[發(fā)明專利]一種基于深度學(xué)習(xí)的急性腰椎骨折MRI圖像分割系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110588618.4
• 申請(qǐng)日: 2021-05-28
• 公開（公告）號(hào): CN113313718B
• 公開（公告）日: 2023-02-10
• 發(fā)明（設(shè)計(jì)）人: 廉憲坤;俞祝良;張廣滔;吳夢(mèng)林
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T3/40
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 馮炳輝

1.一種基于深度學(xué)習(xí)的急性腰椎骨折MRI圖像分割系統(tǒng)，其特征在于，包括：

T1模態(tài)數(shù)據(jù)輸入模塊，用于加載MRI圖像的T1模態(tài)數(shù)據(jù)；

T2模態(tài)數(shù)據(jù)輸入模塊，用于加載MRI圖像的T2模態(tài)數(shù)據(jù)；

雙模態(tài)UNet模型，利用深度學(xué)習(xí)技術(shù)處理MRI圖像的T1模態(tài)數(shù)據(jù)和T2模態(tài)數(shù)據(jù)，包括特征編碼降采樣、特征解碼上采樣和跳躍連接三個(gè)部分；特征編碼降采樣部分通過卷積和降采樣來降低圖像尺寸，提取淺層次的特征；特征解碼上采樣部分通過卷積和上采樣來擴(kuò)張圖像尺寸，獲取深層次的特征；跳躍連接部分用于實(shí)現(xiàn)特征編碼降采樣部分和特征解碼上采樣部分的特征融合；所述特征編碼降采樣部分包括第一特征編碼模塊和第二特征編碼模塊；所述第一特征編碼模塊用于對(duì)T1模態(tài)的MRI圖像進(jìn)行特征編碼和數(shù)據(jù)降采樣，所述第二特征編碼模塊用于對(duì)T2模態(tài)的MRI圖像進(jìn)行特征編碼和數(shù)據(jù)降采樣；所述第一特征編碼模塊和第二特征編碼模塊均包括4個(gè)特征提取與降采樣模塊，所述特征提取與降采樣模塊包括1個(gè)基于改進(jìn)DIB的特征提取模塊和1個(gè)最大池化層模塊；所述基于改進(jìn)DIB的特征提取模塊包括特征圖輸入模塊、2個(gè)3×3卷積特征提取模塊、3個(gè)并行的空洞率分別為1、2、4的3×3卷積特征提取模塊、1個(gè)1×1卷積特征提取模塊、第一特征拼接模塊、第二特征拼接模塊和特征圖輸出模塊，其中，特征圖輸入模塊的輸入特征數(shù)據(jù)經(jīng)過1個(gè)3×3卷積特征提取模塊提取特征后產(chǎn)生2路特征，第1路特征直接輸出到第二特征拼接模塊處，而第2路特征分別經(jīng)過3個(gè)并行的空洞率分別為1、2、4的3×3卷積特征提取模塊提取特征后，依次經(jīng)過第一特征拼接模塊進(jìn)行特征數(shù)據(jù)拼接、經(jīng)過1個(gè)1×1卷積特征提取模塊提取特征、經(jīng)過第二特征拼接模塊進(jìn)行特征數(shù)據(jù)拼接后，再經(jīng)過另外1個(gè)3×3卷積特征提取模塊提取特征后經(jīng)特征圖輸出模塊輸出，所述基于改進(jìn)DIB的特征提取模塊的改進(jìn)之處是在特征圖輸入模塊后增加了1個(gè)3×3卷積特征提取模塊，在1×1卷積特征提取模塊后增加了1個(gè)第二特征拼接模塊，該增加的3×3卷積特征提取模塊通過短連接和第二特征拼接模塊連接，這種改進(jìn)結(jié)構(gòu)能夠使雙模態(tài)UNet模型具備自動(dòng)調(diào)節(jié)網(wǎng)絡(luò)深淺的能力，提升模型的圖像分割性能；所述最大池化層模塊由步長(zhǎng)為2、核尺寸為2×2的卷積核構(gòu)成；

雙模態(tài)特征拼接模塊，用于把T1模態(tài)數(shù)據(jù)的MRI圖像經(jīng)特征編碼后的數(shù)據(jù)和T2模態(tài)數(shù)據(jù)的MRI圖像經(jīng)特征編碼后的數(shù)據(jù)進(jìn)行特征拼接；

分割結(jié)果輸出模塊，用于輸出腰椎骨折區(qū)域的分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的急性腰椎骨折MRI圖像分割系統(tǒng)，其特征在于：所述特征解碼上采樣部分包括特征解碼模塊，所述特征解碼模塊包括4個(gè)特征提取與上采樣模塊，用于處理跳躍連接部分和雙模態(tài)特征拼接模塊輸出的特征數(shù)據(jù)，把融合的特征數(shù)據(jù)進(jìn)行特征解碼和上采樣；所述特征提取與上采樣模塊包括1個(gè)基于改進(jìn)DIB的特征提取模塊和1個(gè)上采樣模塊；所述基于改進(jìn)DIB的特征提取模塊包括特征圖輸入模塊、2個(gè)3×3卷積特征提取模塊、3個(gè)并行的空洞率分別為1、2、4的3×3卷積特征提取模塊、1個(gè)1×1卷積特征提取模塊、第一特征拼接模塊、第二特征拼接模塊和特征圖輸出模塊，其中，特征圖輸入模塊的輸入特征數(shù)據(jù)經(jīng)過1個(gè)3×3卷積特征提取模塊提取特征后產(chǎn)生2路特征，第1路特征直接輸出到第二特征拼接模塊處，而第2路特征分別經(jīng)過3個(gè)并行的空洞率分別為1、2、4的3×3卷積特征提取模塊提取特征后，依次經(jīng)過第一特征拼接模塊進(jìn)行特征數(shù)據(jù)拼接、經(jīng)過1個(gè)1×1卷積特征提取模塊提取特征、經(jīng)過第二特征拼接模塊進(jìn)行特征數(shù)據(jù)拼接后，再經(jīng)過另外1個(gè)3×3卷積特征提取模塊提取特征后經(jīng)特征圖輸出模塊輸出，所述基于改進(jìn)DIB的特征提取模塊的改進(jìn)之處是在特征圖輸入模塊后增加了1個(gè)3×3卷積特征提取模塊，在1×1卷積特征提取模塊后增加了1個(gè)第二特征拼接模塊，該增加的3×3卷積特征提取模塊通過短連接和第二特征拼接模塊連接，這種改進(jìn)結(jié)構(gòu)能夠使雙模態(tài)UNet模型具備自動(dòng)調(diào)節(jié)網(wǎng)絡(luò)深淺的能力，提升模型的圖像分割性能。