[發明專利]多模態的自動化腦室分割系統及其使用方法

在審

• 申請號: 202011062511.8
• 申請日: 2020-09-30
• 公開（公告）號: CN112200810A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 夏軍;楊光;牛張明;江熒輝;葉晴昊;王旻皓
• 申請（專利權）人: 深圳市第二人民醫院（深圳市轉化醫學研究院）
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/04;G06K9/62
• 代理公司: 上海智晟知識產權代理事務所(特殊普通合伙) 31313
• 代理人: 張東梅

本發明提供了一種多模態的自動化腦室分割系統及其使用方法，包括：收集已手動分割的厚層掃描數據集D1和未分割的薄層掃描數據集D2；導入預訓練模型構建編碼器ER，通過亞像素卷積層構建解碼器DR，結合編碼器ER和解碼器DR構建多模態的腦室分割模型M；使用厚層掃描數據集D1中的已分割信息生成監督信號S；將厚層掃描數據集D1及薄層掃描數據集D2作為輸入，提取特征F，和監督信號S一同，輸入解碼器DR；聯合厚層掃描數據集D1產生的損失函數L1和薄層掃描數據集D2產生的損失函數L2，得到腦室分割模型M的損失函數L；根據損失函數L，不斷訓練優化腦室分割模型M；使用訓練好的腦室分割模型M，對多模態不同掃描方法的腦部圖像進行自動分割。

技術領域

本發明涉及生物信息技術領域，特別涉及一種多模態的自動化腦室分割系統及其使用方法。

背景技術

腦室體積與許多腦部疾病息息相關，許多研究提出:腦室體積改變是精神分裂癥、帕金森氏癥、阿爾茨海默癥，腦積水和腦萎縮等疾病的特征。無論是在發現早期疾病、評估患者病情、診斷疾病、評估手術效果等方面，準確測量腦室體積都具有非常重要的臨床意義。因此測量腦室體積在醫療領域中有著非常重要的價值。

腦室分割是測量腦室體積的唯一辦法。它是指采用適當的方法，對掃描得到的病人大腦醫療影像學圖像進行腦室的劃分。它分為自動分割和手動分割。目前，傳統的臨床條件下，通常由醫生進行手動分割。手動分割技術所產生的腦室體積是最準確的，也是分割技術的金標準。但在處理較多的數據時，手動分割技術是耗時的，主觀的，并且存在人為誤差，重復性欠佳。

通過引入生物信息學，深度學習等領域的方法，自動分割可以替代傳統的手動分割，實現自動化的分割方法，快速準確地自動估算出病人腦室體積。通過該技術，可以節省大量人工處理醫學影像學信息所花費的時間和成本，幫助臨床醫生發現早期疾病、了解患者病情進展情況、診斷疾病、評估手術效果等。但是不同模態下(MRI和CT)的不同切片厚度(厚切和薄切)中的腦室分割需要具體情況具體分析，否則會造成切割不準確的問題。例如厚切的圖片以及其標注信息較為容易獲得，而薄切圖片的標注需要大量的人力標注，不符合實際應用場景。而實驗證明僅在厚切的數據上進行訓練的模型，在薄切圖片的預測上表現較差，無法滿足實際應用情況。

發明內容

本發明的目的在于提供一種多模態的自動化腦室分割系統及其使用方法，以解決現有的大腦醫療影像學圖像自動分割不準確的問題。

為解決上述技術問題，本發明提供一種多模態的自動化腦室分割系統，包括：

收集模塊，被配置為收集已手動分割的厚層掃描數據集D1和未分割的薄層掃描數據集D2；

構建模塊，被配置為導入預訓練模型構建編碼器ER，通過亞像素卷積層構建解碼器DR，結合編碼器ER和解碼器DR構建多模態的腦室分割模型M；

監督模塊，被配置為使用厚層掃描數據集D1中的已分割信息生成監督信號S；

輸入模塊，被配置為將厚層掃描數據集D1及薄層掃描數據集D2作為輸入，提取特征F，和監督信號S一同，輸入解碼器DR；

損失函數模塊，被配置為聯合厚層掃描數據集D1產生的損失函數L1和薄層掃描數據集D2產生的損失函數L2，得到腦室分割模型M的損失函數L；

訓練模塊，被配置為根據損失函數L，不斷訓練優化腦室分割模型M；

分割模塊，被配置為使用訓練好的腦室分割模型M，對多模態不同掃描方法的腦部圖像進行自動分割。

可選的，在所述的多模態的自動化腦室分割系統中，厚層掃描數據集根據厚切圖片集合形成，厚切圖片集合為：

薄層掃描數據集根據薄切圖片集合形成，薄切圖片集合為：