[发明专利]一种CT脑图像分割及血肿测量方法

权利要求书

1.一种CT脑图像分割及血肿测量方法，其特征在于，包括以下步骤；

颅骨剥离：

对从医院采集的CT脑部图像使用飞利浦Brilliance 64获得，其曝光参数为120 kVp，400-500 mAs进行预处理：首先将DICOM格式的图像转化为NIFTI格式的三维图像，并将其重采样为160*160*80大小作为输入矩阵；为了限制卷积神经网络输入的动态范围，对重采样之后的三维CT图像应用0到100Hu的阈值进行加窗，归一化是按照最小值中心化后，再按极差最大值—最小值缩放，将数据归一化到[0,1]之间；

将归一化之后大小为160*160*80的三维图像输入到颅骨分割网络中，颅骨分割网络是一种三维卷积神经网络，网络的输出便是去除完颅骨之后的三维脑图像，之后将该三维图像重采样到原始空间，即将该三维图像重采样回其初始大小，就得到了最终的去除颅骨之后的三维图像，完成了颅骨剥离；

脑出血粗分割：

脑出血粗分割旨在得到脑出血的ROI，即脑出血的大体范围，同样的，将去除颅骨之后的图像和脑出血标签重采样为160*160*80大小作为输入矩阵，输入到脑出血粗分割网络，脑出血粗分割网络与颅骨剥离网络是相同的架构，输出是脑出血的大体区域，之后返回到原始空间得到脑出血ROI；

脑出血细分割：

脑出血细分割使用与颅骨分割相同的卷积神经网络框架，脑出细血分割网络是一种二维卷积神经网络，不同的是在第四次下采样之后多添加了一个残差块用于调整特征图通道数，除此之外，将粗分割得到的ROI区域以轴向位生成二维切片，得到了脑出血区域的二维切片，将每相邻的三张切片进行拼接形成一个3*512*512大小的伪彩色图像作为输入矩阵输入到脑出血细分割网络当中，为了限制卷积神经网络输入的动态范围，对脑出血二维切片应用30到130Hu的阈值进行加窗，最后输出的便是脑出血标签的二维切片，之后将所有二维切片在第三个维度上堆叠成三维图像，就得到了最后的三维脑出血标签；

脑出血体积测量：

将细分的得到的三维脑出血标签的分割体素的数量乘以x、y和z维度中每个体素之间的距离计算脑出血体积。