[发明专利]脑磁共振图像分割方法、存储介质及电子装置有效

专利信息
申请号: 202110016226.0 申请日: 2021-01-07
公开(公告)号: CN112348816B 公开(公告)日: 2021-06-01
发明(设计)人: 李艺飞;王同乐;周星杰;孙泽懿 申请(专利权)人: 北京明略软件系统有限公司
主分类号: G06T7/11 分类号: G06T7/11;G06T7/73;G06N3/08;G06K9/62;G06T7/90
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 周婷婷
地址: 100086 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 磁共振 图像 分割 方法 存储 介质 电子 装置
【权利要求书】:

1.一种脑磁共振图像分割方法,其特征在于,包括:

获取待分割的目标脑磁共振图像中的超体素集合;

对所述超体素集合进行提取,得到基础特征矩阵;

基于所述基础特征矩阵编码得到第一深度子空间矩阵;

通过生成器中的参考矩阵的系数计算相似矩阵,对所述相似矩阵使用谱聚类算法,得到候选聚类结果;

在对所述第一深度子空间矩阵和所述候选聚类结果进行采样时,将所述候选聚类结果中属于同一类别的超体素进行线性组合,以获取第二深度子空间矩阵;

对所述第一深度子空间矩阵和所述第二深度子空间矩阵进行比对判别,获取投影损失值,其中,所述投影损失值用于指示数据真实性的概率;

根据所述投影损失值确定所述基础特征矩阵中的超体素所属的聚类类别,以得到聚类结果;

将所述聚类结果映射到所述目标脑磁共振图像中,以确定相同的超体素所在的目标体素位置;

根据所述目标体素位置对所述目标脑磁共振图像进行分割。

2.根据权利要求1所述的方法,其特征在于,所述获取待分割的目标脑磁共振图像中的超体素集合包括:

对所述目标脑磁共振图像进行初始分割,得到多个候选超体素;

获取每个所述候选超体素各自与预先选定的参考超体素之间的特征相似度,以及任意两个所述候选超体素之间的距离;

将所述特征相似度大于第一阈值,且所述距离小于第二阈值的候选超体素,添加到所述超体素集合中;

其中,所述超体素集合包括所述目标脑磁共振图像中的所有体素。

3.根据权利要求1所述的方法,其特征在于,所述对所述超体素集合进行提取,得到基础特征矩阵包括:

提取所述超体素集合中各个超体素分别对应的基础特征;

对所述超体素分别对应的所述基础特征进行压缩,得到压缩后的基础特征;

对所述压缩后的基础特征进行归一化处理,得到所述基础特征矩阵;

其中,所述特征矩阵包括所述目标脑磁共振图像中所有体素特征。

4.根据权利要求1所述的方法,其特征在于,所述聚类结果包括脑脊液体素集合、灰质体素集合和白质体素集合。

5.根据权利要求1所述的方法,其特征在于,所述第一深度子空间矩阵为所述生成器根据所述基础特征矩阵生成的真数据,所述第二深度子空间矩阵为所述生成器根据所述第一深度子空间生成的假数据。

6.根据权利要求1所述的方法,其特征在于,在所述通过生成器中的自动编码器对所述基础特征矩阵中的基础特征进行非线性变换和降维处理,以得到所述第一深度子空间矩阵后,还包括:

通过所述参考矩阵对所述第一深度子空间矩阵中的特征进行线性重组,得到中间特征;

通过所述生成器中的解码器将所述中间特征还原到所述基础特征所在的基础特征空间,得到关联特征矩阵;

根据所述第一深度子空间矩阵及所述关联特征矩阵,确定第一置信度集;

其中,基于所述中间特征、所述关联特征矩阵、所述第一置信度集和所述投影损失值,确定判别器判别过程中产生的判别损失值,所述判别器用于判断接收数据的真假性。

7.根据权利要求1所述的方法,其特征在于,所述根据所述投影损失值确定所述基础特征矩阵中的超体素所属的聚类类别,以得到所述聚类结果的步骤包括:

根据所述候选聚类结果,生成第一候选判别器,每个类别的所述候选聚类结果对应一个所述第一候选判别器;

在所述第一候选判别器中对所述候选聚类结果进行判别,以从所述第一候选判别器中确定出第一判别器,并获取第一投影损失值和第一判别损失值;

根据所述第一判别损失值和所述第一投影损失值更新所述候选聚类结果,并生成第二候选判别器;

在所述第二候选判别器和所述第一判别器中,对更新后的所述候选聚类结果进行判别,以确定出第二判别器,并获取第二投影损失值和第二判别损失值;

重复以上步骤,在输出的投影损失值小于预设条件的情况下,停止判别,将当前的所述候选聚类结果确定为所述聚类结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京明略软件系统有限公司,未经北京明略软件系统有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110016226.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top