[发明专利]一种融合微分几何信息的脑分割方法

权利要求书

1.一种融合微分几何信息的脑分割方法，包括以下步骤：

步骤S1：对MR图像集进行标准化预处理，其中，所述MR图像集包括T1加权的脑部正常组织MR图像集或脑部肿瘤多模态MR图像集；

步骤S2：在MR图像集的预处理结果中引入雅克比行列式和Laplace算子，以通过微分几何处理强调图像边缘信息；

步骤S3：对经微分几何处理MR图像集进行数据增强，获得增强数据集；

步骤S4：利用所述增强数据集训练神经网络模型，实现图像分割并将分割结果进行重建，进而输出对分割结果的预测；

其中，在步骤S2中，对于一幅MR图像，根据以下步骤执行微分几何处理：

步骤S21，将一幅MR图像视为一个二维空间到二维空间的变换函数f(x)，灰度值表现为每一个位置的函数值，灰度值随着位置信息在x和y方向分别进行变化，计算雅克比矩阵的函数表示为：

其中J_f(x,y)代表图像函数的雅克比矩阵，该矩阵中的元素是分别对于x方向和y方向求偏导，用于反映每个方向上的灰度值变化趋势；

步骤S22，将一幅MR图像视为二维欧式空间的一个二阶微分算子，分别对Laplace算子的x，y两个方向的二阶导数进行差分，得到离散函数的Laplace算子，对于一个二维函数f(x,y)，x，y两个方向上的二阶差分分别表示为：

计算得到Laplace算子的差分形式表示为：

写成空间滤波器的形式为：

将该空间滤波器在原MR图像上逐行移动，其数值与重叠像素相乘求和，赋值给中心点的像素。

2.根据权利要求1所述的方法，其特征在于，在步骤S1中，对MR图像集进行标准化预处理是采用Z-score数据标准化，将数据按比例缩放在固定区间内，并将数据转化为符合正态分布的纯数值，变换函数表示：

其中，μ为样本的均值，σ为样本的标准差。

3.根据权利要求1所述的方法，其特征在于，在步骤S1中，当MR图像集是T1加权的脑部正常组织MR图像集时，还包含直方图匹配与均衡预处理过程，执行以下步骤：

读取原始图像信息，并将其转化为灰度直方图像，得到图像的矩阵信息；

统计不同灰度的频数，计算得到灰度的概率分布累积函数；

将累积分布函数进行均衡化；

将均衡化后的分布函数作用于原始图像，将其均一化。

4.根据权利要求1所述的方法，其特征在于，在步骤S1中，当MR图像集是脑部肿瘤多模态MR图像集时，根据以下步骤进行数据标签处理：

对各个模态的数据进行切片，将没有分割标签的数据舍弃，并将所有模态拼接在一起作为所述神经网络模型多通道的输入；

将所分割的整个肿瘤、增强肿瘤和肿瘤核心与标签对应关系表示为：

WT＝ED+ET+NET

TC＝ET+NET

其中，NET为坏疽-标签1，ED为浮肿区域-标签2，ET为增强肿瘤区域-标签4，背景部分-标签0，WT表示整个肿瘤。

5.根据权利要求1所述的方法，其特征在于，所述神经网络模型采用Unet的U型结构和层级，包括多次下采样和对应的多次上采样，且最后一层的卷积处理设置为：先使用N个1×1的卷积，然后再使用soft-max函数激活，以改变输出的通道数为N，其中N等于所需分割出的目标区域数目。

6.根据权利要求1所述的方法，其特征在于，采取Dice系数作为损失函数训练所述神经网络模型。

7.根据权利要求1所述的方法，其特征在于，在步骤S3中，通过翻转、旋转、缩放、位移MR图像集获得增强的数据集。

8.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至7中任一项所述方法的步骤。

9.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法的步骤。