[发明专利]一种MRI头部影像的脑功能区自动勾画方法、勾画系统、计算设备和存储介质

说明书

本发明公开了一种MRI头部影像的脑功能区自动勾画方法、勾画系统、计算设备和存储介质，包括：获取预设数量的T1MRI脑影像，并制作每例影像的116个脑功能区分割标签；对MRI脑影像和脑功能区分割标签进行相同的预处理和2.5D块处理，得到各自的2.5D数据块；将2.5D数据块输入到搭建好的语义分割神经网络中进行训练，直到模型稳定收敛，得到最佳的脑功能区分割神经网络模型；将经同样预处理和2.5D块处理的待分割影像输入到训练后的脑功能区分割神经网络模型中，得到脑功能区分割结果；对脑功能区分割结果进行后处理和边缘检测，得到脑功能区轮廓勾画结果。本发明可实现人脑功能区的自动分割，提高了大脑功能区分割的速度和准确率，也增强了大脑功能区分割的鲁棒性和适应性。

技术领域

本发明涉及图像识别技术领域，具体涉及一种MRI头部影像的脑功能区自动勾画方法、勾画系统、计算设备和存储介质。

背景技术

MRI影像广泛应用于对大脑的结构病理和功能性研究和临床应用。在神经外科领域，术前采用MRI成像来对病灶位置、大小进行判定和手术规划，依赖于从MRI大脑成像中把病灶周边的脑功能区精准分割出来。

目前对MRI脑功能区分割的理论主要是通过参考由蒙特利尔神经研究所(Montreal Neurological Institute)提供的Anatomical Automatic Labeling(AAL) 脑功能分区模板进行分割，AAL模板一共有116个区域，其中有90个属于大脑，剩余26个属于小脑结构。

现有通常采用基于AAL模板匹配的算法对T1MRI影像进行脑功能区域分割，但这种方法存在计算复杂度高、耗时长，对于大脑影像扫描不全、结构变异较大的脑影像存在抗噪和适应性差等问题，在实际临床应用中稳定性和便易性不高。

发明内容

基于深度学习神经网络的语义分割方法能通过基于大数据的学习自动提取不同器官的边界特征从而完成分割，这种方法已被大量应用到自然图像的模式识别领域；针对MRI脑成像的特殊影像模态，本发明提供一种MRI头部影像的脑功能区自动勾画方法、勾画系统、计算设备和存储介质。

本发明的第一目的在于提供一种MRI头部影像的脑功能区自动勾画方法，包括：

获取预设数量的T1MRI脑影像，并制作每例MRI脑影像116个脑功能区分割标签；

对所述MRI脑影像和脑功能区分割标签进行相同的预处理；

对预处理后的MRI脑影像和脑功能区分割标签进行相同的2.5D块处理，得到2.5D数据块；

搭建任意有效的语义分割卷积神经网络；

将所述MRI脑影像和脑功能区分割标签的2.5D数据块输入到搭建好的语义分割神经网络中进行训练，直到模型稳定收敛，停止训练，得到最佳的脑功能区分割神经网络模型；

对待分割的T1MRI脑影像进行所述预处理和所述2.5D块处理，得到待分割影像；

将所述待分割影像输入到训练后的所述脑功能区分割神经网络模型中，得到116个脑功能区分割结果；

对所述脑功能区分割结果进行后处理和边缘检测，得到116个脑功能区轮廓勾画结果。

作为本发明的进一步改进，采用基于T1MRI脑影像的AAL脑功能区反向映射配准方法分离得到每例MRI脑影像116个脑功能区分割标签。

作为本发明的进一步改进，所述预处理包括插值处理、归一化处理、上下界各填充一层处理和数据增强处理；

所述插值处理为：对所述MRI脑影像和脑功能区分割标签在x-y水平面上采用256×256进行统一插值；

所述上下界各填充一层处理为：在z轴首层和尾层分别填充一层x0×y0 大小的0值矩阵；