【技术实现步骤摘要】
一种脑部核磁共振图像中脑肿瘤识别方法及系统
[0001]本专利技术涉及图像识别领域，尤其涉及脑部核磁共振图像中脑肿瘤识别方法及系统。
技术介绍
[0002]大脑是人体的控制中心，支持的人们思考、行动等，而且是人类智慧的源泉，同时大脑也是一个高度精密的器官，任何脑部疾病都会严重影响人的正常生活。脑肿瘤是颅内细胞非正常生成导致的疾病，已经成为了严重危害人体健康的疾病之一，在临床上，通常是先采用核磁共振(MRI，Magnetic Resonance Imaging)等无创技术获取脑部图像，然后由医生确定病变部位，再根据病变部位的特点确定治疗方案，例如采用手术治疗、化学治疗、放射治疗等，以此提高患者的生存机会和生存时间。
[0003]脑肿瘤的识别主要依靠医生判断，这和医生的经验有很大关系，而且由于人视觉的影响，小的脑肿瘤识别更加困难。通过对脑部MRI的自动分割方法分割出脑肿瘤越来越被更多人关注，基于深度学习的分割技术的分割效果要比传统的分割方式好，但是脑部MRI是一个三维图像，如果采用2D的分割方法势必会丢失一些重要信息，但是采用3D的分割方式，数据量太大，无论是训练还是识别都非常慢，而且经常报超出GPU内存的错误。
技术实现思路
[0004]为了解决上述问题，在第一个方面，本专利技术提供了一种脑部核磁共振图像中脑肿瘤识别方法，所述方法包括以下步骤：
[0005]获取训练样本集，并计算得到所有训练样本中标注的最小脑肿瘤区域所在的MRI，并获取所述MRI的层厚ST
′
、所述MR...
【技术保护点】
【技术特征摘要】
1.一种脑部核磁共振图像中脑肿瘤识别方法，其特征在于，所述方法包括以下步骤：获取训练样本集，并计算得到所有训练样本中标注的最小脑肿瘤区域所在的MRI，并获取所述MRI的层厚ST
′
、所述MRI的层间距SG
′
、所述最小脑肿瘤在所述MRI中的切片数SN
′
；根据所述层厚ST
′
、所述层间距SG
′
和所述切片数SN
′
计算得到距离L；对待识别脑部核磁共振MRI文件进行解析得到切片序列，并获取待识别脑部核磁共振MRI的层厚ST、层间距SG和切片数SN，获取构建的3DU
‑
Net的要求输入的3D图像的深度D；计算相邻两个切片的相似度，得到与切片序列对应的相似度序列；根据所述相似度序列、距离L、层厚ST和层间距SG从所述切片序列中获取D个切片组成处理后的待识别MRI文件；将处理后的待识别MRI文件作为训练好的3DU
‑
Net的输入得到识别结果。2.如权利要求1所述的方法，其特征在于，所述根据所述相似度序列、距离L、层厚ST和层间距SG从所述切片序列中获取D个切片组成处理后的待识别MRI文件，具体为：根据层厚ST和层间距SG计算在距离L内包括的切片数SN
″
；将所述切片序列从前往后拆分为D个子序列，所述子序列中的切片是连续的，若每个子序列同时满足以下条件，则记录分割方式：
①
子序列至少包括一个切片，
②
子序列中切片个数小于SN
″
，
③
子序列对应的相似度子序列的和的平均值小于阈值；从记录的分割方式中确定要使用的分割方式，采用要使用的分割方式分割切片序列得到多个子序列，确定每个所述子序列对应的切片，将每个子序列对应的切片按序排列得到待识别MRI文件。3.如权利要求2所述的方法，其特征在于，所述从记录的分割方式中确定要使用的分割方式，具体为：对于每个记录的分割方式，计算对应的分割的子序列的相似度，然后计算所述分割方式对应的所有子序列的相似度的标准差，将标准差最小的分割方式作为要使用的分割方式。4.如权利要求2所述的方法，其特征在于，所述确定每个所述子序列对应的切片，具体为：若所述子序列只有一个切片，则将子序列包含的一个切片作为子序列对应的切片；若所述子序列有多个切片，判断切片个数是否是奇数，如果是，则选取位于子序列中间的切片作为子序列对应的切片，如果不是，则分别计算位于中间的两个切片分别与前一个切片的相似度和后一个切片的相似度，得到两个切片的权重，从位于中间的两个切片中选择权重最小的切片作为子序列对应的切片。5.如权利要求1所述的方法，其特征在于，所述根据所述相似度序列、距离L、层厚ST和层间距SG从所述切片序列中获取D个切片组成处理后的待识别MRI文件，具体为：根据层厚ST和层间距SG计算在距离L内包括的切片数SN
″
；根据所述相似度序列获取相似度最小的D
‑
1个切片对，获取切片对中切片在所述切片序列中的序号，根据所述序号得到切割点，进而获得D个子序列，判断子序列中切片数是否小于等于所述切片数SN
″
，若是，则根据所述子序列...
【专利技术属性】
技术研发人员：马骞，王重建，任明星，杜伟，耿杰峰，白亚辉，陈义兵，宋宁，吕茵，
申请(专利权)人：郑州大学，
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。