【技术实现步骤摘要】
一种脑中线检测方法、系统、终端及存储介质
本申请涉及医疗影像处理
，尤其是涉及一种脑中线检测方法、系统、终端及存储介质。
技术介绍
人脑是近似对称的，脑中线在健康受试者中是一条直线，并分割左右脑的。然而，各种病理条件，如创伤性脑损伤、中风和脑肿瘤，可能会破坏这种对称性，进而导致中线移位。大量研究表明，中线颅内结构的改变有助于诊断颅内病变；另外，中线移位对各种脑病理如急性颅内血肿患者的意识水平和创伤性脑损伤患者的愈后预测也有一定的价值。综上，早期发现有严重中线移位的患者将有助于患者的管理。脑中线在CT上的成像在应用中较为广泛，然而中线移位的复杂性和定量化对于临床医师来说仍然是有挑战的，并且是成本较高的。因此，计算机辅助的脑中线自动检测及测量是可以帮助医生提高中线移位程度的评估的准确性和效率。然而现有的脑中线自动检测中，对不同脑CT影像未进行对齐矫正导致回归方法的先验无法保证，且缺乏对上下文信息的建模导致脑中线检测性能较差。因此，亟需一种脑中线检测方法、系统、终端及存储介质，以解决相关技术中脑中线检测的先验...
【技术保护点】
1.一种脑中线检测方法，其特征在于，包括：/n获取脑中线偏移患者的脑CT图像及对应的标注数据；/n将所述脑CT图像及对应的标注数据预处理后按预设比例分成训练集及测试集；/n将所述训练集分别输入至预设的姿态矫正网络、上下文感知特征优化网络、中线回归网络进行训练，得到初始脑中线检测模型；/n通过所述测试集对所述初始脑中线检测模型进行优化测试，得到脑中线检测模型/n
【技术特征摘要】
1.一种脑中线检测方法，其特征在于，包括：
获取脑中线偏移患者的脑CT图像及对应的标注数据；
将所述脑CT图像及对应的标注数据预处理后按预设比例分成训练集及测试集；
将所述训练集分别输入至预设的姿态矫正网络、上下文感知特征优化网络、中线回归网络进行训练，得到初始脑中线检测模型；
通过所述测试集对所述初始脑中线检测模型进行优化测试，得到脑中线检测模型
2.根据权利要求1所述的脑中线检测方法，其特征在于，所述获取脑中线偏移患者的脑CT图像及对应的标注数据，包括：
通过医院PACS系统获取脑中线偏移的患者脑CT图像；
根据医生对患者脑CT图像的标注结果，确定标注数据。
3.根据权利要求1所述的脑中线检测方法，其特征在于，所述将所述脑CT图像及对应的标注数据预处理后按预设比例分成训练集及测试集，包括：
将所述脑CT图像及其标注数据进行灰度归一化及三维矫正变换预处理；
将预处理的脑CT图像及对应的标注数据按预设比例分成训练集及测试集。
4.根据权利要求1所述的脑中线检测方法，其特征在于，所述将所述训练集分别输入至预设的姿态矫正网络、上下文感知特征优化网络、中线回归网络进行训练，得到初始脑中线检测模型，包括：
将脑CT图像输入至预设的姿态矫正网络形成标准姿态图像；
将所述标准姿态图像输入至预设的上下文感知特征优化网络，输出中线纵轴范围和中线区域分割概率图；
将所述中线区域分割概率图输入至预设的中线回归网络，输出中线坐标；
将所述中线纵轴范围通过预设阈值进行二值化，并与所述中线坐标做哈达玛积，输出最终的预测中线坐标。
5.根据权利要求1所述的脑中线检测方法，其特征在于，所述通过所述测试集对所述初始脑中线检测模型进行优化测试，得到脑中线检测模型，包括：
构建连通性正则损失函数优化所述脑中线检测模型，得到优化后的脑中线检测模型；
通过测试集对优化脑中线检测模型进行测试，输出测试集的预测中线坐标；
根据所述测试集的预测中线坐标与对应的标注数据中线计算平均距离误差(LDE)、最大移位距离误差(MSDE)、对称位置的最大表面距离(HD)和对称位置的平均表面距离(ASD)四个距离指标；
当优化后的脑中线检测模型的距离指标超过初始脑中线检测模型时，将优化后的脑中线检测模型作为脑中线检测模型。
6.一种脑中线检测系统，其特征在于，包括：
获取单元，配置用于获取...
【专利技术属性】
技术研发人员：梁孔明，王沈，王亦洲，俞益洲，
申请(专利权)人：杭州深睿博联科技有限公司，北京深睿博联科技有限责任公司，
类型：发明
国别省市：浙江;33
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。