[发明专利]一种基于深度学习的急性腰椎骨折MRI图像分割系统

权利要求书

1.一种基于深度学习的急性腰椎骨折MRI图像分割系统，其特征在于，包括：

T1模态数据输入模块，用于加载MRI图像的T1模态数据；

T2模态数据输入模块，用于加载MRI图像的T2模态数据；

双模态UNet模型，利用深度学习技术处理MRI图像的T1模态数据和T2模态数据，包括特征编码降采样、特征解码上采样和跳跃连接三个部分；特征编码降采样部分通过卷积和降采样来降低图像尺寸，提取浅层次的特征；特征解码上采样部分通过卷积和上采样来扩张图像尺寸，获取深层次的特征；跳跃连接部分用于实现特征编码降采样部分和特征解码上采样部分的特征融合；所述特征编码降采样部分包括第一特征编码模块和第二特征编码模块；所述第一特征编码模块用于对T1模态的MRI图像进行特征编码和数据降采样，所述第二特征编码模块用于对T2模态的MRI图像进行特征编码和数据降采样；所述第一特征编码模块和第二特征编码模块均包括4个特征提取与降采样模块，所述特征提取与降采样模块包括1个基于改进DIB的特征提取模块和1个最大池化层模块；所述基于改进DIB的特征提取模块包括特征图输入模块、2个3×3卷积特征提取模块、3个并行的空洞率分别为1、2、4的3×3卷积特征提取模块、1个1×1卷积特征提取模块、第一特征拼接模块、第二特征拼接模块和特征图输出模块，其中，特征图输入模块的输入特征数据经过1个3×3卷积特征提取模块提取特征后产生2路特征，第1路特征直接输出到第二特征拼接模块处，而第2路特征分别经过3个并行的空洞率分别为1、2、4的3×3卷积特征提取模块提取特征后，依次经过第一特征拼接模块进行特征数据拼接、经过1个1×1卷积特征提取模块提取特征、经过第二特征拼接模块进行特征数据拼接后，再经过另外1个3×3卷积特征提取模块提取特征后经特征图输出模块输出，所述基于改进DIB的特征提取模块的改进之处是在特征图输入模块后增加了1个3×3卷积特征提取模块，在1×1卷积特征提取模块后增加了1个第二特征拼接模块，该增加的3×3卷积特征提取模块通过短连接和第二特征拼接模块连接，这种改进结构能够使双模态UNet模型具备自动调节网络深浅的能力，提升模型的图像分割性能；所述最大池化层模块由步长为2、核尺寸为2×2的卷积核构成；

双模态特征拼接模块，用于把T1模态数据的MRI图像经特征编码后的数据和T2模态数据的MRI图像经特征编码后的数据进行特征拼接；

分割结果输出模块，用于输出腰椎骨折区域的分割结果。

2.根据权利要求1所述的一种基于深度学习的急性腰椎骨折MRI图像分割系统，其特征在于：所述特征解码上采样部分包括特征解码模块，所述特征解码模块包括4个特征提取与上采样模块，用于处理跳跃连接部分和双模态特征拼接模块输出的特征数据，把融合的特征数据进行特征解码和上采样；所述特征提取与上采样模块包括1个基于改进DIB的特征提取模块和1个上采样模块；所述基于改进DIB的特征提取模块包括特征图输入模块、2个3×3卷积特征提取模块、3个并行的空洞率分别为1、2、4的3×3卷积特征提取模块、1个1×1卷积特征提取模块、第一特征拼接模块、第二特征拼接模块和特征图输出模块，其中，特征图输入模块的输入特征数据经过1个3×3卷积特征提取模块提取特征后产生2路特征，第1路特征直接输出到第二特征拼接模块处，而第2路特征分别经过3个并行的空洞率分别为1、2、4的3×3卷积特征提取模块提取特征后，依次经过第一特征拼接模块进行特征数据拼接、经过1个1×1卷积特征提取模块提取特征、经过第二特征拼接模块进行特征数据拼接后，再经过另外1个3×3卷积特征提取模块提取特征后经特征图输出模块输出，所述基于改进DIB的特征提取模块的改进之处是在特征图输入模块后增加了1个3×3卷积特征提取模块，在1×1卷积特征提取模块后增加了1个第二特征拼接模块，该增加的3×3卷积特征提取模块通过短连接和第二特征拼接模块连接，这种改进结构能够使双模态UNet模型具备自动调节网络深浅的能力，提升模型的图像分割性能。