[发明专利]大脑中动脉高密度征影像识别方法及装置有效

专利信息
申请号: 202210273017.9 申请日: 2022-03-18
公开(公告)号: CN114638843B 公开(公告)日: 2022-09-06
发明(设计)人: 李鑫鑫;刘东冬;龚国杨;吴振洲 申请(专利权)人: 北京安德医智科技有限公司
主分类号: G06T7/11 分类号: G06T7/11;G06T7/187;G06T7/62;G06T5/30
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 100310 北京市顺义区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 大脑 动脉 高密度 影像 识别 方法 装置
【权利要求书】:

1.一种大脑中动脉高密度征影像识别方法,其特征在于,包括:

在三维影像上,分割出表征大脑中动脉高密度征的第一梗死区域,所述三维影像与至少一层二维影像相对应;

根据所述三维影像和所述二维影像的坐标之间的映射关系,确定所述二维影像中与所述第一梗死区域对应的至少一个连通域;

在所述连通域中,确定像素平均值小于预设像素值阈值的连通域,得到目标连通域;

根据所述三维影像和所述二维影像的坐标之间的映射关系,确定所述三维影像中与所述目标连通域对应的第二梗死区域;

在两个脑区各自的第二梗死区域的体积之差值大于预设体积差值阈值的情况下,将所述两个脑区中具有较大所述体积的脑区内的第二梗死区域确定为目标梗死区域,所述两个脑区包括:左脑区、右脑区。

2.根据权利要求1所述的方法,其特征在于,所述在所述连通域中,确定像素平均值小于预设像素值阈值的连通域,得到目标连通域,包括:

对所述连通域进行膨胀处理,获得膨胀连通域;

在至少两个所述膨胀连通域相交的情况下,确定所述至少两个膨胀连通域的各膨胀连通域中像素值最小的M个像素的像素值的第一平均值;

将数值最小的所述第一平均值作为所述至少两个膨胀连通域中各膨胀连通域的所述像素平均值。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:

在所述膨胀连通域互不相交的情况下,将单个所述膨胀连通域中像素值最小的N个像素的像素值的平均值,作为单个所述膨胀连通域的所述像素平均值。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

在两个脑区各自的第二梗死区域的体积之差值不大于预设体积差值阈值的情况下,将两个脑区内第二梗死区域的平均CT值较大的脑区中的第二梗死区域,确定为目标梗死区域。

5.根据权利要求4所述的方法,其特征在于,所述在两个脑区各自的第二梗死区域的体积之差值不大于预设体积差值阈值的情况下,将两个脑区内第二梗死区域的平均CT值较大的脑区中的第二梗死区域,确定为目标梗死区域,包括:

获取各层所述二维影像中目标连通域的平均CT值;

将具有最大所述平均CT值的脑区内的第二梗死区域确定为目标梗死区域。

6.根据权利要求1所述的方法,其特征在于,在所述在三维影像上,分割出表征大脑中动脉高密度征的第一梗死区域之前,还包括:

在所述三维影像上,确定大脑中线,所述大脑中线用于将大脑划分为所述左脑区、所述右脑区;

基于所述大脑中线,将所述三维影像旋转至预设位置。

7.根据权利要求1所述的方法,其特征在于,所述方法基于神经网络实现,所述在三维影像上,分割出表征大脑中动脉高密度征的第一梗死区域,包括:

利用经过损失函数调整参数后的神经网络,分割出所述三维影像中的所述第一梗死区域,所述损失函数是基于加权交叉熵和Tversky损失函数结合得到的。

8.一种大脑中动脉高密度征影像识别装置,其特征在于,包括:

第一梗死区域分割单元,用于在三维影像上,分割出表征大脑中动脉高密度征的第一梗死区域,所述三维影像与至少一层二维影像相对应;

连通域确定单元,用于根据所述三维影像和所述二维影像的坐标之间的映射关系,确定所述二维影像中与所述第一梗死区域对应的至少一个连通域;

目标连通域确定单元,用于在所述连通域中,确定像素平均值小于预设像素值阈值的连通域,得到目标连通域;

第二梗死区域确定单元,用于根据所述三维影像和所述二维影像的坐标之间的映射关系,确定所述三维影像中与所述目标连通域对应的第二梗死区域;

目标梗死区域确定单元,用于在两个脑区各自的第二梗死区域的体积之差值大于预设体积差值阈值的情况下,将所述两个脑区中具有较大所述体积的脑区内的第二梗死区域确定为目标梗死区域,所述两个脑区包括:左脑区、右脑区。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京安德医智科技有限公司,未经北京安德医智科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210273017.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top