[发明专利]一种用于核磁共振成像中的椎体定位、识别和分割的多任务关系学习方法

说明书

本发明涉及一种用于核磁共振成像中的椎体定位、识别和分割的多任务关系学习方法。本发明基于深度学习充分地利用了多任务之间关系，极大地改善了由于椎体间相似及图像质量造成的挑战。对于脊柱的自动分析，提供了一种有效的多任务学习框架。这种框架可以很容易地推广到其它图像的应用，为图像的定位、识别和分割这三种任务的有效解决提供了通用的框架。

技术领域

本发明涉及一种用于核磁共振成像中的椎体定位、识别和分割的多任务关系学习方法，属于医学图像处理的技术领域。

背景技术

在计算机辅助脊柱手术的背景下，确切的知道单个椎体的形状是非常重要的，例如，用于脊活组织检查、植入物或椎弓根螺钉的插入等。但在大多数情况下，不仅要求精确分割得到椎体的形状而且还需要定位椎体，识别椎体。在计算机断层扫描(CT)或磁共振成像(MRI)脊柱成像中自动分割，定位和标记椎体，已成为一种临床任务的重要工具，包括病理诊断，手术计划和术后评估。具体应用如骨折检测、肿瘤检测。配准和统计形状分析也可以受益于有效的椎体定位、识别和分割算法。因此，自动定位、识别和分割椎体是建立一个脊椎诊断和治疗计算机系统的基本需要。

近年来，MRI已成为诊断腰椎间盘突出等腰椎疾病的重要工具。MRI与CT相比，在腰区诊断中具有较高的可靠性，这是由于其在描述软组织结构方面的价值。MRI是诊断常见脊柱疾病潜在原因的首选方法。此外，MRI不像X射线或CT那样使患者受到有害的辐射。然而,对于MRI椎体的自动定位、识别和分割的椎体面临很多挑战，比如:(1)椎体和周围组织对比度低，可能导致椎体边缘信息较弱；(2)MRI分辨率的多样性导致数据集中椎体大小不一；(3)MRI成像中噪声引起的椎体灰度值不均匀；(4)椎体存在多种解剖病理模式。

椎体的自动定位、识别和分割是建立计算机辅助脊柱系统(CAS)的关键。脊柱CAS有三个主要步骤:(1)解剖结构的定位和识别；(2)分割；(3)异常的诊断和量化。椎体定位(由质心定位椎体)和识别(5块腰椎分别标记为L1、L2、L3、L4、L5)。准确的椎体分割是CAS诊断椎体畸形的基础。由于个体椎体定位、识别和分割的耗时和主观性，大多数临床应用已经开始使用全自动或半自动的计算机系统。

椎体定位、识别和分割是脊柱自动分析的重要步骤。由于椎骨外观相似，病理类型多样，影像学存在伪影，椎体的准确分割、定位及鉴别仍有一定的难度。

由于不同椎体外观相似，各种病理类型和影像学伪影，对椎体的准确定位、识别和分割仍是一个挑战。随着深度的出现，基于卷积神经网络的方法已经有效地解决了这三项任务。然而，以往的方法忽略了任务间紧密的联系。

发明内容

针对现有技术的不足，本发明提供了一种用于核磁共振成像中的椎体定位、识别和分割的多任务关系学习方法

发明概述：

本发明提出了一个多任务关系学习网络，利用了椎体定位、识别和分割任务之间的相关性。任务之间的相关性从损失函数和网络结构设计两方面进行实践。多任务关系学习网络主要由Seg-Loc网络，异或操作和判别网络三个部分组成，Seg-Loc网络利用任务之间的关系，学习椎体的定位和语义分割。本发明将定位结果和分割结果做异或操作得到的XOR结果作为判别网络的输入，有效的解决了多任务的对抗训练问题。

本发明详细解释了多任务关系学习网络各个部分的作用。Seg-Loc网络可以同时兼顾类内(同一块椎体任务间关系)和类间(不同椎体上下文关系)，这是定位、识别和分割多任务学习的一个通用框架，可以很容易应用在其它研究领域。

术语解释：

1、ITK-SNAP软件，是用于对3D医学图像中的结构进行分割的软件应用程序。