[发明专利]基于卷积神经网络的MRI图像处理方法、装置及相关设备

权利要求书

1.一种基于卷积神经网络的MRI图像处理方法，其特征在于，包括：

读取脑部不同模态的MRI图像，并分别对所述MRI图像进行标准化处理，得到脑部的脑血流量图像和灰质图像，所述MRI图像包括3D格式的功能MRI图像和结构MRI图像；

对所述脑血流量图像的目标区域进行标注，得到所述脑血流量图像对应的标签图像；

对所述脑血流量图像、标签图像以及灰质图像进行归一化处理，并按z轴分解成2D图像序列；

对所述脑血流量图像的2D图像序列进行水平翻转得到翻转图像序列，将所述翻转图像序列、所述翻转图像序列对应的脑血流量图像的2D图像序列以及所述灰质图像对应的2D图像序列按颜色通道进行合成，得到多通道图像序列；

将所述多通道图像序列及标签图像输入至初始残差Unet子网络进行网络训练，得到目标残差Unet子网络，将待分割的目标多通道图像序列输入所述目标残差Unet子网络进行图像分割，得到多张初步分割图像，将多张所述初步分割图像输入至预训练的BiCLSTM子网络进行前后时序特征处理，得到多张最终分割图像；

所述将所述多通道图像序列及标签图像输入至初始残差Unet子网络进行网络训练，得到目标残差Unet子网络，包括：

将所述多通道图像序列输入所述初始残差Unet子网络，得到训练分割图像；

计算所述训练分割图像和标签图像的图像损失，并基于所述图像损失更新所述初始残差Unet子网络的网络参数，得到所述目标残差Unet子网络；

所述基于卷积神经网络的MRI图像处理方法，还包括：

对所述脑血流量图像、标签图像和灰质图像进行数据扩增处理，得到数量均相同的脑血流量图像、标签图像和灰质图像；

在所述对所述脑血流量图像、标签图像以及灰质图像进行归一化处理，并按z轴分解成2D图像序列之前，包括：

对所述脑血流量图像进行局部增亮处理，得到局部增亮的所述脑血流量图像；

所述对所述脑血流量图像进行局部增亮处理，得到局部增亮的所述脑血流量图像，包括：

对所述脑血流量图像进行局部图像提取，得到局部图像；

将所述局部图像与所述脑血流量图像进行加权叠加，得到局部增亮的所述脑血流量图像；

所述将所述多通道图像序列及标签图像输入至初始残差Unet子网络进行网络训练，得到目标残差Unet子网络，将待分割的目标多通道图像序列输入所述目标残差Unet子网络进行图像分割，得到多张初步分割图像，将多张所述初步分割图像输入至预训练的BiCLSTM子网络进行前后时序特征处理，得到多张最终分割图像，包括：

利用所述目标残差Unet子网络对所述多通道图像序列进行图像分割，得到多张初步分割图像；

将多张所述初步分割图像输入所述BiCLSTM子网络中的前向CLSTM模块和后向CLSTM模块，分别得到前向分割特征和后向分割特征，将所述前向分割特征和后向分割特征进行对应拼接，得到多张所述最终分割图像。