[发明专利]一种基于3D核磁共振影像的脑部异常的分类方法及设备

说明书

本申请公开了一种基于3D核磁共振影像的脑部异常的分类方法及设备，包括：接收待处理的3D核磁共振影像，基于第一神经网络算法对所述3D核磁共振影像对应的影像序列执行卷积操作，得到分段掩码；进而基于第二神经网络算法和所述分段掩码对所述3D核磁共振影像对应的影像序列执行分类操作，得到脑部异常分类结果。本申请实施例借助人工智能和大数据处理技术，通过训练核磁共振影像的识别模型，能够对接收到的核磁共振影像中出现的脑部异常进行分类，有效提升了脑部异常的分类精度，进而提高了基于核磁共振影像对脑部异常的诊断精度。

技术领域

本申请涉及医疗影像识别、计算机处理技术领域，尤其涉及一种基于3D核磁共振影像的脑部异常的分类方法及设备。

背景技术

核磁共振影像(Magnetic Resonance Imaging，MRI)作为医学领域一种常见的影像检查方式，主要利用磁共振现象从人体中获得电磁信号，重建出人体信息。这样，医生可以根据核磁共振影像对人体部位发生的异常进行识别。

核磁共振影像用途比较广，涉及全身各系统的成像诊断。例如：颅脑及其脊髓、心脏大血管、关节骨骼、软组织及盆腔等。

对于心血管疾病患者，利用核磁共振影像可作多个切面图，显示心脏、病变全貌及其与周围结构的关系，这样不但有助于医生观察各腔室、大血管及瓣膜的解剖变化，而且有助于医生作心室分析，进行定性及半定量的诊断。

尤其对于脑部疾病的患者，利用核磁共振影像可作冠状、矢状及横断成像。医生基于核磁共振影像能够对脑部是否发生异常进行判断。

目前，医生在拿到病人的核磁共振影像(例如：脑部核磁共振影像)时，通常是根据自身从医经验对患者身体是否发生异常进行识别或者判断。也就是说，目前利用核磁共振影像判断患者身体是否发生异常主要还是基于医生的经验。这样导致基于核磁共振影像对患者身体是否发生异常进行识别的识别精度较低，也容易造成误诊或者耽误患者治疗时间的事件发生。

发明内容

有鉴于此，本申请实施例提供了一种基于3D核磁共振影像的脑部异常的分类方法及设备，用于对3D核磁共振影像的脑部异常进行精准分类，提升脑部异常识别的识别精度。

本申请实施例提供了一种基于3D核磁共振影像的脑部异常的分类方法，包括：

接收待处理的3D核磁共振影像，基于第一神经网络算法对所述3D核磁共振影像对应的影像序列执行卷积操作，得到分段掩码；

基于第二神经网络算法和所述分段掩码对所述3D核磁共振影像对应的影像序列执行分类操作，得到脑部异常分类结果。

本申请实施例提供了一种基于3D核磁共振影像的脑部异常的分类设备，包括至少一个处理器及存储器，所述存储器存储有程序，并且被配置成由所述至少一个处理器执行以下步骤：

接收待处理的3D核磁共振影像，基于第一神经网络算法对所述3D核磁共振影像对应的影像序列执行卷积操作，得到分段掩码；

基于第二神经网络算法和所述分段掩码对所述3D核磁共振影像对应的影像序列执行分类操作，得到脑部异常分类结果。

本申请提供的至少一个实施例所达到的有益效果如下：

本申请实施例通过接收待处理的3D核磁共振影像，基于第一神经网络算法对所述3D核磁共振影像对应的影像序列执行卷积操作，得到分段掩码；进而基于第二神经网络算法和所述分段掩码对所述3D核磁共振影像对应的影像序列执行分类操作，得到脑部异常分类结果。本申请实施例借助人工智能和大数据处理技术，通过训练核磁共振影像的识别模型，能够对接收到的核磁共振影像中出现的脑部异常进行分类，有效提升了脑部异常的分类精度，进而提高了基于核磁共振影像对脑部异常的诊断精度。

附图说明