[发明专利]基于2D-CNN的脑血管模板生成方法和电子设备

说明书

本发明通过获得批量的脑部TOF‑MRA图像并进行预处理，对预处理后的脑部TOF‑MRA图像进行颅骨分割处理得到去除颅骨的脑部TOF‑MRA图像，对所述多个对象的预处理后的脑部TOF‑MRA图像进行空间标准化处理，得到各脑部TOF‑MRA图像对应的变化矩阵以及空间标准化的脑部TOF‑MRA图像，利用一基于2D‑CNN的脑血管分割模型对去除颅骨的脑部TOF‑MRA图像进行分割处理得到脑血管图像，利用各脑部TOF‑MRA图像对应的变化矩阵对脑血管图像进行处理得到空间标准化的脑血管图像，对空间标准化的脑血管图像进行均值化处理，得到脑血管模板。

技术领域

本发明涉及深度学习与医学图像处理领域，尤其涉及基于2D-CNN的脑血管模板生成方法、电子设备及存储介质。

背景技术

脑血管疾病已经成为全球导致人类死亡和残疾的主要疾病之一。分析脑动脉结构可以帮助诊断和研究多种脑血管疾病，例如狭窄，动脉瘤，动静脉畸形或缺血性中风。所以，人们迫切需要深入了解正常状态下大脑血管结构，以指示脑血管功能改变和潜在的脑血管病理。因此，构建人类的脑血管模板成为了解决上述问题的根本核心。

但是，现有的关于标准脑血管模板的研究存在血管分割算法分割精度不够和线性配准对样本空间进行空间归一化效果不理想等问题。因此，需要建立一个血管分割精确和空间标准化理想的标准脑血管脑模板，以提供客观和准确的脑部血管影像学信息，并支持进行脑血管疾病人群的脑血管变化理论的验证和比较。

基于流入增强效应无需注射造影剂的无创MRA技术——时间飞跃血管成像(Timeof flight-MRA，TOF-MRA)使得静止的背景组织在成像过程中受到抑制，而血液流入成像容积或层面时产生较高的信号，可以与静止组织之间形成对比。因此，该技术多用于大脑动脉的可视化。

发明内容

针对现有技术存在的问题，本发明提供一种基于2D-CNN的脑血管模板生成方法、电子设备及计算机可读存储介质。

第一方面，本发明提供一种基于2D-CNN的脑血管模板生成方法，包括：

获取多个对象的脑部TOF-MRA图像，并对所述多个对象的脑部TOF-MRA图像进行预处理，得到所述多个对象的预处理后的脑部TOF-MRA图像；

对所述多个对象的预处理后的脑部TOF-MRA图像进行颅骨分割处理，得到所述多个对象的去除颅骨的脑部TOF-MRA图像；

对所述多个对象的预处理后的脑部TOF-MRA图像进行空间标准化处理，得到各脑部TOF-MRA图像对应的变化矩阵以及空间标准化的脑部TOF-MRA图像；

利用一基于2D-CNN的脑血管分割模型对所述多个对象的去除颅骨的脑部TOF-MRA图像进行分割处理，得到所述多个对象的脑血管图像；

利用所述各脑部TOF-MRA图像对应的变化矩阵对所述多个对象的脑血管图像进行处理，得到空间标准化的脑血管图像；

对所述空间标准化的脑血管图像进行均值化处理，得到脑血管模板。

在其中一种实施例中，所述对所述多个对象的脑部TOF-MRA图像进行预处理包括：

对所述脑部TOF-MRA图像按照是否包含异常进行分类，删除包含异常的脑部TOF-MRA图像，保留无异常的脑部TOF-MRA图像；

对所述脑部TOF-MRA图像进行数据类型转换，获得NIFTI数据类型的脑部TOF-MRA图像；

对所述脑部TOF-MRA图像进行基于像素强度的偏置场校正处理，获得校正后的脑部TOF-MRA图像。

在其中一种实施例中，所述对所述脑部TOF-MRA图像按照是否包含异常进行分类，具体为：