[發明專利]腦白質高信號評分系統及其評分方法

在審

• 申請號: 202010523005.8
• 申請日: 2020-06-10
• 公開（公告）號: CN111681230A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 朱文浩;黎麗茜;吳亞松
• 申請（專利權）人: 華中科技大學同濟醫學院附屬同濟醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T7/30
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 胡鎮西;張敏

1.一種腦白質高信號評分系統，其特征在于：包括圖像預處理模塊(1)、圖像分割模塊(2)、體積計算模塊(3)和評分模塊(4)；

所述圖像預處理模塊(1)用于對磁共振圖像進行預處理，得到腦白質分區圖像；

所述圖像分割模塊(2)用于對所述腦白質分區圖像進行圖像識別，得到腦白質高信號分割圖像；

所述體積計算模塊(3)用于根據所述腦白質高信號分割圖像，計算得出腦白質高信號體積；

所述評分模塊(4)用于根據所述腦白質高信號體積，對腦白質高信號進行評分，得出腦白質高信號負荷情況。

2.根據權利要求1所述的腦白質高信號評分系統，其特征在于，所述圖像預處理模塊(1)按如下步驟進行工作：

1)對磁共振圖像進行頭動和渦流矯正，去頭皮，得到去除頭皮和偽影的T1結構圖像以及T2 flair腦實質圖像；

2)將T1結構圖像通過線性轉換首次配準；

3)將首次配準后的T1結構圖像二次配準到標準空間模板，生成轉換矩陣；

4)通過逆轉換矩陣，根據腦白質標準圖譜模板，將T2 flair腦實質圖像進行分區，得到腦白質分區圖像。

3.根據權利要求1所述的腦白質高信號評分系統，其特征在于：所述圖像分割模塊(2)通過深度學習的方式構建腦白質高信號圖像分割模型，采用卷積神經網絡和隨機森林算法進行模型訓練。

4.根據權利要求1所述的腦白質高信號評分系統，其特征在于：所述體積計算模塊(3)通過深度學習的方式構建腦白質高信號體積計算模型，采用長短期記憶神經網絡進行模型訓練。

5.根據權利要求1所述的腦白質高信號評分系統，其特征在于：所述評分模塊(4)通過結合映射關系表構建腦白質高信號評分模型。

6.一種利用權利要求1～5任一項所述的腦白質高信號評分系統進行評分的方法：

1)對磁共振圖像進行預處理，得到腦白質分區圖像；

2)根據腦白質分區圖像，通過深度學習的方式構建腦白質高信號圖像分割模型，得到腦白質高信號分割圖像；

3)根據腦白質分割圖像構建腦白質高信號體積計算模型，得到腦白質高信號體積；

4)根據腦白質信號體積，結合映射關系表構建腦白質高信號評分模型；

5)將待評估的磁共振圖像經過預處理后，依次輸入到腦白質高信號圖像分割模型、腦白質高信號體積計算模型、腦白質高信號評分模型，得到腦白質高信號的評分，得出患者腦白質高信號的負荷情況。