[发明专利]基于混合上下文CNN模型的医学图像分割

权利要求书

1.一种计算机实现的方法，所述方法用于分割由在身体部位的连续位置的序列被成像的多个解剖学图像形成的体积图像，单个解剖学图像是多通道图像，所述多通道图像包括在多个预先选择的成像模态下在相同位置被成像的多个图像切片，所述方法包括：

从所述多个解剖学图像生成多个混合上下文图像，其中，针对位置序列中除了其两个终端位置之外的所考虑位置生成的单个混合上下文图像是多通道图像，该多通道图像包括在所考虑位置被成像的对应的解剖学图像的多个图像切片、在第一位置被成像的一个或多个图像切片的第一集合和在第二位置被成像的一个或多个图像切片的第二集合，并且其中，所述第一位置和第二位置在位置序列中分别紧接在所考虑位置之前和紧接在所考虑位置之后，从而避免所述单个混合上下文图像包括针对所述第一位置和所考虑位置之间或所述第二位置和所考虑位置之间的中间位置估计的任何成像切片；和

在二维(2D)卷积神经网络(CNN)被训练之后，使用该二维卷积神经网络分别处理所述多个混合上下文图像，其中，通过所述二维卷积神经网络处理单个混合上下文图像以分割对应的解剖学图像，使得所述二维卷积神经网络能够利用关于多模态上下文的边信息和体积图像的三维(3D)空间上下文，以提高分割对应的解剖学图像的准确性，同时避免由于估计的图像切片中的伪像导致的分割性能降低的来源。

2.根据权利要求1所述的方法，其中，所述一个或多个图像切片的第一集合是在所述第一位置被成像的第一相邻解剖学图像中的所述多个图像切片，并且所述一个或多个图像切片的第二集合是在所述第二位置被成像的第二相邻解剖学图像中的所述多个图像切片。

3.根据权利要求1所述的方法，其中，所述一个或多个图像切片的第一集合是在所述第一位置被成像的第一相邻解剖学图像中的所述多个图像切片的第一真子集，并且所述一个或多个图像切片的第二集合是在所述第二位置被成像的第二相邻解剖学图像中的所述多个图像切片的第二真子集。

4.根据权利要求3所述的方法，其中，所述一个或多个图像切片的第一集合和一个或多个图像切片的第二集合中的每一个具有相同数量的图像切片，并且在从所述多个预先选择的成像模态中选择的同一组成像模态下被成像。

5.根据权利要求4所述的方法，其中，图像切片的所述相同数量是一个。

6.根据权利要求1所述的方法，其中：

所述身体部位是受试者的头部；和

对应的解剖学图像被分割成多个类别，所述多个类别包括背景、灰质、白质和脑脊液。

7.根据权利要求1所述的方法，其中，所述多个预先选择的成像模态包括：磁共振成像MRI模态，包括T1磁共振成像模态；反转恢复IR磁共振成像模态；和流体衰减反转恢复FLAIR磁共振成像模态。