[發(fā)明專利]一種基于深度學(xué)習(xí)的致癇灶三維自動(dòng)定位系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910549416.1
• 申請(qǐng)日: 2019-06-24
• 公開（公告）號(hào): CN110390351B
• 公開（公告）日: 2020-07-24
• 發(fā)明（設(shè)計(jì)）人: 卓成;張沁茗;張騰;廖懿;王夏婉;馮建華;張宏;田梅
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G16H30/40;A61B6/00;A61B6/03
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 劉靜

本發(fā)明公開了一種基于深度學(xué)習(xí)的致癇灶三維自動(dòng)定位系統(tǒng)，該系統(tǒng)包括：PET圖像采集和標(biāo)記模塊；PET圖像與標(biāo)準(zhǔn)對(duì)稱腦模版的配準(zhǔn)模塊；PET圖像數(shù)據(jù)預(yù)處理模塊，生成左右腦圖像塊的鏡像對(duì)；孿生網(wǎng)絡(luò)SiameseNet訓(xùn)練模塊，包含兩個(gè)共享權(quán)重參數(shù)的深度殘差卷積神經(jīng)網(wǎng)絡(luò)，輸出層連接多層感知機(jī)和softmax層，利用攜帶致癇灶的圖像和正常圖像的訓(xùn)練集對(duì)所述網(wǎng)絡(luò)進(jìn)行訓(xùn)練獲得網(wǎng)絡(luò)模型；分類模塊和致癇灶定位模塊，利用訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)新輸入的PET圖像生成概率熱圖，先通過分類器判斷圖像為正常或者攜帶致癇灶樣本，再預(yù)測(cè)致癇灶區(qū)域的位置。該系統(tǒng)通過引入圖像塊的鏡像對(duì)和孿生網(wǎng)絡(luò)SiameseNet，來自動(dòng)定位PET圖像的致癇灶，能有效地提高致癇灶定位的準(zhǔn)確度和效率，并具有較高的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療影像工程技術(shù)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的致癇灶三維自動(dòng)定位系統(tǒng)。

背景技術(shù)

隨著醫(yī)學(xué)成像技術(shù)和人工智能技術(shù)的發(fā)展，自動(dòng)和半自動(dòng)的計(jì)算機(jī)輔助診斷系統(tǒng)被廣泛應(yīng)用于精準(zhǔn)診斷和治療中，以提高診斷準(zhǔn)確率及預(yù)后。目前，針對(duì)癲癇疾病的檢測(cè)系統(tǒng)包括正電子發(fā)射計(jì)算機(jī)斷層掃描(PET)、核磁共振成像(MRI)、單光子發(fā)射計(jì)算機(jī)斷層掃描(SPECT)和腦電圖(EEG)，其中PET對(duì)于癲癇疾病的檢測(cè)和預(yù)后具有更高的靈敏度。對(duì)癲癇疾病類型的確定、難治性癲癇的手術(shù)治療等中，均需要用診斷系統(tǒng)精確地定位致癇灶的位置。然而，傳統(tǒng)的對(duì)三維PET圖像進(jìn)行視覺評(píng)估的常規(guī)臨床診斷非常耗時(shí)，且受到醫(yī)生臨床經(jīng)驗(yàn)的影響。因此，提出一種準(zhǔn)確、快速的致癇灶定位系統(tǒng)十分重要。

現(xiàn)有的技術(shù)面臨的挑戰(zhàn)主要有：1.影像學(xué)技術(shù)通常基于區(qū)域或體素的標(biāo)準(zhǔn)攝取值(SUV)和/或不對(duì)稱指數(shù)(AI)的統(tǒng)計(jì)推斷判斷異常。區(qū)域統(tǒng)計(jì)方法通常將大腦分割成較大的感興趣區(qū)域(ROI)，然后比較區(qū)域內(nèi)的SUV或AI的平均值。由于區(qū)域常遠(yuǎn)大于病灶區(qū)，導(dǎo)致該方法會(huì)忽略細(xì)微變化，從而導(dǎo)致其檢測(cè)靈敏度降低。體素統(tǒng)計(jì)方法通常使用統(tǒng)計(jì)參數(shù)映射(SPM)軟件來比較單個(gè)病例和控制組的數(shù)據(jù)，然而，體素統(tǒng)計(jì)方法對(duì)配準(zhǔn)誤差高度敏感，容易在錯(cuò)位區(qū)域產(chǎn)生假陽性。2.現(xiàn)有的算法大多僅適用于二維自然圖像處理，而由于PET成像是一個(gè)由平行掃描圖像幀組成的三維結(jié)構(gòu)，二維定位算法會(huì)忽略重要的幀間信息。3.由于醫(yī)學(xué)圖像數(shù)據(jù)量少、缺少高質(zhì)量的標(biāo)注數(shù)據(jù)和訓(xùn)練樣本、正負(fù)樣本數(shù)量差異較大導(dǎo)致樣本的不平衡等問題，訓(xùn)練出來的模型可能是過擬合或者模型泛化能力不高。

綜上，提供一種致癇灶區(qū)域的三維自動(dòng)定位系統(tǒng)，利用PET圖像幀內(nèi)和幀間的對(duì)稱性信息，以提高致癇灶定位的準(zhǔn)確度和效率，成為目前亟待解決的重要技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)目前醫(yī)學(xué)圖像病灶定位技術(shù)的不足，提供了一種基于深度學(xué)習(xí)的腦部區(qū)域致癇灶三維定位系統(tǒng)，用于自動(dòng)定位腦部致癇灶的位置，定位結(jié)果準(zhǔn)確率高，模型具有較高的魯棒性。

本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：一種基于深度學(xué)習(xí)的致癇灶三維自動(dòng)定位系統(tǒng)，所述系統(tǒng)包括以下模塊：

(1)PET圖像采集和標(biāo)記模塊，包括圖像采集和致癇灶區(qū)域標(biāo)記：

1.1)采集圖像：使用3D PET/CT掃描儀采集腦部PET圖像，受試者在采集過程中保持相同體位，獲取PET圖像。圖像采集后進(jìn)行圖像格式轉(zhuǎn)換，即將DICOM格式的原始采集圖像序列轉(zhuǎn)換成易處理的NIFTI格式圖像。

1.2)標(biāo)記樣本：將PET圖像分為正常樣本集和攜帶致癇灶的樣本集，并對(duì)攜帶致癇灶的樣本集手動(dòng)標(biāo)記致癇灶區(qū)域，其中，致癇灶區(qū)域標(biāo)記為1，其余區(qū)域標(biāo)記為0。

(2)PET圖像配準(zhǔn)模塊：以互相關(guān)作為圖像間的相似性度量，運(yùn)用對(duì)稱微分同胚(SyN)算法將所有PET圖像及其標(biāo)記圖像形變到同一對(duì)稱標(biāo)準(zhǔn)空間，以實(shí)現(xiàn)PET采集圖像、標(biāo)記圖像與標(biāo)準(zhǔn)對(duì)稱腦模版的配準(zhǔn)。配準(zhǔn)后，采用高斯平滑算法減少個(gè)體差異帶來的配準(zhǔn)誤差，高斯平滑處理選擇高斯函數(shù)的半峰全寬FWHM為5～15mm。對(duì)平滑后的圖像進(jìn)行z-score標(biāo)準(zhǔn)化。