[发明专利]一种用于自动化脑MRI定量分析的方法和装置在审
申请号: | 201910992598.X | 申请日: | 2019-10-18 |
公开(公告)号: | CN110827291A | 公开(公告)日: | 2020-02-21 |
发明(设计)人: | 罗杰坚;颜振松;左志雄;张晓璐;钱天翼 | 申请(专利权)人: | 北京量健智能科技有限公司 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T5/00;G06N3/04 |
代理公司: | 北京启坤知识产权代理有限公司 11655 | 代理人: | 姜冰莹 |
地址: | 100080 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 自动化 mri 定量分析 方法 装置 | ||
1.一种用于自动化脑MRI定量分析的方法,其中,该方法包括:
a获得待处理的第一脑MRI图像;
b去除所述第一脑MRI图像中的颅外噪声,截取有效脑区并居中所述有效脑区,生成满足预定格式要求的第二脑MRI图像;
c对所述第二脑MRI图像进行偏置场矫正,获得矫正后的第三脑MRI图像;
d对所述第三脑MRI图像进行图像分割,获得图像分割结果。
2.根据权利要求1所述的方法,其中,所述步骤a包括:
获得待处理的第一脑MRI图像以及所述第一脑MRI图像对应的个体基本信息。
3.根据权利要求2所述的方法,其中,所述获得待处理的第一脑MRI图像以及所述第一脑MRI图像对应的个体基本信息,包括:
获取DICOM原始数据,通过遍历所述DICOM原始数据中的所有文件,筛选出所述DICM原始数据中的DICOM文件;
通过将筛选出的每个DICOM文件按进行归类存储获得多个存储路径,并读取所述每个DICOM文件对应的个体相关信息;
通过对所述多个存储路径中的每个存储路径进行序列完整性检查,获得待处理的第一脑MRI图像;
根据所述第一脑MRI图像中的每个DICOM文件对应的个体相关信息,获得所述第一脑MRI图像对应的个体基本信息。
4.根据权利要求3所述的方法,其中,所述通过将筛选出的每个DICOM文件进行归类存储获得多个存储路径,包括:
对于筛选出的每个DICOM文件,读取该DICOM文件中的患者标识、序列实例标识以及实例编号,根据所述实例编号对该DICOM文件进行重命名,且根据所述患者标识和所述序列实例标识确定该DICOM文件的存储路径,并将该存储路径存储至序列路径变量列表中;
对所述序列路径变量列表中的存储路径去重复,获得多个存储路径。
5.根据权利要求3所述的方法,其中,所述通过对所述多个存储路径中的每个存储路径进行序列完整性检查,获得待处理的第一脑MRI图像,包括:
对于所述多个存储路径中的每个存储路径,对该存储路径中的DICOM序列进行完整性检查,若该DICOM序列具备序列完整性且该DICOM序列的文件数量大于预定文件数量,根据该DICOM序列得到待处理的第一脑MRI图像。
6.根据权利要求3所述的方法,其中,所述根据所述第一脑MRI图像中的每个DICOM文件对应的个体相关信息,获得所述第一脑MRI图像对应的个体基本信息,包括:
读取所述每个DICOM文件对应的个体相关信息,并将所述个体相关信息存储至基本信息变量中;
对所述基本信息变量去重复,并根据所述第一脑MRI图像对应的序列实例标识,获得所述第一脑MRI图像对应的个体基本信息。
7.根据权利要求1至6中任一项所述的方法,其中,所述步骤b包括:
使用3D神经网络模型对所述第一脑MRI图像进行预测,获得去除颅外噪声且截取有效脑区之后的预测MRI图像,其中,所述3D神经网络模型是以SPM的输出结果为样本数据进行训练得到的;
将所述预测MRI图像的体积归一化到预定像素精度,得到归一化的预测MRI图像;
f计算所述归一化的预测MRI图像中有效脑区的位置信息,并根据所述位置信息将所述有效脑区居中,生成满足预定格式要求的第二脑MRI图像。
8.根据权利要求7所述的方法,其中,所述步骤f包括:
计算所述归一化的预测MRI图像中有效脑区的位置信息;
根据所述位置信息将所述有效脑区对应的数据矩阵居中写入符合预定大小要求的零矩阵中,获得居中数据矩阵;
计算所述居中数据矩阵的轴位索引为零的切片的原点坐标,并根据所述原点坐标修改所述归一化的预测MRI图像的放射矩阵;
根据所述居中数据矩阵以及修改后的放射矩阵,生成满足预定格式要求的第二脑MRI图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京量健智能科技有限公司,未经北京量健智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910992598.X/1.html,转载请声明来源钻瓜专利网。