[發明專利]一種深度融合學習的兒童腦部MRI脫髓鞘輔助分析方法

在審

• 申請號: 202210116221.X
• 申請日: 2022-01-29
• 公開（公告）號: CN114511537A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 曹九穩;周德陽;王天磊;徐璐;魏劭農;蔣鐵甲;高峰
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06V10/25;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種深度融合學習的兒童腦部MRI脫髓鞘輔助分析方法，其特征在于，步驟如下：

步驟1、兒童脫髓鞘疾病數據預處理及數據集構建；

數據集中的腦部MRI圖像從醫院獲取，均為真實患者數據；在獲取數據之后，首先對數據進行清洗，再對數據信息進行分類與分割標注，完成兒童脫髓鞘疾病數據集構建；

步驟2、深度融合學習脫髓鞘疾病輔助模型設計；

模型包括三個模塊：

1)共享模塊：采用卷積和池化的方式對輸入的腦部MRI圖像進行下采樣來獲取圖像的特征并對特征進行壓縮，最終深層特征圖；

2)分割模塊：分割模塊的輸入為共享模塊的輸出；采用反卷積進行上采樣，并且與共享模塊對應的特征信息進行特征拼接，最后進行2次卷積操作輸出高信號白質分割圖；

3)分類模塊：分類模塊的輸入為共享模塊的輸出，采用卷積和池化的方式對特征圖進行下采樣操作，最后通過平均池化和全連接的操作，輸出特征圖分類標簽；

模型采用聯合損失函數：將分割和分類兩個任務的損失函數進行聯合；

步驟3、通過構建的兒童脫髓鞘疾病數據集對深度融合學習脫髓鞘疾病輔助模型進行訓練；

步驟4、通過訓練好的深度融合學習脫髓鞘疾病輔助模型完成高信號白質分割圖的獲取與特征分類，通過可視化結果模型展示高信號白質分割圖與特征分類標簽。

2.根據權利要求1所述的一種深度融合學習的兒童腦部MRI脫髓鞘輔助分析方法，其特征在于，所述步驟1，具體步驟如下：

1-1、數據清洗：首先將收集到的數據進行篩選，將無效、不清晰、含有偽影等有異常情況的數據清除；

1-2、數據標注：

每一張圖像含有2種標注信息：高信號白質分割圖和特征分類標簽；

1)高信號白質分割圖標注；在醫生的指導下，通過專業的標注工具3Dslicer，對數據進行進行標注；獲得高信號白質分割標準圖；

2)特征圖分類標簽標注；通過整理病例信息，對數據集中的圖像進行分類，一共包括以下三種類別：1)腦部無異常的腦部MRI數據；2)患有急性播散性腦脊髓炎疾病的患者腦部MRI數據；3)患有視神經脊髓炎譜系疾病的患者腦部MRI數據；獲得特征圖分類標簽；

1-3、數據增強：對每一張圖像進行尺寸大小的改變，將所有數據統一為固定大小；對數據進行歸一化操作，將每張圖像的每個像素點映射到0～1范圍之內，提高模型收斂速度。