[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

说明书

本发明提供一种基于SWI图像和循环神经网络的血管识别方法，包括以下步骤：S1.扫描得到由多组配对生成的原始磁矩图像和原始相位图像合成的SWI图像；S2.通过边缘检测算法对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、与部分待识别图像所配对生成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，和剩余待识别图像所配对生成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中，将待识别图像和原始相位图像关联在一起进行图像识别，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；本发明可以解决对SWI图像中血管自动识别的技术问题。

技术领域

本发明涉及核磁共振成像技术领域，具体涉及一种基于SWI图像和循环神经网络的血管识别方法。

背景技术

在核磁共振成像技术中，SWI磁敏感加权成像是近年来新开发出来的磁共振对比增强成像技术。SWI根据不同组织间的磁敏感性差异，提供图像对比增强，它可以应用于所有对不同组织间或亚体素间磁化效应敏感的序列。

现有技术CN107248155A公开了一种基于SWI图像的脑静脉血管分割方法，该方法读取每一幅二维SWI脑静脉血管图像，采用图像处理算法消除了因为静脉血管低对比度以及脑伪影等噪声等对血管分割的影响，将脑静脉血管从原图像中分割出来，得到脑血管结构图像。但通过SWI序列扫描得到的图像，同样显示为低信号的组织，包括有小血管、人体钙化点、海绵状血管瘤，等等。现有技术在识别SWI图像时，不能自动区分上述各种不同的组织形态，需要人工判断，人工判断有一定误判率。

发明内容

针对现有技术中的缺陷，本发明提供一种基于SWI图像和循环神经网络的血管识别方法，以解决现有技术中存在的对SWI图像进行血管识别时，不能自动区分其它同样显示为低信号的组织，需要人工判断的技术问题。

本发明采用的技术方案是，一种基于SWI图像和循环神经网络的血管识别方法，包括以下步骤：

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，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，和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。

进一步的，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。

进一步的，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。

进一步的，步骤S24中双阈值包括高阈值和低阈值，高阈值和低阈值之比在2:1到3:1之间。

进一步的，在步骤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。