[发明专利]一种基于深度学习技术的脑动脉分割方法及装置

权利要求书

1.一种基于深度学习技术的脑动脉分割方法，其特征在于，包括：

对人体脑部磁共振血管造影MRA图像进行预处理，得到预处理数据；

将所述预处理数据作为深度学习模型的输入，对所述深度学习模型进行训练，得到训练好的深度学习模型，其中，所述深度学习模型包括空洞密集网络；

获取待分割数据，将所述待分割数据作为所述训练好的深度学习模型的输入，利用所述训练好的深度学习模型对所述待分割数据进行分割预测，得到脑部动脉血管二值体数据；

通过阈值分割方法对所述脑部动脉血管二值体数据进行处理，得到脑动脉分割结果；

其中，所述预处理包括：各向同性预处理和归一化处理；

所述空洞密集网络包括：编码部分和解码部分；所述编码部分包括：三个归约模块，输入数据或特征图经过每个所述归约模块后其分辨率会降低一倍；所述解码部分包括：三个上采样模块和四个密集膨胀模块，每个所述上采样模块被所述密集膨胀模块包围。

2.根据权利要求1所述的方法，其特征在于，所述将所述预处理数据作为深度学习模型的输入包括：

将所述预处理数据进行切分，得到多个数据块；

以批为单位将所述数据块作为深度学习模型的输入。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述深度学习模型进行训练，得到训练好的深度学习模型包括：

通过迭代地反向传播优化网络参数的方式训练所述深度学习网络，当训练过程收敛时得到所述训练好的深度学习模型。

4.一种基于深度学习技术的脑动脉分割装置，其特征在于，包括：

预处理模块，用于对人体脑部磁共振血管造影MRA图像进行预处理，得到预处理数据；

训练模块，用于将所述预处理数据作为深度学习模型的输入，对所述深度学习模型进行训练，得到训练好的深度学习模型，其中，所述深度学习模型包括空洞密集网络；

预测模块，用于获取待分割数据，将所述待分割数据作为所述训练好的深度学习模型的输入，利用所述训练好的深度学习模型对所述待分割数据进行分割预测，得到脑部动脉血管二值体数据；

处理模块，用于通过阈值分割方法对所述脑部动脉血管二值体数据进行处理，得到脑动脉分割结果；

其中，所述预处理包括：各向同性预处理和归一化处理；

所述空洞密集网络包括：编码部分和解码部分；所述编码部分包括：三个归约模块，输入数据或特征图经过每个所述归约模块后其分辨率会降低一倍；所述解码部分包括：三个上采样模块和四个密集膨胀模块，每个所述上采样模块被所述密集膨胀模块包围。

5.根据权利要求4所述的装置，其特征在于，所述训练模块通过如下方式将所述预处理数据作为深度学习模型的输入：

所述训练模块，具体用于将所述预处理数据进行切分，得到多个数据块；以批为单位将所述数据块作为深度学习模型的输入。

6.根据权利要求4或5所述的装置，其特征在于，所述训练模块通过如下方式对所述深度学习模型进行训练，得到训练好的深度学习模型：

所述训练模块，具体用于通过迭代地反向传播优化网络参数的方式训练所述深度学习网络，当训练过程收敛时得到所述训练好的深度学习模型。