[发明专利]核磁共振影像海马体分割方法及装置

说明书

本发明实施例提供一种MRI海马体分割方法及装置，所述方法包括：获取目标MRI；目标MRI中包含待分割的海马体；将目标MRI输入至预设的多任务学习模型，输出海马体分割概率图；多任务学习模型是基于人脑MRI海马体影像样本以及其对应的标签信息进行训练后得到的；多任务学习模型包括分割任务模块、边缘预测任务模块和距离回归任务模块；对海马体分割概率图进行二值化处理，得到海马体分割结果。本发明实施例提供的MRI海马体分割方法及装置，通过增加额外的边缘预测任务和距离回归任务对优化过程进行约束，使得模型对海马体边缘更为敏感，从而提高模型的泛化能力，提高了海马体分割的准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种核磁共振影像海马体分割方法及装置。

背景技术

海马体位于大脑丘脑和内侧颞叶之间，属于边缘系统的一部分，主要负责长时记忆的存储转换和定向等功能。海马体形状和体积的改变和阿尔茨海默病(Alzheimer’sDisease,AD)有着重要联系。AD是一种渐进性的，不可逆的脑部疾病，主要表现为认知下降和记忆丢失。对于AD的治疗，目前仍然没有比较有效的方法，及时通过核磁共振影像(Magnetic Resonance Imaging,MRI)发现海马体形状和体积的改变可以有效地减缓病情的发现。

目前，对海马体形状和体积的测量主要通过手动分割MRI海马体来实现。由于海马体在MRI中占比很小，形状不规则，对比度低与边缘模糊等因素，导致手动分割耗时耗力，可重复性差。因此，使用自动分割技术来减轻医生的工作量，提高分割的准确性不仅具有重要的学术价值，更具有重要的社会意义和广泛的应用前景。

发明内容

本发明实施例提供一种核磁共振影像海马体分割方法及装置，用于解决现有技术中的上述技术问题。

为了解决上述技术问题，第一方面，本发明实施例提供一种MRI海马体分割方法，包括：

获取目标MRI；所述目标MRI中包含待分割的海马体；

将所述目标MRI输入至预设的多任务学习模型，输出海马体分割概率图；所述多任务学习模型是基于人脑MRI海马体影像样本以及其对应的标签信息进行训练后得到的；所述多任务学习模型包括分割任务模块、边缘预测任务模块和距离回归任务模块；

对所述海马体分割概率图进行二值化处理，得到海马体分割结果。

进一步地，所述多任务学习模型共享一部分神经网络参数，共享模式包含参数硬共享和软共享，共享的网络结构部分为全卷积网络。

进一步地，所述全卷积网络由下采样通道、上采样通道、批归一化层和非线性激活函数层；

所述下采样通道由五个卷积模块组成，每个卷积模块包含两次步长为1的3x3x3卷积操作；两个卷积模块之间通过插入一次步长为2的3x3x3的卷积操作对特征图进行降采样；

所述上采样通道由五个卷积模块，通过步长为2的2x2x2的转置卷积对特征图进行升采样；

所述下采样通道和所述上采样通道中所有的卷积操作后依次连接批归一化层和非线性激活函数层。

进一步地，所述多任务学习模型的训练步骤如下：

初始化所述多任务学习模型的参数；

获取所述人脑MRI海马体影像样本以及其对应的标签信息；

将所述人脑MRI海马体影像样本输入所述多任务学习模型，根据输出结果和所述标签信息确定总损失函数；

根据所述损失函数确定所述多任务学习模型的参数的梯度，并利用预设的梯度下降优化算法更新所述多任务学习模型的参数。

进一步地，所述标签信息包含海马体掩膜图像、海马体边缘图像和海马体距离图像。