一种识别MRI图像中水肿和血肿的方法及装置制造方法及图纸

本发明专利技术公开了一种识别MRI图像中识别水肿和血肿的方法及装置，先通过预设的第一机器学习模型识别待识别的MRI图像中的肿块区域，其中预设的第一机器学习模型是通过已标注肿块区域的MRI图像训练后得到的。然后，再通过预设的第二机器学习模型识别该肿块区域中的血肿区域和水肿区域，其中，预设的第二机器学习模型是通过标注了血肿区域和水肿区域的MRI图像训练后得到的，并可以计算出血肿区域和水肿区域的体积大小、扩张方向和最大径。通过本实施例的方法，不仅可以自动、高效的识别出血肿和水肿，还可以自动的计算出血肿区域和水肿区域的体积大小、扩张方向和最大径，进而帮助医生对病情进行更准确的判断。

Method and device for identifying edema and hematoma in MRI image

The invention discloses a method and a device for edema and hematoma recognition in MRI images, from the first machine learning model to identify preset mass area MRI image recognition in machine learning, one of the first preset model is obtained through the labeled MRI images of mass regions after training. Then, the learning region and regional hematoma edema, model identification of the mass area in the preset second machines which preset second machine learning model is obtained through the MRI image annotation training area and edema area after hematoma, and can calculate the bleeding swollen region and edema region the size, direction and expansion maximum diameter. Through the method of the embodiment, not only can be swelling and edema, hemorrhage, automatic recognition, can automatically calculate the hematoma area and edema region the size, direction and the maximum diameter of expansion, and thus help doctors more accurately judge the disease.

【技术实现步骤摘要】
一种识别MRI图像中水肿和血肿的方法及装置
本专利技术涉及医学图像处理的领域，尤其涉及一种识别MRI图像水肿和血肿的方法及装置。
技术介绍
随着数字医疗技术的发展，医学图像在医学诊断过程中的作用越来越明显，逐渐成为医生观察人体病变的主要工具。在对病情进行诊断时，一般是医生根据经验人为的从医学图像中查找表示病灶的感兴趣区域。MRI(英文全称：MagneticResonanceImaging，中文全称：核磁共振成像)图像是常用的医学图像之一，MRI成像是断层成像的一种，它利用磁共振现象从人体中获得电磁信号,并重建出人体信息，从而得到MRI图像。MRI图像在神经系统应用较为成熟。三维成像和流空效应使病变定位诊断更为准确，并可观察病变与血管的关系，并且对于脑部病变的显示优于CT图像。脑部病变包括出现的脑部水肿和脑部血肿，但是一般情况下，血肿会伴随着水肿的发生，血肿肿块经常被包裹在水肿肿块内，在这种情况下，医生很难根据经验区分出水肿和血肿。
技术实现思路
有鉴于此，本专利技术实施例公开了一种识别MRI图像水肿和血肿的方法及装置，通过本专利技术实施例的方法，不仅可以自动、高效的区分出血肿和水肿，还可本文档来自技高网...

【技术保护点】
一种识别MRI图像中水肿和血肿的方法，其特征在于，包括：获取多个不同序列的MRI图像；依据预设的方法将所述多个不同序列的MRI图像对齐，得到待识别的MRI图像；利用预设的第一机器学习模型从所述待识别的MRI图像中识别出肿块区域；所述第一机器学习模型是通过已标注肿块区域的MRI图像训练得到的；利用预设的第二机器学习模型从所述肿块区域中识别出水肿区域和血肿区域；所述第二机器学习模型是通过已标注血肿区域和水肿区域的MRI图像训练得到的；分别将识别出的血肿区域的体素点和水肿区域的体素点连通，得到连通后的血肿区域和连通后的水肿区域。

【技术特征摘要】
1.一种识别MRI图像中水肿和血肿的方法，其特征在于，包括：获取多个不同序列的MRI图像；依据预设的方法将所述多个不同序列的MRI图像对齐，得到待识别的MRI图像；利用预设的第一机器学习模型从所述待识别的MRI图像中识别出肿块区域；所述第一机器学习模型是通过已标注肿块区域的MRI图像训练得到的；利用预设的第二机器学习模型从所述肿块区域中识别出水肿区域和血肿区域；所述第二机器学习模型是通过已标注血肿区域和水肿区域的MRI图像训练得到的；分别将识别出的血肿区域的体素点和水肿区域的体素点连通，得到连通后的血肿区域和连通后的水肿区域。2.根据权利要求1所述的方法，其特征在于，所述依据预设的方法将所述多个不同序列的MRI图像对齐，得到待识别的MRI图像，包括：在所述多个不同序列的MRI图像中的每个序列的目标中选取一个参照点；计算所述每个序列的MRI图像中各个体素点与自身的参照点的相对坐标；依据得到的相对坐标，计算每一个序列的MRI图像的中心点；将每一个序列的MRI图像的中心点对齐，得到待识别的MRI图像。3.根据权利要求1所述的方法，其特征在于，所述利用预设的第一机器学习模型从所述待识别的MRI图像中识别出肿块区域，包括：所述第一机器学习模型为第一3D卷积神经网络；将所述待识别的MRI图像输入到所述第一3D卷积神经网络中；利用所述第一3D卷积神经网络从所述待识别的MRI图像中识别出所述肿块区域。4.根据权利要求1所述的方法，其特征在于，所述利用预设的第二机器学习模型从所述肿块区域中识别出血肿区域和水肿区域，包括：所述第二机器学习模型为第二3D卷积神经网络；将识别出肿块区域的MRI图像输入到所述第二3D卷积神经网络中；利用所述第二3D卷积神经网络从所述识别出的肿块区域中识别出所述血肿区域和水肿区域。5.根据权利要求1所述的方法，其特征在于，还包括：计算感兴趣区域的体积、扩张方向和最大径，其中，所述感兴趣区域为血肿区域或水肿区域，具体包括：依据所述感兴趣区域体素点的个数，计算所述感兴趣区域的体积；计算待识别的MRI图像中每一层的感兴趣区域的面积，并选取面积最大的感兴趣区域；从所述面积最大的感兴趣区域中确定多个关键点；计算所述多个关键点中任意两个关键点之间的距离，并选出距离最远的两个关键点；将距离最远的两个关键点的直线方向作为最大扩张方向，将距离最远的两个关键点之间的距离作为最大径。6.根据权利要求3所述的方法，其特征在于，对第一3D卷积神经网络训练的过程包括：循环执行以下步骤，直到交叉熵损失小于预设的第一阈值且不再减小；获取已标注肿块区域的MRI图像；其中已标注肿块区域的MRI图像是依据预设的方法将不同序列的MRI图像经过对齐后得到的；利用所述第一3D卷积神经网络依据所述第一3D卷...

【专利技术属性】
技术研发人员：张番栋，周振，庞亮，张树，孔明，王洪振，李一鸣，
申请(专利权)人：北京深睿博联科技有限责任公司，
类型：发明
国别省市：北京,11