一种基于深度学习的脑部MRI海马体三维分割方法技术

本发明专利技术涉及计算机视觉、机器学习领域，具体涉及一种基于深度学习的脑部MRI海马体三维分割方法，步骤如下：步骤1，对原始图像集A进行了预处理；步骤2，搭建网络模型；脑部MRI海马体三维分割网络模型包括3个一维卷积层、15个三维卷积和4个最大池化层，整个网络模型分为左侧和右侧两部分，左侧的收缩路径用于捕捉图像的内容，右侧的扩张路径用于精准定位。左侧为一个下采样过程，分五组卷积操作进行。步骤3，训练模型；将规范化的图像集E作为训练集来训练步骤2中的脑部MRI海马体三维分割网络模型，得到训练好的用于脑部MRI海马体三维分割的网络模型F。本发明专利技术在保证高分割精度的同时，运算速度快而且可扩展性强。

A 3-D Segmentation Method of Brain MRI Hippocampus Based on Deep Learning

The invention relates to the field of computer vision and machine learning, in particular to a method of three-dimensional segmentation of hippocampus on brain MRI based on in-depth learning. The steps are as follows: step 1, preprocessing the original image set A; step 2, building a network model; the three-dimensional segmentation network model of brain MRI hippocampus includes three one-dimensional convolution layers, 15 three-dimensional convolution layers and four maximum pooling layers, and the whole network. The collateral model is divided into two parts, the left shrinkage path is used to capture the content of the image, and the right expansion path is used to precisely locate the image. The left side is a downsampling process, which is divided into five groups of convolution operations. Step 3: Training model; The normalized image set E is used as training set to train the three-dimensional segmentation network model of brain MRI hippocampus in step 2, and the trained network model F for brain MRI hippocampus three-dimensional segmentation is obtained. The present invention ensures high segmentation accuracy, fast operation speed and strong expansibility.

【技术实现步骤摘要】
一种基于深度学习的脑部MRI海马体三维分割方法
本专利技术涉及计算机视觉、机器学习领域，具体涉及一种基于深度学习的脑部MRI海马体三维分割方法。
技术介绍
阿兹海默症(俗称的老年痴呆症)的早期临床表现为脑部海马体萎缩，医生可通过核磁共振技术对患者脑部进行三维造影，继而基于影像分析进行诊断以及相关治疗方案的设计。在判断海马体是否萎缩时，医生通常需要对海马体结构进行分割，并进行形状和体积分析。然而海马体尺寸小、形状不规则并因人而异，且在常规核磁共振影像下与周边组织结构对比度低，边界不清晰甚至不连续。非具备多年临床经验的影像科医生难以进行精准分割。而我国医患比例极为悬殊，稀缺的医生资源远远无法满足庞大患者群体的需求。且基层医院医疗力量薄弱，医生水平参差不齐，造成大量患者涌向大型三甲医院，进一步加剧医患比例失衡。在深度学习的应用领域不断扩大的基础上，基于人工智能的辅助分析技术已成为医学界乃至全社会重点关注的问题。因而可实现基于深度学习的脑部MRI海马体三维分割方法，本案由此而生。
技术实现思路
本专利技术基于深度学习网络，对脑部MRI海马体图像进行三维分割，本专利技术的方法有效的提升了脑部MRI本文档来自技高网...

【技术保护点】
1.一种基于深度学习的脑部MRI海马体三维分割方法，其特征在于，步骤如下：步骤1，对原始图像集A进行了预处理；所述的原始图像集A包含132组NIfTI格式的脑部MRI海马体影像文件；步骤1.1尺寸缩小将原始图像集A中的影像文件全部分割成分辨率为32*32*32的影像文件，得到图像集B；步骤1.2选取图像集B中的图像有效区域取图像集B中的图像任意像素点和该像素点的N邻域的像素点与其做标准差运算，其中，N>1；标准差都为零，则所取该像素点与其N邻域的其他像素点内容完全一致，即为背景部分；将图像集B中的图像背景部分赋值为0，得到只包含图像有效区域的图像集C，实现大块无效数据不进入训练过程；步骤1.3...

【技术特征摘要】
1.一种基于深度学习的脑部MRI海马体三维分割方法，其特征在于，步骤如下：步骤1，对原始图像集A进行了预处理；所述的原始图像集A包含132组NIfTI格式的脑部MRI海马体影像文件；步骤1.1尺寸缩小将原始图像集A中的影像文件全部分割成分辨率为32*32*32的影像文件，得到图像集B；步骤1.2选取图像集B中的图像有效区域取图像集B中的图像任意像素点和该像素点的N邻域的像素点与其做标准差运算，其中，N>1；标准差都为零，则所取该像素点与其N邻域的其他像素点内容完全一致，即为背景部分；将图像集B中的图像背景部分赋值为0，得到只包含图像有效区域的图像集C，实现大块无效数据不进入训练过程；步骤1.3数据增强对图像集C中的图像进行数据增强，增加图像集C数据的丰富性，得到扩充图像集D，从而提高训练模型的精确度；步骤1.4数据规范化对扩充图像集D进行数据规范化处理，使扩充图像集D中的像素值的范围为[0，1]，得到规范化的图像集E；步骤2，搭建网络模型；脑部MRI海马体三维分割网络模型分为左侧和右侧两部分，左侧的收缩路径用于捕捉图像的内容，右侧的扩张路径用于精准定位；左侧为一个下采样过程，分五组卷积操作进行；由输入起第一组为3个一维卷积层和1个三维卷积层，第一组操作后，进入最大池化层，进行1次最大池化操作；然后开始第二组到第五组操作，第二组到第五组均为1个三维卷积层，每组之间卷积操作后进入最大池化层，进行1次最大池化操作；左侧部分完成后进行第9层操作，第9层为1个三维卷积层；完成第九层操作后，进行右侧部分操作，右侧为上采样过程，第9层操作后依次进入第10层到第18层，第10层为反卷积层，第11层和第12层都是三维卷积层，第13层为反卷积层，第14层为三维卷积层，第15层为反卷积层，第16层为三维卷积层，第17层为反卷积层，第18层为三维卷积层，每个卷积层都附带有ReLU激活函数；第18层操作后输出；步骤3，训练得到用于脑部MRI海马体三维分割的网络模型；将规范化的图像集E作为训练集来训练步骤2中的脑部MRI海马体三维分割...

【专利技术属性】
技术研发人员：肖志勇，刘辰，刘徐，吴鑫鑫，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32