本技术涉及医学影像诊断，尤其涉及一种盆底功能障碍检测方法、装置、计算机设备与存储介质。
背景技术：
1、盆底功能障碍疾病包括尿失禁、盆腔器官脱垂（如子宫脱垂、膀胱脱垂、直肠脱垂等）等。目前，利用人工智能等相关技术可提高盆底功能障碍疾病的诊断效率。
2、然而，目前的人工智能相关技术通常采用基于单模态的影像数据进行辅助分析，存在精准度低的问题，会造成后续评估盆底情况的结果与实际存在偏差。
技术实现思路
1、有鉴于此，本技术至少提供一种盆底功能障碍检测方法、装置、计算机设备与存储介质。
2、本技术的技术方案是这样实现的：
3、一方面，本技术提供一种盆底功能障碍检测方法，所述方法包括：
4、对待分析对象的盆底区域的原始计算机断层扫描ct图像序列和原始磁共振成像mri的t2图像序列进行预处理与图像融合，得到多模态图像序列；其中，预处理的过程包括：根据原始ct图像序列与原始mri的t2图像序列的层间距，对所述原始ct图像序列与所述原始mri的t2图像序列进行配准，以及对配准的t2图像序列进行标准化处理；
5、通过基于 unet++结构的图像分割网络，对所述多模态图像序列进行图像分割，得到待分析盆底部位图像；所述基于 unet++结构的图像分割网络中的网络模块是基于convnext卷积神经网络构建的；
6、通过计算所述待分析盆底部位图像对应的相对位移，确定所述待分析对象的盆底情况。
7、在一些实施例中，所述对待分析对象的盆底区域的原始计算机断层扫描ct图像序列和原始磁共振成像mri的t2图像序列进行预处理与图像融合，得到多模态图像序列，包括：
8、根据所述原始ct图像序列与所述原始mri的t2图像序列的层间距，对所述原始ct图像序列与所述原始mri的t2图像序列进行配准，得到配准的ct图像序列与配准的t2图像序列；
9、根据预设截断范围，对所述配准的ct图像序列进行截断处理与归一化处理的预处理过程，得到待融合的ct图像序列；以及，通过计算所述配准的t2图像序列的像素值均值与像素值标准差，对所述配准的t2图像序列进行标准化处理与归一化处理的预处理过程，得到待融合的t2图像序列；
10、对所述待融合的ct图像序列与所述待融合的t2图像序列进行图像融合，得到所述多模态图像序列。
11、在一些实施例中，所述通过计算所述配准的t2图像序列的像素值均值与像素值标准差，对所述配准的t2图像序列进行标准化处理与归一化处理的预处理过程，得到待融合的t2图像序列，包括：
12、计算所述配准的t2图像序列的像素值均值和像素值标准差；
13、计算所述配准的t2图像序列中的每个像素值与所述像素值均值的第一差值，并计算所述第一差值与所述像素值标准差的第一比值，作为所述配准的t2图像序列中的每个像素值对应的标准化像素值，从而得到标准化的t2图像序列；
14、对所述标准化的t2图像序列进行归一化处理，得到所述待融合的t2图像序列。
15、在一些实施例中，所述根据所述原始ct图像序列与所述原始mri的t2图像序列的层间距，对所述原始ct图像序列与所述原始mri的t2图像序列进行配准，得到配准的ct图像序列与配准的t2图像序列，包括：
16、当所述原始ct图像序列对应的第一层间距大于所述原始mri的t2图像序列对应的第二层间距时，以所述原始mri的t2图像序列对应的坐标系为基准进行配准，得到所述配准的ct图像序列和所述配准的t2图像序列；
17、当所述第一层间距小于所述第二层间距时，以所述原始ct图像序列对应的坐标系为基准进行配准，得到所述配准的ct图像序列和所述配准的t2图像序列。
18、在一些实施例中，所述方法还包括：
19、通过获取所述原始ct图像序列的第一像素间距和所述原始mri的t2图像序列的第二像素间距，确定所述第一层间距与所述第二层间距。
20、在一些实施例中，所述通过计算所述待分析盆底部位图像对应的相对位移，确定所述待分析对象的盆底情况，包括：
21、以所述待分析对象的耻尾线作为参考线，计算所述待分析盆底部位图像中的参考点至所述耻尾线的纵垂线方向的距离，作为所述相对位移；
22、基于所述相对位移，确定所述待分析对象的盆底情况。
23、在一些实施例中，所述基于所述相对位移，确定所述待分析对象的盆底情况，包括：
24、根据至少一个预设相对位移区间与至少一个预设盆底情况的预设对应关系，确定所述相对位移对应的目标预设盆底情况，作为所述待分析对象的盆底情况。
25、另一方面，本技术提供一种盆底功能障碍检测装置，所述装置包括：
26、预处理模块，用于对待分析对象的盆底区域的原始计算机断层扫描ct图像序列和原始磁共振成像mri的t2图像序列进行预处理与图像融合，得到多模态图像序列；其中，预处理的过程包括：根据原始ct图像序列与原始mri的t2图像序列的层间距，对所述原始ct图像序列与所述原始mri的t2图像序列进行配准，以及对配准的t2图像序列进行标准化处理；
27、图像分割模块，用于通过基于 unet++结构的图像分割网络，对所述多模态图像序列进行图像分割，得到待分析盆底部位图像；所述基于 unet++结构的图像分割网络中的网络模块是基于convnext卷积神经网络构建的；
28、确定模块，用于通过计算所述待分析盆底部位图像对应的相对位移，确定所述待分析对象的盆底情况。
29、再一方面，本技术实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法中的部分或全部步骤。
30、又一方面，本技术实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法中的部分或全部步骤。
31、本技术对原始ct图像序列和原始mri的t2图像序列进行预处理与图像融合，实现了对不同来源的多个模态信息的融合，使得融合得到的多模态图像序列包含更全面的信息，相比现有技术中基于单模态的影像数据进行辅助分析所得出的结果，精准度更高。并且，在预处理过程中，由于层间距通常影响图像的分辨率，根据原始ct图像序列与原始mri的t2图像序列的层间距进行配准，可以获得更准确的配准关系；通过对配准的t2图像序列进行标准化处理，能够平滑配准的t2图像序列中的数据梯度；如此，提高了预处理的数据精确度，进而提高基于预处理过程进行后续处理过程的精确度。进一步地，通过基于unet++结构的图像分割网络进行图像分割，基于 unet++结构的图像分割网络中的网络模块基于convnext卷积神经网络构建，可以进一步提高图像分割结果的准确性，最终提高基于图像分割结果进行相对位移计算与确定盆底情况的准确性。
32、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本技术的技术方案。
1.一种盆底功能障碍检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对待分析对象的盆底区域的原始计算机断层扫描ct图像序列和原始磁共振成像mri的t2图像序列进行预处理与图像融合，得到多模态图像序列，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过计算所述配准的t2图像序列的像素值均值与像素值标准差，对所述配准的t2图像序列进行标准化处理与归一化处理的预处理过程，得到待融合的t2图像序列，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述原始ct图像序列与所述原始mri的t2图像序列的层间距，对所述原始ct图像序列与所述原始mri的t2图像序列进行配准，得到配准的ct图像序列与配准的t2图像序列，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述通过计算所述待分析盆底部位图像对应的相对位移，确定所述待分析对象的盆底情况，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述相对位移，确定所述待分析对象的盆底情况，包括：
8.一种盆底功能障碍检测装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述方法中的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法中的步骤。
