[发明专利]识别脑萎缩的方法及装置

说明书

本发明实施例提供了识别脑萎缩的方法及装置，涉及人工智能技术领域，该方法包括：采用关键帧检测模块确定脑部影像序列中的关键帧，采用关键点检测模块检测关键帧中的关键点，并根据关键帧中的关键点确定第一类分级指标。采用图像分割模块对关键帧进行分割，确定第二类分级指标。之后再根据第一类分级指标和所述第二类分级指标识别脑萎缩。由于针对不同分级指标的特点采用不同的检测方式，从而提高分级指标的检测精度，使用第一类分级指标和第二类分级指标识别脑萎缩，也提高了识别脑萎缩的精度。其次，采用神经网络模型自动识别脑萎缩，相较于人工手工测量和计算来说，人工依赖小且效率高。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及识别脑萎缩的方法及装置。

背景技术

脑萎缩是脑组织发生器质性病变而较正常体积缩小的影像学表现，可由遗传、神经系统疾病、中毒、营养不良等多种因素引起。其中，最常见的为大脑皮质萎缩，可见脑回变平、脑沟增宽、脑室脑池扩大、脑重量减轻，临床表现为记忆力减退、思维能力下降、情绪不稳定、无法集中注意力等，严重时将发展为痴呆、语言障碍、丧失智力等。全世界每年有约1500万人死于各种脑萎缩相关的疾病，且死亡率逐年增高。脑萎缩相关疾病通常病程长、发病缓慢，因此不易被察觉，一旦出现显著症状便无法逆转，严重影响患者的工作和生活。因此，早期脑萎缩诊断治疗对提高脑萎缩患者的生存率、改善其生活质量有重要的作用。

目前，基于影像学诊断脑萎缩的主要方法有脑组织容积测量法和线性测量法。线性测量法是通过脑室、脑沟、脑裂的一维线性指标的测量来反映颅内脑脊液容积的变化，进而间接反映脑实质容量的变化。其测量部位明确、固定，方法易行，在临床上广泛采用。但是，该方法依赖医生进行手工测量和计算，主观性强且效率低。

发明内容

由于目前基于影像学诊断脑萎缩的方法依赖医生进行手工测量和计算，主观性强且效率低的问题，本发明实施例提供了识别脑萎缩的方法及装置。

一方面，本发明实施例提供了一种识别脑萎缩的方法，包括：

采用关键帧检测模块确定脑部影像序列中的关键帧；

采用关键点检测模块检测所述关键帧中的关键点，并根据所述关键帧中的关键点确定第一类分级指标；

采用图像分割模块对所述关键帧进行分割，确定第二类分级指标；

根据所述第一类分级指标和所述第二类分级指标识别脑萎缩。

可选地，所述第一类分级指标包括前角间最大径、前角间最小径、侧脑室脉络丛间径及侧脑室顶间外径；

所述采用关键点检测模块检测所述关键帧中的关键点，并根据所述关键帧中的关键点确定第一类分级指标，包括：

采用关键点检测模块检测所述关键帧中的前角关键点、侧脑室关键点；

根据所述前角关键点确定所述前角间最大径及所述前角间最小径；

根据所述侧脑室关键点确定所述侧脑室脉络丛间径及所述侧脑室顶间外径。

可选地，所述第二类分级指标包括三脑室最宽径；

所述采用图像分割模块对所述关键帧进行分割，确定第二类分级指标，包括：

根据所述关键帧中的关键点确定第一区域；

对所述第一区域进行二值化处理，确定第二区域；

采用图像分割算法对所述第二区域进行分割，确定三脑室区域；

根据所述三脑室区域确定三脑室最宽径。

可选地，所述第二类分级指标包括颅骨最大外径以及颅骨最大内径；

所述采用图像分割模块对所述关键帧进行分割，确定第二类分级指标，包括：