[发明专利]纤维束追踪方法、计算机设备和存储介质

权利要求书

1.一种纤维束追踪方法，其特征在于，所述方法包括：

获取待处理脑图像；所述待处理脑图像为弥散张量成像图；

基于通过训练确定的神经网络模型对所述待处理脑图像进行位置检测获得纤维束的目标感兴趣区域的位置信息；

基于所述通过训练确定的神经网络模型对所述目标感兴趣区域进行分类获得所述目标感兴趣区域对应的目标纤维束，以及所述目标感兴趣区域对应的操作类型；所述操作类型包括合并操作类型、剪切操作类型或者移除操作类型；

获取与所述待处理脑图像对应的纤维束成像图；

基于所述预设纤维束方向信息以及所述目标感兴趣区域的位置信息，获得所述目标感兴趣区域；

将所述目标感兴趣区域映射至所述纤维束成像图中，获得所述标识了目标感兴趣区域的纤维束成像图；

在所述标识了目标感兴趣区域的纤维束成像图，对各所述目标感兴趣区域执行所述目标感兴趣区域对应的操作类型的操作，结合所述目标感兴趣区域对应的目标纤维束，获得所述待处理脑图像的纤维束追踪结果。

2.根据权利要求1所述的方法，其特征在于，所述纤维束的目标感兴趣区域的位置信息包括：所述纤维束的目标感兴趣区域对应的三维位置信息。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：每一所述纤维束中包括至少两个目标感兴趣区域。

4.根据权利要求1所述的方法，其特征在于，所述获取待处理脑图像包括：

获取原始弥散张量成像图；

对所述原始弥散张量成像图进行预处理，得到所述待处理脑图像。

5.根据权利要求4所述的方法，其特征在于，所述预处理包括数据格式转换。

6.根据权利要求1所述的方法，其特征在于，所述待处理脑图像是扩散敏感因子为0的弥散张量成像图。

7.根据权利要求1至6任意一项所述的方法，其特征在于，所述通过训练确定的神经网络模型的训练过程包括：

获取样本脑图像；所述样本处理脑图像为弥散张量成像图，所述样本脑图像携带标注信息，所述标注信息包括所述样本脑图像中包含的各纤维束的纤维束名称、各纤维束的参考感兴趣区域的位置信息以及与各纤维束的参考感兴趣区域对应的操作类型；

将所述样本脑图像输入预设神经网络模型，获得所述样本脑图像中纤维束的样本感兴趣区域的位置信息，以及所述样本感兴趣区域对应的样本分类结果；所述样本分类结果包括：所述样本感兴趣区域对应的目标纤维束，以及所述样本感兴趣区域对应的操作类型；

基于所述样本感兴趣区域的位置信息、样本分类结果以及所述样本脑图像携带的标注信息，计算所述预设神经网络模型的网络损失；

基于所述网络损失对所述预设神经网络模型的参数进行迭代优化，获得所述通过训练确定的神经网络模型。

8.根据权利要求7所述的方法，其特征在于，所述预设神经网络模型包括预设目标检测网络模型；

所述预设目标检测模型包括用于确定纤维束的感兴趣区域的位置检测子网络，用于确定所述感兴趣区域对应的目标纤维束的第一分类子网络，以及用于确定所述感兴趣区域对应的操作类型的第二分类子网络。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。