一种基于深度神经网络的脑动脉自动勾画方法技术

本发明专利技术公开了一种基于深度神经网络的脑动脉自动勾画方法，属于图像数据处理技术领域，具体涉及脑部动脉勾画技术领域，以解决现有的采用图卷积神经网络进行建模，存在网络模型消耗显存巨大，计算速度明显减慢的问题，包括如下步骤：步骤1、输入患者MRI扫描影像数据；步骤2、六类脑动脉分割模型的构建；步骤3、模型训练和测试。提出了一种3D级联的新型网络模型，并采用连续帧，血管中心线等特异性的人工特征约束网络训练，不仅节约了计算资源更能快速且精准的预测并勾画出脑动脉；整个模型在训练完成之后可以完全自动的进行预测，并输出一张与原始MRI输出尺寸一致的7类标签（背景占一类）的ROI图像。类）的ROI图像。类）的ROI图像。

【技术实现步骤摘要】
一种基于深度神经网络的脑动脉自动勾画方法


[0001]一种基于深度神经网络的脑动脉自动勾画方法，本专利技术属于图像数据处理
，具体涉及脑部动脉勾画


技术介绍

[0002]神经外科手术中的脑肿瘤切除往往受到邻近脑部颅内动脉血管的限制。目前术中病灶与重要脑组织结构导航系统尚未成熟，医生只能通过核磁共振(MRI)，核磁共振血管造影术(MRA)等技术手段，在术前阶段预先判断切除区域然后指定手术方案。核磁共振各扫描序列横、矢，冠三个视角的切片总和共计可达600张之多，脑部动脉与其他组织区域占比(信噪比)在1：500左右，且脑部动脉区域在核磁共振图像中的灰度级(HU值)接近一些其他组织，尤其是穿越颅内软骨的基底动脉基本无法通过肉眼将其与骨组织区分出来。在脑部动脉涉及影像切片数量多，占比区域极少，对比度极低的技术难点下，从核磁共振影响中自动勾画脑部动脉的需求十分迫切，脑部动脉自动勾画技术对术前方案指定，术中引导，术后评估都有十分重要的意义。
[0003]现有脑部动脉勾画技术的一般手段是：影像科医生在MRI图像中的横断位视角(Axial本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度神经网络的脑动脉自动勾画方法，其特征在于，包括如下步骤：步骤1、输入患者MRI扫描影像数据，每例MRI影像文件对应一例影像科专业医生标注的六类脑动脉像素级分割标签文件；步骤2、六类脑动脉分割模型的构建，六类脑动脉分割模型包括定位模型resnet50和分割模型backbone，定位模型resnet50定位出脑动脉区域最小外接立方体，采用最小外接立方体在原始输入患者MRI扫描影像上裁剪出脑部动脉区域的图像，裁剪出的图像输入分割模型backbone得到脑部动脉勾画图；所述分割模型backbone采用V
‑
Net网络模型，在V
‑
Net网络模型中添加约束血管连续性与形状的多个针对脑动脉分割的连续性与形状信息保持模块；步骤3、模型训练和测试；步骤4、将患者MRI扫描影像输入六类脑动脉分割模型，得到勾画结果。2.根据权利要求1所述的一种基于深度神经网络的脑动脉自动勾画方法，其特征在于，步骤1中患者MRI扫描影像数据来自脑部MRI影像文件，数据在横、矢、冠三个维度的大小均为100
‑
350mm，并重采样到112*112*80mm的体素规格。3.根据权利要求1所述的一种基于深度神经网络的脑动脉自动勾画方法，其特征在于，分割模型backbone在V
‑
Net网络模型中添加多个针对脑动脉分割的连续性与形状信息保持模块，用于约束血管的连续性与形状。4.根据权利要求3所述的一种基于深度神经网络的脑动脉自动勾画方法，其特征在于，定位模型resnet50，在标签上计算出动脉区域最小外接立方体再构造计算回归任务所用到的八个顶点的坐标，作为第一阶段粗略定位的基准值，二倍下采样原始图像，定位模型resnet50作为分割模型backbone，最后添加一层线性回归层，预测八个点，即对应脑动脉区域最小外接立方体的八个顶点；采用最小外接立方体在原始输入患者MRI扫描影像上裁剪得到112*112*80mm新的图像；分割模型backbone，将此图像作为输入，在前向传播后送入分类器，通过softmax输出脑部动脉勾画图。5.根据权利要求3所述的一种基于深度神经网络的脑动脉自动勾画方法，其特征在于，连续性与形状信息保持模块的跳连接的具体连接方式如下：步骤1a、在平面内采用convolution取得空间领域信息，表示卷积核数量，表示卷积核尺寸，表示卷积核内的坐标，表示特征图内的坐标，表示某体素点的值，表示某体素点上con...

【专利技术属性】
技术研发人员：张蕾，徐建国，章毅，王利团，陈超越，花语，舒鑫，王梓舟，黄伟，李佳怡，谭硕，余怡洁，王凌度，
申请(专利权)人：四川大学，
类型：发明
国别省市：