[發(fā)明專利]基于強(qiáng)化學(xué)習(xí)多尺度神經(jīng)網(wǎng)絡(luò)的MRI分割方法在審
| 申請?zhí)枺?/td> | 202010591088.4 | 申請日: | 2020-06-24 |
| 公開(公告)號: | CN111784652A | 公開(公告)日: | 2020-10-16 |
| 發(fā)明(設(shè)計)人: | 緱水平;盧云飛;劉寧濤;曹思穎;路凱;童諾;劉波;毛莎莎;焦昶哲 | 申請(專利權(quán))人: | 西安電子科技大學(xué) |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06T7/11 |
| 代理公司: | 陜西電子工業(yè)專利中心 61205 | 代理人: | 程曉霞;王品華 |
| 地址: | 710071*** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 強(qiáng)化 學(xué)習(xí) 尺度 神經(jīng)網(wǎng)絡(luò) mri 分割 方法 | ||
本發(fā)明公開了一種基于強(qiáng)化學(xué)習(xí)多尺度神經(jīng)網(wǎng)絡(luò)的MRI分割方法,解決了現(xiàn)有方法對多尺度、模糊和彌散MRI炎癥區(qū)域易錯分割和漏分割的問題。本發(fā)明采用根據(jù)體素值修改炎癥區(qū)域標(biāo)簽值的體素約束策略,提升分割模型對體素值差異大炎癥區(qū)域的分割效果;本發(fā)明針對形狀尺寸差異大的炎癥區(qū)域設(shè)計多尺度卷積模塊GMS,提升分割模型對多尺度炎癥區(qū)域的分割效果;針對分割模型對彌散模糊炎癥區(qū)域難以識別的問題,本發(fā)明利用強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)增強(qiáng),提升分割模型對彌散模糊炎癥區(qū)域的判別性能。本發(fā)明減小對多尺度、模糊彌散的炎癥區(qū)域的錯分割和漏分割,提升對MRI炎癥區(qū)域的分割效果??捎糜贛RI炎癥區(qū)域分割和定量分析自動化處理。
技術(shù)領(lǐng)域
本發(fā)明是屬于圖像處理技術(shù)領(lǐng)域,主要涉及核磁共振炎癥病灶的單模態(tài)影像分割,具體是一種基于強(qiáng)化學(xué)習(xí)多尺度神經(jīng)網(wǎng)絡(luò)的MRI分割方法,可用于髖關(guān)節(jié)核磁共振影像MRI中的炎癥區(qū)域數(shù)據(jù)分割。
背景技術(shù)
強(qiáng)直性脊柱炎(AS)包括一組相互關(guān)聯(lián)的,以骶髂關(guān)節(jié)和脊柱、外周關(guān)節(jié)和肌腱附著點等部位的炎癥為特征的疾病。AS病因復(fù)雜,發(fā)病機(jī)制尚不清楚,患者早期臨床表現(xiàn)不典型,傳統(tǒng)放射學(xué)檢查不敏感,缺乏特異的實驗室指標(biāo)等特點都為臨床醫(yī)生早期準(zhǔn)確判斷AS造成了很大的障礙,診斷治療不及時往往又會造成嚴(yán)重的后果,給患者帶來不可逆的骨破壞,甚至導(dǎo)致終生殘疾。
目前臨床上常用的影像學(xué)檢查方法有X線、計算機(jī)X線斷層掃描術(shù)(CT)、磁共振成像(MRI)、超聲、放射學(xué)核素骨顯像檢查。MRI是目前唯一可以觀察到關(guān)節(jié)軟骨破壞及活動性炎癥改變的影像學(xué)檢查。影像學(xué)檢查結(jié)果不僅可以顯示骨的結(jié)構(gòu)形態(tài)變化,如骨質(zhì)侵蝕、硬化、關(guān)節(jié)強(qiáng)直、關(guān)節(jié)間隙增寬或狹窄,而且可以反映X線和CT不能顯示的軟組織和軟骨的病變,如骶髂關(guān)節(jié)和脊柱關(guān)節(jié)旁骨髓水腫(BME)、軟骨異常改變和脂肪沉積,研究發(fā)現(xiàn)骨髓水腫與骨侵蝕破壞有明顯的相關(guān)性,同時,MRI還具有無創(chuàng)傷、無輻射、多平面成像等優(yōu)點,所以MRI可作為早期診斷AS及判斷病情活動、進(jìn)行療效評估及判斷預(yù)后的首選方法。
由于炎癥區(qū)域在核磁共振影像MRI數(shù)據(jù)上表現(xiàn)為形狀、大小、分布不規(guī)則,導(dǎo)致臨床醫(yī)生在用MRI數(shù)據(jù)對病人分析時存在無法量化、評判嚴(yán)重程度不一致等問題,同時由于受到影像科不同醫(yī)生、不同設(shè)備的差異性導(dǎo)致的MRI數(shù)據(jù)質(zhì)量差異,更增加了臨床醫(yī)生的閱片困難性。
現(xiàn)有的醫(yī)學(xué)影像分割算法在對炎癥區(qū)域分割時會有嚴(yán)重的漏分割和錯分割問題,嚴(yán)重影響醫(yī)生的判斷和對病人的定量分析,導(dǎo)致制定錯誤的治療方案,有學(xué)者在MagneticResonance In Medicine2019發(fā)表的Measurement of synovial tissue volume in kneeosteoarthritis using a semiautomated MRI-based quantitative approach,利用炎癥區(qū)域數(shù)據(jù)先驗信息和閾值分割方法實現(xiàn)炎癥區(qū)域的分割,但由于缺乏對炎癥區(qū)域多尺度特性的考慮,導(dǎo)致炎癥區(qū)域的分割效果不佳。
發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足,提出一種能夠處理形狀尺寸差異大且彌散模糊的炎癥區(qū)域的基于強(qiáng)化學(xué)習(xí)多尺度神經(jīng)網(wǎng)絡(luò)的MRI分割方法。
本發(fā)明是一種基于強(qiáng)化學(xué)習(xí)多尺度神經(jīng)網(wǎng)絡(luò)的MRI分割方法,其特征在于,包括有如下步驟:
(1)劃分訓(xùn)練、驗證和測試樣本集:獲取AS病人的核磁共振影像MRI數(shù)據(jù),構(gòu)建訓(xùn)練樣本集和測試樣本集,將核磁共振影像MRI數(shù)據(jù)變換到同一空間分辨率,選擇一個體素值分布均勻的MRI數(shù)據(jù)作為模板數(shù)據(jù),對剩余MRI數(shù)據(jù)進(jìn)行直方圖匹配,減少數(shù)據(jù)之間的差異性;應(yīng)用隨機(jī)選擇的方法按照3:1:1的比例劃分MRI影像數(shù)據(jù)的訓(xùn)練樣本集,驗證樣本集和測試樣本集;
(2)設(shè)置MRI炎癥區(qū)域標(biāo)簽值:采用體素約束策略,根據(jù)MRI數(shù)據(jù)的體素值大小修改體素的炎癥區(qū)域標(biāo)簽值,得到修改的炎癥區(qū)域標(biāo)簽值;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安電子科技大學(xué),未經(jīng)西安電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010591088.4/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





