[发明专利]脑图像获取方法、装置、设备及存储介质

权利要求书

1.一种脑图像获取方法，其特征在于，包括：

基于正电子发射型计算机断层技术或单光子发射型计算机断层技术获取受检者的第一脑图像；

获取已训练完备的脑图像获取神经网络模型；

将所述第一脑图像输入至所述脑图像获取神经网络模型，确定所述第一脑图像对应的变形场；

根据所述变形场对所述第一脑图像进行变换，获取第二脑图像，将所述第二脑图像作为受检者的脑图像；

获取样本对象的样本脑图像，将所述样本脑图像和预设的标准脑图像进行配准，得到样本变形场，并将所述样本脑图像和所述样本变形场作为一组训练样本；

基于多个所述训练样本对原始神经网络模型进行训练，得到所述脑图像获取神经网络模型，其中，所述原始神经网络模型包括卷积神经网络模型；

所述样本对象包括第一样本对象；第一训练样本通过如下步骤获取：

基于正电子发射型计算机断层技术或单光子发射型计算机断层技术获取所述第一样本对象的第一样本脑图像，以及，基于磁共振成像技术获取所述第一样本对象的磁共振样本脑图像；

将所述磁共振样本脑图像和预设的标准脑图像进行配准，得到第一样本变形场，并将所述第一样本脑图像和所述第一样本变形场作为一组第一训练样本。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于样本对象的磁共振样本脑图像和正电子发射型计算机断层样本脑图像；以及预设的标准脑图像，对原始神经网络模型进行训练，得到所述脑图像获取神经网络模型；或，

基于所述样本对象的磁共振样本脑图像和单光子发射型计算机断层样本脑图像；以及预设的标准脑图像，对原始神经网络模型进行训练，得到所述脑图像获取神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述训练样本包括第一训练样本和第二训练样本；相应的，所述基于多个所述训练样本对原始神经网络模型进行训练，得到所述脑图像获取神经网络模型，包括：

基于多个所述第二训练样本对原始神经网络模型进行训练，得到初步脑图像获取神经网络模型；

基于多个所述第一训练样本对所述初步脑图像获取神经网络模型进行训练，得到所述脑图像获取神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述样本对象包括第二样本对象；所述第二训练样本通过如下步骤获取：

基于正电子发射型计算机断层技术或单光子发射型计算机断层技术获取所述第二样本对象的第二样本脑图像；

将所述第二样本脑图像和预设的标准脑图像进行配准，得到第二样本变形场，并将所述第二样本脑图像和所述第二样本变形场作为一组第二训练样本。

5.根据权利要求1所述的方法，其特征在于，在所述将所述样本脑图像和所述样本变形场作为一组训练样本之后，所述方法还包括：基于预设的数据集扩增算法对由多个所述训练样本构成的训练样本集进行扩增；

相应的，所述基于多个所述训练样本对原始神经网络模型进行训练，得到所述脑图像获取神经网络模型，包括：

基于已扩增的训练样本集对原始神经网络模型进行训练，得到所述脑图像获取神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述基于预设的数据集扩增算法对由多个所述训练样本构成的训练样本集进行扩增，包括：

根据所述训练样本集中的至少两个所述样本变形场，以及，预设的随机变形场，生成扩增变形场；

根据所述训练样本集中的每组训练样本，获取已变换样本脑图像，并根据至少两个所述已变换样本脑图像生成已变换扩增脑图像；

根据所述已变换扩增脑图像和所述扩增变形场，生成未变换扩增脑图像。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据接收到的用户输入的调整操作对所述变形场进行调整，并基于调整后的变形场和所述第一脑图像对所述脑图像获取神经网络模型再次进行训练，并根据训练结果更新所述脑图像获取神经网络模型。