[发明专利]一种MRI头部影像的脑组织自动勾画方法、勾画系统、计算设备和存储介质

说明书

本发明公开了一种MRI头部影像的脑组织自动勾画方法、勾画系统、计算设备和存储介质，包括：获取预设数量的T1MRI脑影像，并制作每例影像的脑组织分割标签；对MRI脑影像和脑组织分割标签进行相同的预处理和3D块处理，得到各自的3D数据块；将3D数据块输入到搭建好的语义分割神经网络中进行训练，直到模型稳定收敛，得到最佳的脑组织分割神经网络模型；将经同样预处理和3D块处理的待分割影像输入到训练后的脑组织分割神经网络模型中，得到脑组织分割结果；对脑组织分割结果进行后处理和边缘检测，得到脑组织轮廓勾画结果。本发明可实现人脑组织的自动分割，提高了大脑组织分割的速度和准确率，也增强了大脑组织分割的鲁棒性和适应性。

技术领域

本发明涉及图像识别技术领域，具体涉及一种MRI头部影像的脑组织自动勾画方法、勾画系统、计算设备和存储介质。

背景技术

磁共振影像(MRI)能够让人类无损地观察到人脑的脑组织结构，正常人类大脑在组织区分上主要包括灰质、白质、脑脊液三种组分，在临床诊断和科学研究中通常需要对大脑的这三种组分进行定量计算及比较，而进行定量计算的前提是对这三种大脑组分进行科学的分割。

目前在临床上医生们对于大脑组织的分割主要依赖于经典技术如阈值法、基于区域方法、聚类分类方法等，但上述方法对噪声比较敏感，存在不稳定性，面临极大挑战。在认知神经科学领域，对于完整的大脑影像，主要通过使用诸如蒙特利尔神经逻辑研究所(Montreal Neurological Institute，MNI)根据一批正常人脑的磁共振图像而建立的大脑组织坐标突破系统来进行脑组织分割的方法，但这种方法分割速度较慢，需要做缓慢精细的三维图像配准，时间代价大，并且依赖于人脑的完整扫描影像才可执行。

发明内容

基于深度学习神经网络的语义分割方法能通过基于大数据的学习自动提取不同器官的边界特征从而完成分割，这种方法已被大量应用到自然图像的模式识别领域；针对MRI脑成像的特殊影像模态，本发明提供一种MRI头部影像的脑组织自动勾画方法、勾画系统、计算设备和存储介质。

本发明的第一目的在于提供一种MRI头部影像的脑组织自动勾画方法，包括：

获取预设数量的T1 MRI脑影像，并制作每例MRI脑影像的脑组织分割标签；

对所述MRI脑影像和脑组织分割标签进行相同的预处理；

对预处理后的MRI脑影像和脑组织分割标签进行相同的3D块处理，得到3D数据块；

搭建任意有效的语义分割卷积神经网络；

将所述MRI脑影像和脑组织分割标签的3D数据块输入到搭建好的语义分割神经网络中进行训练，直到模型稳定收敛，停止训练，得到最佳的脑组织分割神经网络模型；

对待分割的T1 MRI脑影像进行所述预处理和所述3D块处理，得到待分割影像；

将所述待分割影像输入到训练后的所述脑组织分割神经网络模型中，得到灰质、白质、脑脊液的脑组织分割结果；

对所述脑组织分割结果进行后处理和边缘检测，得到灰质、白质、脑脊液的脑组织轮廓勾画结果。

作为本发明的进一步改进，所述预处理包括插值处理、z-score标准化处理和数据增强处理；

所述插值处理为：对所述MRI脑影像和脑组织分割标签在x-y水平面上采用256×256进行统一插值；

所述数据增强包括绕图像中心点的旋转、x轴方向的平移和y轴方向的平移中的一种。

作为本发明的进一步改进，所述3D块处理的方法，包括：

沿z轴方向以分块步长m连续n层横截面取块，得到3D数据块；其中，m≤n，n≥3；