[發(fā)明專利]基于統(tǒng)計約束損失函數(shù)的腦梗塞病灶自動分割方法

有效

• 申請?zhí)枺?/td>: 201910693876.1
• 申請日: 2019-07-30
• 公開（公告）號: CN110533668B
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計）人: 葉初陽;劉妍麟;劉志文
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 高會允

1.基于統(tǒng)計約束損失函數(shù)的腦梗塞病灶自動分割方法，其特征在于，該方法具體為：

獲取腦部彌散加權(quán)磁共振圖像進(jìn)行預(yù)處理，預(yù)處理后以磁敏感參數(shù)b＝0時的腦部彌散加權(quán)磁共振圖像為b0圖像，以磁敏感參數(shù)b≠0時的腦部彌散加權(quán)磁共振圖像為DWI圖像，根據(jù)b0圖像和DWI圖像計算出表觀擴散系數(shù)ADC真值圖像；

構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，取手工標(biāo)注的病灶標(biāo)注圖像、所述DWI圖像以及ADC真值圖像輸入到所述卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行迭代訓(xùn)練，所述卷積神經(jīng)網(wǎng)絡(luò)中預(yù)先定義四項損失函數(shù)，包括Dice系數(shù)損失函數(shù)、交叉熵?fù)p失函數(shù)、體積誤差損失函數(shù)以及ADC值誤差損失函數(shù)；在每一次迭代過程中，根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)的分割結(jié)果和所述病灶標(biāo)注圖像對四項損失函數(shù)進(jìn)行優(yōu)化；迭代訓(xùn)練結(jié)束后獲得訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)；

采用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對腦部彌散加權(quán)磁共振圖像進(jìn)行腦梗塞病灶的自動分割。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取腦部彌散加權(quán)磁共振圖像進(jìn)行預(yù)處理，具體為：

針對所述腦補彌散加權(quán)磁共振圖像進(jìn)行去骨和灰度歸一化操作。

3.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)b0圖像和DWI圖像計算出表觀擴散系數(shù)ADC真值圖像，具體為：

其中b0圖像和DWI圖像均為三維圖像，其中每個體素對應(yīng)一個ADC值；

即體素i的ADC值為：

其中，S_0i表示b0圖像體素i的灰度值，S_bi表示DWI圖像的灰度值，b表示DWI圖像對應(yīng)的磁敏感參數(shù)b值，i為體素序號；

針對每個體素均計算其ADC值，獲得三維的ADC真值圖像。

4.如權(quán)利要求1所述的方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)采用三維U-Net網(wǎng)絡(luò)。

5.如權(quán)利要求1所述的方法，其特征在于，所述所述卷積神經(jīng)網(wǎng)絡(luò)中的每一次迭代過程中，針對輸入圖像進(jìn)行卷積操作和最終的sigmoid激活，得到分割概率圖。

6.如權(quán)利要求5所述的方法，其特征在于，所述體積誤差損失函數(shù)為：

其中，loss_vol表示體積誤差損失函數(shù)，vol_gt表示所述病灶標(biāo)注圖像中的病灶體積，S_i表示所述卷積神經(jīng)網(wǎng)絡(luò)的分割概率圖中體素i的概率值；

所述ADC值誤差損失函數(shù)為：

其中，loss_ADC表示ADC值誤差損失函數(shù)，表示所述病灶標(biāo)注圖像中病灶內(nèi)的ADC均值，ADC_i表示所述ADC真值圖像中體素i的ADC值。

7.如權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)的分割結(jié)果和所述病灶標(biāo)注圖像對四項損失函數(shù)進(jìn)行優(yōu)化具體為：

對四項損失函數(shù)進(jìn)行求和，并使用Adam優(yōu)化器進(jìn)行優(yōu)化，更新所述卷積神經(jīng)網(wǎng)絡(luò)中卷積核的權(quán)重和偏置。