一种脑卒中病灶分割方法和系统技术方案

本发明专利技术涉及一种脑卒中病灶分割方法和系统。在本发明专利技术提供的脑卒中病灶分割方法和系统，在模型创建过程中将传统的U‑Net网络模型中的部分卷积单元替换成卷积长短时记忆单元的，建立切片之间的相关性，从而利用切片之间的相关性，来提升分割性能；在数据预处理阶段通过对脑卒中3D影像数据进行有序旋转切片操作，生成2D正、逆序的第一和第二有序旋转切序列，并用第一有序旋转切片序列训练分割模型分别生成正逆序长短时记忆U‑Net分割网络模型；在实施分割阶段采用正、逆序长短时记忆U‑Net分割网络模型对根据第二有序旋转切片序列进行分割得到的正、逆序病灶分割结果序列进行数据融合，能够进一步提高病灶分割的准确性。

【技术实现步骤摘要】
一种脑卒中病灶分割方法和系统
本专利技术涉及图像处理
，特别是涉及一种脑卒中病灶分割方法和系统。
技术介绍
在心脑血管诊断中，医学影像是用于了解患者病情、评估和制定医疗方案的主要技术手段。特别是对于脑卒中疾病而言，其具有发病快、发病急、救治时间窗口短的特点，脑卒中患者的病灶必须被尽可能快速、准确地识别出来以便协助医生评估治疗风险，使患者获得最及时有效的治疗。因此快速准确的脑卒中病灶自动分割方法具有重大的临床意义。近年来，深度学习技术异军突起，在医学图像处理领域表现出不俗的效果。但是基于深度学习技术的医疗图像处理方法，通常需要数量较大的准确标注的训练数据进行模型训练。然而在医学图像分割任务的研究中，进行医学图像的标注成本是非常贵的，那么，将有限的脑卒中病灶标注数据进行高效利用就可以降低数据收集和标注的成本。基于此，传统技术开始采用2D影像切片分割方法，使用横截面(矢状面或者冠状面)方向的切片进行模型训练。然而单个影像数据中带有病灶区域的有效切片个数非常少，仅仅为覆盖在病灶范围内横截面若干个连续的切片，当病灶体积越小时，可利用的有效切本文档来自技高网...

【技术保护点】
1.一种脑卒中病灶分割方法，其特征在于，包括：/n获取训练样本对；所述训练样本对包括第一有序旋转切片序列和与所述第一有序旋转切片序列相对应的病灶分割结果序列；所述第一有序旋转切片序列为标注有病灶的3D影像数据集的2D有序旋转切片序列；/n获取待训练的长短时记忆U-Net分割网络模型；所述长短时记忆U-Net分割网络模型为将U-Net网络模型前两级3×3卷积单元替换成3×3卷积长短时记忆单元后的网络模型；/n将所述第一有序旋转切片序列进行正序排列后，结合与所述第一有序旋转切片序列相对应的病灶分割结果序列形成正序训练集；/n将所述第一有序旋转切片序列进行逆序排列后，结合与所述第一有序旋转切片序列相...

【技术特征摘要】
1.一种脑卒中病灶分割方法，其特征在于，包括：
获取训练样本对；所述训练样本对包括第一有序旋转切片序列和与所述第一有序旋转切片序列相对应的病灶分割结果序列；所述第一有序旋转切片序列为标注有病灶的3D影像数据集的2D有序旋转切片序列；
获取待训练的长短时记忆U-Net分割网络模型；所述长短时记忆U-Net分割网络模型为将U-Net网络模型前两级3×3卷积单元替换成3×3卷积长短时记忆单元后的网络模型；
将所述第一有序旋转切片序列进行正序排列后，结合与所述第一有序旋转切片序列相对应的病灶分割结果序列形成正序训练集；
将所述第一有序旋转切片序列进行逆序排列后，结合与所述第一有序旋转切片序列相对应的病灶分割结果序列形成逆序训练集；
采用所述正序训练集训练所述待训练的长短时记忆U-Net分割网络模型，得到正序长短时记忆U-Net分割网络模型；
采用所述逆序训练集训练所述待训练的长短时记忆U-Net分割网络模型，得到逆序长短时记忆U-Net分割网络模型；
获取待分割脑卒中3D影像数据的2D有序旋转切片序列，记为第二有序旋转切片序列；
将所述第二有序旋转切片序列进行正序排列后，输入所述正序长短时记忆U-Net分割网络模型，得到正序分割结果序列；
将所述第二有序旋转切片序列进行逆序排列后，输入所述逆序长短时记忆U-Net分割网络模型，得到逆序分割结果序列；
对所述正序分割结果序列进行3D重建得到正序病灶分割结果序列；对所述逆序分割结果序列进行3D重建得到逆序病灶分割结果序列；
采用软投票方法融合所述正序病灶分割结果序列和所述逆序病灶分割结果序列，得到最终的病灶分割结果。


2.根据权利要求1所述的脑卒中病灶分割方法，其特征在于，所述获取训练样本对之前，还包括：
获取标注有病灶的脑卒中3D影像数据集；
获取所述标注有病灶的脑卒中3D影像数据集的矢状面的中心法线；
以所述中心法线为轴心，以特定旋转角度为步长，按与所述矢状面呈特定的角度对所述3D影像数据集的矢状面进行切片处理后，得到所述第一有序旋转切片序列。


3.根据权利要求2所述的脑卒中病灶分割方法，其特征在于，所述特定的角度为0°～180°。


4.根据权利要求1所述的脑卒中病灶分割方法，其特征在于，所述第一有序旋转切片序列和所述第二有序旋转切片序列中的切片分辨率大于等于128像素×128像素，切片厚度小于2mm，切片个数大于128个。


5.根据权利要求1所述的脑卒中病灶分割方法，其特征在于，所述标注有病灶的3D影像数据集和所述待分割脑卒中3D影像数据均包括MRI影像数据集和CT影像数据集。


6.根据权利要求1所述的脑卒中病灶分割方法，其特征在于，所述对所述正序分割结果序列进行3D重建得到正序病灶分割结果序列，具体包括：
将所述正序分割结果序列中的2D切片按序放回3D空间，并采用临近插值法填充缺少值后，得到正序病灶分割结果序列。


7.根据权利要求1所述的脑卒中病灶分割方法，其特征在于，所述采用软投票方法融合所述正序病灶分割结果序列和所述逆序病灶分割结果序列，得到最终的病灶分割结果，具体包括：
将所述正序病灶分割结果序列和所述逆序病灶分割结果序列中的每个体素位置的概率值相加取均值；
获取设定阈值；
判断所述...

【专利技术属性】
技术研发人员：张雪英，回海生，王夙喆，吴泽林，李凤莲，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14