[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

说明书

本发明实施例公开了一种基于卷积神经网络的MRI图像处理方法、装置及相关设备。该方法包括对不同模态的MRI图像，并分别对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；对脑血流量图像的目标区域进行标注，得到脑血流量图像对应的标签图像；对脑血流量图像、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，将翻转图像序列、翻转图像序列对应的脑血流量图像的2D图像序列以及灰质图像对应的2D图像序列按颜色通道进行合成，得到多通道图像序列；通过卷积神经网络对多通道图像序列进行图像分割，得到最终分割图像。该方法提高分割图像的分割准确率。

技术领域

本发明涉及图像分割技术领域，尤其涉及一种基于卷积神经网络的MRI图像处理方法、装置及相关设备。

背景技术

当前的医疗工作以及临床试验中，MRI图像(Magnetic Resonance Imaging，磁共振成像)的应用十分普及，人工神经网络也在MRI图像的处理方面得到普遍应用。一般使用MRI图像的意义在于定位特定区域，由相关精密仪器，利用光学、声波等各种成像原理，对人体的器官组织进行影像化，便于对人体器官组织的状态作出判断。

现有的MRI图像已经逐渐从平面趋向于3D立体，从单模态趋向于多模态。由人工神经网络处理得到3DMRI图像的计算量较大，效率较低；并且人工神经网络处理得到的2DMRI图像也不能很好的连接医学图像上下层之间的连续性。

发明内容

本发明实施例提供了一种基于卷积神经网络的MRI图像处理方法、装置及相关设备，旨在解决现有技术中3DMRI图像分割出来的目标区域图像质量较差的问题。

第一方面，本发明实施例提供了一种基于卷积神经网络的MRI图像处理方法，其包括：

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。

第二方面，本发明实施例提供了一种基于卷积神经网络的MRI图像处理装置，其包括：

读取模块，用于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；

标注模块，用于对所述脑血流量图像的病变区域进行标注，得到所述脑血流量图像对应的标签图像；

分解模块，用于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；

合成模块，用于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的2D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；