脑微出血的量化方法和计算机可读存储介质技术

本申请涉及一种脑微出血的量化方法和计算机可读存储介质。该方法包括：将获取的脑部磁共振图像输入脑区分割模型中，得到脑区分割结果；将脑部磁共振图像输入脑微出血检测模型中，得到脑微出血区域；根据脑区分割结果和脑微出血区域，确定脑区的微出血量化结果；该微出血量化结果用于表征脑区中微出血点的数量。该方法中，脑区的微出血量化结果由计算机设备自动处理所得到，无需人为参与，大大提高了脑微出血量化过程的效率；并且，采用神经网络模型对脑部磁共振图像进行分割和检测，以得到脑区的微出血量化结果，也进一步提高了量化结果的准确性。

【技术实现步骤摘要】
脑微出血的量化方法和计算机可读存储介质
本申请涉及图像处理
，特别是涉及一种脑微出血的量化方法和计算机可读存储介质。
技术介绍
脑微出血(cerebralmicrobleeds，CMB)是一种微小型的脑血管病变后导致脑内血液中的铁血黄素的沉积的现象，其会损害相应脑部组织，进一步会引起认知功能障碍等。目前临床上一般通过微出血视觉评定量表的方法评估脑微出血的严重程度，最常见的视觉评定量表有微出血解剖评分量表(microbleedanatomicalratingscale，MARS)和观察者微出血评分量表(brainobservermicroBleedscale，BOMBS)；通过对不同脑分区影像进行分析，按照微出血直径大小分为<5mm与5～10mm两大类进行计数，进而评估脑微出血的严重程度。传统技术中，已有基于机器学习技术来检测脑微出血情况，通过对脑影像进行预处理、提取图像特征、训练分类器区分当前位置是否存在病灶等过程，来实现脑微出血位置的检测功能，医师在得到这些脑微出血检测结果后，仍需要人为按照评价量表进行分区计数。因本文档来自技高网...

【技术保护点】
1.一种脑微出血的量化方法，其特征在于，所述方法包括：/n将获取的脑部磁共振图像输入脑区分割模型中，得到脑区分割结果；/n将所述脑部磁共振图像输入脑微出血检测模型中，得到脑微出血区域；/n根据所述脑区分割结果和所述脑微出血区域，确定脑区的微出血量化结果；所述微出血量化结果用于表征脑区中微出血点的数量。/n

【技术特征摘要】
1.一种脑微出血的量化方法，其特征在于，所述方法包括：
将获取的脑部磁共振图像输入脑区分割模型中，得到脑区分割结果；
将所述脑部磁共振图像输入脑微出血检测模型中，得到脑微出血区域；
根据所述脑区分割结果和所述脑微出血区域，确定脑区的微出血量化结果；所述微出血量化结果用于表征脑区中微出血点的数量。


2.根据权利要求1所述的方法，其特征在于，所述根据所述脑区分割结果和所述脑微出血区域，确定脑区的微出血量化结果，包括：
针对每个脑微出血区域，基于所述脑微出血区域和灰度阈值，确定所述脑微出血区域中的微出血点；
针对每个微出血点，根据所述脑区分割结果和属于所述微出血点的各体素点位置，确定所述微出血点所归属的脑区；
根据所述微出血点所归属的脑区和属于所述微出血点的各体素点，确定所述脑区的微出血量化结果。


3.根据权利要求2所述的方法，其特征在于，所述基于所述脑微出血区域和灰度阈值，确定所述脑微出血区域中的微出血点，包括：
提取所述脑微出血区域的中心点，并以预设阈值为直径，确定参考微出血区域；
获取所述参考微出血区域中各体素点的灰度值，将灰度值小于所述灰度阈值的体素点作为候选微出血体素点；
根据所述候选微出血体素点确定出血点连通域，将所述出血点连通域中的各体素点确定为所述脑微出血区域中的微出血点。


4.根据权利要求3所述的方法，其特征在于，所述根据所述脑区分割结果和属于所述微出血点的各体素点位置，确定所述微出血点所归属的脑区，包括：
根据所述脑区分割结果和属于所述微出血点的各体素点位置，确定各体素点所归属的脑区；
对所述各体素点所归属的脑区进行统计，将包含体素点数量最多的脑区确定为所述微出血点所归属的脑区。


5.根据权利要求3或4所述的方法，其特征在于，所述根据所述微出血点所归属的脑区和属于所述微出血点的各体素点，确定所述脑区的微出血量化结果，包括：
计算与所述微出血点中各体素点所对应的出血点连通域的直径；
根据所述出血点连通域的直径和直径阈值，确定不同直径阈值下微出血点的数量，得到所述脑区的微出血量化结果。


6.根据权利要求1所述的方法，其特征在于，所述脑部磁共振图像包括磁化加权磁共振SWI图像和T1图像；所述将获取的脑部磁共振图像输入脑区分割模型中，得到脑区分割结果，包括：
...

【专利技术属性】
技术研发人员：周雅琪，陈磊，石峰，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31