[發(fā)明專利]腦室區(qū)域分割模型訓練、確定模板圖像的方法及裝置

在審

• 申請?zhí)枺?/td>: 202111387485.0
• 申請日: 2021-11-22
• 公開（公告）號: CN114066863A
• 公開（公告）日: 2022-02-18
• 發(fā)明（設計）人: 楊明雷;袁紅美;錢山;賈曉甜
• 申請（專利權）人: 沈陽東軟智能醫(yī)療科技研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/62;G06N3/04;G06N3/08;G06K9/62;G06V10/44;G06V10/764;G06V10/82
• 代理公司: 北京集佳知識產(chǎn)權代理有限公司 11227
• 代理人: 韓麗波

本申請實施例公開了腦室區(qū)域分割模型的訓練方法、確定腦部CT圖像的模板圖像的方法、裝置及設備。從患者的三維腦部CT圖像中確定候選切片圖像。確定候選切片圖像的腦室區(qū)域和腦實質(zhì)區(qū)域，計算各個候選切片圖像的腦室區(qū)域與腦實質(zhì)區(qū)域的面積比。將面積比中最大值對應的候選切片圖像確定為典型切片圖像。從患者年齡對應的模板圖像組中選取和典型切片圖像的腦室區(qū)域與腦實質(zhì)區(qū)域的面積比相匹配的模板圖像，作為三維腦部CT圖像對應的模板圖像。基于典型切片圖像的腦室區(qū)域與腦實質(zhì)區(qū)域的面積比，從患者年齡對應的模板圖像組中選取的模板圖像和三維腦部CT圖像的匹配度高，能夠降低后續(xù)腦部CT圖像和模板圖像的配準難度。

技術領域

本申請涉及圖像處理領域，具體涉及一種腦室區(qū)域分割模型的訓練方法、一種確定腦部CT圖像的模板圖像的方法、裝置及設備。

背景技術

缺血性腦卒中是一種威脅人類健康的重大疾病。通過ASPECTS(Alberta StokeProgram Early CT Score，Alberta卒中項目早期CT評分)可以判斷缺血性卒中患者MCA(Middle Cerebral Artery，大腦中動脈)中多個供血區(qū)域的供血情況，能夠幫助醫(yī)生了解患者的供血情況。

MCA供血區(qū)映射為ASPECTS中的核心環(huán)節(jié)。MCA供血區(qū)映射是指將腦部CT圖像和腦部CT圖像對應的模板圖像進行配準，獲取腦部CT圖像和腦部CT圖像對應的模板圖像之間的形變場。基于得到的形變場，對模板圖像對應的MCA腦圖譜圖像進行形變，得到腦部CT圖像對應的MCA腦圖譜圖像。MCA腦圖譜圖像包括腦部CT圖像中各個MCA供血區(qū)域的劃分結果。將腦部CT圖像對應的MCA腦圖譜圖像映射到腦部CT圖像，得到腦部CT圖像中各個MCA供血區(qū)域的劃分結果。

目前，ASPECTS中使用的模板圖像與模板圖像對應的MCA腦圖譜圖像均是固定的。基于固定的模板圖像與模板圖像對應的MCA腦圖譜圖像進行多種不同腦部CT圖像的配準時，會導致腦部CT圖像和模板圖像的配準難度加大，進而導致配準精度不高，影響MCA供血區(qū)映射效果，使得難以準確確定MCA的供血情況。

發(fā)明內(nèi)容

有鑒于此，本申請實施例提供了腦室區(qū)域分割模型的訓練方法、確定腦部CT圖像的模板圖像的方法、裝置及設備，能夠從多個可供選擇的模板圖像中選擇和腦部CT圖像匹配度高的模板圖像，從而能夠降低后續(xù)腦部CT圖像和模板圖像的配準難度。

為解決上述問題，本申請實施例提供的技術方案如下：

一種腦室區(qū)域分割模型的訓練方法，所述腦室區(qū)域分割模型包括第一編碼分支、第二編碼分支以及第一解碼分支，所述方法包括：

將待訓練切片圖像輸入所述第一編碼分支，獲取所述待訓練切片圖像的第一圖像特征，所述待訓練切片圖像為三維腦部CT圖像中的切片圖像；

將所述待訓練切片圖像的相鄰切片圖像以及所述待訓練切片圖像的相鄰切片圖像的腦室區(qū)域分割標注圖像輸入所述第二編碼分支，獲取所述待訓練切片圖像的相鄰切片圖像的第二圖像特征以及所述待訓練切片圖像的相鄰切片圖像的腦室區(qū)域分割標注圖像的第三圖像特征；

將所述第一圖像特征、所述第二圖像特征以及所述第三圖像特征進行融合，得到第一圖像融合特征；

將所述第一圖像融合特征輸入所述第一解碼分支，得到所述待訓練切片圖像的腦室區(qū)域分割預測圖像；

根據(jù)所述待訓練切片圖像的腦室區(qū)域分割預測圖像以及所述待訓練切片圖像的腦室區(qū)域分割標注圖像，計算第一損失值；

利用所述第一損失值訓練所述腦室區(qū)域分割模型，重復執(zhí)行所述將待訓練候選切片圖像輸入所述第一編碼分支以及后續(xù)步驟，直到達到預設條件。

在一種可能的實現(xiàn)方式中，所述方法還包括：

將所述待訓練切片圖像的腦室區(qū)域分割預測圖像輸入形狀重建模型，得到第一重建圖像；