检测MRI影像的方法及装置制造方法及图纸

提供一种检测MRI影像的方法及装置，所述方法由MRI影像检测模型执行，所述MRI影像检测模型是基于深度学习方法预先训练的得到的，所述MRI影像检测方法包括：获取待检测的MRI影像，所述待检测的MRI影像包括多个序列的MRI影像在不同尺度的特征图；对所述多个序列的MRI影像分别在每个尺度的特征图进行融合，得到第一融合特征图；根据所述第一融合特征图，识别所述MRI影像的病灶区域。本申请实施例中的方法能够提高CVST病灶区域的识别效率和准确率。法能够提高CVST病灶区域的识别效率和准确率。法能够提高CVST病灶区域的识别效率和准确率。

【技术实现步骤摘要】
检测MRI影像的方法及装置


[0001]本申请涉及医疗设备
，具体涉及一种检测MRI影像的方法及装置。

技术介绍

[0002]静脉窦血栓(Cerebral Venous Sinus Thrombosis，CVST)是一种发病率逐年增高的罕见脑卒中，由于多种危险因素和非特异性临床表现，易被误诊和漏诊。因此，快速准确的诊断有助于对CVST进行针对性的临床干预。
[0003]磁共振影像(Magnetic Resonance Imaging，MRI)是目前最常用，也是最有效的一种识别CVST异常信号的方法。医生通过观察MRI影像，判断是否存在血栓以及血栓的发生位置。但是，现有的MRI影像检测方法中，大都采用单一序列扫描所得的MRI影像来进行诊断。由于不同序列扫描所得到的MRI影像所反映的侧重点有所区别，且所呈现的病灶区域较小且不明显，从而影响了医生对CVST病灶区域的识别效率和准确率。

技术实现思路

[0004]为了解决现有技术中存在的上述问题，本申请实施例提供了一种MRI影像的检测方法及装置，该方法及装置能够对多序列的M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测MRI影像的方法，所述方法由MRI影像检测模型执行，所述MRI影像检测模型是基于深度学习方法预先训练得到的，所述MRI影像检测方法包括：获取待检测的MRI影像，所述待检测的MRI影像包括多个序列的MRI影像在不同尺度的特征图；对所述多个序列的MRI影像分别在每个尺度的特征图进行融合，得到第一融合特征图；根据所述第一融合特征图，识别所述MRI影像的病灶区域。2.根据权利要求1所述的方法，其特征在于，所述对所述多个序列的MRI影像分别在每个尺度的特征图进行融合，得到第一融合特征图，包括：获取不同序列的MRI影像，分别构造所述不同序列MRI影像所对应的原型特征库，所述原型特征库对所述不同序列的MRI影像进行分类存储，所述原型特征库的尺寸为K，K为整数且K≥2；计算所述多个序列的MRI影像在不同尺度的特征图与所述原型特征库中的每个原型特征图之间的相似度，得到N个相似的原型特征图，N为整数且N≥1；重组所述N个原型特征图，得到对第一重组特征图；将所述第一融合特征图与所述第一重组特征图进合并，得到第二融合特征图。3.根据权利要求2所述的方法，其特征在于，所述获取不同序列的MRI影像，分别构造所述不同序列MRI影像所对应的原型特征库，包括：对所述原型特征库中的原型特征图进行相似度训练，每个原型特征图与其他原型特征图之间的相似度为Ri，其中R1>R2>
……
>R
K
，1≤i≤K，当R1>R2+相似性距离D时，所述原型特征库将降低所述原型特征图之间的相似度。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一融合特征图，识别所述MRI影像的病灶区域，包括：对所述第一融合特征图中所述MRI影像的病灶区域的特征信号进行增强和优化，识别所述MRI影像的病灶区域。5.一种训练学习模型的方法，其特征在于，包括：确定训练样本图像，所述训练样本图像包括多序列的MRI影像；对所述训练样本图像进行数据标注，得到第一标注数据；对所述训练样本图像进行预处理，得到第一训练数据；基于所述第一标注数据和所述第一训练数据来训练所述学习模型，以生成针对所述不同序列的MRI影像识别出病灶区域的检测结果。6.根据权利要求5所述的方法，其特征在于，所述对所述训练样本图像进行预处理，包括：对所述训练样本图像进行图像配准、强度偏执校正、强度归一化、中心裁剪等处理。7.一种检测MRI影像的装置，其特征在于，包括：提取模块，用于获取待检测的MRI影像，...

【专利技术属性】
技术研发人员：于朋鑫，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：