[发明专利]一种基于多模态影像的颞叶勾画方法、勾画系统、计算设备和存储介质在审
申请号: | 202010307736.9 | 申请日: | 2020-04-17 |
公开(公告)号: | CN113538495A | 公开(公告)日: | 2021-10-22 |
发明(设计)人: | 王圣平;朱森华;常敦瑞;于洋 | 申请(专利权)人: | 成都连心医疗科技有限责任公司 |
主分类号: | G06T7/136 | 分类号: | G06T7/136;G06T3/00;G06T7/13;G06T7/187;G06T7/194 |
代理公司: | 北京汇信合知识产权代理有限公司 11335 | 代理人: | 林聪源 |
地址: | 610213 四川省成都*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 多模态 影像 勾画 方法 系统 计算 设备 存储 介质 | ||
1.一种基于多模态影像的颞叶勾画方法,其特征在于,包括:
采集预设数量的CT脑影像和T1 MRI脑影像,并制作每例T1 MRI脑影像的颞叶分割标签;
对所述CT脑影像、T1 MRI脑影像和颞叶分割标签进行预处理;
以预处理后的CT脑影像作为参考影像,将预处理后的T1 MRI脑影像和颞叶分割标签向预处理后的CT脑影像进行配准变换,得到配准变换后的T1 MRI脑影像和颞叶分割标签;
对预处理后的CT脑影像和配准变换后的T1 MRI脑影像和颞叶分割标签进行相同大小的图像裁剪;
搭建有效的语义分割卷积神经网络;其中,所述语义分割卷积神经网络具有两个输入、一个输出;
将裁剪后的CT脑影像和T1 MRI脑影像作为网络输入、裁剪后的颞叶分割标签作为网络目标输出,在语义分割卷积神经网络中进行训练,直到模型稳定收敛,停止训练,得到最佳的颞叶分割神经网络模型;
将对待分割的CT脑影像和T1 MRI脑影像进行相同的预处理、配准变换和图像裁剪,得到待分割图像;
将所述待分割图像输入到训练后的颞叶分割神经网络模型中,得到对应的CT影像的颞叶自动分割结果;
对所述颞叶自动分割结果进行后处理和边缘检测,得到颞叶勾画结果。
2.如权利要求1所述的颞叶勾画方法,其特征在于,同步采集至少50例包含完整大脑的所述CT脑影像和T1 MRI脑影像;
基于T1 MRI脑影像的个体脑功能区制作每例MRI脑影像的颞叶分割标签。
3.如权利要求1所述的颞叶勾画方法,其特征在于,所述预处理包括去除无关影像信息、图像插值和归一化处理;其中,
所述去除无关影像信息为采用阈值分割和保留最大连通域方法去除无关影像,所述无关影像包括床板和身体覆盖物;
所述图像插值为采用线性插值方法使所述CT脑影像和T1 MRI脑影像具有相同大小;
所述归一化处理用于使所述CT脑影像和T1 MRI脑影像具有相同的值域。
4.如权利要求1所述的颞叶勾画方法,其特征在于,所述配准变换的方法为:
以预处理后的CT脑影像作为参考影像、预处理后的T1 MRI脑影像作为浮动图像,将预处理的T1 MRI脑影像向预处理后的CT脑影像进行配准变换,得到配准变换后的T1 MRI脑影像和配准变换参数;
根据所述配准变换参数,对预处理后的颞叶分割标签进行相同的配准变换,得到配准变换后的颞叶分割标签。
5.如权利要求1所述的颞叶勾画方法,其特征在于,所述语义分割卷积神经网络为双输入的语义分割卷积神经网络,两个输入通道尺寸均为x×y,一个输出尺寸为x×y×2,2为通道数量。
6.如权利要求1所述的颞叶勾画方法,其特征在于,所述训练包括前向传播和反向传播,一次前向传播和反向传播为一次网络迭代计算;
采用Early-stop的方式来让神经网络自动停止迭代,得到最佳的颞叶分割神经网络模型。
7.如权利要求1所述的颞叶勾画方法,其特征在于,所述后处理包括最大连通区域保留和平滑处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都连心医疗科技有限责任公司,未经成都连心医疗科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010307736.9/1.html,转载请声明来源钻瓜专利网。