[发明专利]脑干缺血性卒中的病灶自动分割和评分方法及系统

权利要求书

1.一种脑干缺血性卒中的病灶自动分割和评分方法，其特征在于，所述方法包括如下步骤：

步骤S1：获取脑CT平扫图像，获取标准脑图谱，对脑CT图像进行配准和预处理；

步骤S2：对脑干进行自动分割，使用3D U-net网络模型分割脑干，3D U-net网络模型包括编码器和解码器，编码器有三个子模块，每个子模块包含两个卷积层，解码器包含三个子模块，每个子模块包含两个卷积层，损失函数为标准Dice分数；

步骤S3：获取镜像脑干图像和包含中脑、脑桥和延髓区域的脑干图谱Atlas_stem，对脑干和镜像脑干图像划分区域；

步骤S4：构建脑干梗死病灶检出分割网络模型；脑干梗死病灶检出分割网络模型含有三个编码器、一个解码器和六个差别计算模块，每个编码器由三层卷积层组成，每个解码器由三层逆卷积层组成，差别计算模块包含多尺度的金字塔卷积和每个尺度上的特征融合模块；

步骤S5：依据分割出的病灶进行预测评分。

2.根据权利要求1所述的脑干缺血性卒中的病灶自动分割和评分方法，其特征在于，所述步骤S1包括如下步骤：

步骤S1.1：获取从脑CT平扫图像到标准脑图谱的变形场；

步骤S1.2：使用变形场对脑CT图像进行配准；

步骤S1.3：对步骤S1.2所得图像进行颅骨去除；

步骤S1.4：将步骤S1.3所得图像的灰度值归一化至0-255；

步骤S1.5：对步骤S1.4所得图像进行特征标注。

3.根据权利要求1所述的脑干缺血性卒中的病灶自动分割和评分方法，其特征在于，所述步骤S2包括如下步骤：

步骤S2.1：构建4层的3D U-net网络模型；

步骤S2.2：利用步骤S1.5处理后的数据集输入3D U-net网络模型进行训练，得到损失函数和分割结果；

步骤S2.3：依据损失函数和分割结果对网络模型进行参数调整和优化；

步骤S2.4：生成并保存经过调参优化后的模型；

步骤S2.5：保存模型分割的结果得到脑干图像Stem_origin。

4.根据权利要求1所述的脑干缺血性卒中的病灶自动分割和评分方法，其特征在于，所述步骤S3包括如下步骤：

步骤S3.1：对脑干图像Stem_origin做镜像操作，获取镜像脑干Stem_mirror；

步骤S3.2：根据从脑干图谱Atlas_stem到脑干图像Stem_origin的映射划分脑干区域；

步骤S3.3：根据从脑干图谱Atlas_stem到镜像脑干Stem_mirror的映射划分脑干区域。