[发明专利]纤维束追踪方法、计算机设备和存储介质

说明书

本申请提供一种纤维束追踪方法、计算机设备和存储介质，包括：获取待处理脑图像；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；基于通过训练确定的神经网络模型对目标感兴趣区域进行分类获得目标感兴趣区域对应的目标纤维束，以及目标感兴趣区域对应的操作类型；获取与待处理脑图像对应的纤维束成像图；根据纤维束成像图、目标感兴趣区域、目标感兴趣区域对应的目标纤维束以及目标感兴趣区域对应的操作类型，结合预设纤维束方向信息，获得待处理脑图像的纤维束追踪结果。上述方法利用神经网络模型确定纤维束的感兴趣区域，能够提高准确率。

技术领域

本申请涉及医学图像处理技术领域，特别是涉及一种纤维束追踪方法、计算机设备和存储介质。

背景技术

目前，基于弥散张量成像(DTI)的三维神经束重建技术已经被广泛地应用于研究大脑白质纤维的解剖结构中。这项技术可以对大脑特定白质纤维束的轨迹进行可视化，而这将有利于医生用来评估疾病对于大脑特定白质纤维束所产生的影响。

现有的神经纤维束重建技术常会选取多个感兴趣区域(ROI)，对白质纤维轨迹进行解剖学约束来提高特定白质纤维束的追踪结果。例如，对于扣带回区域内的白质纤维束追踪，通常会在胼胝体压部中心上和胼胝体膝部中心上人为的设置两个感兴趣区域，同时通过这两个感兴趣区域的白质纤维束才认为是所要追踪的目标纤维束，以提高纤维束追踪的准确性。

然而，传统的目标纤维束追踪定位方法需要人为的设定感兴趣区域，不但耗时耗力而且会受到人为主观因素的影响，不同人不同次的重建结果之间也会存在差别，可复现性差。

发明内容

基于此，有必要针对上述技术问题，提供一种纤维束追踪方法、计算机设备和存储介质。

一种纤维束追踪方法，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；

获取与所述待处理脑图像对应的纤维束成像图；

根据所述纤维束成像图、目标感兴趣区域的位置信息、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，结合预设纤维束方向信息，获得所述待处理脑图像的纤维束追踪结果。

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，所述处理器执行所述计算机程序时实现上述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

上述纤维束追踪方法、计算机设备和存储介质，通过将获取的待处理脑图像输入预先训练确定的神经网络模型，获得神经网络模型输出的待处理脑图像中的感兴趣区域的位置信息，各感兴趣区域对应的纤维束以及各感兴趣区域对应的操作类型；结合获取到的该待处理脑图像对应的纤维束成像图、神经网络模型的输出结果以及预设纤维束方向信息，可以获得待处理脑图像的纤维束追踪结果。上述方法将深度学习方法应用到纤维束追踪的任务中确定感兴趣区域，能够减少人为因素造成的误差，提高确定感兴趣区域的准确率，并且提高纤维束追踪的效率。

附图说明

图1为一个实施例中纤维束追踪方法的流程示意图；

图2为一个实施例中基于预设纤维束方向信息、目标感兴趣区域的位置信息以及纤维束成像图，获得标识了目标感兴趣区域的纤维束成像图的流程示意图；

图3为一个实施例中通过训练确定的神经网络模型的训练过程的流程示意图；