基于脑部辅助图像的脑出血自动检测方法及电子介质技术

本发明专利技术公开了一种基于脑部辅助图像的脑出血自动检测方法及电子介质，应用于图像处理技术领域，所述方法中包括对病人头部进行CT扫描，获取脑部CT图像；根据脑部CT图像生成脑部辅助图像；将脑部CT图像和脑部辅助图像输入到预训练好的神经网络中，结合脑部辅助图像对脑部CT图像中脑出血区域进行自动检测，输出包括脑出血的区域和类型的掩膜。本发明专利技术通过将脑部辅助图像与病人扫描后的脑部CT图像结合使用，提高神经网络的脑出血区域和类型识别准确度，降低医生诊断过程中的技术要求，大大提高诊断效率。

【技术实现步骤摘要】
基于脑部辅助图像的脑出血自动检测方法及电子介质
本专利技术涉及图像处理
，尤其涉及一种基于脑部辅助图像的脑出血自动检测方法及电子介质。
技术介绍
CT图像中脑出血的计算机辅助检测分析是对图像中脑出血的类型还有区域进行识别分析。对于脑卒中的后续治疗具有很重要的意义。现有技术中的脑出血的图像处理软件能够对脑出血图像进行检测并输出脑出血的类型和区域，且检测大都是基于人工智能的方法，也就是首先构建神经网络，然后通过人工标记的数据集，再利用这个数据集进行训练得到神经网络。目前公开的脑出血的AI辅助分析方法，通常是输入脑出血的图像到一个卷积神经网络，然后输出得到这个脑出血区域和脑出血的类别。但是，实际上每种脑出血的类型之间有很多相似的地方，比如CT值相差不大，形状也有很多类似的地方，仅仅是依靠输入脑出血图像来训练并不一定能得到很精确的结果，因此需要医生在诊断的时候是在CT值和脑部解剖结构的相结合来做的诊断。同时，若输入脑出血的图像，将空间结构或者解刨学信息作为导引，很容易造成错误。现有技术中有通过变换坐标系，比如沿着颅骨进行复杂的坐标成识别系来改善识别的准确率。但经过变换坐标系之后，出血区域的形态更加统一，改善识别的效果。
技术实现思路
技术目的：针对现有技术中脑出血区域和类型的检测准确度较低的缺陷，本专利技术公开了一种基于脑部辅助图像的脑出血自动检测方法及电子介质，通过将脑部辅助图像与病人扫描后的脑部CT图像结合使用，提高神经网络的脑出血区域和类型识别准确度。技术方案：为实现上述技术目的，本专利技术采用以下技术方案。一种基于脑部辅助图像的脑出血自动检测方法，其特征在于，包括：S1、获取病人脑部CT图像：对病人头部进行CT扫描，通过CT重建算法，获取脑部CT图像；S2、获取脑部辅助图像：根据脑部CT图像生成脑部辅助图像，脑部辅助图像中包含脑部解剖结构空间位置信息；S3、在脑出血自动检测神经网络中进行训练，输出处理后的脑部CT图像：将脑部CT图像和脑部辅助图像作为输入，将所述两个图像输入到预训练好的脑出血自动检测神经网络中，结合脑部辅助图像对脑部CT图像中脑出血区域进行自动检测，输出的处理后的脑部CT图像中包含脑出血的区域和类型的掩膜，并将其供医生阅览，医生结合处理后的脑部CT图像对脑出血进一步诊断。优选地，所述S2中脑部辅助图像中包含脑部解剖结构空间位置信息，具体包括颅骨、硬膜、蛛网膜、脑室和脑叶的空间位置信息。优选地，所述S2中根据脑部CT图像生成脑部辅助图像为基于标准模型的脑部辅助图像，其具体过程为：获取标准模型，包括脑部解剖结构，将标准模型作为模板；根据脑部CT图像对标准模型进行非刚性配准变换，获取非刚性配准的坐标映射关系；根据非刚性配准的坐标映射关系输出基于标准模型的脑部辅助图像。优选地，所述S2中根据脑部CT图像生成脑部辅助图像为基于颅骨轮廓距离的脑部辅助图像，其具体过程为：对脑部CT图像提取颅骨区域；对脑部图像的所有像素点计算该像素点到提取的颅骨区域的最短距离；输出基于颅骨轮廓距离的脑部辅助图像。优选地，所述S2中根据脑部CT图像生成脑部辅助图像为基于图像生成神经网络的脑部辅助图像，其具体过程为：构建图像生成神经网络：图像生成神经网络为卷积神经网络，卷积神经网络为U-Net或VGG的主干网络；对卷积神经网络进行预训练：生成基于标准模型的脑部辅助图像或基于颅骨轮廓距离的脑部辅助图像，将脑部CT图像作为卷积神经网络的输入，对卷积神经网络进行预训练，对卷积神经网络输出的包含脑出血区域的图像与生成的基于标准模型的脑部辅助图像或基于颅骨轮廓距离的脑部辅助图像计算损失函数，直至损失函数小于阈值，卷积神经网络预训练完成；输出脑部辅助图像：卷积神经网络输出的包含脑出血区域的图像即为基于图像生成神经网络的脑部辅助图像。优选地，所述S3中预训练好的脑出血自动检测神经网络的具体结构为：利用U-Net或VGG的主干网络作为脑出血自动检测神经网络的主干网络，在主干网络后连接卷积网络，其中，脑部CT图像为主干网络的输入，脑部辅助图像为卷积网络的输入。优选地，所述S3中将所述两个图像输入到预训练好的脑出血自动检测神经网络中，其中神经网络的预训练过程为：构建样本集：获取数据库中的若干脑部CT图像，对脑部CT图像中的出血区域及出血类型进行标记，将标记后的脑部CT图像与相对应的脑部辅助图像组成图片对，构建具有若干图片对的样本集；将样本集中的若干图片对输入到构建好的脑出血自动检测神经网络中：利用U-Net或VGG的主干网络作为脑出血自动检测神经网络的主干网络，在主干网络后连接卷积网络，所述样本集图片对中的脑部CT图像输入到主干网络中，样本集图片对中的脑部辅助图像输入到卷积网络中；对构建好的脑出血自动检测神经网络通过梯度下降法进行预训练：主干网络提取脑部CT图像的特征并输出至卷积网络，卷积网络结合所述特征及脑部辅助图像进行卷积处理，通过梯度下降法对神经网络进行训练，直至脑出血自动检测神经网络的损失函数小于阈值。优选地，采用总网络实现所述S2中获取脑部辅助图像和S3中在脑出血自动检测神经网络中进行训练并输出处理后的脑部CT图像，其中总网络包括图像生成神经网络和脑出血自动检测神经网络，图像生成神经网络用于根据输入的脑部CT图像生成脑部辅助图像并输出，脑出血自动检测神经网络用于根据输入的脑部CT图像和图像生成神经网络输出的脑部辅助图像对脑部CT图像中脑出血区域进行自动检测，输出处理后的脑部CT图像中包含脑出血的区域和类型的掩膜，并将其供医生阅览，医生结合处理后的脑部CT图像对脑出血进一步诊断。一种电子介质，包括存储器和处理器，存储器和处理器相连，所述存储器存储有至少一个可被处理器执行的指令，所述至少一个指令被处理器执行时，实现以上任一所述的一种基于脑部辅助图像的脑出血自动检测方法。有益效果：1、本专利技术通过将脑部辅助图像与病人扫描后的脑部CT图像结合使用，脑部辅助图像中包含出血区域的空间位置信息，脑部CT图像包含出血区域像素值信息，两者的结合提高脑出血自动检测过程中脑出血区域和类型识别准确度，降低医生诊断过程中的技术要求，大大提高诊断效率；2、本专利技术采用三种方法获取脑部辅助图像，大大提高本方案应用的灵活性和准确性；3、本方案中可以采用总网络实现获取脑部辅助图像和检测输出脑出血区域等信息，提高本方案的便捷性。附图说明图1为本专利技术的方法流程图；图2为本专利技术的方法流程示意图；图3为采用区域组织生成器的方法流程示意图；图4为脑出血类型在脑部辅助图像中的示意图；图5为四种脑出血类型的脑部CT图像；图6为非刚性配准的基本流程图；图7为计算像素点到颅骨区域的最短距离的示意图；图8为图像生成神经网络中输入的脑部CT图像和输出的脑部辅助图像；图9为脑出血自动检测神经网络本文档来自技高网...

【技术保护点】
1.一种基于脑部辅助图像的脑出血自动检测方法，其特征在于，包括：/nS1、获取病人脑部CT图像：对病人头部进行CT扫描，通过CT重建算法，获取脑部CT图像；/nS2、获取脑部辅助图像：根据脑部CT图像生成脑部辅助图像，脑部辅助图像中包含脑部解剖结构空间位置信息；/nS3、在脑出血自动检测神经网络中进行训练，输出处理后的脑部CT图像：将脑部CT图像和脑部辅助图像作为输入，将所述两个图像输入到预训练好的脑出血自动检测神经网络中，结合脑部辅助图像对脑部CT图像中脑出血区域进行自动检测，输出的处理后的脑部CT图像中包含脑出血的区域和类型的掩膜，并将其供医生阅览，医生结合处理后的脑部CT图像对脑出血进一步诊断。/n

【技术特征摘要】
1.一种基于脑部辅助图像的脑出血自动检测方法，其特征在于，包括：
S1、获取病人脑部CT图像：对病人头部进行CT扫描，通过CT重建算法，获取脑部CT图像；
S2、获取脑部辅助图像：根据脑部CT图像生成脑部辅助图像，脑部辅助图像中包含脑部解剖结构空间位置信息；
S3、在脑出血自动检测神经网络中进行训练，输出处理后的脑部CT图像：将脑部CT图像和脑部辅助图像作为输入，将所述两个图像输入到预训练好的脑出血自动检测神经网络中，结合脑部辅助图像对脑部CT图像中脑出血区域进行自动检测，输出的处理后的脑部CT图像中包含脑出血的区域和类型的掩膜，并将其供医生阅览，医生结合处理后的脑部CT图像对脑出血进一步诊断。


2.根据权利要求1所述的一种基于脑部辅助图像的脑出血自动检测方法，其特征在于，所述S2中脑部辅助图像中包含脑部解剖结构空间位置信息，具体包括颅骨、硬膜、蛛网膜、脑室和脑叶的空间位置信息。


3.根据权利要求1所述的一种基于脑部辅助图像的脑出血自动检测方法，其特征在于，所述S2中根据脑部CT图像生成脑部辅助图像为基于标准模型的脑部辅助图像，其具体过程为：
获取标准模型，包括脑部解剖结构，将标准模型作为模板；
根据脑部CT图像对标准模型进行非刚性配准变换，获取非刚性配准的坐标映射关系；
根据非刚性配准的坐标映射关系输出基于标准模型的脑部辅助图像。


4.根据权利要求1所述的一种基于脑部辅助图像的脑出血自动检测方法，其特征在于，所述S2中根据脑部CT图像生成脑部辅助图像为基于颅骨轮廓距离的脑部辅助图像，其具体过程为：
对脑部CT图像提取颅骨区域；
对脑部图像的所有像素点计算该像素点到提取的颅骨区域的最短距离；
输出基于颅骨轮廓距离的脑部辅助图像。


5.根据权利要求1所述的一种基于脑部辅助图像的脑出血自动检测方法，其特征在于，所述S2中根据脑部CT图像生成脑部辅助图像为基于图像生成神经网络的脑部辅助图像，其具体过程为：
构建图像生成神经网络：图像生成神经网络为卷积神经网络，卷积神经网络为U-Net或VGG的主干网络；
对卷积神经网络进行预训练：生成基于标准模型的脑部辅助图像或基于颅骨轮廓距离的脑部辅助图像，将脑部CT图像作为卷积神经网络的输入，对卷积神经网络进行预训练，对卷积神经网络输出的包含脑出血区域的图像与生成的基于标准模型的脑部辅助图像或基于颅骨轮廓距离的脑部辅助图像计算损失函数，直至损失函...

【专利技术属性】
技术研发人员：曾凯，
申请(专利权)人：南京安科医疗科技有限公司，
类型：发明
国别省市：江苏;32