[發明專利]腦標識提取方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110259731.8
• 申請日: 2021-03-10
• 公開（公告）號: CN112950600A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 張旭;葛傳斌;方偉
• 申請（專利權）人: 武漢聯影智融醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06N3/04
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 趙文靜

1.一種腦標識提取方法，其特征在于，所述方法包括：

將目標主體的腦部磁共振圖像輸入至預設的神經網絡模型中，得到所述腦部磁共振圖像的不同類型的標識概率圖；所述不同類型的標識概率圖包括點標識概率圖、面標識概率圖和區域標識概率圖；所述不同類型的標識概率圖分別通過所述神經網絡模型中的不同任務分支網絡層輸出；

根據所述點標識概率圖，確定所述目標主體腦部的點標識；根據所述面標識概率圖確定所述目標主體腦部的面標識；根據所述區域標識概率圖確定所述目標主體腦部的區域標識；

根據所述點標識和所述面標識構建腦部坐標系；

根據所述點標識、所述面標識、所述區域標識和所述腦部坐標系中的一種或多種信息，確定所述目標主體腦部的其他標識。

2.根據權利要求1所述的方法，其特征在于，所述點標識概率圖包括前連合概率圖和后連合概率圖，所述點標識包括前連合標志點和后連合標志點；

所述根據所述點標識概率圖，確定所述目標主體腦部的點標識，包括：

將所述前連合概率圖中最大概率值對應的像素點確定為所述前連合標志點；將所述后連合概率圖中最大概率值對應的像素點確定為所述后連合標志點。

3.根據權利要求1所述的方法，其特征在于，所述面標識概率圖包括中矢面概率圖，所述面標識包括中矢面；

所述根據所述面標識概率圖確定所述目標主體腦部的面標識，包括：

通過預設的算法，對從所述中矢面概率圖中提取的中矢面平面點集進行擬合，得到所述中矢面；所述中矢面平面點集為所述中矢面概率圖中概率大于預設閾值的像素點集合。

4.根據權利要求1所述的方法，其特征在于，所述區域標識概率圖包括腦實質分割區域概率圖，所述區域標識包括腦實質分割區域；

所述根據所述區域標識概率圖確定所述目標主體腦部的區域標識，包括：

通過預設的閾值，將所述腦實質分割區域概率圖生成腦實質分割二值掩膜圖像；

根據所述腦實質分割二值掩膜圖像確定所述腦實質分割區域。

5.根據權利要求4所述的方法，其特征在于，所述其他標識包括大腦皮層標志點；

所述根據所述點標識、所述面標識、所述區域標識和所述腦部坐標系中的一種或多種信息，確定所述目標主體腦部的其他標識，包括：

根據所述腦實質分割區域確定大腦皮層輪廓；

通過計算所述大腦皮層輪廓上所有像素點中，在腦部坐標系中三個坐標軸方向上的最大值點和最小值點，確定所述大腦皮層標志點。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述神經網絡模型包括共享網絡層和不同類型標識任務的分支網絡層；

所述神經網絡模型的訓練過程包括：

獲取各所述標識任務的訓練樣本集和各所述標識任務的金標準圖像；

將各所述標識任務的訓練樣本集輸入至初始神經網絡模型的共享網絡層提取特征后，分別輸入各所述標識任務的分支網絡層，對應得到各所述標識任務的預測概率圖；

根據各所述標識任務的預測概率圖和各所述標識任務的金標準圖像，確定預設的目標損失函數的值；

根據所述目標損失函數的值調整所述初始神經網絡模型的參數，直至所述目標損失函數的值的變化幅度小于預設值，得到所述神經網絡模型。

7.根據權利要求6所述的方法，其特征在于，所述不同類型標識任務包括點標識任務、面標識任務和區域標識任務；

所述根據各所述標識任務的預測概率圖和各所述標識任務的金標準圖像，確定預設的目標損失函數的值，包括：

根據所述點標識任務的預測概率圖與所述點標識任務的金標準圖像，確定所述點標識任務預設的第一損失函數的值；

根據所述面標識任務的預測概率圖與所述面標識任務的金標準圖像，確定所述面標識任務預設的第二損失函數的值；

根據所述區域標識任務的預測概率圖與所述區域標識任務的金標準圖像，確定所述區域標識任務預設的第三損失函數的值；

對所述第一損失函數的值、所述第二損失函數的值和所述第三損失函數的值進行加權求和，得到所述目標損失函數的值。