[发明专利]一种基于预加重策略的全自动腰椎图像分割方法

摘要

本发明涉及一种基于预加重策略的全自动腰椎图像分割方法，该方法包括以下步骤：基于人体腰椎结构和磁共振对比特点的数据生成方法，自动生成大量脊柱结构多样性和纹理多样性丰富的脊柱磁共振图像，完成腰椎图像分割模型的训练；利用训练得到的分割模型，实现脊柱磁共振图像数据中椎体和椎间盘的自动分割。本发明可以解决传统训练模型数据局限性的问题，具有较高模型泛化能力；对不同医院不同扫描机器不同扫描参数等导致的种类繁多的腰椎磁共振图像数据适应性强。

主权项

1.一种基于预加重策略的全自动腰椎图像分割方法，其特征在于，基于腰椎磁共振成像规律和人体腰椎解剖结构的先验知识，通过预先设计的椎体和椎间盘的矩形基本结构单元，构造出具有腰椎曲线、椎体、椎间盘多样性以及丰富组织纹理的模拟腰椎图像数据；进而将训练集的所有椎体和椎间盘区域添加不同的特定颜色作为预加重标识，通过有监督机器学习方法，训练得到分割模型；最终利用训练好的分割模型进行真实磁共振腰椎图像的全自动分割；包括以下步骤：S1：构建训练数据S11：预先设定矩形作为椎体和椎间盘的基本结构单元，其中，椎体结构单元为ROI1，长为h1，宽为w1；椎间盘结构单元为ROI2，长为h2，宽为w2；ROI1和ROI2按照上下相间分布，相邻ROI1和ROI2的间距为m；6～10个ROI1和6～10个ROI2组合生成一幅腰椎标准骨架图像M0，M0的大小为W×H；并且，M0中所有的ROI1和ROI2内填充白色，M0中其余像素填充为黑色；所有ROI1和ROI2的中心点连线为模拟腰椎骨架轴线；采用四次多项式生成曲线作为模拟腰椎骨架轴线L0，四次多项式的参数为a0、a1、a2、a3、a4,由一幅真实的典型脊椎磁共振图像T中的腰椎轴线拟合得到；S12：对于M0，在保持原有ROI1和ROI2上下位置不变的前提下，对所有ROI1和ROI2进行旋转和平移操作，使得模拟腰椎骨架轴线L0始终位于与所有ROI1和ROI2的中心点连线重合的位置；进一步，对M1图像中的每个基本单元ROI1和ROI2的大小进行0.6‑1.5倍的随机缩放，并删除超出图像边缘的单元，得到新生成的模拟腰椎骨架图像M1；S13：对于M1图像中的所有ROI1和ROI2单元区域，根据人体椎体和椎间盘的T1和T2典型值，随机调整取值范围为10％,利用布洛赫方程计算得到区域内的信号强度，进而对区域内信号分布按照真实腰椎磁共振图像进行调整，填充至ROI1和ROI2区域内,得到M2；S14：利用椎体骨自优化方程将M2中所有ROI1单元进行参数随机的形状演化；同时将M2中所有的ROI2单元进行随机的弹性变形，得到新生成的M3；S15：针对M3，首先提取T中椎体宽度w，调整M3中每个ROI1和ROI2宽度为w，得到M4，M4与T叠加合成一幅模拟腰椎图像S；S作为训练集的样本；S16：将M3图像中的每个ROI1区域填充红色，每个ROI2区域填充蓝色，得到图像L；L作为训练集中相应S的预加重标签；S2：设计分割网络设计深度卷积网络，将S作为训练样本输入深度卷积网络中，进行网络训练，直到网络收敛停止训练，得到腰椎图像分割模型；S3：将待分割的真实腰椎磁共振图像输入腰椎图像分割模型，得到椎体和椎间盘的分割概率图P；将P和待分割的腰椎图像输入条件随机场，最终得到椎体和椎间盘分割结果图；其中，条件随机场的能量函数为基于深度卷积网络分割概率和待分割图像位置和灰度信息的能量函数。