脑部扫描图像的识别处理方法、装置、设备及存储介质制造方法及图纸

本申请关于一种脑部扫描图像的识别处理方法、装置、设备及存储介质，涉及人工智能技术领域。方法包括：获取脑部扫描图像样本，以及中线标注信息；将脑部扫描图像样本输入第一图像识别模型，获得配准模型分支输出的配准矫正后的脑部扫描图像样本，以及，识别模型分支输出的中线预测信息；配准模型分支和识别模型分支共享第一图像识别模型中的部分网络；基于配准矫正后的脑部扫描图像样本、标准脑部扫描图像、中线预测信息以及中线标注信息，获取损失函数值；基于损失函数值对第一图像识别模型进行训练，在训练用于脑中线识别的端到端模型的同时，考虑脑部扫描图像配准对于脑中线识别的影响，提高了对脑部扫描图像中的脑中线进行识别的准确性。别的准确性。别的准确性。

【技术实现步骤摘要】
脑部扫描图像的识别处理方法、装置、设备及存储介质


[0001]本申请涉及人工智能
，特别涉及一种脑部扫描图像的识别处理方法、装置、设备及存储介质。

技术介绍

[0002]在医疗领域中，脑中线是一种分隔左右半脑的解剖结构，如何快速且准确的进行脑中线识别，在临床及科研等领域都具有很重要的作用。
[0003]在相关技术中，可以通过深度神经网络进行脑中线的识别。具体的，可以预先训练两个神经网络模型，一个是配准模型，用于对输入的脑部扫描图像进行配准，以将输入的图像配准到标准人脑；另一是识别模型，用于对配准后的脑部扫描图像进行处理，输出脑部扫描图像中的脑中线。
[0004]然而，上述脑中线识别方案中，在对脑部扫描图像进行脑中线识别之前，首先需要对其进行配准，而配准过程会损失一部分图像信息，导致后续的识别模型的识别准确性较低。

技术实现思路

[0005]本申请实施例提供了一种脑部扫描图像的识别处理方法、装置、设备及存储介质，可以提高模型对脑部扫描图像中的脑中线的识别准确性，该技术方案如下。
[0006]一方面，提供了一种脑部扫描图像的识别处理方法，所述方法包括：
[0007]获取脑部扫描图像样本，以及中线标注信息；所述中线标注信息用于指示所述脑部扫描图像样本中被标注出的脑中线；
[0008]将所述脑部扫描图像样本输入第一图像识别模型，获得所述脑中线识别模型中的配准模型分支输出的配准矫正后的所述脑部扫描图像样本，以及，获得所述脑中线识别模型中的识别模型分支输出的中线预测信息；所述中线预测信息用于指示所述脑部扫描图像样本中被预测出的脑中线；所述配准模型分支和所述识别模型分支共享所述第一图像识别模型中的部分网络；
[0009]基于配准矫正后的所述脑部扫描图像样本、标准脑部扫描图像、所述中线预测信息以及所述中线标注信息，获取损失函数值；
[0010]基于所述损失函数值对所述第一图像识别模型进行训练；
[0011]训练完成后的所述第一图像识别模型用于生成第二图像识别模型，所述第二图像识别模型用于对输入的目标脑部扫描图像进行处理，以输出所述目标脑部扫描图像的脑中线信息，所述脑中线信息用于指示所述目标脑部扫描图像中的脑中线。
[0012]又一方面，提供了一种脑部扫描图像的识别处理方法，所述方法包括：
[0013]获取目标脑部扫描图像；
[0014]通过第二图像识别模型中的特征提取分支对所述目标脑部扫描图像进行特征提取，获得图像特征；
[0015]通过所述第二图像识别模型中的脑分割分支对所述图像特征进行处理，获得概率分布信息，所述概率分布信息用于指示所述目标脑部扫描图像中的左右半脑的概率分布；
[0016]通过所述第二图像识别模型中的中线检测分支对所述概率分布信息进行中线检测，获得脑中线信息，所述脑中线信息用于指示所述目标脑部扫描图像中的脑中线；
[0017]其中，所述第二图像识别模型是基于训练完成的第一图像识别模型生成的；训练所述第一图像识别模型的损失函数值是基于配准矫正后的脑部扫描图像样本、标准脑部扫描图像、中线预测信息以及中线标注信息获取的；配准矫正后的所述脑部扫描图像样本是所述脑中线识别模型中的配准模型分支输出的，所述中线预测信息是所述第一图像识别模型中的识别模型分支输出的；所述配模型准分支和所述识别模型分支共享所述第一图像识别模型中的部分网络。
[0018]再一方面，提供了一种脑部扫描图像的识别处理装置，所述装置包括：
[0019]训练数据获取模块，用于获取脑部扫描图像样本，以及中线标注信息；所述中线标注信息用于指示所述脑部扫描图像样本中被标注出的脑中线；
[0020]模型处理模块，用于将所述脑部扫描图像样本输入第一图像识别模型，获得所述脑中线识别模型中的配准模型分支输出的配准矫正后的所述脑部扫描图像样本，以及，获得所述脑中线识别模型中的识别模型分支输出的中线预测信息；所述中线预测信息用于指示所述脑部扫描图像样本中被预测出的脑中线；所述配准模型分支和所述识别模型分支共享所述第一图像识别模型中的部分网络；
[0021]损失函数获取模块，用于基于配准矫正后的所述脑部扫描图像样本、标准脑部扫描图像、所述中线预测信息以及所述中线标注信息，获取损失函数值；
[0022]训练模块，用于基于所述损失函数值对所述第一图像识别模型进行训练；
[0023]训练完成后的所述第一图像识别模型用于生成第二图像识别模型，所述第二图像识别模型用于对输入的目标脑部扫描图像进行处理，以输出所述目标脑部扫描图像的脑中线信息，所述脑中线信息用于指示所述目标脑部扫描图像中的脑中线。
[0024]在一种可能的实现方式中，所述配准模型分支包括特征提取分支、配准分支，所述识别模型分支包括所述特征提取分支、脑分割分支、中线检测分支；
[0025]所述模型处理模块，用于，
[0026]通过所述特征提取分支对所述脑部扫描图像样本进行特征提取，获得图像样本特征；
[0027]通过所述配准分支对所述图像样本特征进行处理，获得样本配准参数；
[0028]通过所述脑分割分支对所述图像样本特征进行处理，获得预测概率分布信息，所述预测概率分布信息用于指示所述脑部扫描图像样本中预测出的左右半脑的概率分布；
[0029]基于所述脑部扫描图像样本，以及所述预测概率分布信息，获取去除颅骨后的所述脑部扫描图像样本；
[0030]基于所述样本配准参数对去除颅骨后的所述脑部扫描图像样本进行矫正，获得配准矫正后的所述脑部扫描图像样本；
[0031]通过所述中线检测分支对所述预测概率分布信息进行中线检测，获得所述中线预测信息。
[0032]在一种可能的实现方式中，在通过所述中线检测分支对所述预测概率分布信息进
行中线检测，获得所述中线预测信息时，所述模型处理模块，用于通过所述中线检测分支对所述预测概率分布信息所指示的左脑二值图和右脑二值图进行三维卷积操作，获得所述中线预测信息。
[0033]在一种可能的实现方式中，所述损失函数获取模块，包括：
[0034]配准损失获取子模块，用于基于配准矫正后的所述脑部扫描图像样本以及所述标准脑部扫描图像，获取所述损失函数值中的配准损失函数值；
[0035]分割损失获取子模块，用于基于所述中线标注信息、所述脑部扫描图像样本、以及所述预测概率分布信息，获取所述损失函数值中的分割损失函数值；
[0036]检测损失获取子模块，用于基于所述中线预测信息以及所述中线标注信息，获取所述损失函数值中的检测损失函数值。
[0037]在一种可能的实现方式中，所述配准损失获取子模块，用于，
[0038]通过局部的归一化互相关损失函数对配准矫正后的所述脑部扫描图像样本以及所述标准脑部扫描图像进行处理，获得互相关损失函数值；
[0039]基于所述互相关损失函数值，获取所述配准损失函数值。
[0040]在一种可能的实现方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑部扫描图像的识别处理方法，其特征在于，所述方法包括：获取脑部扫描图像样本，以及中线标注信息；所述中线标注信息用于指示所述脑部扫描图像样本中被标注出的脑中线；将所述脑部扫描图像样本输入第一图像识别模型，获得所述脑中线识别模型中的配准模型分支输出的配准矫正后的所述脑部扫描图像样本，以及，获得所述脑中线识别模型中的识别模型分支输出的中线预测信息；所述中线预测信息用于指示所述脑部扫描图像样本中被预测出的脑中线；所述配准模型分支和所述识别模型分支共享所述第一图像识别模型中的部分网络；基于配准矫正后的所述脑部扫描图像样本、标准脑部扫描图像、所述中线预测信息以及所述中线标注信息，获取损失函数值；基于所述损失函数值对所述第一图像识别模型进行训练；训练完成后的所述第一图像识别模型用于生成第二图像识别模型，所述第二图像识别模型用于对输入的目标脑部扫描图像进行处理，以输出所述目标脑部扫描图像的脑中线信息，所述脑中线信息用于指示所述目标脑部扫描图像中的脑中线。2.根据权利要求1所述的方法，其特征在于，所述配准模型分支包括特征提取分支、配准分支，所述识别模型分支包括所述特征提取分支、脑分割分支、中线检测分支；所述将所述脑部扫描图像样本输入第一图像识别模型，获得所述脑中线识别模型输出的配准矫正后的所述脑部扫描图像样本，以及中线预测信息，包括：通过所述特征提取分支对所述脑部扫描图像样本进行特征提取，获得图像样本特征；通过所述配准分支对所述图像样本特征进行处理，获得样本配准参数；通过所述脑分割分支对所述图像样本特征进行处理，获得预测概率分布信息，所述预测概率分布信息用于指示所述脑部扫描图像样本中预测出的左右半脑的概率分布；基于所述脑部扫描图像样本，以及所述预测概率分布信息，获取去除颅骨后的所述脑部扫描图像样本；基于所述样本配准参数对去除颅骨后的所述脑部扫描图像样本进行矫正，获得配准矫正后的所述脑部扫描图像样本；通过所述中线检测分支对所述预测概率分布信息进行中线检测，获得所述中线预测信息。3.根据权利要求2所述的方法，其特征在于，所述通过所述中线检测分支对所述预测概率分布信息进行中线检测，获得所述中线预测信息，包括：通过所述中线检测分支对所述预测概率分布信息所指示的左脑二值图和右脑二值图进行三维卷积操作，获得所述中线预测信息。4.根据权利要求2所述的方法，其特征在于，所述基于配准矫正后的所述脑部扫描图像样本、标准脑部扫描图像、所述中线预测信息以及所述中线标注信息，获取损失函数值，包括：基于配准矫正后的所述脑部扫描图像样本以及所述标准脑部扫描图像，获取所述损失函数值中的配准损失函数值；基于所述中线标注信息、所述脑部扫描图像样本、以及所述预测概率分布信息，获取所述损失函数值中的分割损失函数值；
基于所述中线预测信息以及所述中线标注信息，获取所述损失函数值中的检测损失函数值。5.根据权利要求4所述的方法，其特征在于，所述基于配准矫正后的所述脑部扫描图像样本以及所述标准脑部扫描图像，获取所述损失函数值中的配准损失函数值，包括：通过局部的归一化互相关损失函数对配准矫正后的所述脑部扫描图像样本以及所述标准脑部扫描图像进行处理，获得互相关损失函数值；基于所述互相关损失函数值，获取所述配准损失函数值。6.根据权利要求5所述的方法，其特征在于，响应于配准方式为非刚性配准，所述样本配准参数包括三维形变场；所述基于所述互相关损失函数值，获取所述配准损失函数值，包括：对所述三维形变场进行各向异性的形变场平滑损失处理，获得配准平滑损失函数值；基于所述互相关损失函数值以及所述配准平滑损失函数值，获取所述配准损失函数值。7.根据权利要求4所述的方法，其特征在于，所述基于所述中线标注信息、所述脑部扫描图像样本、以及所述预测概率分布信息，获取所述损失函数值中的分割损失函数值，包括：基于所述中线标注信息以及所述脑部扫描图像样本，获取所述预测概率分布信息的权重图；基于所述权重图，以及所述预测概率分布信息进行交叉熵损失计算，获得所述分割损失函数值。8.根据权利要求4所述的方法，其特征在于，所述基于所述中线预测信息以及所述中线标注信息，获取所述损失函数值中的检测损失函数值，包括：基于所述中线预测信息以及所述中线标注信息进行损失计算，获得中线预测损失函数值；基于所述中线预测信息进行平滑损失计算，获得中线平滑损失函数值；基于所述中线预测损失函数值以及所述中线平滑损失函数值，...

【专利技术属性】
技术研发人员：秦陈陈，李浩铭，姚建华，刘翌勋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：