基于级联网络与边缘信息的膝关节模型构建方法和装置制造方法及图纸

本发明专利技术公开一种基于级联网络与边缘信息的膝关节模型构建方法和装置，包括以下步骤：步骤S1、获取膝关节低场磁共振图像；步骤S2、采用两级深度网络进行膝关节图像分割，得到膝关节的各个组织；步骤S3、将膝关节的各个组织进行合并，得到每一个层面的组织分布；步骤S4、将各个层面进行拼接，得到膝关节模型。采用本发明专利技术的技术方案，有助于提高分割的精准度。有助于提高分割的精准度。有助于提高分割的精准度。

【技术实现步骤摘要】
基于级联网络与边缘信息的膝关节模型构建方法和装置


[0001]本专利技术属于医学成像信息处理
，尤其涉及基于级联网络与边缘信息的膝关节模型构建方法和装置。

技术介绍

[0002]磁共振成像(MRI)是膝关节疾病诊断的主要方法，高场MRI具有高信噪比、高分辨率的优势。然而在扫描过程中，膝关节组织中的局部比吸收率(SAR)是一个关键安全因素，如果局部比吸收率超标，将导致人体组织受到热损伤。目前，电磁仿真是估计局部SAR的公认最佳方法，这样就需要基于MR图像快速地构建个体特异的膝关节模型。
[0003]传统上膝关节模型构建的方法主要是采用对图像的手工标注，或者半自动分割(如区域生长法)，这两种方法都有自动化程度低、工作量大、操作者易疲劳出错等缺点。近年来，随着深度网络的发展与应用，学术界开展了一些采用深度网络对膝关节MR图像进行组织分割的研究，如AlexNet、SegNet、U
‑
Net等。然而，这些研究一般只是对膝关节中的骨、软骨、半月板等少数组织进行分割，并未考虑肌肉、脂肪等，因而不能建立模型。此外，这些研究一般都是基于高场图像，然而，在实际应用中，有可能在高场扫描之前得到低场图像，因此希望针对低场MR图像进行分割并建立模型。相比高场图像，低场图像的信噪比与组织对比度明显偏低，这给膝关节的组织分割与模型构建带来了很大的难度，此外，图像中有一些间断、不清晰的小组织，如肌腱、韧带、血管等，在模型重建时，按照介电特性与空间分布接近的特点，一般的做法是将这些组织合并到肌肉中，但这样会导致肌肉区域灰度不均匀，对肌肉的分割准确度有不利的影响。

技术实现思路

[0004]本专利技术要解决的技术问题是，提供一种基于级联网络与边缘信息的膝关节模型构建方法和装置，提高分割的精准度。
[0005]为实现上述目的，本专利技术采用如下的技术方案：
[0006]一种基于级联网络与边缘信息的膝关节模型构建方法，包括以下步骤：
[0007]步骤S1、获取膝关节低场磁共振图像；
[0008]步骤S2、采用两级深度网络进行膝关节图像分割，得到膝关节的各个组织；
[0009]步骤S3、将膝关节的各个组织进行合并，得到每一个层面的组织分布；
[0010]步骤S4、将各个层面进行拼接，得到膝关节模型。
[0011]作为优选，步骤S1中，膝关节图像为矢位T1加权自旋回波图像。
[0012]作为优选，步骤S2中，第一级网络将膝关节全部组织合并作为一个类别，背景区域作为一个类别；第一级网络分出的整体组织图像输出到第二级网络，分类得到全部组织，包括肌肉、脂肪、松质骨、皮质骨、软骨、半月板；其中，第一级网络、第二级网络为基于组织区域边缘信息的网络模型，第一级网络利用整个膝关节组织区域的边缘信息，第二级网络是利用肌肉组织区域的边缘信息。
[0013]作为优选，步骤S3中，采用第一级网络分割出的背景区域作为组织合并后的背景，与第二级网络的分割结果进行合并，得到每一个层面的组织分布。
[0014]本专利技术还提供一种基于级联网络与边缘信息的膝关节模型构建装置，包括以下步骤：
[0015]获取模块，用于获取膝关节低场磁共振图像；
[0016]分割模块，用于采用两级深度网络进行膝关节图像分割，得到膝关节的各个组织；
[0017]合并模块，用于将膝关节的各个组织进行合并，得到每一个层面的组织分布；
[0018]拼接模块，用于将各个层面进行拼接，得到膝关节模型。
[0019]作为优选，膝关节图像为矢位T1加权自旋回波图像。
[0020]作为优选，分割模块包括：
[0021]第一分割单元，用于通过第一级网络将膝关节全部组织合并作为一个类别，背景区域作为一个类别；
[0022]第二分割单元，用于将第一级网络分出的整体组织图像输出到第二级网络，分类得到全部组织，包括肌肉、脂肪、松质骨、皮质骨、软骨、半月板；
[0023]其中，第一级网络、第二级网络为基于组织区域边缘信息的网络模型，第一级网络利用整个膝关节组织区域的边缘信息，第二级网络是利用肌肉组织区域的边缘信息。
[0024]作为优选，所述合并模块，用于采用第一级网络分割出的背景区域作为组织合并后的背景，与第二级网络的分割结果进行合并，得到每一个层面的组织分布。
[0025]相对于现有技术，本专利技术具有以下技术效果：
[0026](1)为了克服低场MR图像信噪比、对比度偏低的缺点，本专利技术采用级联的深度网络进行分割，第一级网络只对背景与膝关节全部组织区域进行二分类，使用第一级网络的分割结果作为第二级网络的输入，进一步地分割其他组织，避免背景部分存在伪影以及与其余组织灰度接近而对组织分割造成干扰。同时在最后组织合并时使用第一级网络分割的背景作为合并后的背景，能够有效地避免背景中出现组织像素，避免了当误分为组织的像素靠近线圈模型的金属部件，导致产生错误的局部SAR极值。
[0027](2)利用了组织的边缘信息以强化网络的分割性能，在第一级网络中，结合了整个膝关节组织区域背景的边缘信息，在第二级网络中结合了肌肉组织的边缘信息，能够增强边缘部分的训练，从而提高分割精度。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0029]图1为本专利技术实施例基于级联网络与边缘信息的膝关节模型构建方法的流程图；
[0030]图2为本专利技术实施例网络训练的结构示意图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0033]实施例1：
[0034]如图1所示，本专利技术实施例提供一种基于级联网络与边缘信息的膝关节模型构建方法，包括以下步骤：
[0035]步骤S1、获取膝关节低场磁共振图像；
[0036]步骤S2、采用两级深度网络进行膝关节图像分割，得到膝关节的各个组织；
[0037]步骤S3、将膝关节的各个组织进行合并，得到每一个层面的组织分布；
[0038]步骤S4、将各个层面进行拼接，得到膝关节模型。
[0039]作为本专利技术实施例的一种实施方式，步骤S1中，膝关节图像为矢位T1加权自旋回波图像。将膝关节图像标注为皮质骨、松质骨、肌肉、脂肪、软骨、半月板以及背景。
[0040]作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于级联网络与边缘信息的膝关节模型构建方法，其特征在于，包括以下步骤：步骤S1、获取膝关节低场磁共振图像；步骤S2、采用两级深度网络进行膝关节图像分割，得到膝关节的各个组织；步骤S3、将膝关节的各个组织进行合并，得到每一个层面的组织分布；步骤S4、将各个层面进行拼接，得到膝关节模型。2.如权利要求1所述的基于级联网络与边缘信息的膝关节模型构建方法，其特征在于，步骤S1中，膝关节图像为矢位T1加权自旋回波图像。3.如权利要求2所述的基于级联网络与边缘信息的膝关节模型构建方法，其特征在于，步骤S2中，第一级网络将膝关节全部组织合并作为一个类别，背景区域作为一个类别；第一级网络分出的整体组织图像输出到第二级网络，分类得到全部组织，包括肌肉、脂肪、松质骨、皮质骨、软骨、半月板；其中，第一级网络、第二级网络为基于组织区域边缘信息的网络模型，第一级网络利用整个膝关节组织区域的边缘信息，第二级网络是利用肌肉组织区域的边缘信息。4.如权利要求3所述的基于级联网络与边缘信息的膝关节模型构建方法，其特征在于，步骤S3中，采用第一级网络分割出的背景区域作为组织合并后的背景，与第二级网络的分割结果进行合并，得到每一个层面的组织分布。5.一种基于级联网络与边缘信息...

【专利技术属性】
技术研发人员：肖亮，任宏晋，邢藏菊，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：