[发明专利]适用于二维脑图像数据的脑解剖结构定位方法

权利要求书

1.适用于二维脑图像数据的脑解剖结构定位方法，其特征在于：包括以下步骤：

S1：收集具有标注的三维脑图像，增强三维脑图像数据后切片获得二维脑图像数据库，提取二维脑图像数据库中的脑解剖结构分布特征，获取特征数据库；

S2：利用二维脑图像数据库和特征数据库获得特征提取网络，通过特征提取网络检索待定位图像与特征数据库的最相似特征及其对应的检出图像；

S3：利用二维脑图像数据库中的数据训练得到全卷积特征区域分割网络，通过全卷积特征区域分割网络分割待定位图像的特征区域和检出图像的特征区域；

S4：将待定位图像和检出图像分别与其对应的特征区域融合得到待定位融合图像和检出融合图像，将待定位融合图像和检出融合图像进行配准获得待定位图像的脑解剖结构定位结果。

2.根据权利要求1所述的适用于二维脑图像数据的脑解剖结构定位方法，其特征在于：所述步骤S1包括：

S11：收集具有标注的三维脑图像，构成三维脑图像数据库，数据库中每个三维脑图像分别对应有一个三维标注图像；

S12：利用仿射变换和灰度拉伸对每个三维脑图像及其三维标注图像进行数据增强处理，将数据增强处理后的三维脑图像及三维标注图像数据存入三维脑图像数据库；

S13：在数据增强处理后的三维脑图像及标注图像的冠状面方向上进行切片，得到由相应的二维脑图像及二维标注图像所形成的二维脑图像数据库；

S14：将每一二维脑图像所对应的二维标注图像中的每一脑解剖结构所占像素数量与整个脑轮廓所占像素数量相除，统计出每一脑解剖结构在整个脑轮廓内所占的面积比例，获得二维脑图像的特征数据库。

3.根据权利要求2所述的适用于二维脑图像数据的脑解剖结构定位方法，其特征在于：每一三维脑图像均对应一个标有672个脑解剖结构的三维标注图像，所述三维标注图像中的像素与脑解剖结构灰度映射表中的灰度值相对应，每个像素的灰度值代表了该像素所属的脑解剖结构。

4.根据权利要求2所述的适用于二维脑图像数据的脑解剖结构定位方法，其特征在于：所述仿射变换是指：分别在x、y、z方向上进行旋转，旋转角度不超过15°，角度变化的步长为1°，对三维脑图像进行仿射变换时采用双线性插值，对三维标注图像进行仿射变换时采用最近邻插值，从而获得仿射变换后的三维脑图像及三维标注图像；所述灰度拉伸是指：使用自适应直方图均衡化对三维脑图像进行灰度拉伸，其中均衡化的对比度阈值设为1.2，均衡化的网格大小为4 * 4。

5.根据权利要求2所述的适用于二维脑图像数据的脑解剖结构定位方法，其特征在于：所述步骤S2包括：

S21：利用卷积神经网络对二维脑图像数据库和特征数据库进行训练，获得特征提取网络；

S22：利用特征提取网络提取待定位图像的特征；

S23：将待定位图像的特征与特征数据库中的脑解剖结构分布特征进行对比，得到最相似特征及其对应的检出图像。

6.根据权利要求5所述的适用于二维脑图像数据的脑解剖结构定位方法，其特征在于：所述最相似特征是指：二维脑图像数据库中，与所述待定位图像的特征的欧式距离最小的一个脑解剖结构分布特征。

7.根据权利要求5所述的适用于二维脑图像数据的脑解剖结构定位方法，其特征在于：所述步骤S3包括：

S31：标记二维脑图像的特征区域，得到标记图像；

S32：对每一二维脑图像进行归一化，并删除没有脑解剖结构的图像，将归一化后的二维脑图像输入全卷积神经网络，以所述标记图像作为标签，采用多类别交叉熵作为损失函数，对网络进行训练，构建出全卷积特征区域分割网络；

S33：将待定位图像输入全卷积特征区域分割网络，提取出待定位图像的特征区域；

S34：将检出图像输入全卷积特征区域分割网络，提取出检出图像的特征区域。