[发明专利]一种提取并分区多模影像图像中成分参数的方法

权利要求书

1.一种提取并分区多模影像图像中成分参数的方法，其特征在于，所述方法包括：

获取腹部CT检查的Dicom文件和腹部MR检查的Dicom文件；

对所述腹部CT检查的Dicom文件和所述腹部MR检查的Dicom文件进行分割，得到分割参考结果，其中，分割过程中的分割对象包括脂肪组织、骨骼和骨骼肌，所述脂肪组织包括皮下脂肪和内脏脂肪；

通过所述分割参考结果训练3D U-Net卷积神经网络；

利用所述3D U-Net卷积神经网络对当前Dicom文件进行分区分割，得到分割结果。

2.根据权利要求1所述的方法，其特征在于，所述腹部CT检查的Dicom文件选取动脉期的轴位CT图像，所述腹部MR检查的Dicom文件选取轴位T1加权图像，此外要求所有轴位图像均完整覆盖膈肌穹窿至耻骨联合上缘之间的区域。

3.根据权利要求1所述的方法，其特征在于，所述腹部CT检查的Dicom文件采用基于CT阈值的3D分割处理，所述腹部MR检查的Dicom文件采用基于聚类的3D分割处理。

4.根据权利要求1所述的方法，其特征在于，所述分割参考结果的内容包括如下：

第一腰椎上缘至第五腰椎下缘之间的垂直距离；

内脏脂肪组织、皮下脂肪组织以及骨骼肌的容积；

定量影像参数；

经过腰椎高度标准化后的各组织标准化指数。

5.根据权利要求1所述的方法，其特征在于，所述通过所述分割参考结果训练3D U-Net卷积神经网络之前，所述方法还包括：

对所述腹部CT检查的Dicom文件、所述腹部MR检查的Dicom文件或者所述分割参考结果，进行空间归一化处理和强度归一化处理，其中，空间归一化处理包括以下内容：对图像进行裁剪以过滤空洞区域，然后重新采样为1.52*1.52*2.74的间距，最后随机裁剪为112*160*128进行数据增强，所述强度归一化处理包括以下内容：在过滤空洞区域后，收集并剪辑图像到其0.05％和99.5％的强度值，并使用z-score进行归一化。

6.根据权利要求1所述的方法，其特征在于，所述3D U-Net卷积神经网络整个网络的拓扑结构由编码部分和解码部分组成，编码和解码子网络分为5个阶段，为自动特征提取制定了5级比例尺的特征图；

在编码部分，每个阶段由两个3x3x3核的卷积层和一个2x2x2核和2x2x2步幅的最大池化层组成，对空间信息进行压缩；

在解码部分，每个阶段由两个3x3x3核的卷积层和一个3x3x3核和2x2x2步长的转置卷积层组成，用于VAT特征重构。

7.根据权利要求1所述的方法，其特征在于，所述通过所述分割参考结果训练3D U-Net卷积神经网络，包括：

在所述分割参考结果的基础上，使用五重交叉验证算法训练和验证所述3DU-Net卷积神经网络，并利用公开图像数据验证所述3D U-Net卷积神经网络的泛化性。

8.根据权利要求1所述的方法，其特征在于，所述利用所述3D U-Net卷积神经网络对当前Dicom文件进行分区分割，得到分割结果之后，所述方法还包括：

基于所述3D U-Net卷积神经网络输出的所述分割结果还有所述当前Dicom文件，进行不同组织的可视化容积分区。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

通过预设的CT数据集与MR数据集之间的换算公式，实现所述CT数据集与所述MR数据集之间的转换。