1.基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,包括:
s1.利用健康人体的完整头部ct数据构建健康颅骨三维模型;
s2.根据健康颅骨三维模型生成若干组颅骨缺陷的模拟病人数据;
s3.利用模拟病人数据生成训练数据;
s4.构建三维卷积神经网络,并利用训练数据对三维卷积神经网络进行训练得到缺损颅骨的自动重建网络模型。
2.根据权利要求1所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述步骤s1包括:
s11.获取一组健康人体头部的ct序列,去掉颧骨及以下部分的切片;
s12.将颧骨以上部分的切片按照真实物理比例进行重建,得到健康颅骨三维模型。
3.根据权利要求1所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述步骤s2中模拟病人数据的生成包括:
s21.对健康颅骨三维模型进行分割,获取颅骨部分;
s22.对颅骨部分随机切除一部分颅骨,获得缺损部分;
s23.根据健康颅骨三维模型和缺损部分生成切除部分颅骨后的受损颅骨三维模型;
s24.利用内陷算法对受损颅骨三维模型进行组织塌陷模拟处理,得到一组模拟病人数据。
4.根据权利要求3所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述步骤s22包括:
s221.在模型空间内随机生成一个球体/立方体;
s222.利用逻辑与操作获得球体/立方体和颅骨部分的重合部分,得到缺损部分。
5.根据权利要求4所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述步骤s23中生成受损颅骨三维模型包括:在颅骨部分中,将球体/立方体和颅骨部分的重合部分所在位置的值置零,得到受损颅骨三维模型。
6.根据权利要求1所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述步骤s24包括:
s241.以颅骨部分中心为起点,向颅骨部分中所有被置零的位置发出一条射线,射线一直延伸至背景区域;
s242.将离颅骨模型中心远的像素块的值赋给离颅骨中心近的像素块,直到被置零部分被填满;
s243.对皮肤组织与背景边缘部分进行平滑处理,得到模拟病人数据。
7.根据权利要求1所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述步骤s3包括:
s31.对模拟病人数据进行降采样,并将处理结果记为dcm;
s32.对dcm进行二值化,将头颅部分标记为1,非头颅以及背景部分标记为-1,并将处理结果记为mask;
s33.对颅骨部分和缺损部分的数据进行降采样,生成一个相同尺寸的全零矩阵,将颅骨部分标记为1,缺损部分标记为2,并将处理结果记为class;
s34.将dcm、mask和class保存为nifti格式,作为训练数据。
8.根据权利要求1所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述三维卷积神经网络包括13层,其中卷积层10层、全连接层2层、分类层1层。
9.根据权利要求1所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,所述自动重建网络模型的输出包括颅骨轮廓模型、用于重建的缺损颅骨块和完整颅骨模型。
10.根据权利要求1所述的基于三维卷积神经网络的颅骨缺损重建方法,其特征在于,基于三维卷积神经网络的颅骨缺损重建方法还包括:
使用ct扫描患者颅骨窗,获取颅脑dicom数据;
利用颅脑dicom数据生成患者头颅三维模型;
将患者头颅三维模型输入自动重建网络模型,得到缺损部分修补模型;
将缺损部分修补模型导入3d打印机制作出与缺损相匹配的peek修补片供医生使用。