System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于磁共振图像处理,具体是一种磁共振图像自动分割方法。
技术介绍
1、磁共振成像(magnetic resonance imaging,mri)技术是利用氢原子核的磁性、在外加梯度磁场和激励的作用下产生共振信号,从而检测并绘制成物体内部的结构图像的一种方法,是现代物理学应用于临床医学领域的一个里程碑。磁共振成像在临床实践中广泛应用,为疾病的诊断、疗效评估提供了更多维度的影像学信息。然而磁共振成像在应用过程中容易受到场强不均匀、患者呼吸运动、不自主运动、金属物体或器械、外界环境等情况的干扰,导致出现各种磁共振伪影。
2、磁共振图像的自动分割是自动识别病灶、量化组织及病灶参数的关键步骤,是将人工智能应用于医学影像中的基石性工作。然而磁共振伪影的产生是影响图像自动分割模型准确度的重要阻碍。
3、基于此,为了提高磁共振图像的分割精度,减少磁共振伪影的影响,本专利技术提供了一种通过识别伪影,提高磁共振图像自动分割准确性的方法。
技术实现思路
1、为了解决上述方案存在的问题,本专利技术提供了一种磁共振图像自动分割方法。
2、本专利技术的目的可以通过以下技术方案实现:
3、一种磁共振图像自动分割方法,方法包括:
4、步骤一:确定目标设备具有的各检测项,并识别各所述检测项对应的图像分割算法;
5、步骤二:对所述目标设备的运行环境进行分析,确定所述目标设备的因素库;
6、进一步地,对目标设备的运行环境进行分
7、确定目标设备的等同设备,获取所述等同设备的历史检测数据;识别所述历史检测数据中具有的各检测异常记录,根据获得的所述检测异常记录确定所述等同设备具有的各种影响因素,整合为所述目标设备的因素库。
8、进一步地,识别历史检测数据中具有的各检测异常记录的方法包括:
9、步骤sa1:定义第一记录范围,基于所述第一记录范围识别所述历史检测数据中的第一记录;
10、步骤sa2:根据各所述第一记录确定所述历史检测数据中的筛选数据,识别筛选数据中各检测记录对应的检测结果;
11、步骤sa3:根据获得的所述检测结果对对应的检测记录进行分析,确定对应的异常检测结果,根据获得的异常检测结果确定对应的第二记录;
12、步骤sa4:将第一记录和第二记录整合标记为检测异常记录。
13、进一步地,异常检测结果的确定方法包括:
14、识别所述检测记录中对应的磁共振图像,基于所述检测结果对磁共振图像进行识别,判断所述检测结果与所述磁共振图像是否相匹配;
15、当判断所述检测结果与所述磁共振图像相匹配时,输出的异常检测结果为检测正常;
16、当所述判断检测结果与所述磁共振图像不匹配时,输出的异常检测结果为检测异常。
17、进一步地,等同设备的影响因素的确定方法包括:
18、基于数字孪生技术建立所述等同设备的数字孪生体;识别各所述检测异常记录中对应的磁共振图像,标记为异常图像;
19、模拟各种环境数据和患者行为,应用所述数字孪生体在模拟条件下对异常图像进行分析,确定生成所述异常图像需要的环境条件和患者行为;根据确定的所述环境条件和所述患者行为确定所述异常图像对应的影响因素;
20、将获得的各所述影响因素进行去重,获得等同设备具有的各影响因素。
21、步骤三:获取所述目标设备生成的磁共振图像,识别所述磁共振图像的目标环境数据,基于识别的所述目标环境数据和所述因素库确定所述磁共振图像对应因素干扰项;
22、进一步地,因素干扰项的确定方法包括:
23、将识别的所述目标环境数据输入到所述因素库中进行匹配,获得对应的因素项,将匹配的所述因素项标记为因素干扰项;
24、从所述目标环境数据中提取各所述因素干扰项对应的干扰环境数据。
25、步骤四:获取各所述因素干扰项的干扰环境数据,根据获得的干扰环境数据确定各类型伪影的概率值;
26、进一步地,根据获得的干扰环境数据确定各类型伪影的概率值的方法包括:
27、识别具有的各类型伪影,标记各所述类型伪影对应的因素项,根据各所述类型伪影对应的因素项确定各类型伪影对应的因素干扰项组合;
28、根据所述因素干扰项组合确定对应类型伪影的概率分析数据;
29、对获得的所述概率分析数据进行分析,确定各所述类型伪影对应的概率值。
30、进一步地,对概率分析数据进行分析的方法:
31、获取各因素干扰项组合的获取对应的历史概率分析数据,基于所述历史概率分析数据和孤立森林算法建立对应的异常识别模型;
32、根据设置的所述异常识别模型对所述概率分析数据进行分析,获得各因素项对应的异常值,将各因素项对应的异常值整合为异常集合;
33、根据所述历史概率分析数据统计各所述异常集合对应的各类型伪影的发生概率,整合为异常匹配表;
34、将获得的所述异常集合输入到所述异常匹配表中进行匹配,获得各类型伪影的发生概率,标记为对应的概率值。
35、进一步地,异常识别模型的表达式为:;
36、式中:xi为输入数据,表示概率分析数据中各因素项对应的因素项数据,i=1、2、……、n,n为正整数;输出为各因素项的异常值yi,yi=y(xi),i=1、2、……、n,n为正整数。
37、步骤五:根据确定的各类型伪影的概率值对磁共振图像进行伪影预标记,对标记后的磁共振图像进行分割。
38、进一步地,进行伪影预标记的方法包括:
39、识别各类型伪影的概率值,将概率值低于阈值x1的类型伪影标记为目标伪影;
40、根据目标伪影对所述磁共振图像进行识别,确定所述磁共振图像中的目标伪影,对确定所述目标伪影在所述磁共振图像中进行标记。
41、进一步地,对标记后的磁共振图像进行分割的方法包括:
42、识别所述目标设备对各所述检测项对应的图像分割算法;基于预设的数字孪生对各类型伪影下的图像分割算法进行模拟调整,获得对应的算法模拟调整数据,选择若干次调整模拟后的合格率大于阈值x2的合格率最高的调整后的图像分割算法为对应类型伪影下的目标算法;进行整合为目标算法库;
43、识别所述磁共振图像中标记的类型伪影,根据识别的所述类型伪影从所述目标算法库中匹配对应的目标算法,根据获得的所述目标算法对所述磁共振图像进行分割。
44、与现有技术相比,本专利技术的有益效果是:
45、通过对目标设备的运行环境进行分析,确定目标设备生成的磁共振图像会受到哪些因素的干扰,便于后续在检测过程中确定可能具有的检测误差,提高磁共振图像的分割精度。
46、通过建立数字孪生体进行模拟,降低因为过多的模拟次数而降低等同设备的使用寿命;同时可以为后续的数据分析提供支持。
本文档来自技高网...【技术保护点】
1.一种磁共振图像自动分割方法,其特征在于,方法包括:
2.根据权利要求1所述的一种磁共振图像自动分割方法,其特征在于,对目标设备的运行环境进行分析的方法包括:
3.根据权利要求2所述的一种磁共振图像自动分割方法,其特征在于,识别历史检测数据中具有的各检测异常记录的方法包括:
4.根据权利要求3所述的一种磁共振图像自动分割方法,其特征在于,异常检测结果的确定方法包括:
5.根据权利要求4所述的一种磁共振图像自动分割方法,其特征在于,等同设备的影响因素的确定方法包括:
6.根据权利要求1所述的一种磁共振图像自动分割方法,其特征在于,因素干扰项的确定方法包括:
7.根据权利要求1所述的一种磁共振图像自动分割方法,其特征在于,根据获得的干扰环境数据确定各类型伪影的概率值的方法包括:
8.根据权利要求7所述的一种磁共振图像自动分割方法,其特征在于,对概率分析数据进行分析的方法:
9.根据权利要求8所述的一种磁共振图像自动分割方法,其特征在于,异常识别模型的表达式为:;
【技术特征摘要】
1.一种磁共振图像自动分割方法,其特征在于,方法包括:
2.根据权利要求1所述的一种磁共振图像自动分割方法,其特征在于,对目标设备的运行环境进行分析的方法包括:
3.根据权利要求2所述的一种磁共振图像自动分割方法,其特征在于,识别历史检测数据中具有的各检测异常记录的方法包括:
4.根据权利要求3所述的一种磁共振图像自动分割方法,其特征在于,异常检测结果的确定方法包括:
5.根据权利要求4所述的一种磁共振图像自动分割方法,其特征在于,...
【专利技术属性】
技术研发人员:杨阳,张函,
申请(专利权)人:华中科技大学同济医学院附属同济医院,
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。