多模态磁共振影像的分割方法、装置及介质与流程

文档序号:20922400发布日期:2020-05-29 14:19阅读:来源:国知局

技术特征:

1.一种多模态磁共振影像的分割方法,其特征在于,方法包括:

分别对所述多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取;

分别对所述多模态磁共振影像的横断面、冠状面及矢状面各自对应的第三个维度上的一维图像特征进行提取;

分别将所述横断面、冠状面及矢状面对应的一维图像特征及二维图像特征进行融合,得到所述横断面、冠状面及矢状面分别对应的第一方向图像特征、第二方向图像特征及第三方向图像特征;

对所述第一方向图像特征、第二方向图像特征及第三方向图像特征进行处理,得到全肿瘤区域图像、肿瘤核心区域图像及增强肿瘤区域图像。

2.根据权利要求1所述的方法,其特征在于,所述分别对所述多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取,包括:

获取特征提取模型,其中,所述提取模型包括三个不同方向为伪三维卷积处理模块,分别对应所述多模态磁共振影像的横断面、冠状面及矢状面;

将所述多模态磁共振影像输入所述特征提取模型,以提取横断面、冠状面及矢状面的二维图像特征。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:训练所述特征提取模型,该操作包括:

获取训练数据集,所述训练数据集包括高级别胶质瘤和低级别胶质瘤分别对应的多模态磁共振影像,所述多模态磁共振影像上标注有肿瘤级别;

对所述训练数据集进行像素级标注;

利用标注后的训练数据集训练所述特征提取模型。

4.根据权利要求3所述的方法,其特征在于,所述利用标注后的训练数据集训练所述特征提取模型,包括:

将标注的像素级转化为所述全肿瘤区域、肿瘤核心区域及增强肿瘤区域分别对应的二值分割图;

计算所述二值分割图的损失。

5.根据权利要求3所述的方法,其特征在于,所述利用标注后的训练数据集训练所述特征提取模型,还包括:

对所述标注后的训练数据集训进行数据增广,其中,所述数据增广包括数据随机翻转、数据随机旋转、数据随机缩放和数据随机扰动。

6.根据权利要求4所述的方法,其特征在于,所述计算所述二值分割图的损失,包括:

计算所述二值分割图的损失的损失函数为:

其中,是预测的第i个像素属于第c类子区域的概率值,是其对应真实标签,∈表示拉普拉斯平滑常数。

7.根据权利要求3所述的方法,其特征在于,所述方法还包括:

获取测试数据集,所述测试数据集包括高级别胶质瘤和低级别胶质瘤分别对应的多模态磁共振影像,所述多模态磁共振影像上未标注有肿瘤级别;

将所述测试数据集输入训练后的所述特征提取模型,根据输出值对所述特征提取模型进行优化。

8.根据权利要求3-6任一项所述的方法,其特征在于,所述利用标注后的训练数据集训练所述特征提取模型,还包括:

将所述标注后的训练数据集裁剪至预设尺寸范围内,对裁剪后的训练数据集进行归一化。

9.一种多模态磁共振影像的分割装置,其特征在于,装置包括:

第一特征提取模块,用于分别对所述多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取;

第二特征提取模块,用于分别对所述多模态磁共振影像的横断面、冠状面及矢状面各自对应的第三个维度上的一维图像特征进行提取;

融合模块,用于分别将所述横断面、冠状面及矢状面对应的一维图像特征及二维图像特征进行融合,得到所述横断面、冠状面及矢状面分别对应的第一方向图像特征、第二方向图像特征及第三方向图像特征;

处理模块,用于对所述第一方向图像特征、第二方向图像特征及第三方向图像特征进行处理,得到全肿瘤区域图像、肿瘤核心区域图像及增强肿瘤区域图像。

10.一种电子设备,其特征在于,该电子设备包括:

一个或多个处理器;

存储器,用于存储一个或多个程序,

其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至8中任一项所述的方法。


技术总结
一种多模态磁共振影像的分割方法、装置、设备及介质,方法包括:分别对多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取;分别对多模态磁共振影像的横断面、冠状面及矢状面各自对应的第三个维度上的一维图像特征进行提取;分别将横断面、冠状面及矢状面对应的一维图像特征及二维图像特征进行融合,得到横断面、冠状面及矢状面分别对应的第一方向图像特征、第二方向图像特征及第三方向图像特征;对第一方向图像特征、第二方向图像特征及第三方向图像特征进行处理,得到全肿瘤区域图像、肿瘤核心区域图像及增强肿瘤区域图像。该方法极大地降低了图像梳理过程中的参数量,降低计算开销,提高分割精度。

技术研发人员:张勇东;刘荪傲;谢洪涛
受保护的技术使用者:中国科学技术大学;北京中科研究院
技术研发日:2020.01.03
技术公布日:2020.05.29
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1