[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

本發明公開了一種深度融合學習的兒童腦部MRI脫髓鞘輔助分析方法，首先進行兒童脫髓鞘疾病數據預處理及數據集構建；然后深度融合學習脫髓鞘疾病輔助模型設計；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；最后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。本發明方法不僅可以輔助醫生進行臨床診斷，而且可以大大提高圖像標注的速率，這將極大縮短患者的確診時間與確診成本，使患者獲得及時的治療，緩解患者預后過程遺留的神經功能缺損，獲得更好的預后效果。

技術領域

本發明屬于深度學習、計算機視覺、醫學圖像分割及醫學圖像分類，具體涉及到一種深度融合學習的兒童腦部MRI脫髓鞘輔助分析方法。

背景技術

中樞神經系統脫髓鞘疾病(Central Nervous System Demyelinating Diseases)是一組腦和脊髓髓鞘破壞或髓鞘脫失為主要特征的疾病，多發于兒童和青少年。中樞神經系統脫髓鞘疾病病理機制以白質損傷所致分布廣泛的脫髓鞘病灶有關，大腦白質、脊髓和腦干、小腦及視神經病變是導致患者臨床癥狀及神經體征的主要原因，重癥患者并發癥發生率高且后遺癥多。多發性硬化(multiple sclerosis，MS)、急性播散性腦脊髓炎(acutedisseminated encepha-lomyelitis，ADEM)、和視神經脊髓炎譜系疾病(neuromyelitisoptica spectrum disorders，NMOSD)是常見的中樞神經系統脫髓鞘疾病。ADEM、NMOSD均屬原發性中樞神經系統脫髓鞘疾病，其首發癥狀、神經系統癥狀及體征存在相似性，臨床診斷存在一定困難。

近年來，磁共振成像(magnetic resonance imaging，MRI)診斷技術的發展迅速，MRI中樞神經系統脫髓鞘疾病的診斷、治療和預后評估中占據越來越重要的地位。使用MRI可以檢測大腦白質中產生的病變。對于識別脫髓鞘疾病，高信號白質的手動分割是病變識別的金標準。但是，這種方法不僅耗時，而且還需要專家的經驗。過去幾年，深度學習方法在檢測大腦病變領域取得了顯著成功，例如阿爾茨海默病(AD)、中風、腦腫瘤等。不同的研究表明，深度學習方法可以成功地應用于醫學圖像分割、疾病檢測和分類，但是目前分類和分割通常被視為兩個獨立的步驟。一方面，在腦部MRI中，主要存在三個組織區域：白質(WM)、灰質(GM)和腦脊液(CSF)，病變區域發生在白質中，由于兒童腦部尚未發育完全，這進一步增加鑒別疾病的難度。在單獨的基于分割的方法無法權衡不同組織區域的重要性。另一方面，單獨的分類方法無法提供像素級信息，即無法獲得圖像中病灶的具體大小、范圍等。因此，本專利提出一種深度融合學習的兒童腦部MRI脫髓鞘輔助分析方法。該方法的創新點如下：1)通過構建深度學習網絡模型對腦部MRI圖像同時進行分割與分類兩個任務，來確定患者所患疾病與病灶區域?；诜指畹姆椒梢蕴峁┫袼丶墑e的信息圖像組織結構信息，如大小和位置，這些信息將更加有利于圖像的分類；基于分類的方法可以識別圖像內部感興趣的區域，也就是白質區域。這將會促進分割的準確率。兩種方法的特征融合不僅能夠促進分割任務也能促進分類任務。2)兒童脫髓鞘輔助分析系統。該系統將提出的輔助分析方法進行集成與可視化。

本專利提出的算法及系統將極大縮短患者的確診時間與確診成本，使患者獲得及時的治療，緩解患者預后過程遺留的神經功能缺損，獲得更好的預后效果。

發明內容

針對現有技術中存在的不足，本發明提出一種深度融合學習的兒童腦部MRI脫髓鞘輔助分析方法，其中包括深度學習網絡模型搭建與算法設計、兒童脫髓鞘輔助分析系統設計。

為實現上述目的，本發明的技術方案主要包括如下步驟：

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。