大脑中动脉高密度征影像识别方法及装置制造方法及图纸

本公开涉及一种大脑中动脉高密度征影像识别方法及装置、电子设备和存储介质，通过利用三维影像与二维影像的坐标之间的映射关系，确定出与从三维影像上分割出的第一梗死区域对应的至少一个连通域，在所述连通域中确定出目标连通域，再根据所述三维影像和所述二维影像的坐标之间的映射关系，确定三维影像中与所述目标连通域对应的第二梗死区域；最后，根据第二梗死区域的体积确定目标梗死区域。根据本公开的各方面能够降低由于CT影像本身的特征、CT影像拍摄水平、患者个体差异以及大脑中动脉高密度征在CT影像上所占的比例过小等因素，对识别大脑中动脉高密度征影像的影响，提高识别大脑中动脉高密度征影像的准确性。大脑中动脉高密度征影像的准确性。大脑中动脉高密度征影像的准确性。

【技术实现步骤摘要】
大脑中动脉高密度征影像识别方法及装置


[0001]本公开涉及计算机
，尤其涉及一种大脑中动脉高密度征影像识别方法及装置、电子设备和存储介质。

技术介绍

[0002]大脑中动脉高密度征(Hyperdense Middle Cerebral Artery Sign，HMCAS)在脑部电子计算机断层扫描(Computed Tomography，CT)影像中表现为大脑中动脉的密度高于周围区域的密度。HMCAS是早期脑梗死的重要征象之一。约有21％～60％急性脑梗死病例中具有HMCAS。
[0003]受CT等医学影像特点以及患者自身特点等因素影响，在医学影像中识别出HMCAS的准确率较低。

技术实现思路

[0004]有鉴于此，本公开提出了一种大脑中动脉高密度征影像识别方案。
[0005]根据本公开的一方面，提供了一种大脑中动脉高密度征影像识别方法，包括：
[0006]在三维影像上，分割出表征大脑中动脉高密度征的第一梗死区域，所述三维影像与至少一层二维影像相对应；
[0007]根据所述三维影像和所述二维影像的坐标之间的映射关系，确定所述二维影像中与所述第一梗死区域对应的至少一个连通域；
[0008]在所述连通域中，确定像素平均值小于预设像素值阈值的连通域，得到目标连通域；
[0009]根据所述三维影像和所述二维影像的坐标之间的映射关系，确定所述三维影像中与所述目标连通域对应的第二梗死区域；
[0010]在两个脑区各自的第二梗死区域的体积之差值大于预设体积差值阈值的情况下，将所述两个脑区中具有较大所述体积的脑区内的第二梗死区域确定为目标梗死区域，所述两个脑区包括：左脑区、右脑区。
[0011]在一种可能的实现方式中，所述在所述连通域中，确定像素平均值小于预设像素值阈值的连通域，得到目标连通域，包括：
[0012]对所述连通域进行膨胀处理，获得膨胀连通域；
[0013]在至少两个所述膨胀连通域相交的情况下，确定所述至少两个膨胀连通域的各膨胀连通域中像素值最小的M个像素的像素值的第一平均值；
[0014]将数值最小的所述第一平均值作为所述至少两个膨胀连通域中各膨胀连通域的所述像素平均值。
[0015]在一种可能的实现方式中，所述方法还包括：
[0016]在所述膨胀连通域互不相交的情况下，将单个所述膨胀连通域中像素值最小的N个像素的像素值的平均值，作为单个所述膨胀连通域的所述像素平均值。
[0017]在一种可能的实现方式中，所述方法还包括：
[0018]在两个脑区各自的第二梗死区域的体积之差值不大于预设体积差值阈值的情况下，将两个脑区内第二梗死区域的平均CT值较大的脑区中的第二梗死区域，确定为目标梗死区域。
[0019]在一种可能的实现方式中，所述在两个脑区各自的第二梗死区域的体积之差值不大于预设体积差值阈值的情况下，将两个脑区内第二梗死区域的平均CT值较大的脑区中的第二梗死区域，确定为目标梗死区域，包括：
[0020]获取各层所述二维影像中目标连通域的平均CT值；
[0021]将具有最大所述平均CT值的脑区内的第二梗死区域确定为目标梗死区域。
[0022]在一种可能的实现方式中，在所述在三维影像上，分割出表征大脑中动脉高密度征的第一梗死区域之前，还包括：
[0023]在所述三维影像上，确定大脑中线，所述大脑中线用于将大脑划分为所述左脑区、所述右脑区；
[0024]基于所述大脑中线，将所述三维影像旋转至预设位置。
[0025]在一种可能的实现方式中，所述方法基于神经网络实现，所述在三维影像上，分割出表征大脑中动脉高密度征的第一梗死区域，包括：
[0026]利用经过损失函数调整参数后的神经网络，分割出所述三维影像中的所述第一梗死区域，所述损失函数是基于加权交叉熵和Tversky损失函数结合得到的。
[0027]根据本公开的另一方面，提供了一种大脑中动脉高密度征影像识别装置，包括：
[0028]第一梗死区域分割单元，用于在三维影像上，分割出表征大脑中动脉高密度征的第一梗死区域，所述三维影像与至少一层二维影像相对应；
[0029]连通域确定单元，用于根据所述三维影像和所述二维影像的坐标之间的映射关系，确定所述二维影像中与所述第一梗死区域对应的至少一个连通域；
[0030]目标连通域确定单元，用于在所述连通域中，确定像素平均值小于预设像素值阈值的连通域，得到目标连通域；
[0031]第二梗死区域确定单元，用于根据所述三维影像和所述二维影像的坐标之间的映射关系，确定所述三维影像中与所述目标连通域对应的第二梗死区域；
[0032]第一目标梗死区域确定单元，用于在两个脑区各自的第二梗死区域的体积之差值大于预设体积差值阈值的情况下，将所述两个脑区中具有较大所述体积的脑区内的第二梗死区域确定为目标梗死区域，所述两个脑区包括：左脑区、右脑区。
[0033]在一种可能的实现方式中，所述目标连通域确定单元，包括：
[0034]膨胀连通域确定单元，用于对所述连通域进行膨胀处理，获得膨胀连通域；
[0035]第一平均值确定单元，用于在至少两个所述膨胀连通域相交的情况下，确定所述至少两个膨胀连通域的各膨胀连通域中像素值最小的M个像素的像素值的第一平均值；
[0036]第一膨胀连通域平均像素确定单元，用于将数值最小的所述第一平均值作为所述至少两个膨胀连通域中各膨胀连通域的所述像素平均值。
[0037]在一种可能的实现方式中，所述装置还包括：
[0038]第二膨胀连通域平均像素确定单元，用于在所述膨胀连通域互不相交的情况下，将单个所述膨胀连通域中像素值最小的N个像素的像素值的平均值，作为单个所述膨胀连
通域的所述像素平均值。
[0039]在一种可能的实现方式中，所述装置还包括：
[0040]第二目标梗死区域确定单元，用于在两个脑区各自的第二梗死区域的体积之差值不大于预设体积差值阈值的情况下，将两个脑区内第二梗死区域的平均CT值较大的脑区中的第二梗死区域，确定为目标梗死区域。
[0041]在一种可能的实现方式中，所述第二目标梗死区域确定单元，用于：
[0042]获取各层所述二维影像中目标连通域的平均CT值；
[0043]将具有最大所述平均CT值的脑区内的第二梗死区域确定为目标梗死区域。
[0044]在一种可能的实现方式中，所述装置还包括：
[0045]大脑中线确定单元，用于在所述三维影像上，确定大脑中线，所述大脑中线用于将大脑划分为所述左脑区、所述右脑区；
[0046]三维影像旋转单元，用于基于所述大脑中线，将所述三维影像旋转至预设位置。
[0047]在一种可能的实现方式中，第一梗死区域分割单元，还用于：
[0048]利用经过损失函数调整参数后的神经网络，分割出所述三维影像中的所述第一梗死区域，所述损失函数是基于加权交叉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大脑中动脉高密度征影像识别方法，其特征在于，包括：在三维影像上，分割出表征大脑中动脉高密度征的第一梗死区域，所述三维影像与至少一层二维影像相对应；根据所述三维影像和所述二维影像的坐标之间的映射关系，确定所述二维影像中与所述第一梗死区域对应的至少一个连通域；在所述连通域中，确定像素平均值小于预设像素值阈值的连通域，得到目标连通域；根据所述三维影像和所述二维影像的坐标之间的映射关系，确定所述三维影像中与所述目标连通域对应的第二梗死区域；在两个脑区各自的第二梗死区域的体积之差值大于预设体积差值阈值的情况下，将所述两个脑区中具有较大所述体积的脑区内的第二梗死区域确定为目标梗死区域，所述两个脑区包括：左脑区、右脑区。2.根据权利要求1所述的方法，其特征在于，所述在所述连通域中，确定像素平均值小于预设像素值阈值的连通域，得到目标连通域，包括：对所述连通域进行膨胀处理，获得膨胀连通域；在至少两个所述膨胀连通域相交的情况下，确定所述至少两个膨胀连通域的各膨胀连通域中像素值最小的M个像素的像素值的第一平均值；将数值最小的所述第一平均值作为所述至少两个膨胀连通域中各膨胀连通域的所述像素平均值。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述膨胀连通域互不相交的情况下，将单个所述膨胀连通域中像素值最小的N个像素的像素值的平均值，作为单个所述膨胀连通域的所述像素平均值。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：在两个脑区各自的第二梗死区域的体积之差值不大于预设体积差值阈值的情况下，将两个脑区内第二梗死区域的平均CT值较大的脑区中的第二梗死区域，确定为目标梗死区域。5.根据权利要求4所述的方法，其特征在于，所述在两个脑区各自的第二梗死区域的体积之差值不大于预设体积差值阈值的情况下，将两个脑区内第二梗死区域的平均CT值较大的脑区中的第二梗死区域，确定为目标梗死区域，包括：获取各层所述二维影像中目标连通域的平均CT值；将具有最大所述...

【专利技术属性】
技术研发人员：李鑫鑫，刘东冬，龚国杨，吴振洲，
申请(专利权)人：北京安德医智科技有限公司，
类型：发明
国别省市：