针对颞上沟变色龙脑区实现快速分割处理的方法、装置、处理器及其计算机可读存储介质制造方法及图纸

本发明专利技术涉及一种针对颞上沟变色龙脑区实现快速分割处理的方法，其中，所述的方法包括以下步骤：(1)获取待分割的脑部核磁共振MR影像；(2)将采样获取到的低分辨率的脑部核磁共振MR影像输入到定位网络模型，并基于定位模型对颞上沟脑区的快速定位处理，并提取出颞上沟脑区的图像块；(3)基于定位中心点，使用分割模型获取精细化尺度下分割得到的颞上沟脑区。本发明专利技术还涉及一种相应的装置、处理器及其计算机可读存储介质。采用了本发明专利技术的该针对颞上沟变色龙脑区实现快速分割处理的方法、装置、处理器及其计算机可读存储介质，与现有技术相比，在分割精度与时间效率上都具有较为突出的应用效果。用效果。用效果。

【技术实现步骤摘要】
针对颞上沟变色龙脑区实现快速分割处理的方法、装置、处理器及其计算机可读存储介质


[0001]本专利技术涉及脑影像处理
，尤其涉及脑区分割
，具体是指一种针对颞上沟变色龙脑区实现快速分割处理的方法、装置、处理器及其计算机可读存储介质。

技术介绍

[0002]基于多图谱的脑区分割(MAP)是最常用的传统自动脑区分割技术。它将预定义的脑图谱配准到目标脑图像上，然后将脑图谱中标记的脑区映射到目标大脑图像上。但是这种MAP方法依赖于图像配准，计算效率低，且对图像噪声很敏感。因此，许多研究尝试使用深度学习方法来取代MAP的核心组件(即图像配准和标签融合)或者基于深度学习实现端到端的脑区分割方法(DLP)。得益于深度学习的并行能力和泛化能力，DLP方法与MAP方法相比具有较高的计算效率和稳定性。
[0003]然而，现有的DLP方法很少关注到精细的大脑分割，即没有将大脑分割成丰富的脑区。这主要是因为部分脑区是基于解剖结构、脑功能、代谢、神经递质和基因表达定义的，不同脑区之间往往没有明确的解剖边界，仅使用图像进行精细化的脑区分割是非常困难的，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对颞上沟变色龙脑区实现快速分割处理的方法，其特征在于，所述的方法包括以下步骤：(1)获取待分割的脑部核磁共振MR影像；(2)将采样获取到的低分辨率的脑部核磁共振MR影像输入到定位网络模型，并基于所述的定位网络模型对颞上沟脑区的快速定位处理，并提取出颞上沟脑区的图像块；(3)基于定位中心点，使用分割模型获取精细化尺度下分割得到的颞上沟脑区。2.根据权利要求1所述的针对颞上沟变色龙脑区实现快速分割处理的方法，其特征在于，所述的步骤(2)具体为：将采样获取到的低分辨率的脑部核磁共振MR影像输入到所述的定位网络模型，快速定位到颞上沟脑区的中心点V，并在当前得到的高分辨率影像中截取出包含颞上沟脑区的图像块X
V
；其中，所述的快速定位具体为采用以下方式进行优化处理：其中，为定位网络模型。3.根据权利要求2所述的针对颞上沟变色龙脑区实现快速分割处理的方法，其特征在于，所述的步骤(3)具体为：基于快速定位获取到的颞上沟脑区的中心点V，使用分割网络从截取到的颞上沟脑区的图像块X
V
中精细地分割出颞上沟脑区Y
V
，并对所述的图像块X
V
以及颞上沟脑区Y
V
采用以下方式进行优化处理：其中，为脑区分割网络模型。4.根据权利要求3所述的针对颞上沟变色龙脑区实现快速分割处理的方法，其特征在于，所述的脑区分割网络模型包括：基于ResNet18网络构建的定位网络模型所述的定位网络模型包含17层卷积层和1层全连接层，用于输入分辨率，即立体体素的间距重采样为2
×2×
2mm3的脑部核磁共振MR影像，并通过裁剪或填充将该影像的大小变为25...

【专利技术属性】
技术研发人员：岳玲，潘永生，肖世富，
申请(专利权)人：上海市精神卫生中心上海市心理咨询培训中心，
类型：发明
国别省市：