一种基于多模态MRI图像的肌肉分割模型方法技术

本发明专利技术公布了一种基于多模态MRI图像的肌肉分割模型方法，属于医学图像分割技术领域。本发明专利技术集中所有MRI数据的物理信息，每例MRI数据通过编码器生成FAT模态和WATER模态图像特征，再通过注意力机制子模块整合两个模态的信息，最后通过解码模块生成肌肉分割的结果，再将该结果和真实标注进行比对，通过反向传播的方式训练模型，得到训练好的基于多模态MRI图像的肌肉分割模型。本发明专利技术在多模态的情况下，充分利用各个模态之间的互补性，深入挖掘图像的结构信息和语义信息，提高肌肉分割的准确率和稳定性。和稳定性。和稳定性。

【技术实现步骤摘要】
一种基于多模态MRI图像的肌肉分割模型方法


[0001]本专利技术属于医学图像分割
，具体涉及一种基于多模态MRI图像的肌肉分割模型方法。

技术介绍

[0002]脂肪浸润是指脂肪细胞出现于正常情况下不含脂肪细胞的组织器官间质中，它是神经肌肉障碍和肌肉代谢紊乱的现象，主要发生于心脏、胰腺、骨骼肌等组织内。在临床上，脂肪浸润的严重程度可以反应疾病的进展情况。近年来，利用磁共振成像(MRI)对肌肉组织进行无创评估的方法逐渐引起关注，分析MRI图像能够测量出包括肌肉组织在内的各种器官的脂肪组成。脂
‑
水分解MRI是一种定量MRI技术，已经在临床中被使用，并广泛应用于脂肪浸润的定量研究。该技术能够根据脂肪和水质子的化学位移差将它们分离成FAT模态图像和WATER模态图像，而基于以上两个模态图像分割出不同肌肉组织则是做定量研究的第一步，也是关键的一步。
[0003]为完成肌肉组织的分割，传统方法是人工进行手动勾画，这不仅是一个极其耗时和繁琐的过程，而且容易产生主观偏见的差异。近期的相关工作已经开发出了多种自动分割算法，但是它本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态MRI图像的肌肉分割模型方法，其特征在于，具体步骤包括：A.遍历整个数据集的每一张MRI图像，解析MRI图像的物理信息；B.采用两个结构一致参数不共享的编码器分别编码一对MRI图像，它们分别来自FAT模态和WATER模态，得到两个模态的多个中间特征；C.采用注意力机制子模块拼接上述两个模态的中间特征，得到整合后的多模态特征；D.通过解码器生成肌肉分割的结果，将该结果和真实标注进行比对，通过反向传播的方式训练模型，得到训练好的基于多模态MRI图像的肌肉分割模型。2.如权利要求1所述的基于多模态MRI图像的肌肉分割模型方法，其特征在于，步骤A具体为：1)遍历整个数据集的每一张MRI图像I
i
，解析图像中的层厚信息(d
i
，h
i
，w
i
)，这里d
i
，h
i
，w
i
分别表示图中每个体素的物理深度、高度和宽度；2)计算出数据集的平均层厚将所有的MRI图像都放缩到该层厚；3)遍历每张放缩后的MRI图像I
′
i
，解析分辨率信息(D
i
，H
i
，W
i
)，其中D
i
，H
i
，W
i
分别是图像的深度、高度和宽度；4)根据每张图像的分辨率信息计算出最大的分辨率并将每张MRI图像填充至该分辨率。3.如权利要求1所述的基于多模态MRI图像的肌肉分割模型方法，其特征在于，步骤B具体为：编码器一，编码来自FAT模态的MRI图像，其中输入MRI图像首先经过卷积子模块1.1，得到中间特征1；再对中间特征1经过池化层做降采样，输入到卷积子模块1.2，得到中间特征2；以此类推得到多个中间特征；...

【专利技术属性】
技术研发人员：王平，张晨滨，颜鲲，马萌，刘德风，和清源，
申请(专利权)人：北京大学，
类型：发明
国别省市：