申请/专利权人：上海健康医学院;上海理工大学

申请日：2020-12-14

公开（公告）日：2024-06-21

公开（公告）号：CN112634211B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T5/50;G06N3/0464;G06N3/088;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本发明涉及一种基于多个神经网络的MRI图像分割方法、装置及设备，包括以下步骤：获取原始MRI图像，对所述原始MRI图像进行预处理，生成处理后MRI图像；从所述处理后MRI图像中提取轴状面图像块、冠状面图像块和矢状面图像块；以所述轴状面图像块、冠状面图像块和矢状面图像块分别对应作为经训练的轴状分割模型、冠状分割模型和矢状分割模型的输入，获得各模型的分割结果；融合所述各模型的分割结果，基于融合结果及设定的体积约束获得最终分割结果；其中，所述轴状分割模型、冠状分割模型和矢状分割模型为结构相同的密集连接型2D‑CNN神经网络分割模型。与现有技术相比，本发明具有减少运行时间、精度高等优点。

主权项：1.一种基于多个神经网络的MRI图像分割方法，其特征在于，包括以下步骤：获取原始MRI图像，对所述原始MRI图像进行预处理，生成处理后MRI图像；从所述处理后MRI图像中提取轴状面图像块、冠状面图像块和矢状面图像块；把所述轴状面图像块、冠状面图像块和矢状面图像块分别对应作为经训练的轴状分割模型、冠状分割模型和矢状分割模型的输入，获得各模型的分割结果；融合所述各模型的分割结果，基于融合结果获得最终分割结果；其中，所述轴状分割模型、冠状分割模型和矢状分割模型为结构相同的密集连接型2D-CNN神经网络分割模型；所述原始MRI图像为多模态MRI图像，所述预处理包括不同模态图像数据的叠加融合处理和归一化处理，所述模态包括Flair、T1、T1c和T2；所述原始MRI图像为原始脑胶质瘤MRI图像，所述叠加融合处理为将Flair和T1两种模态的影像进行代数叠加融合；所述密集连接型2D-CNN神经网络分割模型包括第一卷积层、用于提取低层次特征数据的第一密集连接块、用于提取高层次特征数据的第二密集连接块、第二卷积层、全连接层和分类层，输入数据首先通过第一卷积层无监督提取一次特征，然后送入第一密集连接块，第一密集连接块的输出数据同时送入两个通道，通道一的池化层，获得图像数据比较浅的特征数据，送入包含第二密集连接块和池化层的通道二，获得图像数据高层次的特征数据，所述低层次特征数据和高层次特征数据共同作为第二卷积层的输入，所述第一密集连接块和第二密集连接块分别包含若干层卷积层，前面所有层的输出均作为下一层卷积层的输入；融合所述各模型的分割结果具体为：将所述各模型的分割结果记为ra、rc和rs，融合结果记为r；若ra＝rc＝rs，则r＝ra；若ra、rc、rs中任意两个相等，则r等于两个相等的值；若ra、rc、rs各不相等，若有两个大于1，则取r＝2，否则取r＝0。

全文数据：

权利要求：

百度查询： 上海健康医学院;上海理工大学 基于多个神经网络的MRI图像分割方法、装置及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD