[发明专利]一种基于SWI图像和循环神经网络的血管识别方法

权利要求书

1.一种基于SWI图像和循环神经网络的血管识别方法，其特征在于：包括以下步骤：

S1.使用核磁共振仪以SWI序列进行扫描，得到多组配对生成的原始磁矩图像和原始相位图像，所述原始磁矩图像和原始相位图像经图像后处理融合后得到SWI图像；

S2.通过边缘检测算法对所述SWI图像进行图像分割，得到待识别图像；

S3.选取部分待识别图像、与所述部分待识别图像所对应的原始相位图像作为训练集；将剩余待识别图像通过人工标识的方式标识出其中哪些是静脉血管、哪些是人体钙化点，得到人工标识图像；将所述人工标识图像和所述剩余待识别图像所对应的原始相位图像作为测试集；

S4.将训练集输入到循环神经网络，将所述待识别图像和原始相位图像关联在一起进行图像识别；并使用测试集对识别结果进行优化，得到血管识别模型；

S5.将需要进行血管识别的SWI图像按步骤S2进行图像分割后，输入到血管识别模型中，得到血管结构图像。

2.根据权利要求1所述一种基于SWI图像和循环神经网络的血管识别方法，其特征在于：所述循环神经网络包括LSTM网络或CONV-LSTM网络，用于连接所述原始相位图像的信息到对所述待识别图像的图像识别任务中。

3.根据权利要求1所述一种基于SWI图像和循环神经网络的血管识别方法，其特征在于：步骤S2中边缘检测算法使用Canny算法，按以下步骤实现：

S21.使用高斯滤波器平滑图像，滤除噪声；

S22.计算图像中每个像素点的梯度强度和方向；

S23.应用非极大值抑制，以消除边缘检测带来的杂散响应；

S24.应用双阈值检测来确定真实的和潜在的边缘。

4.根据权利要求3所述一种基于SWI图像和循环神经网络的血管识别方法，其特征在于：步骤S24中所述双阈值包括高阈值和低阈值，所述高阈值和低阈值之比在2:1到3:1之间。

5.根据权利要求1所述一种基于SWI图像和循环神经网络的血管识别方法，其特征在于：所述步骤S3中，训练集和测试集的选取方式为：将切面空间坐标轴上、层与层相邻的、连续的多张待识别图像作为1个训练集数据或测试集数据。

6.根据权利要求1或5所述一种基于SWI图像和循环神经网络的血管识别方法，其特征在于：所述步骤S1中，对所述SWI序列第二个回波施加一个倾斜角，进行三维完全流动补偿动脉血管成像。