基于统计约束损失函数的脑梗塞病灶自动分割方法技术

本发明专利技术公开了基于统计约束损失函数的脑梗塞病灶自动分割方法，能够提升病灶分割结果的准确性。其主要的思路为：获取脑部弥散加权磁共振图像进行预处理，获得b0图像和DWI图像并计算出表观扩散系数ADC真值图像；构建卷积神经网络，取手工标注的病灶标注图像、DWI图像以及ADC真值图像输入到卷积神经网络中进行迭代训练，卷积神经网络中预先定义四项损失函数，包括Dice系数损失函数、交叉熵损失函数、体积误差损失函数以及ADC值误差损失函数；在每一次迭代过程中，根据卷积神经网络的分割结果和病灶标注图像对四项损失函数进行优化；迭代训练结束后获得训练好的卷积神经网络；采用训练好的卷积神经网络对脑部弥散加权磁共振图像进行脑梗塞病灶的自动分割。

Automatic segmentation of cerebral infarction focus based on statistical constraint loss function

The invention discloses an automatic segmentation method of cerebral infarction focus based on statistical constraint loss function, which can improve the accuracy of the segmentation result of the focus. The main ideas are as follows: to obtain brain diffusion weighted MR image for preprocessing, to obtain B0 image and DWI image, and to calculate ADC true value image of apparent diffusion coefficient; to construct convolution neural network, to take the manually labeled focus mark image, DWI image and ADC true value image into convolution neural network for iterative training, and to define four losses in convolution neural network in advance Function, including Dice coefficient loss function, cross entropy loss function, volume error loss function and ADC value error loss function; in each iteration process, four loss functions are optimized according to the segmentation results of convolutional neural network and focus marking image; after the iteration training, the trained convolutional neural network is obtained; the trained convolutional neural network is used for brain Diffusion weighted MR images were used to segment the infarct focus automatically.

【技术实现步骤摘要】
基于统计约束损失函数的脑梗塞病灶自动分割方法
本专利技术涉及医学图像分割
，具体涉及基于统计约束损失函数的脑梗塞病灶自动分割方法。
技术介绍
脑梗塞是一种急性脑血管疾病，其发病可能引起长期残疾甚至死亡。自动化的脑梗塞病灶分割方法对于临床中脑梗塞的干预起到重要的推动作用。现有的方法采用脑部弥散加权磁共振成像(DiffusionWeightedImaging，DWI)进行自动化的脑梗塞病灶分割。这些方法基于深度学习理论，设计卷积神经网络模型。但是，现有方法通常采用交叉熵、Dice系数等作为训练指标，不能保证基于自动分割结果的后续统计分析的一致性。例如对病灶体积、表观扩散系数(ApparentDiffusionCoefficient，ADC)等指标的分析可能存在偏差。这些统计指标的准确获取对于后续的脑梗塞干预方案设计具有重要的意义。
技术实现思路
有鉴于此，本专利技术提供了基于统计约束损失函数的脑梗塞病灶自动分割方法，能够提升病灶分割结果的准确性。为达到上述目的，本专利技术的技术方案为：获取脑部弥散加权磁共振本文档来自技高网...

【技术保护点】
1.基于统计约束损失函数的脑梗塞病灶自动分割方法，其特征在于，该方法具体为：/n获取脑部弥散加权磁共振图像进行预处理，预处理后以磁敏感参数b＝0时的脑部弥散加权磁共振图像为b0图像，以磁敏感参数b≠0时的脑部弥散加权磁共振图像为DWI图像，根据b0图像和DWI图像计算出表观扩散系数ADC真值图像；/n构建卷积神经网络，取手工标注的病灶标注图像、所述DWI图像以及ADC真值图像输入到所述卷积神经网络中进行迭代训练，所述卷积神经网络中预先定义四项损失函数，包括Dice系数损失函数、交叉熵损失函数、体积误差损失函数以及ADC值误差损失函数；在每一次迭代过程中，根据所述卷积神经网络的分割结果和所述病灶...

【技术特征摘要】
1.基于统计约束损失函数的脑梗塞病灶自动分割方法，其特征在于，该方法具体为：
获取脑部弥散加权磁共振图像进行预处理，预处理后以磁敏感参数b＝0时的脑部弥散加权磁共振图像为b0图像，以磁敏感参数b≠0时的脑部弥散加权磁共振图像为DWI图像，根据b0图像和DWI图像计算出表观扩散系数ADC真值图像；
构建卷积神经网络，取手工标注的病灶标注图像、所述DWI图像以及ADC真值图像输入到所述卷积神经网络中进行迭代训练，所述卷积神经网络中预先定义四项损失函数，包括Dice系数损失函数、交叉熵损失函数、体积误差损失函数以及ADC值误差损失函数；在每一次迭代过程中，根据所述卷积神经网络的分割结果和所述病灶标注图像对四项损失函数进行优化；迭代训练结束后获得训练好的卷积神经网络；
采用训练好的卷积神经网络对脑部弥散加权磁共振图像进行脑梗塞病灶的自动分割。


2.如权利要求1所述的方法，其特征在于，所述获取脑部弥散加权磁共振图像进行预处理，具体为：
针对所述脑补弥散加权磁共振图像进行去骨和灰度归一化操作。


3.如权利要求1所述的方法，其特征在于，所述根据b0图像和DWI图像计算出表观扩散系数ADC真值图像，具体为：
其中b0图像和DWI图像均为三维图像，其中每个体素对应一个ADC值；
即体素i的ADC值为：
...

【专利技术属性】
技术研发人员：叶初阳，刘妍麟，刘志文，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11