[發明專利]基于2D-CNN的腦血管模板生成方法和電子設備

在審

• 申請號: 202111336633.6
• 申請日: 2021-11-12
• 公開（公告）號: CN113962983A
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 李躍華;魏小二;宋心雨;尚凱;周佳;汪璇
• 申請（專利權）人: 上海市第六人民醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/155;G06T7/30;G06N3/04;G06K9/62;G06V10/26;G06V10/764;G06V10/774;G06V10/56
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 徐紅銀

1.一種基于2D-CNN的腦血管模板生成方法，其特征在于，包括：

獲取多個對象的腦部TOF-MRA圖像，并對所述多個對象的腦部TOF-MRA圖像進行預處理，得到所述多個對象的預處理后的腦部TOF-MRA圖像；

對所述多個對象的預處理后的腦部TOF-MRA圖像進行顱骨分割處理，得到所述多個對象的去除顱骨的腦部TOF-MRA圖像；

對所述多個對象的預處理后的腦部TOF-MRA圖像進行空間標準化處理，得到各腦部TOF-MRA圖像對應的變化矩陣以及空間標準化的腦部TOF-MRA圖像；

利用一基于2D-CNN的腦血管分割模型對所述多個對象的去除顱骨的腦部TOF-MRA圖像進行分割處理，得到所述多個對象的腦血管圖像；

利用所述各腦部TOF-MRA圖像對應的變化矩陣對所述多個對象的腦血管圖像進行處理，得到空間標準化的腦血管圖像；

對所述空間標準化的腦血管圖像進行均值化處理，得到腦血管模板。

2.根據權利要求1所述的方法，其特征在于，所述對所述多個對象的腦部TOF-MRA圖像進行預處理包括：

對所述腦部TOF-MRA圖像按照是否包含異常進行分類，刪除包含異常的腦部TOF-MRA圖像，保留無異常的腦部TOF-MRA圖像；

對所述腦部TOF-MRA圖像進行數據類型轉換，獲得NIFTI數據類型的腦部TOF-MRA圖像；

對所述腦部TOF-MRA圖像進行基于像素強度的偏置場校正處理，獲得校正后的腦部TOF-MRA圖像。

3.根據權利要求2所述的方法，其特征在于，所述對所述腦部TOF-MRA圖像按照是否包含異常進行分類，具體為：

根據用戶輸入的分類信息對所述腦部TOF-MRA圖像按照是否包含異常進行分類；或

利用一深度學習分類模型對所述腦部TOF-MRA圖像按照是否包含異常進行分類。

4.根據權利要求1所述的方法，其特征在于，所述對所述多個對象的預處理后的腦部TOF-MRA圖像進行空間標準化處理包括：

對所述多個對象的預處理后的腦部TOF-MRA圖像進行基于直方圖的灰度強度歸一化處理；

對灰度強度歸一化處理后的多個對象的預處理后的腦部TOF-MRA圖像進行基于可形變配準方法的空間標準化處理。

5.根據權利要求1所述的方法，其特征在于，還包括：對所述空間標準化的腦部TOF-MRA圖像進行均值化處理，得到腦模板。

6.根據權利要求1所述的方法，其特征在于，所述基于2D-CNN的腦血管分割模型包括：

Conv2D卷積層，用于對所述多個對象的去除顱骨的腦部TOF-MRA圖像提取二維信號特征圖；

MaxPooling2D池化層，用于對所述二維信號特征圖進行壓縮，得到壓縮后的特征圖；

UpSampling2D上采樣層，用于對所述壓縮后的特征圖進行上采樣處理，得到與所述去除顱骨的腦部TOF-MRA圖像尺寸一致的概率預測圖像；

Dense全連接層，包括softmax分類器和閾值分類器，用于連接所有所述特征圖，并對所述概率預測圖像進行閾值分類得到腦血管掩膜，根據所述腦血管掩膜得到所述腦血管圖像；

其中，所述Conv2D卷積層包括Relu激活函數，所述Dense全連接層包括Sigmoid激活函數。

7.根據權利要求6所述的方法，其特征在于，對所述概率預測圖像進行閾值分類得到腦血管掩膜具體包括：

選取0.5為閾值，概率預測圖像上預測概率值小于0.5的像素點置為0，其他像素點置為1，得到腦血管掩膜。

8.根據權利要求6所述的方法，其特征在于，所述根據所述腦血管掩膜得到所述腦血管圖像具體包括：

將所述腦血管掩膜與所述去除顱骨的腦部TOF-MRA圖像進行矩陣相乘處理，得到所述腦血管圖像。