The present application belongs to the field of medical image processing technology, in particular to a data sensing method for precise segmentation of brain tissue by magnetic resonance. The existing MR image segmentation methods based on depth learning have different performance on different data sets, and the same data sets have different performance on different methods. This application provides a data sensing method for precise segmentation of brain tissue by magnetic resonance. The method includes the following steps: preprocessing brain magnetic resonance images, removing skull and correcting migration field, obtaining brain parenchyma, normalizing image gray value to [0,1]; calculating image histogram distribution, dividing histogram into different depth learning models, each good at segmentation. The classified images are fed into the depth learning model which is sensitive to the classified images. The segmentation accuracy is improved on the basis of existing models without adding training data and improving network.
【技术实现步骤摘要】
一种用于磁共振脑组织精确分割的数据感知方法
本申请属于医学影像处理
,特别是涉及一种用于磁共振脑组织精确分割的数据感知方法。
技术介绍
中枢神经系统退行性疾病是指一组由慢性进行性的中枢神经组织退行性变性而产生的疾病的总称。病理上可见脑和(或)脊髓发生神经元退行变性、丢失。神经退行性疾按表型分为两组:一类影响运动,如小脑性共济失调;一类影响记忆以及相关的痴呆症。主要疾病包括帕金森病(Parkinson’sdisease,PD)、阿尔茨海默病(Alzheimer’sdisease,AD)、亨廷顿病(Huntingtondisease,HD)、肌萎缩侧索硬化症(amyotrophiclateralsclerosis,ALS)等。不管是中枢神经系统退行性疾病还是癫痫,都与脑部组织的形态变化有关,大脑组织的精准分割作为脑的体积研究和定量分析的第一步,对脑部疾病尤其是神经退行性疾病的诊断、治疗以及后续很多神经疾病的发现具有重大意义。MRI由于其无创、无放射性、可自由选择剖面、较高的信噪比、对密度差较小的软组织具有较高分辨力等特点,可以更清晰更安全地展示大脑的结构,从而为脑部疾病的病理诊断提供更多信息,已经成为脑部疾病检查的常用方法。现在的医疗机构,医生获取患者的MRI图像后,往往是根据经验判断患者的大脑是否萎缩,在分割MRI脑组织时,需要对每层切片进行勾画,这不仅耗时长,而且耗费人力,同时,容易产生疲劳误差。另一方面,在偏远地区和医疗资源不够丰富的医院,缺少有经验的医生,分割MRI图像成为了一个难点。传统的MR脑组织分割算法,利用人工设计的特征,再利用分类器对提 ...
【技术保护点】
1.一种用于磁共振脑组织精确分割的数据感知方法,其特征在于:所述方法包括如下步骤:步骤1:对脑部磁共振影像进行预处理,去除头骨并进行偏移场校正,得到脑实质,并将图像灰度值归一化到[0,1];步骤2:计算图像的直方图分布,将直方图分成不同深度学习模型各自擅长分割的数据类别;步骤3:将步骤2中分好类的图像送入对该类图像敏感的深度学习模型分割。
【技术特征摘要】
1.一种用于磁共振脑组织精确分割的数据感知方法,其特征在于:所述方法包括如下步骤:步骤1:对脑部磁共振影像进行预处理,去除头骨并进行偏移场校正,得到脑实质,并将图像灰度值归一化到[0,1];步骤2:计算图像的直方图分布,将直方图分成不同深度学习模型各自擅长分割的数据类别;步骤3:将步骤2中分好类的图像送入对该类图像敏感的深度学习模型分割。2.如权利要求1所述的方法,其特征在于:所述步骤1中,所述偏移场校正采用N4ITK方法,所述去除头骨采用BET方法。3.如权利要求1所...
【专利技术属性】
技术研发人员:袁克虹,邓阳,朱永佩,张硕,
申请(专利权)人:清华大学深圳研究生院,
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。