[发明专利]基于3D CAM的大脑核磁共振异常图像的可视化方法

说明书

本发明公开了一种基于3D CAM的大脑核磁共振异常图像的可视化方法，包括如下步骤：S1、采集患者的脑核磁共振异常图像数据及对应的异常识别结果数据作为训练样本；S2、利用训练样本构建异常图像识别模型，所述异常图像识别模型采用Ssd_Grad‑CAM模型进行训练；S3、基于异常图像识别模型实现大脑磁共振图像的识别，若存在异常则在异常区域标注位置框及异常识别结果；S4、基于MATLAB实现磁共振图像的三维重构，并在所得的三维模型上标记对应的异常区域和异常识别结果。本发明可以实现大脑核磁共振异常图像的自动识别检测和三维可视化，便于辅助医学研究者对大脑核磁共振异常图像的定量分析和研究。

技术领域

本发明涉及图像可视化技术领域，具体涉及一种基于3D CAM的大脑核磁共振异常图像的可视化方法。

背景技术

大脑是人类目前所知的最复杂的器官，为了很好的了解大脑这个器官，我们做了很多努力，核磁共振成像(Magnetic Resonance Image,MRI)技术就是其中的重要突破。

近年来，随着机器学习的兴起，医学数据与机器学习结合使用的情况越来越多，而要有效的使用好医学数据，其前提就是处理好这些数据。

医学领域的磁共振图像三维可视化是目前研究的一个热点问题,其在诊断医学、手术规划及模拟仿真等方面都有重要的应用。因此对磁共振图像三维可视化的研究,具有重要的学术意义和应用价值。。

发明内容

本发明的目的提供了一种基于3D CAM的大脑核磁共振异常图像的可视化方法，可以实现大脑核磁共振异常图像的自动识别检测和三维可视化，便于辅助医学研究者对大脑核磁共振异常图像的定量分析和研究。

为实现上述目的，本发明采取的技术方案为：

基于3D CAM的大脑核磁共振异常图像的可视化方法，其特征在于：包括如下步骤：

S1、采集患者的脑核磁共振异常图像数据及对应的异常识别结果数据作为训练样本；

S2、利用训练样本构建异常图像识别模型，所述异常图像识别模型采用Ssd_Grad-CAM模型进行训练；

S3、基于异常图像识别模型实现大脑磁共振图像的识别，若存在异常则在异常区域标注位置框及异常识别结果；

S4、基于MATLAB实现磁共振图像的三维重构，并在所得的三维模型上标记对应的异常区域和异常识别结果。

进一步地，所述Ssd_Grad-CAM模型采用Ssd目标检测算法，用训练样本训练Grad-CAM所得。

进一步地，还包括实现异常区域尺寸测量，获取尺寸数据的步骤。

进一步地，还包括将异常区域尺寸数据标注在异常区域对应位置处的步骤。

进一步地，还包括实现三维模型坐标系构建，获取异常区域各顶点所在三维坐标数据的步骤。

进一步地，尺寸测量时，首先，采用Otsu算法对完成图像的自动阈值分割，然后基于连通分量外接矩形的长宽比进行异常区域三维尺寸参数的测量。

本发明具有以下有益效果：

基于Ssd_Grad-CAM模型实现大脑磁共振图像中异常区域的自动识别，在可以异常区域识别精确度的同时，可以大大提高异常区域识别的效率。

基于MATLAB实现磁共振图像的三维重构，并在所得的三维模型上标记对应的异常区域、异常识别结果、异常区域各顶点坐标和异常区域尺寸数据，从而大大方便了医学研究者对大脑核磁共振异常图像的定量分析和研究。

附图说明

图1为本发明实施例1基于3D CAM的大脑核磁共振异常图像的可视化方法的流程图。