[发明专利]基于MRI的人体成分标记方法、系统、设备和存储介质

说明书

本发明公开基于MRI的人体成分标记方法、系统、设备和存储介质，该方法包括以下步骤：采集指定位置的磁共振成像MRI影像；对所述MRI影像进行预处理，获得预处理后的目标组织器官影像序列；对所述目标组织器官影像序列于MRI矢状位进行定位识别，获得目标组织器官矢状位定位图像；对所述目标组织器官矢状位定位图像进行分割处理，获得目标组织器官的MRI影像分割结果，基于所述MRI影像分割结果进行标记，进而获得目标组织器官的多种体质成分参数。本发明能够快速、准确地实现医学图像的人体成分参数信息测量，从而提升了针对人体成分的医学影像(图像)的处理效率，降低人力成本。

技术领域

本发明涉及医学图像处理技术领域，特别是涉及基于MRI的人体成分标记方法、系统、设备和存储介质。

背景技术

当今社会面临的两大健康挑战，分别是日益增长的肥胖人群和与衰老相关疾病的患病风险逐年增加。肥胖与2型糖尿病(type-2diabetes)、心血管疾病(cardio-vasculardiseases)、神经血管性疾病(neurovascular disease)和某些癌症(some types ofcancers)密切相关，肥胖导致死亡率增加，生活质量下降。同样，肌少症，即随着年龄增长或创伤、骨关节炎等疾病导致的肌肉质量减少，其与生活质量下降和残疾率增加密切相关，其与肌肉质量局部或总体减少相关性疾病，如肌肉营养不良(muscular dystrophies)、脊髓损伤(spinal cord injuries)和运动损伤(sport injuries)等密切相关。因此，体内脂肪和肌肉的准确测量、定量定性分析非常重要。

磁共振成像(magnetic resonance imaging，MRI)是目前人体成分分析的最新提出的影像学新标准，它拥有较高的软组织对比度，可以准确量化人体脂肪及肌肉含量和分布，实现脂肪和肌肉的准确分割。手工或半自动分割方法耗时耗力，标准统一性差，限制了利用MRI进行体质分割的临床实用性，而基于深度学习的自动分割法标准统一、速度快。目前自动识别量化体质成分的方法或基于整体区域组织器官分割，或局限于人体的特定区域，或单独量化脂肪或者肌肉组织，并没有专门针对脂肪和肌肉的全面细致且分区的分割。

体质成分分割的主要评价参数包括：躯干及肢体肌肉或肌肉群(muscle ormuscles)、内脏脂肪组织(visceral adipose tissue，VAT)、腹部皮下脂肪组织(abdominalsubcutaneous adipose tissue，ASAT)、肢体肌间脂肪组织(inter-muscular adiposetissue，IMAT)、肢体皮下脂肪组织(subcutaneous adipose tissue，SAT)、肢体筋膜下脂肪组织(subfascial adipose tissue，SFAT)的面积(muscle area,MA)、面积指数(musclearea index，MI)、内脏脂肪与皮下脂肪面积比值(V/S)、肝脏及肌肉质子密度脂肪分数(proton density fat fraction，PDFF)、肌肉皮下脂肪信号比、肌肉脂肪含量(FC，fatcontent)。

其中，所述肌肉组织按扫描部位分为胸腹部肌肉及肌肉群、臀部肌肉及肌肉群、大腿、小腿、上臂及前臂肌肉及肌肉群。

1、胸腹部肌肉及肌肉群如下：

前壁肌群：胸大肌、胸小肌、前锯肌、胸固有肌。

背部肌肉浅层：胸锁乳突肌、夹肌、肩胛岗、三角肌、腹外斜肌、背阔肌、大圆肌、小圆肌、斜方肌；

背部肌肉中层：小菱形肌、夹肌、肩胛提肌、大菱形肌、小圆肌、冈下肌、大圆肌、前锯肌、下后锯肌、背阔肌、冈上肌；

背部棘肌群：上后锯肌、夹肌、头后大直肌、头半棘肌、胸棘肌、胸最长肌、腰髂肋肌、腹横肌、竖脊肌群、腹外斜肌、腹内斜肌、下后锯肌、肋间肌、颈棘肌；