【技术实现步骤摘要】
一种脑血管图谱构建方法
本专利技术涉及医学图像分割，尤其一种脑血管图谱构建方法。
技术介绍
研究数据表明，脑血管疾病已经成为致死率最高的疾病。脑血管分割是医学图像分析中的一个重要课题，因为脑血管对于神经外科和心脑血管疾病等不同领域的诊断、治疗计划和执行以及临床结果的评估都至关重要。脑血管的重要性和位置的特殊性对其分割的精度和结果的可靠性提出了挑战。自动或半自动分割方法即使省去了大量人工操作，同样需要至少一位临床医生来初步分割或评估分割结果。随着深度学习研究热潮的兴起，不少研究者将卷积神经网络用于血管分割。随着近年来U-Net网络结构在医学图像分割上取得出色表现，越来越多研究着眼于使用U型结构实现颅内血管分割。但由于分割技术自身存在的局限性和医学图像自身的特点，图像的分析与识别仍然是制约医学图像分割技术发展的瓶颈。无论是传统的脑血管分割还是目前基于深度学习的脑血管分割，都存在自身不足，难以实现真正的全自动精确分割。在目前基于深度学习的方法中，MRA的数据一般都比较大，直接输入到网络中会严重增加计算量，所以研究者会将数据...
【技术保护点】
1.一种脑血管图谱构建方法，其特征在于：所述方法包括以下步骤：/n步骤一：数据预处理和label标注，过程如下：/n首先对MRA数据进行去噪处理，然后使用FSL中的BET工具进行去头骨操作，之后对所处理的数据标注label，最后按照数据数量划分训练集，测试集；/n步骤二：图像数据切分图像块patch，过程如下：/n由于三维MRA数据过大，选择patch size和stride对数据进行切分；然后选择patch中血管体素占比较多的patch为主要训练数据输入网络；/n步骤三：网络模型、训练与预测，过程如下：/n由得到的数据集输入到网络模型进行训练，根据统计结果得到模型稳定后的...
【技术特征摘要】
1.一种脑血管图谱构建方法，其特征在于：所述方法包括以下步骤：
步骤一：数据预处理和label标注，过程如下：
首先对MRA数据进行去噪处理，然后使用FSL中的BET工具进行去头骨操作，之后对所处理的数据标注label，最后按照数据数量划分训练集，测试集；
步骤二：图像数据切分图像块patch，过程如下：
由于三维MRA数据过大，选择patchsize和stride对数据进行切分；然后选择patch中血管体素占比较多的patch为主要训练数据输入网络；
步骤三：网络模型、训练与预测，过程如下：
由得到的数据集输入到网络模型进行训练，根据统计结果得到模型稳定后的权重，最后输入数据集得出预测结果；
步骤四：脑血管图谱聚类与新样本配准映射，过程如下：
基于得到的脑血管预测结果，构建脑血管图谱，一个新的MRA血管数据只需要经过与图谱经过坐标转换即可得到分割结果，图谱的创建以及新样本配准都需要通过配准将多个数据集映射到一个公共坐标系，进行脑血管的初始对准或标准化。
2.如权利要求1所述的一种脑血管图谱构建方法，其特征在于，所述的步骤二中，图像数据切分图像块包含以下步骤：
2.1选择合适patchsize和stride得到patch
根据原始数据集的大小选择patchsize的大小，可取32×32×32，64×64×64，96×96×96，128×128×128，stride可取8，16，24，48等进行试探，通过模型的评估，根据硬件算力上限和网络收敛速度选择合适patchsize和stride；
2.2求patch中血管密度
对上一步得到的所有patch进行统计计算，算出每一个patch中血管的密度，寻找密度最高的几个patch作为血管区域的几个中心；
2.3按密度的梯度筛选patch
得到血管区域的几个中心后，以中心点为起点，按照血管密度的梯度下降方向作为路径筛选patch，直到遇到数据边界或者达到密度的阈值下界或者与从其他中心点开始的筛选路径相遇时停止计算；阈值下界可根据网络的分辨能力和数据的精度需求经过计算进行选择，尽量排除大量patch中不含血管或者占比很少的情况。
3.如权利要求1或2所述的一种脑血管图谱构建方法，其特征在于，所述的步骤四中，脑血管图谱聚类与新样本配准映射包含以下步骤：
4.1刚性和非刚性配准
在生成脑血管图谱时需要进行刚性和非刚性配准，基于脑血管复杂的树状结...
【专利技术属性】
技术研发人员：冯远静，谢雷，陈余凯，盛轩硕，
申请(专利权)人：浙江工业大学，
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。