【技术实现步骤摘要】
一种基于卷积神经网络的颅内动脉瘤检测方法及系统
本专利技术属于医学图像处理领域，更具体地，涉及一种基于卷积神经网络的颅内动脉瘤检测方法及系统。
技术介绍
颅内动脉瘤是脑血管病的典型病症，破裂之后通常导致严重的神经系统后遗症并且可能致命。在临床上，三维时间飞跃磁共振血管成像已被广泛用作脑动脉瘤的筛查方法。然而，在三维时间飞跃磁共振血管成像图像中通过观察检测未破裂的颅内动脉瘤对于放射科医生来说比较困难。医生在临床上诊断颅内动脉瘤时，通过磁共振成像(MagneticResonanceImaging，MRI)显示器能够观察血管各个角度的MIP图，以确定血管是否真的存在颅内动脉瘤。然而医生的疲劳会导致潜在的漏诊风险，会进一步降低放射科医生的敏感性，这是一个相当严重的问题。因此，实现脑部磁共振血管成像图像中的颅内动脉瘤的检测以及自动提取对医生进行脑部肿瘤临床诊断和治疗具有重要意义。
技术实现思路
针对现有技术中存在医生由图像诊断颅内动脉瘤工作量较大且敏感度较低等问题，本专利技术的目的在于提供一种基于卷积神经网...
【技术保护点】
1.一种基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，包括以下步骤：/n(1)准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；/n(2)基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，然后在该三维数据中提取血管对应的区域；/n(3)在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI；/n(4)根据最大密度投影原理对每个感兴趣区域ROI进行投影，生成得到与该感兴趣区域ROI相对应的MIP图，用于作为网络的输入；/n(5)将所述步骤(4)得到的基于感兴趣区域ROI生成...
【技术特征摘要】 【专利技术属性】
1.一种基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，包括以下步骤：
(1)准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；
(2)基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，然后在该三维数据中提取血管对应的区域；
(3)在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI；
(4)根据最大密度投影原理对每个感兴趣区域ROI进行投影，生成得到与该感兴趣区域ROI相对应的MIP图，用于作为网络的输入；
(5)将所述步骤(4)得到的基于感兴趣区域ROI生成的MIP图作为输入，输入到经过训练的卷积神经网络中进行分类，从而判定与所述MIP图对应的感兴趣区域ROI是否存在颅内动脉瘤；若存在某个所述MIP图被判定为存在颅内动脉瘤，则所述待检测对象存在颅内动脉瘤。
2.一种基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，包括以下步骤：
(1)准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；
(2)基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，然后在该三维数据中提取血管对应的区域；
(3)在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为主感兴趣区域ROI；
对于每一个主感兴趣区域ROI，根据它在三维数据中的位置及尺寸大小在所述三维数据中设置平移窗口，然后将窗口的中心点沿预先设定的方向并按预先设定的平移距离在所述三维数据中平移，平移过程中保持平移窗口的尺寸不变，由此在平移过程中得到与这个主感兴趣区域ROI对应的若干个副感兴趣区域ROI；将主感兴趣区域ROI与副感兴趣区域ROI一起作为待使用的感兴趣区域ROI；
(4)根据最大密度投影原理对每个待使用的感兴趣区域ROI进行投影，得到与该感兴趣区域ROI相对应的MIP图，由此得到一系列MIP图，用于作为网络的输入；
(5)针对任意一个所述主感兴趣区域ROI，将所述步骤(4)得到的基于该主感兴趣区域ROI及与该主感兴趣区域ROI相对应的副感兴趣区域ROI它们的MIP图作为输入，输入到经过训练的卷积神经网络中进行分类，从而判定与这些MIP图对应的感兴趣区域ROI是否存在颅内动脉瘤；具体的，若存在某个所述主感兴趣区域ROI满足：
i.基于该主感兴趣区域ROI的MIP图被判定为存在颅内动脉瘤；或者，
ii.基于该主感兴趣区域ROI的MIP图被判定为不存在颅内动脉瘤，但基于该主感兴趣区域ROI及与该主感兴趣区域ROI相对应的副感兴趣区域ROI全部的MIP图中超过半数被判定为存在颅内动脉瘤；
则，所述待检测对象存在颅内动脉瘤。
3.如权利要求1或2所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(1)中，所述准备三维时间飞跃磁共振血管成像图像，具体是利用灰度拉伸方法对这些三维时间飞跃磁共振血管成像图像进行预处理，并将各个切片图像归一化到512×512像素的大小，以提高图像质量；
所述步骤(2)中，具体是使用大津(Otsu)阈值分割和Hessian矩阵提取血管对应的区域。
4.如权利要求1所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(3)中，在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI或主感兴趣区域ROI，具体是：
使用一个大小为48×48×24像素的滑动窗沿着血管滑动，在滑动过程中生成一系列48×48×24像素的立方体体素块，将每一个立方体体素块作为感兴趣区域ROI；
优选的，所述步骤(3)还包括对每个所述感兴趣区域ROI进行降采样使其尺寸为24×24×24像素。
5.如权利要求2所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(3)中，在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为主感兴趣区域ROI，具体是：
使用一个大小为64×64×24像素的滑动窗沿着血管滑动，在滑动过程中生成一系列64×64×24像素的立方体体素块，对每个64×64×24像素的立方体体素块取中心的48×48×24像素立方体体素块作为主感兴趣区域ROI；
对于每一个主感兴趣区域ROI，根据它在三维数据中的位置及尺寸大小在所述三维数据中设置平移窗口，然后将窗口的中心点沿预先设定的方向并按预先设定的平移距离在所述三维数据中平移，平移过程中保持平移窗口的尺寸不变，由此在平移过程中得到与这个主感兴趣区域ROI对应的若干个副感兴趣区域ROI，具体是：
对于每一个主感兴趣区域ROI，根据它在三维数据中的位置及尺寸大小在对应的64×64×24像素的立方体体素块中设置平移窗口，该平移窗口大小为48×48×24像素，然后将窗口的中心点由对应的64×64×24像素的立方体体素块的中心点出发，沿所述三维数据的X轴和Y轴，并按X轴上和Y轴上的平移距离分别独立取自-8、-4、0、4、8像素，在对应的64×64×24像素的立方体体素块中平移，平移过程中保持平移窗口的尺寸不变，由此使一个主感兴趣区域ROI经扩展得到与这个主感兴趣区域ROI对应的24个副感兴趣区域ROI；
优选的，所述步骤(3)还包括对每个所述感兴趣区域ROI进行降采样使其尺寸为24×24×24像素。
6.如权利要求1或2所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(4)中，根据最大密度投影原理对每个感兴趣区域ROI进行投影，得到与该感兴趣区域ROI相对应的MIP图，具体包括以下步骤：
(4-1)对于任意一个感兴趣区域ROI，按照预先设定的九个方向，从感兴趣区域ROI中生成沿这九个方向的九个MIP图，对于斜向投影的MIP图进行降采样，使得任意一个MIP图的尺寸大小均为24×24像素；
(4-2)将所述九个MIP图垂直连接生成大小为24×216像素的MIP连接图，该MIP连接图即作为卷积神经网络的输入。
技术研发人员：侯文广，邹应诚，梅少杰，邓先波，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42
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。