[發(fā)明專利]一種基于三維精細(xì)化殘差網(wǎng)絡(luò)的腔隙性腦梗死識(shí)別系統(tǒng)有效
| 申請(qǐng)?zhí)枺?/td> | 202211036544.4 | 申請(qǐng)日: | 2022-08-29 |
| 公開(公告)號(hào): | CN115115628B | 公開(公告)日: | 2022-11-22 |
| 發(fā)明(設(shè)計(jì))人: | 宋林;杜怡峰;劉治;陶可猛;魏艷軍;王佳豐 | 申請(qǐng)(專利權(quán))人: | 山東第一醫(yī)科大學(xué)附屬省立醫(yī)院(山東省立醫(yī)院) |
| 主分類號(hào): | G06T7/00 | 分類號(hào): | G06T7/00;G06V10/26;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司: | 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221 | 代理人: | 閆偉姣 |
| 地址: | 250021 山東*** | 國(guó)省代碼: | 山東;37 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 三維 精細(xì) 化殘差 網(wǎng)絡(luò) 腔隙性 腦梗死 識(shí)別 系統(tǒng) | ||
本發(fā)明涉及計(jì)算機(jī)輔助醫(yī)療技術(shù)領(lǐng)域,公開了一種基于三維精細(xì)化殘差網(wǎng)絡(luò)的腔隙性腦梗死識(shí)別系統(tǒng),包括:圖像獲取模塊,用于獲取腦磁共振T1成像模式的圖像;腔隙性腦梗死識(shí)別模塊,用于基于預(yù)先訓(xùn)練的腔隙性腦梗死識(shí)別模型,對(duì)所述圖像進(jìn)行腔隙性腦梗死識(shí)別;其中,所述腔隙性腦梗死識(shí)別模型基于三維精細(xì)化殘差網(wǎng)絡(luò)訓(xùn)練得到,所述三維精細(xì)化殘差網(wǎng)絡(luò)包括依次連接的多個(gè)卷積層、全局平均池化層、多個(gè)殘差模塊和全連接網(wǎng)絡(luò)。本發(fā)明基于三維精細(xì)化殘差網(wǎng)絡(luò)構(gòu)建腔隙性腦梗死識(shí)別模型,能夠?qū)崿F(xiàn)腔隙性腦梗死的自動(dòng)分割、識(shí)別和提取,輔助醫(yī)生做出診斷。
技術(shù)領(lǐng)域
本發(fā)明屬于計(jì)算機(jī)輔助醫(yī)療技術(shù)領(lǐng)域,尤其涉及一種基于三維精細(xì)化殘差網(wǎng)絡(luò)的腔隙性腦梗死識(shí)別系統(tǒng)。
背景技術(shù)
本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息,不必然構(gòu)成在先技術(shù)。
腔隙性腦梗死占缺血性腦梗死的20%-30%,其病灶是一種直徑為3-15mm的圓形或者卵圓形的位于皮層下由液體填充的小腔,稱為腔隙(Lacune),它是腦小血管疾病最常見的影像學(xué)表現(xiàn)之一。腔隙性腦梗死灶較小,通常無或僅表現(xiàn)為輕微的神經(jīng)功能缺損癥狀,常常被忽視而導(dǎo)致漏診,延誤患者治療,影響其預(yù)后。而且其導(dǎo)致的患者臨床特征具有顯著的異態(tài)性,腔隙的部位、數(shù)量的差異對(duì)患者的神經(jīng)功能缺損癥狀以及癥狀的嚴(yán)重程度所產(chǎn)生的影響不盡相同。為了腔隙性腦梗死的早期干預(yù)和二級(jí)預(yù)防,針對(duì)腔隙性梗死灶的準(zhǔn)確診斷就顯的尤為重要。研究表明,導(dǎo)致腔隙梗死灶發(fā)生的主要原因是大腦半球、腦干深部的小的深穿動(dòng)脈管壁出現(xiàn)病變,此類動(dòng)脈直徑在100-400μm之間,并且沒有分支和終支吻合支,向大腦半球的深部區(qū)域提供血液供應(yīng)。因而腔隙多分布于此類動(dòng)脈的供血區(qū),常見部位為豆?fàn)詈恕⑶鹉X、腦橋、基底核、內(nèi)囊、尾狀核等。由于其特殊的病理過程,腔隙在磁共振Fliar序列圖像上往往呈現(xiàn)出中間部位與腦脊液相似的低信號(hào),周圍有平滑高信號(hào)的圓形或類圓形的病灶。在腔隙的肉眼識(shí)別過程中,其極易與血管周圍間隙相混淆。但與腔隙不同的是,血管周圍間隙在T2加權(quán)像或者FLAIR圖像上沒有圍繞病灶的高信號(hào)圈(病灶跨越白質(zhì)高信號(hào)區(qū)的情況除外,這時(shí)就需要依靠依靠二者形態(tài)的差異,對(duì)其作出區(qū)分)。
通常腔隙性腦梗死灶會(huì)以CT圖像或磁共振圖像的形式呈現(xiàn)給醫(yī)務(wù)人員,相較于CT圖像,磁共振圖像更清晰,檢出率更高。目前先進(jìn)的磁共振成像技術(shù)主要有3D-T1加權(quán)成像、T2加權(quán)成像、流體衰減翻轉(zhuǎn)恢復(fù)(FLAIR)成像。這三種成像方法,雖然改善了人類識(shí)別腔隙的性能,但是值得注意的是由人工來識(shí)別腔隙不但會(huì)有主觀性,而且會(huì)耗費(fèi)大量的人力和時(shí)間。
隨著現(xiàn)代科學(xué)技術(shù)特別是深度學(xué)習(xí)技術(shù)的進(jìn)步,半自動(dòng)的腔隙性腦梗死灶識(shí)別技術(shù)得到了飛速的發(fā)展,并且越來越成為現(xiàn)代臨床醫(yī)學(xué)診斷與醫(yī)療的有力工具。盡管腔隙性腦梗死灶識(shí)別技術(shù)在磁共振成像領(lǐng)域取得的了巨大的成功,但是,受到機(jī)理和材料技術(shù)等限制,由現(xiàn)行的醫(yī)學(xué)影像設(shè)備成像結(jié)合醫(yī)生識(shí)別來確定腔隙性腦梗死灶的方法在許多方面不盡如意,例如磁共振成像的空間分辨率不夠高,腔隙灶易與血管周圍間隙混淆等,加之醫(yī)生之間的閱片水平存在差距,這就導(dǎo)致了由肉眼觀察所確定的病灶存在一定幾率的誤判。
發(fā)明內(nèi)容
為克服上述現(xiàn)有技術(shù)的不足,本發(fā)明提供了一種基于三維精細(xì)化殘差網(wǎng)絡(luò)的腔隙性腦梗死識(shí)別系統(tǒng),基于三維精細(xì)化殘差網(wǎng)絡(luò)構(gòu)建腔隙性腦梗死識(shí)別模型,能夠?qū)崿F(xiàn)腔隙性腦梗死的自動(dòng)分割、識(shí)別和提取,輔助醫(yī)生做出診斷。
為實(shí)現(xiàn)上述目的,本發(fā)明的一個(gè)或多個(gè)實(shí)施例提供了如下技術(shù)方案:
一種基于三維精細(xì)化殘差網(wǎng)絡(luò)的腔隙性腦梗死識(shí)別系統(tǒng),包括:
圖像獲取模塊,用于獲取腦磁共振T1成像模式的圖像;
腔隙性腦梗死識(shí)別模塊,用于基于預(yù)先訓(xùn)練的腔隙性腦梗死識(shí)別模型,對(duì)所述圖像進(jìn)行腔隙性腦梗死識(shí)別;其中,所述腔隙性腦梗死識(shí)別模型基于三維精細(xì)化殘差網(wǎng)絡(luò)訓(xùn)練得到,所述三維精細(xì)化殘差網(wǎng)絡(luò)包括依次連接的多個(gè)卷積層、全局平均池化層、多個(gè)殘差模塊和全連接網(wǎng)絡(luò)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于山東第一醫(yī)科大學(xué)附屬省立醫(yī)院(山東省立醫(yī)院),未經(jīng)山東第一醫(yī)科大學(xué)附屬省立醫(yī)院(山東省立醫(yī)院)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211036544.4/2.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 一種三維彩色物品制作方法
- 三維內(nèi)容顯示的方法、裝置和系統(tǒng)
- 三維對(duì)象搜索方法、裝置及系統(tǒng)
- 三維會(huì)話數(shù)據(jù)展示方法、裝置、存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種三維模型處理方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 用于基于分布式賬本技術(shù)的三維打印的去中心化供應(yīng)鏈
- 標(biāo)記數(shù)據(jù)的獲取方法及裝置、訓(xùn)練方法及裝置、醫(yī)療設(shè)備
- 一種基于5G網(wǎng)絡(luò)的光場(chǎng)三維浸入式體驗(yàn)信息傳輸方法及系統(tǒng)
- 用于機(jī)器人生產(chǎn)系統(tǒng)仿真的三維場(chǎng)景管理與文件存儲(chǔ)方法
- 基于三維形狀知識(shí)圖譜的三維模型檢索方法及裝置
- 基于正則化迭代的有限角度光聲成像重建方法及裝置
- 一種結(jié)合支撐集和殘差補(bǔ)償?shù)膱D像序列遞歸重建方法
- 基于殘差圖像直方圖循環(huán)移位的自適應(yīng)圖像二值化方法
- 一種基于深度殘差網(wǎng)絡(luò)的車型識(shí)別方法
- 網(wǎng)絡(luò)RTK基線雙差模糊度檢驗(yàn)方法、裝置及定位方法
- 黑毛豬肉圖像的識(shí)別方法
- FPGA及深度殘差網(wǎng)絡(luò)實(shí)現(xiàn)方法、系統(tǒng)、計(jì)算機(jī)介質(zhì)
- 一種基于殘差網(wǎng)絡(luò)的特征圖處理方法
- 基于改進(jìn)深度殘差網(wǎng)絡(luò)和注意力機(jī)制的實(shí)體關(guān)系抽取方法
- 一種可變倍率的圖像超分辨率網(wǎng)絡(luò)模型





