数据，并采用所述肿瘤案例医学影像数据建立肿瘤识别特征库，所述肿瘤识别特征库包括肿瘤病灶特征识别模型和肿瘤浸润特征识别模型，采集病变部位的多组医学影像，根据所述肿瘤识别特征库，从所述多组医学影像中确定符合肿瘤特征的医学影像，对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像，采用所述肿瘤信息标注医学影像建立肿瘤三维虚拟模型，从而实现肿瘤的自动识别，为医生节省了大量的阅片时间，提高工作效率，另外，还能通过三维虚拟模型呈现肿瘤的具体状况，更加直观具体，能够有助于医生对病灶进行分析与研究。

附图说明

图1是本发明的一种人体肿瘤三维虚拟模型的建立方法实施例一的步骤流程图。

图2是本发明的一种人体肿瘤三维虚拟模型的建立装置实施例一的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，示出了本发明的一种人体肿瘤三维虚拟模型的建立方法实施例一的步骤流程图，具体可以包括如下步骤：

步骤101，获取肿瘤案例医学影像数据，并采用所述肿瘤案例医学影像数据建立肿瘤识别特征库，所述肿瘤识别特征库包括肿瘤病灶特征识别模型和肿瘤浸润特征识别模型；

首先，通过对多个确诊病人的病变部位进行医学影像数据采集，得到病变部位的多组肿瘤案例影像数据，例如，若病变部位为肝脏，对多个肝脏肿瘤确诊病人的肝脏进行医学影像数据采集，得到多组肿瘤案例影像数据。所述医学影像数据采集的方式可以是核磁共振等方式。

所述病变部位可以为人体的任何部位，例如，肺部，肝部，脑部等等，本发明实施例对此不作进一步限制。所述肿瘤识别特征库内保存有经过对多个肿瘤案例进行神经训练得到的肿瘤特征。

具体的，建立肿瘤识别特征库的步骤包括：

子步骤1011，对所述肿瘤案例影像数据进行深度学习训练，得到病灶区域特征阈值并记为第一阈值、浸润区间特征阈值并记为第二阈值以及正常组织区域特征阈值并记为第三阈值；

在获取所述病变部位的多组肿瘤案例影像数据后，对所述多组肿瘤案例影像数据进行深度学习训练，得到病灶区域特征阈值，将病灶区域特征阈值记为第一阈值、浸润区间特征，将浸润区间特征阈值记为第二阈值，以及正常组织区域特征阈值，将正常组织区域特征阈值记为第三阈值。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。所述病灶区域为人体组织发生肿瘤病变的区域，所述浸润区间为病灶区域的肿瘤细胞向周围正常组织区域浸润性生长的区域，所述正常组织区域为还没发生病变的区域。

子步骤1013，采用所述肿瘤案例影像数据、第一阈值、第二阈值以及第三阈值建立所述肿瘤识别特征库。

步骤102，采集病变部位的多组医学影像；

在病变部位的肿瘤识别特征库建立完成后，便可通过肿瘤识别特征库去判断患者的病变部位是否有肿瘤，具体的，先采集患者的病变部位的多组医学影像。

步骤103，根据所述肿瘤识别特征库，从多组医学影像中确定符合肿瘤特征的医学影像；

根据所述肿瘤识别特征库，从多组医学影像中确定符合肿瘤特征的医学影像的步骤包括：

子步骤1031，根据所述肿瘤病灶特征识别模型，判断所述多组医学影像中是否存在与所述第一阈值相匹配的第一医学影像；

将多组医学影像依次与肿瘤识别特征库中的肿瘤病灶特征识别模型进行相似度比较，判断多组医学影像中是否存在与所述病灶区域特征匹配度超过第一阈值的第一医学影像，所述第一阈值可由技术人员设定，例如，若将第一阈值设定为百分之70，则再判断所述多组医学影像中是否存在与所述病灶区域特征匹配度超过百分之70的第一医学影像。

子步骤1032，若是，则将所述第一医学影像确定为符合肿瘤特征的病灶医学影像。

将超过第一阈值的第一医学影像，确定为符合肿瘤特征的病灶医学影像，例如，将与所述病灶区域匹配度超过百分之70的第一医学影像确定为符合肿瘤特征的病灶医学影像。

子步骤1033，根据所述肿瘤浸润特征识别模型，判断所述多组医学影像中是否存在与所述第二阈值相匹配的第二医学影像；

将多组医学影像依次与肿瘤识别特征库中的肿瘤浸润特征识别模型进行相似度比较，判断多组医学影像中是否存在与所述浸润区域特征匹配度超过第二阈值的第二医学影像，所述第二阈值可由技术人员设定，例如，若将第一阈值设定为百分之60，则再判断所述多组医学影像中是否存在与所述浸润区域特征匹配度超过百分之60的第二医学影像。

子步骤1034，若是，则将所述第二医学影像确定为符合肿瘤特征的浸润医学影像。

步骤104，对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像；

在确定了符合肿瘤特征的医学影像后，对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像，目的是使得医学影像能够携带肿瘤的具体信息。

子步骤1041，获取所述符合肿瘤特征的医学影像的序列信息；

多组医学影像中每组医学影像都有其唯一的序列信息，在本发明实施例中，从多组医学影像数据中获取符合肿瘤特征的医学影像的序列信息。

子步骤1042，确定所述符合肿瘤特征的医学影像中病灶区域信息；

所述病灶区域信息包括病灶区域位置信息，病灶区域面积信息，病灶异常类型信息等等。

子步骤1043，确定所述符合肿瘤特征的医学影像中浸润区间信息；

所述浸润区间信息包括浸润区间位置信息，浸润区间面积信息等等。

子步骤1044，确定所述符合肿瘤特征的医学影像中正常组织区域信息；

所述正常组织区域信息包括正常组织区域位置信息，正常组织区域面积信息等等。

子步骤1045，采用所述序列信息、病灶区域信息、浸润区间信息以及正常组织区域信息对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像。

具体的，可以将所述序列信息、病灶区域信息、浸润区间信息以及正常组织区域信息采用较小的字体标注于医学影像的右上方，本发明实施例对其具体的标注方式不作进一步的限制。

步骤105，采用所述肿瘤信息标注医学影像建立肿瘤三维虚拟模型。

采用所述肿瘤信息标注医学影像建立人体肿瘤三维虚拟模型的步骤包括：

建立初始人体虚拟模型；

采用病灶区域信息以及浸润区间信息在所述初始人体虚拟模型的对应位置上进行病灶区域标识以及浸润区间标识，得到人体肿瘤三维虚拟模型。

在本发明实施例中，还可以根据病灶区域信息、浸润区间信息、正常组织区域信息进行病灶识别逻辑判别，输出辅助诊断报告。

在本发明实施例中，获取肿瘤案例医学影像数据，并采用瘤案例医学影像数据建立肿瘤识别特征库，肿瘤识别特征库包括肿瘤病灶特征识别模型和肿瘤浸润特征识别模型，采集病变部位的多组医学影像，根据肿瘤识别特征库，从多组医学影像中确定符合肿瘤特征的医学影像，对符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像，采用肿瘤信息标注医学影像建立肿瘤三维虚拟模型，从而实现肿瘤的自动识别，为医生节省了大量的阅片时间，提高工作效率，另外，还能通过三维虚拟模型呈现肿瘤的具体状况，更加直观具体，能够有助于医生对病灶进行分析与研究。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图2，示出了本发明的一种人体肿瘤三维虚拟模型的建立装置实施例一的结构框图，具体可以包括如下模块：

肿瘤识别特征库建立模块201，用于获取肿瘤案例医学影像数据，并采用所述肿瘤案例医学影像数据建立肿瘤识别特征库，所述肿瘤识别特征库包括病灶特征识别模型和肿瘤浸润特征识别模型；

医学影像采集模块202，用于采集患者的病变部位的多组医学影像；

符合肿瘤特征的医学影像确定模块203，用于根据所述肿瘤识别特征库，从多组医学影像中确定符合肿瘤特征的医学影像；

肿瘤信息标注医学影像生成模块204，用于对所述符合肿瘤特征的医学影像进行信息标注，得到肿瘤信息标注医学影像；

肿瘤三维虚拟模型建立模块205，用于采用所述肿瘤信息标注医学影像建立肿瘤三维虚拟模型。

在本发明实施例中，所述肿瘤识别特征库建立模块包括：

特征阈值获取子模块，用于对所述肿瘤案例影像数据进行深度学习训练，得到病灶区域特征阈值并记为第一阈值、浸润区间特征阈值并记为第二阈值以及正常组织区域特征阈值并记为第三阈值；

肿瘤识别特征库建立子模块，用于采用所述肿瘤案例影像数据、第一阈值、第二阈值以及第三阈值建立所述肿瘤识别特征库。

在本发明实施例中，所述符合肿瘤特征的医学影像确定模块包括：

第一判断子模块，用于根据所述肿瘤病灶特征识别模型，判断所述多组医学影像中是否存在与所述第一阈值相匹配的第一医学影像；

符合肿瘤病灶特征的医学影像确定子模块，用于若是，则将所述第一医学影像确定为符合肿瘤特征的病灶医学影像；

第二判断子模块，用于根据所述肿瘤浸润特征识别模型，判断所述多组医学影像中是否存在与所述第二阈值相匹配的第二医学影像；

符合肿瘤浸润特征的医学影像确定子模块，用于若是，则将所述第二医学影像确定为符合肿瘤特征的浸润医学影像。

在本发明实施例中，所述肿瘤信息标注医学影像生成模块包括：

序列信息获取子模块，用于获取所述符合肿瘤特征的医学影像的序列信息；

病灶区域信息确定子模块，用于确定所述符合肿瘤特征的医学影像中病灶区域信息；

浸润区间信息确定子模块，用于确定所述符合肿瘤特征的医学影像中浸润区间信息；

正常组织区域信息确定子模块，用于确定所述符合肿瘤特征的医学影像中正常组织区域信息；

标注子模块，用于采用所述序列信息、病灶区域信息、浸润区间信息以及正常组织区域信息对所述符合肿瘤特征的医学影像进行标注。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明实施例还提供了一种装置，包括：

包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述一种人体肿瘤三维虚拟模型的建立方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述一种人体肿瘤三维虚拟模型的建立方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种人体肿瘤三维虚拟模型的建立方法和一种人体肿瘤三维虚拟模型的建立装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。