基于深度学习的脑肿瘤分割质量评估方法、设备及介质技术

本发明专利技术公开了基于深度学习的脑肿瘤分割质量评估方法、设备及介质，方法：收集MRI影像并预处理，人工对其中病灶分割获取MRI影像的分割金标准；以MRI影像和对应分割金标准训练分割模型；以分割模型对MRI影像的概率输出为输入，二值化分割结果与分割金标准的差值为输出，训练分割错误预测模型；将MRI影像、分割模型对MRI影像的二值化分割结果、分割错误预测模型对MRI影像的不确定性预测图谱，在通道方向拼接并作为输入，MRI影像的二值化分割结果与分割金标准的骰子相似性系数为输出，训练分割质量评估网络；最终用训练好的模型获得脑肿瘤分割结果、像素级的分割错误预测图谱及图像级的质量预测结果，提供分割质量评估参考。提供分割质量评估参考。提供分割质量评估参考。

【技术实现步骤摘要】
基于深度学习的脑肿瘤分割质量评估方法、设备及介质


[0001]本专利技术属于医疗信息
，具体涉及一种基于深度学习的脑肿瘤分割质量评估方法、设备及介质。

技术介绍

[0002]近年来深度学习技术在疾病诊断、病灶分割等医疗影像分析领域取得了极大进展，然而，受数据噪声、感官噪声以及非最优超参数设置等诸多因素影响，深度学习模型给出的预测结果并不总是可靠的。病灶分割往往是整个分析流程的中间部分，不准确的分割结果会对后续分析产生偏差，从而影响最终结果，尤其是脑肿瘤分割，对疾病的诊断、监测和治疗都是十分必要的。对于利用深度学习技术进行脑肿瘤分割得到的分割结果，目前无法定量评估其好坏，且分割结果的不确定性使得到利用深度学习技术进行脑肿瘤分割难以落地临床。因此，有必要对脑肿瘤分割结果进行质量评估，根据评估结果决定是否需对分割结果进行人工干预，以实现辅助诊断全流程自动化。

技术实现思路

[0003]本专利技术提供一种基于深度学习的脑肿瘤分割质量评估方法、设备及介质，能对脑部MRI影像进行区域分割，并量化分割的不确定性，避免由模型分割不准确而导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的脑肿瘤分割质量评估方法，其特征在于，包括：步骤1，收集脑肿瘤患者的脑部MRI影像，并对其进行预处理；步骤2，分割脑部MRI影像中所有病灶，包括肿瘤、周围水肿和坏死三个区域，得到人工分割金标准；步骤3，以预处理后的脑部MRI影像作为输入，对应的人工分割金标准作为输出，训练深度学习模型，得到病灶分割模型；步骤4，将预处理后的脑部MRI影像输入到病灶分割模型，输出得到脑部MRI影像的病灶分割概率图；对病灶分割概率图二值化处理，得到病灶分割的二值化结果图；步骤5，以脑部MRI影像的病灶分割概率图作为输入，对应的人工分割金标准与二值化结果图的差值作为输出，训练深度学习网络，得到分割错误预测模型；步骤6，将脑部MRI影像的病灶分割概率图输入到分割错误预测模型，输出得到分割不确定性预测图谱；将预处理后的脑部MRI影像与步骤4对应得到的病灶分割的二值化结果图及本步骤6对应得到的分割不确定性预测图谱，在通道方向进行拼接得到拼接图；计算人工分割金标准与二值化结果图之间的骰子相似性系数；步骤7，以步骤6对应得到的脑部MRI影像拼接图作为输入，骰子相似性系数作为输出，训练深度学习模型，得到分割质量评估网络；步骤8，对于新获取得到的脑肿瘤MRI影像，按步骤1进行预处理，并使用病灶分割模型按步骤4得到病灶分割概率图和二值化结果图，使用分割错误预测模型按步骤6得到分割不确定性预测图谱，然后将新获取得到的脑肿瘤MRI影像及其病灶分割的二值化结果图、分割不确定性预测图谱在通道方向进行拼接，最后使用分割质量评估网络对拼接得到的拼接图进行评估，得到该脑肿瘤MRI影像与人工金标准之间的骰子相关系数，即为病灶分割模型...

【专利技术属性】
技术研发人员：廖伟华，胡蓉，杨利，吴静，彭健，孟舒娟，
申请(专利权)人：中南大学湘雅医院，
类型：发明
国别省市：