脑区的图像处理方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种脑区的图像处理方法、装置、计算机设备及存储介质，其中方法包括：获取目标对象对应的目标年龄及目标脑部三维图像；根据所述目标年龄，从预设的模型库中获取脑区图像预测模型，作为目标预测模型，其中，所述脑区图像预测模型是根据初始模型得到的模型，所述初始模型是改进的Unet模型；将所述目标脑部三维图像输入所述目标预测模型进行脑区掩膜预测，得到目标脑区掩膜集。根据改进的Unet模型得到的模型进行脑区掩膜预测，从而提高了预测的准确性。而提高了预测的准确性。而提高了预测的准确性。

【技术实现步骤摘要】
脑区的图像处理方法、装置、计算机设备及存储介质


[0001]本专利技术涉及数字医疗
，尤其涉及一种脑区的图像处理方法、装置、计算机设备及存储介质。

技术介绍

[0002]磁共振成像(MRI)是一种医学成像技术，是临床诊断的重要组成部分。它为软组织提供高分辨率图像，并且在一定的场强和射频功率下没有已知的健康危害。脑区的图像分割在许多脑神经图像分析中具有重要应用，比如，分析解剖结构、研究病理区域、手术计划和可视化，特别是白质、灰质和脑脊液的准确分割是各种疾病诊断和定量测量的关键。因模糊的组织边缘、噪声、图像伪影和个体之间的差异，从MRI图像中准确分割脑区的图像是一项具有挑战性的任务。现有技术采用UNet模型(语义分割模型)进行脑区的图像分割，UNet模型是对二维图像进行分割处理，经研究发现，将医学领域的三维图像切割成二维图像后采用UNet模型进行分割，会忽略不同二维图像之间的内在联系和空间维度的关系，导致从UNet模型在医学领域分割的准确性不高。

技术实现思路

[0003]基于此，有必要针对现有技术中将医学领域的三维图像切割成二维图像后采用UNet模型进行分割，会忽略不同二维图像之间的内在联系和空间维度的关系，导致从UNet模型在医学领域分割的准确性不高的技术问题，提出了一种脑区的图像处理方法、装置、计算机设备及存储介质。
[0004]一种脑区的图像处理方法，所述方法包括：
[0005]获取目标对象对应的目标年龄及目标脑部三维图像；
[0006]根据所述目标年龄，从预设的模型库中获取脑区图像预测模型，作为目标预测模型，其中，所述脑区图像预测模型是根据初始模型得到的模型，所述初始模型是改进的Unet模型；
[0007]将所述目标脑部三维图像输入所述目标预测模型进行脑区掩膜预测，得到目标脑区掩膜集。
[0008]进一步地，所述根据所述目标年龄，从预设的模型库中获取脑区图像预测模型，作为目标预测模型的步骤之前，还包括：
[0009]对所述Unet模型的在下采样后的第一次卷积时的通道数翻倍进行关闭处理，得到第一模型；
[0010]在所述第一模型的在下采样或上采样前的卷积中添加通道数翻倍，得到第二模型；
[0011]将所述第二模型的反卷积操作的通道数调整为保持不变，得到第三模型；
[0012]将所述第三模型中的Batch normalization替换成Instance Norm，得到第四模型；
[0013]将所述第四模型中的Relu激活函数替换成leaky ReLU激活函数，得到脑区图像预测单元；
[0014]将预设的预处理单元和所述脑区图像预测单元依次拼接，得到所述初始模型。
[0015]进一步地，所述根据所述目标年龄，从预设的模型库中获取脑区图像预测模型，作为目标预测模型的步骤之前，还包括：
[0016]获取所述初始模型、待训练年龄段对应的多个训练样本及多个测试样本，其中，所述训练样本和所述测试样本均是根据未被增强处理过的头部三维图像生成的样本；
[0017]将所述初始模型作为待训练模型；
[0018]采用各个所述训练样本，对所述待训练模型进行脑区掩膜预测的训练，并将达到预设的训练结束条件的所述待训练模型作为待测试模型；
[0019]采样各个所述测试样本，对所述待测试模型进行验证，得到验证结果；
[0020]若所述验证结果为不通过，则将所述待测试模型作为所述待训练模型，重复执行采用各个所述训练样本，对所述待训练模型进行脑区掩膜预测的训练，并将训练结束的所述待训练模型作为待测试模型的步骤，直至所述验证结果为通过；
[0021]若所述验证结果为通过，则将所述待测试模型中的所述脑区图像预测单元作为所述待训练年龄段对应的所述脑区图像预测模型；
[0022]将所述待训练年龄段和所述待训练年龄段对应的所述脑区图像预测模型作为关联数据更新所述模型库。
[0023]进一步地，所述采样各个所述测试样本，对所述待测试模型进行验证，得到验证结果的步骤，包括：
[0024]将每个测试样本中的头部三维图像样本输入所述待测试模型进行脑区掩膜预测，得到待分析脑区掩膜集；
[0025]根据同一个所述测试样本对应的脑区掩膜标签集和所述待分析脑区掩膜集进行各个脑区的dice值计算，得到单脑区dice值集；
[0026]若各个所述单脑区dice值集中的每个单脑区dice值均大于预设的单项阈值，并且，各个所述单脑区dice值集的平均值大于预设的平均阈值，则确定所述验证结果为通过，否则，则确定所述验证结果为不通过。
[0027]进一步地，所述获取所述初始模型、待训练年龄段对应的多个训练样本及多个测试样本的步骤之前，还包括：
[0028]获取所述待训练年龄段对应的多个待处理头部三维图像；
[0029]将各个所述待处理头部三维图像中的任一个所述待处理头部三维图像作为待分析图像；
[0030]将所述待分析图像输入预设的脑影像分析工具进行脑区掩膜预测，得到待评估脑区掩膜集；
[0031]判断所述待评估脑区掩膜集中是否存在脑区掩膜欠分割；
[0032]若不存在，则将所述待分析图像作为初始样本的头部三维图像样本，根据预设的脑区剔除配置，对所述待评估脑区掩膜集进行脑区掩膜的剔除处理，根据预设的脑区融合配置，对剔除处理之后的所述待评估脑区掩膜集进行脑区掩膜的融合处理，得到所述初始样本的脑区掩膜标签集；
[0033]若存在，则将所述待分析图像进行丢弃处理；
[0034]按预设的划分比例，对各个所述初始样本进行划分，得到所述待训练年龄段对应的多个所述训练样本及多个所述测试样本。
[0035]进一步地，所述根据预设的脑区融合配置，对剔除处理之后的所述待评估脑区掩膜集进行脑区掩膜的融合处理，得到所述初始样本的脑区掩膜标签集的步骤，包括：
[0036]将剔除处理之后的所述待评估脑区掩膜集中的与所述脑区融合配置中的每个左右合并脑区集对应的各个所述脑区掩膜合并成一个所述脑区掩膜，其中，所述左右合并脑区集包括同一类脑区对应的左子脑区及右子脑区；
[0037]将所述待评估脑区掩膜集中的与所述脑区融合配置中的每个分段合并脑区集对应的各个所述脑区掩膜合并成一个所述脑区掩膜，其中，所述分段合并脑区集包括同一类脑区的各个分段子脑区；
[0038]将所述待评估脑区掩膜集作为所述初始样本的所述脑区掩膜标签集。
[0039]进一步地，所述采用各个所述训练样本，对所述待训练模型进行脑区掩膜预测的训练的步骤，包括：
[0040]将各个所述训练样本中的任一个所述训练样本作为待训练样本；
[0041]采用所述待训练模型的所述预处理单元，对所述待训练样本中的头部三维图像样本分别进行nii格式转换、脑部图像裁剪、预设的采样分辨率的重采样、体素值的归一化处理、数据增强处理，得到预处理后图像样本，其中，所述采样分辨率为所述脑影像分析工具的输出分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑区的图像处理方法，所述方法包括：获取目标对象对应的目标年龄及目标脑部三维图像；根据所述目标年龄，从预设的模型库中获取脑区图像预测模型，作为目标预测模型，其中，所述脑区图像预测模型是根据初始模型得到的模型，所述初始模型是改进的Unet模型；将所述目标脑部三维图像输入所述目标预测模型进行脑区掩膜预测，得到目标脑区掩膜集。2.根据权利要求1所述的脑区的图像处理方法，其特征在于，所述根据所述目标年龄，从预设的模型库中获取脑区图像预测模型，作为目标预测模型的步骤之前，还包括：对所述Unet模型的在下采样后的第一次卷积时的通道数翻倍进行关闭处理，得到第一模型；在所述第一模型的在下采样或上采样前的卷积中添加通道数翻倍，得到第二模型；将所述第二模型的反卷积操作的通道数调整为保持不变，得到第三模型；将所述第三模型中的Batch normalization替换成Instance Norm，得到第四模型；将所述第四模型中的Relu激活函数替换成leaky ReLU激活函数，得到脑区图像预测单元；将预设的预处理单元和所述脑区图像预测单元依次拼接，得到所述初始模型。3.根据权利要求2所述的脑区的图像处理方法，其特征在于，所述根据所述目标年龄，从预设的模型库中获取脑区图像预测模型，作为目标预测模型的步骤之前，还包括：获取所述初始模型、待训练年龄段对应的多个训练样本及多个测试样本，其中，所述训练样本和所述测试样本均是根据未被增强处理过的头部三维图像生成的样本；将所述初始模型作为待训练模型；采用各个所述训练样本，对所述待训练模型进行脑区掩膜预测的训练，并将达到预设的训练结束条件的所述待训练模型作为待测试模型；采样各个所述测试样本，对所述待测试模型进行验证，得到验证结果；若所述验证结果为不通过，则将所述待测试模型作为所述待训练模型，重复执行采用各个所述训练样本，对所述待训练模型进行脑区掩膜预测的训练，并将训练结束的所述待训练模型作为待测试模型的步骤，直至所述验证结果为通过；若所述验证结果为通过，则将所述待测试模型中的所述脑区图像预测单元作为所述待训练年龄段对应的所述脑区图像预测模型；将所述待训练年龄段和所述待训练年龄段对应的所述脑区图像预测模型作为关联数据更新所述模型库。4.根据权利要求3所述的脑区的图像处理方法，其特征在于，所述采样各个所述测试样本，对所述待测试模型进行验证，得到验证结果的步骤，包括：将每个测试样本中的头部三维图像样本输入所述待测试模型进行脑区掩膜预测，得到待分析脑区掩膜集；根据同一个所述测试样本对应的脑区掩膜标签集和所述待分析脑区掩膜集进行各个脑区的dice值计算，得到单脑区dice值集；若各个所述单脑区dice值集中的每个单脑区dice值均大于预设的单项阈值，并且，各个所述单脑区dice值集的平均值大于预设的平均阈值，则确定所述验证结果为通过，否则，
则确定所述验证结果为不通过。5.根据权利要求3所述的脑区的图像处理方法，其特征在于，所述获取所述初始模型、待训练年龄段对应的多个训练样本及多个测试样本的步骤之前，还包括：获取所述待训练年龄段对应的多个待处理头部三维图像；将各个所述待处理头部三维图像中的任一个所述待处理头部三维图像作为待分析图像；将所述待分析图像输入预设的脑影像分析工具进行脑区掩膜预测，得到待评估脑区掩膜集；判断所述待评估脑区掩膜集中是否存在脑区掩膜欠分割；若不存在，则将所述待分析图像作为初始样本的头部三维图像样本，根据预设的脑区剔除配置，对所述待评估脑区掩膜集进行脑区掩膜的剔除处理，根据预设的脑区融合配置，对剔除处理之后的所述待评估脑区掩膜集进行脑区掩膜的融合处理，得到所述初始样本的脑区掩膜标签集；若存在，则将所述待分析图像进行丢弃处理；按预设的划分比例，对各个所述初始样本进行划分，得到所述待训练年龄段对应的多个所述训练样本及多个所述测试样本。6.根据权利要求5所述的脑区的图像处理方法，其特征在于，所述根据预设的脑区融合...

【专利技术属性】
技术研发人员：王思伦，邱湘哲，
申请(专利权)人：深圳市铱硙医疗科技有限公司，
类型：发明
国别省市：