【技术实现步骤摘要】
一种基于SWI图像和循环神经网络的血管识别方法
本专利技术涉及核磁共振成像
,具体涉及一种基于SWI图像和循环神经网络的血管识别方法。
技术介绍
在核磁共振成像技术中,SWI磁敏感加权成像是近年来新开发出来的磁共振对比增强成像技术。SWI根据不同组织间的磁敏感性差异,提供图像对比增强,它可以应用于所有对不同组织间或亚体素间磁化效应敏感的序列。现有技术CN107248155A公开了一种基于SWI图像的脑静脉血管分割方法,该方法读取每一幅二维SWI脑静脉血管图像,采用图像处理算法消除了因为静脉血管低对比度以及脑伪影等噪声等对血管分割的影响,将脑静脉血管从原图像中分割出来,得到脑血管结构图像。但通过SWI序列扫描得到的图像,同样显示为低信号的组织,包括有小血管、人体钙化点、海绵状血管瘤,等等。现有技术在识别SWI图像时,不能自动区分上述各种不同的组织形态,需要人工判断,人工判断有一定误判率。
技术实现思路
针对现有技术中的缺陷,本专利技术提供一种基于SWI图像和循环神经网络的血管识别方法, ...
【技术保护点】
1.一种基于SWI图像和循环神经网络的血管识别方法,其特征在于:包括以下步骤:/nS1.使用核磁共振仪以SWI序列进行扫描,得到多组配对生成的原始磁矩图像和原始相位图像,所述原始磁矩图像和原始相位图像经图像后处理融合后得到SWI图像;/nS2.通过边缘检测算法对所述SWI图像进行图像分割,得到待识别图像;/nS3.选取部分待识别图像、与所述部分待识别图像所对应的原始相位图像作为训练集;将剩余待识别图像通过人工标识的方式,和所述剩余待识别图像所对应的原始相位图像作为测试集;/nS4.将训练集输入到循环神经网络,将所述待识别图像和原始相位图像关联在一起进行图像识别;并使用测试集 ...
【技术特征摘要】
1.一种基于SWI图像和循环神经网络的血管识别方法,其特征在于:包括以下步骤:
S1.使用核磁共振仪以SWI序列进行扫描,得到多组配对生成的原始磁矩图像和原始相位图像,所述原始磁矩图像和原始相位图像经图像后处理融合后得到SWI图像;
S2.通过边缘检测算法对所述SWI图像进行图像分割,得到待识别图像;
S3.选取部分待识别图像、与所述部分待识别图像所对应的原始相位图像作为训练集;将剩余待识别图像通过人工标识的方式,和所述剩余待识别图像所对应的原始相位图像作为测试集;
S4.将训练集输入到循环神经网络,将所述待识别图像和原始相位图像关联在一起进行图像识别;并使用测试集对识别结果进行优化,得到血管识别模型;
S5.将需要进行血管识别的SWI图像按步骤S2进行图像分割后,输入到血管识别模型中,得到血管结构图像。
2.根据权利要求1所述一种基于SWI图像的血管识别方法,其特征在于:所述循环神经网络包括LSTM网络或CONV-LSTM网络,用于连接所述原始相位图像的信息到对所述待识别图像的图像识别任务中。...
【专利技术属性】
技术研发人员:陈家飞,王洁,甄志铭,何敏,
申请(专利权)人:中国人民解放军陆军军医大学第一附属医院,
类型:发明
国别省市:重庆;50
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。