[发明专利]一种图像分割方法及相关设备

权利要求书

1.一种图像分割方法，其特征在于，所述方法包括：

获取到第一待分割的脑部图像；

通过深度学习定位网络对所述脑部图像进行定位，得到大脑前动脉预测点和大脑静脉预测点；

利用所述大脑前动脉预测点和所述大脑静脉预测点计算得到所述脑部图像对应的灌注参数图；

利用所述灌注参数图计算得到所述脑灌注梗死核心区域。

2.根据权利要求1所述的图像分割方法，其特征在于，所述通过深度学习定位网络对所述脑部图像进行定位，得到大脑前动脉预测点和大脑静脉预测点之前还包括：

获取脑部样本图像，所述脑部样本图像为对大脑前动脉点和大脑静脉点进行初步标注的图像；

利用所述脑部样本图像对初始深度学习定位网络进行训练，以得到所述深度学习定位网络。

3.根据权利要求2所述的图像分割方法，其特征在于，

所述通过深度学习定位网络对所述脑部图像进行定位，得到大脑前动脉预测点和大脑静脉预测点的步骤具体包括：

通过深度学习定位网络对所述脑部图像进行定位，得到大脑前动脉候选点和大脑静脉候选点；

利用局部搜索算法计算得到所述大脑前动脉候选点对应的大脑前动脉预测点以及所述大脑静脉候选点对应的大脑静脉预测点。

4.根据权利要求3所述的图像分割方法，其特征在于，所述利用局部搜索算法计算得到所述大脑前动脉候选点对应的大脑前动脉预测点以及所述大脑静脉候选点对应的大脑静脉预测点的步骤包括：

以所述大脑前动脉候选点为圆心，预设第一半径范围内的区域为大脑前动脉点候选区域，以所述大脑静脉候选点为圆心，预设第二半径范围内的区域为大脑静脉点候选区域；

利用所述局部搜索算法分别从所述大脑前动脉点候选区域中确定所述大脑前动脉预测点，及从所述大脑静脉点选区域中确定所述大脑静脉预测点。

5.根据权利要求4所述的图像分割方法，其特征在于，利用所述局部搜索算法分别从所述大脑前动脉点候选区域中确定所述大脑前动脉预测点，及从所述大脑静脉点选区域中确定所述大脑静脉预测点的步骤包括：

从所述大脑前动脉点候选区域中选取时间最大值对应的多个第一组织密度值，及从所述大脑静脉点选区域中选取时间最大值对应的多个第二组织密度值；

从所述多个第一组织密度值中选取组织密度值的最大值作为所述大脑前动脉预测点，及从所述第二组织密度值中选取组织密度值的最大值作为所述大脑静脉预测点。

6.根据权利要求1所述的图像分割方法，其特征在于，所述灌注参数图包括：局部脑血容积图、局部脑血容量图、平均通过时间图和达峰时间图。

7.根据权利要求6所述的图像分割方法，其特征在于，利用所述大脑前动脉预测点和所述大脑静脉预测点计算得到所述脑部图像对应的灌注参数图的步骤包括：

获取所述大脑前动脉预测点对应的函数曲线和所述大脑静脉预测点对应的函数曲线；

将所述大脑前动脉预测点对应的函数曲线作为第一动脉输入函数，及将所述大脑静脉预测点对应的函数曲线作为静脉输出函数；

利用所述静脉输出函数对所述第一动脉输入函数进行修正，以得到第二动脉输入函数；

利用所述第二输入函数通过去卷积算法计算得到所述局部脑血容积图、所述局部脑血容量图、所述平均通过时间图和所述达峰时间图。

8.根据权利要求7所述的图像分割方法，其特征在于，所述利用所述灌注参数图计算得到所述脑灌注梗死核心区域的步骤包括：

获取到第二待分割的脑部图像；

将所述达峰时间图中大于预设时间的区域作为低灌区域；

利用所述局部脑血容积图像、所述局部脑血容量图像采用卷积神经网络算法从所述低灌区域中获取到所述第二待分割的脑部图像对应的所述梗死核心区域。