一种基于SWI的脑微出血图像检测方法、装置及处理设备

本技术涉及图像检测领域，具体涉及一种基于swi的脑微出血图像检测方法、装置及处理设备。

背景技术：

1、脑微出血(cerebral microbleeds，cmb)是脑小血管病的一种影像学表现，是指脑小血管的损害导致红细胞渗漏，被巨噬细胞吞噬后在血管周围局部形成含铁血黄素沉积。

2、对于cmb的检测，在实际操作中通常是基于磁敏感加权成像(susceptibilityweighted imaging，swi)序列来结合临床经验进行。

3、但是本技术发明人发现一个问题，目前cmb的临床诊断还是较大程度地依赖于人工，存在耗时耗力问题的同时，还容易出现漏检问题，显然需要研发高效且高精度的自动化识别方案才可以更好地满足实际需求。

技术实现思路

1、本技术提供了一种基于swi的脑微出血图像检测方法、装置及处理设备，用于以swi为基础，为更为高效且高精度的自动化识别需求提供了一套落地配套方案，由此可以满足对于cmb的识别需求还有后续的诊断需求。

2、第一方面，本技术提供了一种基于swi的脑微出血图像检测方法，方法包括：

3、获取t1模态影像和swi影像；

4、将t1模态影像和swi影像输入预先配置的cmb检测模块，以结合t1模态影像和swi影像进行cmb检测，并得到cmb检测结果；

5、获取mr平扫影像，其中，mr平扫影像包括t1、t2和flair的多模态期相；

6、将mr平扫影像输入预先配置的全病灶分割模块，以基于mr平扫影像进行全病灶分割，并得到全病灶分割结果，其中，全病灶分割所涉及的病灶包括wmh、pvs、la和梗死；

7、结合cmb检测结果和全病灶分割结果，计算对应的影像学特征，其中，影像学特征包括脑区分布、数量、形态和大小。

8、结合本技术第一方面，在本技术第一方面第一种可能的实现方式中，cmb检测模块的处理内容包括：

9、将t1模态影像输入脑区分割网络，得到脑区分割结果；

10、将swi影像输入cmb分割网络，得到cmb分割结果；

11、将t1模态影像和脑区分割结果，通过刚性配准算法配准到cmb分割结果的swi图像空间，得到swi模态的cmb分割结果及其脑区分割结果。

12、结合本技术第一方面第一种可能的实现方式，在本技术第一方面第二种可能的实现方式中，将mr平扫影像输入预先配置的全病灶分割模块，以基于mr平扫影像进行全病灶分割，并得到全病灶分割结果，包括：

13、将mr平扫影像输入预先配置的全病灶分割模块，以基于mr平扫影像进行全病灶分割，并得到初始全病灶分割结果；

14、将mr平扫影像和初始全病灶分割结果，通过刚性配准算法配准到swi图像空间，得到swi模态的全病灶分割结果。

15、结合本技术第一方面第一种可能的实现方式，在本技术第一方面第三种可能的实现方式中，将t1模态影像输入脑区分割网络，得到脑区分割结果之前，方法还包括：

16、对t1模态影像进行n4偏差长校正。

17、结合本技术第一方面第一种可能的实现方式，在本技术第一方面第四种可能的实现方式中，输入脑区分割网络和cmb分割网络，都采用u-net框架，以编码器-解码器级联的形式，通过连续下采样模块学习图像的全局特征，利用上采样模块将学习到的语义特征解码到输入图像空间得到分割结果，利用跳接模块将将底层的位置信息与深层的语义信息相融合，得到更为准确的分割结果。

18、结合本技术第一方面，在本技术第一方面第五种可能的实现方式中，结合cmb检测结果和全病灶分割结果，计算对应的影像学特征之后，方法还包括：

19、将影像学特征输入预先配置的cmb病因检测模块，以基于影像学特征进行cmb病因检测，得到cmb病因检测结果。

20、结合本技术第一方面，在本技术第一方面第六种可能的实现方式中，cmb病因检测模块的处理内容包括：

21、采用有序结局变量列线图算法构建预设影像学特征与预设cmb病因之间的线性关系，其中，线性关系同时拟合多个二分逻辑模型，有：

22、prob(y0)＝βx+α0

23、prob(y0+y1)＝βx+α1

24、prob(y0+y1+y2)＝βx+α2

25、prob(y0+y1+y2+y3)＝βx+α3

26、………

27、其中，prob表示概率，y表示病因，x表示特征，β表示构建的特征与病因之间的线性关系，α表示不同截距。

28、第二方面，本技术提供了一种基于swi的脑微出血图像检测装置，装置包括：

29、获取单元，用于获取t1模态影像和swi影像；

30、cmb检测单元，用于将t1模态影像和swi影像输入预先配置的cmb检测模块，以结合t1模态影像和swi影像进行cmb检测，并得到cmb检测结果；

31、获取单元，还用于获取mr平扫影像，其中，mr平扫影像包括t1、t2和flair的多模态期相；

32、全病灶分割单元，用于将mr平扫影像输入预先配置的全病灶分割模块，以基于mr平扫影像进行全病灶分割，并得到全病灶分割结果，其中，全病灶分割所涉及的病灶包括wmh、pvs、la和梗死；

33、计算单元，用于结合cmb检测结果和全病灶分割结果，计算对应的影像学特征，其中，影像学特征包括脑区分布、数量、形态和大小。

34、结合本技术第二方面，在本技术第二方面第一种可能的实现方式中，cmb检测模块的处理内容包括：

35、将t1模态影像输入脑区分割网络，得到脑区分割结果；

36、将swi影像输入cmb分割网络，得到cmb分割结果；

37、将t1模态影像和脑区分割结果，通过刚性配准算法配准到cmb分割结果的swi图像空间，得到swi模态的cmb分割结果及其脑区分割结果。

38、结合本技术第二方面第一种可能的实现方式，在本技术第二方面第二种可能的实现方式中，全病灶分割单元，具体用于：

39、将mr平扫影像输入预先配置的全病灶分割模块，以基于mr平扫影像进行全病灶分割，并得到初始全病灶分割结果；

40、将mr平扫影像和初始全病灶分割结果，通过刚性配准算法配准到swi图像空间，得到swi模态的全病灶分割结果。

41、结合本技术第二方面第一种可能的实现方式，在本技术第二方面第三种可能的实现方式中，装置还包括校正单元，用于：

42、对t1模态影像进行n4偏差长校正。

43、结合本技术第二方面第一种可能的实现方式，在本技术第二方面第四种可能的实现方式中，输入脑区分割网络和cmb分割网络，都采用u-net框架，以编码器-解码器级联的形式，通过连续下采样模块学习图像的全局特征，利用上采样模块将学习到的语义特征解码到输入图像空间得到分割结果，利用跳接模块将将底层的位置信息与深层的语义信息相融合，得到更为准确的分割结果。

44、结合本技术第二方面，在本技术第二方面第五种可能的实现方式中，装置还包括cmb病因检测单元，用于：

45、将影像学特征输入预先配置的cmb病因检测模块，以基于影像学特征进行cmb病因检测，得到cmb病因检测结果。

46、结合本技术第二方面，在本技术第二方面第六种可能的实现方式中，cmb病因检测模块的处理内容包括：

47、采用有序结局变量列线图算法构建预设影像学特征与预设cmb病因之间的线性关系，其中，线性关系同时拟合多个二分逻辑模型，有：

48、prob(y0)＝βx+α0

49、prob(y0+y1)＝βx+α1

50、prob(y0+y1+y2)＝βx+α2

51、prob(y0+y1+y2+y3)＝βx+α3

52、………

53、其中，prob表示概率，y表示病因，x表示特征，β表示构建的特征与病因之间的线性关系，α表示不同截距。

54、第三方面，本技术提供了一种处理设备，包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行本技术第一方面或者本技术第一方面任一种可能的实现方式提供的方法。

55、第四方面，本技术提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本技术第一方面或者本技术第一方面任一种可能的实现方式提供的方法。

56、从以上内容可得出，本技术具有以下的有益效果：

57、针对于cmb的识别，本技术一方面在获取t1模态影像和swi影像后，将t1模态影像和swi影像输入预先配置的cmb检测模块，以结合t1模态影像和swi影像进行cmb检测，并得到cmb检测结果，另一方面获取mr平扫影像后，将mr平扫影像输入预先配置的全病灶分割模块，以基于mr平扫影像进行全病灶分割，并得到全病灶分割结果，此时结合两个方面的cmb检测结果和全病灶分割结果，计来算对应的影像学特征，在这过程中，是以在swi影像所进行的cmb检测的基础上，继续结合mr平扫影像的全病灶分割来为后续的cmb诊断工作提供更为精确的影像学特征，由此为更为高效且高精度的自动化识别需求提供了一套落地配套方案，由此可以满足对于cmb的识别需求还有后续的诊断需求。