【技术实现步骤摘要】
一种用于FLAIR
‑
MRI序列的全自动脑体积分割算法
[0001]本申请涉及人工智能算法辅助医学分析
,具体而言,涉及一种用于FLAIR
‑
MRI序列的全自动脑体积分割算法。
技术介绍
[0002]神经退行性疾病严重影响患者健康和生活质量,给医疗系统带来巨大的经济负担。头颅核磁共振成像(magnetic resonance images,MRI)帮助识别神经退行性疾病先兆和病变特征,从而在患者进展为不可逆脑损伤之前采取早期干预措施。脑白质病变(white matter lesions,WML)是在疾病早期通过MRI识别的与缺血性、血管性、痴呆和脱髓鞘疾病相关的病理特征之一。从MRI结果中定量提取WML体积以及其他生物标记物(如脑体积)以模拟疾病进展,进而探索疾病及预后相关的影响因素,有助于更好地理解神经退行性疾病和WML之间的相关性。然而,手动测量此类定量指标具有一定的主观性且难度较大,难以开展大规模研究。自动化人工智能算法则更加客观、准确、高效地计算数千名患者的脑部病变体积和其他定量指标,极大地提高效率和精确度。
[0003]液体衰减反转恢复(Fluid
‑
Attenuated Inversion Recovery,FLAIR)MRI序列扫描技术抑制脑脊液(cerebral spinal fluid,CSF)高信号,从而强化周围WML显像,使得对病变体积的定量分析更加容易,这对于神经退行性疾病的诊断和治疗十分重要。有研究通过综合T1和T2加权像M
【技术保护点】
【技术特征摘要】
1.一种用于FLAIR
‑
MRI序列的全自动脑体积分割算法,其特征在于,所述算法包括:步骤一:采用标准化框架对多中心FLAIR
‑
MRI数据图像进行预处理,通过分析不同设备和不同疾病图像特征对分割精度的影响,采用伪影采集抑制、图像强度标度标准化、体素分辨率标准化和患者体位标准化的方式,以处理多中心FLAIR
‑
MRI数据图像的变异性,得到标准化FLAIR
‑
MRI数据图像;步骤二:基于标准化FLAIR
‑
MRI数据图像,从标准化FLAIR
‑
MRI数据图像中提取特征集,特征集用于优化分类器参数和抽样策略;步骤三:基于特征集,使用随机森林分类器训练并构建二进制脑掩膜分割模型,构建二进制脑掩膜分割模型以提取FLAIR
‑
MRI数据图像中的脑体积;步骤四:采取形态学后处理方法进一步分割二进制脑掩膜,并对脑体积进行精确分割。2.如权利要求1所述的一种用于FLAIR
‑
MRI序列的全自动脑体积分割算法,其特征在于,步骤一中采用标准化框架对多中心FLAIR
‑
MRI数据图像进行预处理,通过分析不同设备和不同疾病图像特征对分割精度的影响,采用伪影采集抑制、图像强度标度标准化、体素分辨率标准化和患者体位标准化的方式,以处理多中心FLAIR
‑
MRI数据图像的变异性,得到标准化FLAIR
‑
MRI数据图像;采用伪影采集抑制是对FLAIR
‑
MRI数据图像进行降噪和背景抑制,使用中值滤波器去除杂散像素,保留边缘信息,裁剪FLAIR
‑
MRI数据图像直方图的上下2%以去除异常值强度,并使用K均值分类器将FLAIR
‑
MRI数据图像分割为前景和背景,进行形态学处理和填充,以确保前景区域保留所有脑室结构,并使用背景掩膜消除所有非组织像素和背景噪声,对FLAIR
‑
MRI数据图像进行偏置场校正,每个FLAIR
‑
MRI数据图像切片被其自身的低通滤波版本分割,代表其低频偏置场伪影,以抑制来自同一组织类别内的强度调制。3.如权利要求1所述的一种用于FLAIR
‑
MRI序列的全自动脑体积分割算法,其特征在于,步骤一中采用标准化框架对多中心FLAIR
‑
MRI数据图像进行预处理,通过分析不同设备和不同疾病图像特征对分割精度的影响,采用伪影采集抑制、图像强度标度标准化、体素分辨率标准化和患者体位标准化的方式,以处理多中心FLAIR
‑
MRI数据图像的变异性,得到标准化FLAIR
‑
MRI数据图像;采用图像强度标度标准化是将数据库中所有FLAIR
‑
MRI数据图像的直方图与图谱对齐,从而为FLAIR
‑
MRI数据图像之间的相同组织产生一致的强度间隔,通过对齐不同体积直方图最大模式,即对应脑灰质和脑白质强度,从而在FLAIR
‑
MRI数据图像之间产生相似的直方图。4.如权利要求3所述的一种用于FLAIR
‑
MRI序列的全自动脑体积分割算法,其特征在于,在FL...
【专利技术属性】
技术研发人员:刘伟奇,马学升,陈金钢,徐鹏,赵友源,陈磊,陈韵如,
申请(专利权)人:同心医联科技北京有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。