[發(fā)明專利]基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法、裝置及設(shè)備

在審

• 申請?zhí)枺?/td>: 202011465416.2
• 申請日: 2020-12-14
• 公開（公告）號(hào): CN112634211A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 黃鋼;聶生東;張小兵
• 申請（專利權(quán)）人: 上海健康醫(yī)學(xué)院;上海理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T5/50;G06N3/08;G06N3/04
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 翁惠瑜

1.一種基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，包括以下步驟：

獲取原始MRI圖像，對所述原始MRI圖像進(jìn)行預(yù)處理，生成處理后MRI圖像；

從所述處理后MRI圖像中提取軸狀面圖像塊、冠狀面圖像塊和矢狀面圖像塊；

把所述軸狀面圖像塊、冠狀面圖像塊和矢狀面圖像塊分別對應(yīng)作為經(jīng)訓(xùn)練的軸狀分割模型、冠狀分割模型和矢狀分割模型的輸入，獲得各模型的分割結(jié)果；

融合所述各模型的分割結(jié)果，基于融合結(jié)果獲得最終分割結(jié)果；

其中，所述軸狀分割模型、冠狀分割模型和矢狀分割模型為結(jié)構(gòu)相同的密集連接型2D-CNN神經(jīng)網(wǎng)絡(luò)分割模型。

2.根據(jù)權(quán)利要求1所述的基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，所述原始MRI圖像為多模態(tài)MRI圖像，所述預(yù)處理包括不同模態(tài)圖像數(shù)據(jù)的疊加融合處理和歸一化處理。

3.根據(jù)權(quán)利要求2所述的基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，所述模態(tài)包括Flair、T1、T1c和T2。

4.根據(jù)權(quán)利要求3所述的基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，所述原始MRI圖像為原始腦膠質(zhì)瘤MRI圖像，所述疊加融合處理為將Flair和T1兩種模態(tài)的影像進(jìn)行代數(shù)疊加融合。

5.根據(jù)權(quán)利要求1所述的基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，所述密集連接型2D-CNN神經(jīng)網(wǎng)絡(luò)分割模型包括第一卷積層、用于提取低層次特征數(shù)據(jù)的第一密集連接塊、用于提取高層次特征數(shù)據(jù)的第二密集連接塊、第二卷積層、全連接層和分類層，所述低層次特征數(shù)據(jù)和高層次特征數(shù)據(jù)共同作為第二卷積層的輸入。

6.根據(jù)權(quán)利要求5所述的基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，所述第一密集連接塊和第二密集連接塊分別包含若干層卷積層，前面所有層的輸出均作為下一層卷積層的輸入。

7.根據(jù)權(quán)利要求1所述的基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，融合所述各模型的分割結(jié)果具體為：

將所述各模型的分割結(jié)果記為r_a、r_c和r_s，融合結(jié)果記為r；

若r_a＝r_c＝r_s，則r＝r_a；

若r_a、r_c、r_s中任意兩個(gè)相等，則r等于兩個(gè)相等的值；

若r_a、r_c、r_s各不相等，若有兩個(gè)大于1，則取r＝2，否則取r＝0。

8.根據(jù)權(quán)利要求1所述的基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法，其特征在于，該方法還包括：基于所述融合結(jié)果及設(shè)定的體積約束獲得最終分割結(jié)果；

所述體積約束為：將體積小于設(shè)定像素點(diǎn)個(gè)數(shù)的區(qū)域移除并用零填充。

9.一種基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割裝置，其特征在于，包括：

接收模塊，用于獲取原始MRI圖像，對所述原始MRI圖像進(jìn)行預(yù)處理，生成處理后MRI圖像；

圖像塊提供模塊，用于從所述處理后MRI圖像中提取軸狀面圖像塊、冠狀面圖像塊和矢狀面圖像塊；

分割模塊，用于把所述軸狀面圖像塊、冠狀面圖像塊和矢狀面圖像塊分別對應(yīng)作為經(jīng)訓(xùn)練的軸狀分割模型、冠狀分割模型和矢狀分割模型的輸入，獲得各模型的分割結(jié)果；

融合模塊，用于融合所述各模型的分割結(jié)果，基于融合結(jié)果及設(shè)定的體積約束獲得最終分割結(jié)果；

所述分割模塊中，所述軸狀分割模型、冠狀分割模型和矢狀分割模型為結(jié)構(gòu)相同的密集連接型2D-CNN神經(jīng)網(wǎng)絡(luò)分割模型。

10.一種電子設(shè)備，其特征在于，包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)器；和

被存儲(chǔ)在存儲(chǔ)器中的一個(gè)或多個(gè)程序，所述一個(gè)或多個(gè)程序包括用于執(zhí)行如權(quán)利要求1-8任一所述基于多個(gè)神經(jīng)網(wǎng)絡(luò)的MRI圖像分割方法的指令。