一种基于超高场磁共振影像重建的海马亚区分割方法及系统技术方案

本发明专利技术属于医学图像处理领域，具体涉及一种基于超高场磁共振影像重建的海马亚区分割方法及系统，包括：磁共振影像数据进行预处理，将预处理后的图像输入到超高场磁共振影像重建网络中进行特征提取，并对提取的特征进行融合重建，得到重建MRI；将重建后的MRI输入到判别器网络进行判别，并将判别后的MRI输入到海马亚区分割网络中提取多尺度特征信息，得到海马亚区分割概率图；根据海马亚区分割概率图对磁共振影像进行海马亚区分割；本发明专利技术在超高场磁共振影像重建过程中引入自注意机制、特征匹配损失和ROI损失，以恢复海马区域更多解剖细节，在海马亚区分割过程中引入多尺度深度监督，并设计一个解剖加权交叉熵损失利用丰富的先验知识，提高了分割结果的准确度。提高了分割结果的准确度。提高了分割结果的准确度。

【技术实现步骤摘要】
一种基于超高场磁共振影像重建的海马亚区分割方法及系统


[0001]本专利技术属于医学图像处理领域，具体涉及一种基于超高场磁共振影像重建的海马亚区分割方法及系统。

技术介绍

[0002]海马体是一个与长期情景记忆和空间编码密切相关的重要皮质区域，具体体现在不同的海马亚区解剖变化对多种神经退行性疾病的影响程度不同，例如阿尔兹海默症、精神分裂症等。因此，定量分析海马亚区的形态结构变化是很有必要的。海马体结构不规则，与周围脑组织的强度相对接近，海马亚区边界较为复杂，不同亚区之间亮度差异不明显。若在脑MRI上对海马亚区进行手动分割，存在耗时长、复现率低、容易引入人为误差等问题，且需有经验的专家完成，难以满足当前医疗大数据的需求。因此，迫切需要一种高精度的海马亚区自动分割方法。现有的海马亚区自动分割方法中，使用的脑MRI数据主要是3T MRI和7T MRI。与7T MRI相比，3T MRI的组织对比度和边界定位相对更差，不能清晰呈现海马体内部及周围组织的纹理细节，海马亚区分割效果较差。然而，由于7T MRI扫描仪价格昂贵，成像成本极高，成像时间相较3T M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超高场磁共振影像重建的海马亚区分割方法，其特征在于，包括：获取待分割的脑核磁共振图像，对脑核磁共振图像进行预处理，并将预处理后的脑核磁共振图像输入到联合网络模型中，得到分割结果；其中，联合网络模型包括超高场磁共振影像重建网络和海马亚区分割网络；超高场磁共振影像重建网络包括生成网络和判别网络；对联合网络模型进行训练的过程包括：S1：获取核磁共振影像数据集，并对数据集进行预处理；将预处理后的数据集划分为训练集和验证集；S2：将训练集中的影像输入到超高场磁共振影像重建网络中，采用生成网络提取输入图像的深层特征和浅层特征，并对深层特征和浅层特征进行融合重建，得到初始重建后MRI；S3：将初始重建后MRI与训练集中常规MRI输入到判别器网络中与真实MRI进行对比，若输出为假，则返回步骤S2，若输出为真，则输出重建后的MRI；S4：将重建后的MRI和常规MRI输入到海马亚区分割网络中提取多尺度特征信息，得到海马亚区分割概率图；S5：根据海马亚区分割概率图获取重建MRI和常规MRI所对应的分割真值图像，设置初始类别平均dice为0，每个epoch结束后，使用验证集的数据进行模型性能验证，并计算类别平均dice，若比前一个epoch的类别平均dice值高，则保存模型，否则，继续训练；S6：计算联合网络模型的损失函数，不断调整模型参数，当损失函数收敛时完成模型的训练。2.根据权利要求1所述的一种基于超高场磁共振影像重建的海马亚区分割方法，其特征在于，对脑核磁共振图像进行预处理的过程包括：对所有的磁共振影像数据进行去噪和偏置场校正，将3T T2和7T T2 MRI与相对应的3T T1和7T T1MRI对齐，将7T T1 MRI线性配准到3T T1 MRI，使用ANTS可变形配准将3T T1 MRI线性配准到无偏模板；从无偏模板中提取包含左右海马的两个立方ROI；对于每一侧，通过将该侧的解剖标签合并到单个标签中，将生成的二进制分割映射到模板空间中，并提取覆盖模板空间中所有海马区域的矩形框，得到立方体ROI；对左右模板的立方体ROI进行上采样；将所有模态的MRI数据和手动标签映射到相应的半球模板ROI中，得到预处理后的脑核磁共振图。3.根据权利要求1所述的一种基于超高场磁共振影像重建的海马亚区分割方法，其特征在于，生成网络结构包括一个对称的6层encoder
‑
decoder结构，共包含6个三维卷积层、6个三维反卷积层、5个特征拼接层；每个三维卷积层通过批标准化和ReLU激活函数；每个三维反卷积层通过拼接层、批标准化和ReLU激活函数，前三个三维反卷积层在拼接层、批标准化和ReLU激活函数后通过Dropout操作；前两个三维卷积层和后两个三维反卷积层的卷积核大小均为5，其余卷积核大小均为3；每个三维反卷积层在通过批标准化、ReLU激活函数或批标准化、ReLU激活函数、Dropout操作后，与特征图数量相同且通过批标准化和ReLU激活函数的卷积层进行拼接，得到所述的特征拼接层；每个三维卷积层和三维反卷积层均使用光谱归一化；第四个三维卷积层和第四个三维反卷积层在通过批标准化和ReLU激活函数后通过三维自注意力模块，通过生成器生成的图像包含真实的解剖细节。4.根据权利要求3所述的一种基于超高场磁共振影像重建的海马亚区分割方法，其特征在于，三维自注意力模块对特征图进行处理的过程包括：
步骤1：将网络中间隐藏层的特征图x转换为两个特征空间，计算公式为：f(x)＝W
f
xg(x)＝W
g
x其中，f(x)表示对输入图像进行特征提取后获得的特征空间，W
f
表示学习权重矩阵，g(x)表示对输入图像进行特征提取后获得的特征空间，W
g
表示学习权重矩阵；步骤2：计算特征空间的注意力，其计算公式为：S
j,i
＝f(x
j
)
T
g(x
i
)其中，β
j,i
表示体素j对体素i的注意，N表示输入图像的体素总数；步骤3：计算第三个特征空间h(x)＝W
h
x∈R
C
×
(h
×
w
×
d)
，其中W
h
表示，R
C
×
(h
×
w
×
d)
表示；步骤4：计算第三特征空间的注意特征图O
j
，...

【专利技术属性】
技术研发人员：李欣蔚，刘洪，王林金，王伟，陈勇，陈望，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：