一种自动分割脑微出血点的方法技术

本发明专利技术提供了一种自动分割脑微出血点的方法，其特征在于，包括如下5个步骤：第一步：数据预处理，包括读取SWI图像和QSM图像；进行脑实质提取，去除脑实质以外的组织；第二步：提取微出血候选框，包括通过自适应阈值，提取候选微出血点；对候选微出血点进行形态学处理；根据体积进行候选微出血点筛选；第三步：候选微出血分类识别，包括归一化微出血点；训练分类网络；将微出血候选框中的数据输入训练好的分类网络，进行分类；对微出血候选框中的微出血体积和个数进行统计。本发明专利技术利用SWI与QSM两种图像，有效利用了幅值图像与相位图像的信息。有效利用了幅值图像与相位图像的信息。有效利用了幅值图像与相位图像的信息。

【技术实现步骤摘要】
一种自动分割脑微出血点的方法


[0001]本专利技术涉及图像数据处理领域，具体涉及一种自动分割脑微出血点的方法。

技术介绍

[0002]脑微出血 (Cerebral microbleeds, CMBs)是脑小血管损伤导致的血管局部含铁黄素沉积。CMBs通常在磁敏感加权成像 (susceptibility weighted imaging, SWI)序列上呈现点状、圆或椭圆形低信号影，直径在2
‑
10毫米之间。主要分布于脑干、基底节区、双侧大脑皮层下。
[0003]在急性缺血性脑卒中的治疗中，CMBs具有重要的指导价值。研究发现，对于急性脑梗死患者，采用溶栓治疗或抗凝、抗聚集治疗时，有CMBs的患者发生出血转化的概率高于无CMBs的患者。因此明确缺血性脑卒中患者的CMBs情况有助于减小患者治疗后出血的风险。
[0004]人工方法视觉检查并统计微出血点数量，耗时长且效率低，存在一致性差异的问题。因此，本专利技术基于SWI图像特点，利用传统算法和深度学习相结合的方法进行CMBs检测。
[0005]现有CN 1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动分割脑微出血点的方法，其特征在于，包括如下5个步骤：第一步：数据预处理，包括读取SWI图像和QSM图像；进行脑实质提取，去除脑实质以外的组织；第二步：提取微出血候选框，包括通过自适应阈值，提取候选微出血点；对候选微出血点进行形态学处理；根据体积进行候选微出血点筛选；第三步：候选微出血分类识别，包括归一化微出血点；训练分类网络；将微出血候选框中的数据输入训练好的分类网络，进行分类；对微出血候选框中的微出血体积和个数进行统计；所述第一步还包括：S1.1：读取SWI图像和QSM图像；对于已有SWI图像和QSM图像的序列直接进行读取；对于未存在SWI图像和QSM图像的序列，读取磁敏感成像的幅值图像与相位图像，通过通用磁敏感加权计算技术，计算出SWI图像和QSM图像；S1.2：对SWI图像和QSM图像进行各向同性重采样，使其像素大小为0.5
‑
1毫米；S1.3：进行脑实质提取，去除脑实质以外的组织；使用分割算法分割脑实质，分割方法包括但不限于主动轮廓方法、深度学习分割网络；所述第二步还包括：S2.1：通过自适应阈值，提取SWI图像中的候选微出血点；通过对脑实质中的像素进行最大类间差法得到自适应的阈值，低于阈值并处于脑实质中的像素为候选出血点；S2.2：对候选微出血点进行形态学处理；对微出血点进行形态学开操作处理，断开粘连，并消除极其微小的噪点；S2.3：根据体积进行候选微出血点筛选；根据微出血的定义，其直径在2
‑
10毫米之间，由球体积，为圆周率，约等于3.14，R为球的半径，可知微出血点的体积范围应该在
‑
立方毫米之间； 筛除体积不在
‑
立方毫米范围内的候选出血点，剩下的候选出血点为最终候选出血点；S2.4：计算最终候选出血点的质心，以质心为中心，提取12毫米为边长的立方体为微出血点候选框。2.根据权利要求1所述的自动分割脑微出血点的方法，其特征在于：所述第三步还包括：S3.1：训练分类网络，首先，标记训练数据中的微出血点，并计算每个出血点的质心，a以12毫米为边长，提取相应的SWI图像和QSM图像的三维数据，作为正样本；S3.2：然后以同样大小的选框，随机提取脑实质内非出血点的...

【专利技术属性】
技术研发人员：边钺岩，
申请(专利权)人：南京钺曦医疗科技有限公司，
类型：发明
国别省市：