The invention discloses a method for segmentation of magnetic resonance images of three-dimensional deconvolution based on neural network, which comprises the following steps: the input magnetic resonance image data set; three-dimensional convolution neural network structure, the subcutaneous tissue of the brain MRI segmentation task as multi feature image classification based on feature extraction of the subcutaneous tissue of the brain parameter optimization of neural network; three-dimensional deconvolution; the application of training model in the nuclear magnetic resonance image test set for testing, generate the classification results of the test set; classification test set results generated three dimensional drawing map of subcutaneous tissue of brain. To solve the existing methods of regional subcutaneous tissue segmentation midbrain is not clear in this invention, technical problems of excessive redundancy, and solve the general two-dimensional convolution neural network for MRI image segmentation can analyze only a slice, loss of depth information leads to the segmentation is not clear, from on magnetic resonance images to achieve clear image segmentation.
【技术实现步骤摘要】
基于三维全卷积神经网络的核磁共振图像的分割方法
本专利技术涉及核磁共振
,具体涉及一种基于三维全卷积神经网络的核磁共振图像的分割方法。
技术介绍
核磁共振成像(magneticresonanceimaging,MRI)能够提供高分辨率、高品质的图像,对大脑的解剖结构进行准确地描述,因此,对大脑的核磁共振图像的皮下组织区域进行分割一直是一个重要的研究热点之一,也是脑部诊断的重要辅助手段,对脑部的疾病诊断、治疗及手术引导具有重要的意义。为了充分利用核磁共振图像中的解剖信息,为临床诊断提供量化、直观的参考,首先必须精确地对脑皮下组织区域进行分割。然而,由于大脑皮下组织形状多变、结构复杂以及灰度不均匀,不同病人不同模态图像之间差异信息大,使得核磁共振图像分割仍是一个值得深入研究的问题。传统上对人脑的核磁共振图像进行分割从而确定大脑结构的外形特征和相对位置,主要由医生手工分割或采用标准脑图谱。前者主要基于医生的经验和知识,后者是过去十多年间MRI图像分割的主流技术,主要基于标准脑图谱,如加拿大蒙特利尔神经研究所(MontrealNeurologicalInstitute,MNI)于90年代表所建立的MNI系列模板,以及更为广泛使用的脑成像国际联盟(InternationalConsortiumforBrainMapping,ICBM)公认的ICBM152模板。然而,无论哪个模板,清晰度都差强人意。而且,模板还需转化成图谱。研究者发展了多种算法进行转换,最初的转换算法是将MNI坐标转换成Talairach坐标,再使用Talairch大脑图谱进行生理结构的标定,另 ...
【技术保护点】
一种基于三维全卷积神经网络的核磁共振图像的分割方法,其特征在于,包括如下步骤:输入核磁共振图像数据;设置三维全卷积神经网络结构,将脑部皮下组织的分割任务看作基于核磁共振图像的多特征多分类问题,提取脑部皮下组织的特征;优化三维全卷积神经网络的参数;将训练模型应用于核磁共振图像测试集进行测试,产生测试集的分类结果;将测试集的分类结果画图产生三维脑皮下组织图。
【技术特征摘要】
1.一种基于三维全卷积神经网络的核磁共振图像的分割方法,其特征在于,包括如下步骤:输入核磁共振图像数据;设置三维全卷积神经网络结构,将脑部皮下组织的分割任务看作基于核磁共振图像的多特征多分类问题,提取脑部皮下组织的特征;优化三维全卷积神经网络的参数;将训练模型应用于核磁共振图像测试集进行测试,产生测试集的分类结果;将测试集的分类结果画图产生三维脑皮下组织图。2.根据权利要求1所述的基于三维全卷积神经网络的核磁共振图像的分割方法,其特征在于,设置三维全卷积神经网络结构之前还包括:预处理核磁共振图像数据。3.根据权利要求2所述的基于三维全卷积神经网络的核磁共振图像的分割方法,其特征在于,预处理核磁共振图像数据包括去除骨头部分和刚性配准。4.根据权利要求1所述的基于三维全卷积神经网络的核磁共振图像的分割方法,其特征在于,通过无监督的训练方法提取脑部皮下组织的特征。5.根据权利要求1所述的基于三维全卷积神经网络的核磁共振图像的分割方法,其特征在于,设置三维全卷积神经网络结构,将脑部皮下组织的分割任务看作基于核磁共振图像的多特征多分类问题,提取脑部皮下组织的特征具体包括:构造的三维全卷积神经网络结构,包含3组共9层全卷积层,之后是3层全连接层,最后是1层分类层,共13层;3组全卷积层包含3组,每组包含同样数目的三维卷积核,每层卷积核被应用在上一层的输入,卷积计算得到的结果是卷积核,假设ml是l层网络卷积核的数量,是l层网络的第n个输入的3维数组,那...
【专利技术属性】
技术研发人员:罗海飙,李引,
申请(专利权)人:广州中国科学院软件应用技术研究所,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。