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】
本申请涉及医疗影像处理,特别是涉及一种医学影像中目标区域检测方法、装置、设备和存储介质。
技术介绍
1、急性缺血性卒中(acute ischemic stroke,ais)是最为常见的脑血管疾病之一,由于脑供血系统闭塞导致局部脑组织缺血甚至梗死,也可能伴随部分神经细胞损伤,于患者而言具有较高的致残和致死风险。临床上对该病症治疗的关键在于尽早实现阻塞血管的再通,挽救未完全梗死的脑部组织(即缺血半暗带)。静脉溶栓、机械取栓等血管内治疗方法已被证实其对ais治疗的有效性,然而治疗效果受个体缺血状态的高度影响,所以快速且准确地识别梗死核心和缺血区域等目标区域,能够为临床中病灶确定和治疗提供关键的辅助手段。
2、实际获取的医学影像数据往往伴随着噪音和伪影等干扰因素,给常规基于固定阈值来直接检测目标区域的方法带来很大挑战。而一般基于深度学习的方法需要依赖高质量的样本数据来训练网络模型,在实际情况下其检测结果的可靠性难以保证。
3、针对相关技术中存在医学影像中目标区域检测效果不佳的问题,目前还没有提出有效的解决方案。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够进行有效检测的医学影像中目标区域检测方法、装置、设备和存储介质。
2、第一个方面,在本实施例中提供了一种医学影像中目标区域检测方法,包括:
3、将包含脑部的待测图像进行预处理,得到多通道图像数据;
4、将所述多通道图像数据输入训练完成的3d分割模型,输出候选区域
5、基于与所述多通道图像数据相应的预设阈值,从所述候选区域中确定目标区域。
6、在其中的一些实施例中,所述待测图像为弥散加权图像;所述将包含脑部的待测图像进行预处理,得到多通道图像数据,包括:
7、确定与所述弥散加权图像对应的表面扩散系数图像;
8、将所述弥散加权图像和所述表面扩散系数图像进行预处理后,叠加得到所述多通道图像数据。
9、在其中的一些实施例中,所述待测图像为灌注图像;所述将包含脑部的待测图像进行预处理,得到多通道图像数据,包括:
10、确定与所述灌注图像对应的参数图像;
11、将所述灌注图像和所述参数图像进行预处理后,叠加得到所述多通道图像数据。
12、在其中的一些实施例中,所述方法还包括:
13、基于所述多通道图像数据的样本集,对至少一个3d分割神经网络进行训练,得到所述3d分割模型;所述样本集包括标签数据和无标签数据。
14、在其中的一些实施例中,所述对至少一个3d分割神经网络进行训练,得到所述3d分割模型,包括:
15、对第一3d分割神经网络和第二3d分割神经网络进行同步训练,得到训练完成的第一3d分割神经网络和第二3d分割神经网络;
16、基于所述第一3d分割神经网络和所述第二3d分割神经网络的预测效果,确定所述3d分割模型。
17、在其中的一些实施例中,所述对第一3d分割神经网络和第二3d分割神经网络进行同步训练,得到训练完成的第一3d分割神经网络和第二3d分割神经网络,包括:
18、确定所述第一3d分割神经网络和所述第二3d分割神经网络间的分割损失和一致性损失;
19、基于所述分割损失和所述一致性损失,确定损失函数;
20、基于所述损失函数,更新所述第一3d分割神经网络和所述第二3d分割神经网络的网络参数,得到训练完成的第一3d分割神经网络和第二3d分割神经网络。
21、在其中的一些实施例中,所述基于与所述多通道图像数据相应的预设阈值,从所述候选区域中确定目标区域,包括:
22、基于所述预设阈值,在所述候选区域中划定异常区域;
23、对所述异常区域进行形态学处理和连通域分析,得到所述目标区域。
24、第二个方面,在本实施例中提供了一种医学影像中目标区域检测装置,包括:
25、图像预处理模块,用于将包含脑部的待测图像进行预处理,得到多通道图像数据;
26、模型输出模块,用于将所述多通道图像数据输入训练完成的3d分割模型,输出候选区域;
27、阈值后处理模块,用于基于与所述待测图像相应的预设阈值,从所述候选区域中确定目标区域。
28、第三个方面,在本实施例中提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的医学影像中目标区域检测方法。
29、第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的医学影像中目标区域检测方法。
30、与相关技术相比,在本实施例中提供的医学影像中目标区域检测方法、装置、设备和存储介质,通过将包含脑部的待测图像进行预处理,得到多通道图像数据;将所述多通道图像数据输入训练完成的3d分割模型,输出候选区域;基于与所述多通道图像数据相应的预设阈值,从所述候选区域中确定目标区域。本实施例通过3d分割模型输出候选区域后,基于预设阈值对候选区域进行后处理,得到待测图像中的目标区域,能够提高目标区域检测结果的可靠性,实现对目标区域的有效检测,解决了医学影像中目标区域检测效果不佳的问题。
31、本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种医学影像中目标区域检测方法,其特征在于,包括:
2.根据权利要求1所述的医学影像中目标区域检测方法,其特征在于,所述待测图像为弥散加权图像;所述将包含脑部的待测图像进行预处理,得到多通道图像数据,包括:
3.根据权利要求1所述的医学影像中目标区域检测方法,其特征在于,所述待测图像为灌注图像;所述将包含脑部的待测图像进行预处理,得到多通道图像数据,包括:
4.根据权利要求1至3任一项所述的医学影像中目标区域检测方法,其特征在于,还包括:
5.根据权利要求4所述的医学影像中目标区域检测方法,其特征在于,所述对至少一个3D分割神经网络进行训练,得到所述3D分割模型,包括:
6.根据权利要求5所述的医学影像中目标区域检测方法,其特征在于,所述对第一3D分割神经网络和第二3D分割神经网络进行同步训练,得到训练完成的第一3D分割神经网络和第二3D分割神经网络,包括:
7.根据权利要求1所述的医学影像中目标区域检测方法,其特征在于,所述基于与所述多通道图像数据相应的预设阈值,从所述候选区域中确定目标区域,包括:
...【技术特征摘要】
1.一种医学影像中目标区域检测方法,其特征在于,包括:
2.根据权利要求1所述的医学影像中目标区域检测方法,其特征在于,所述待测图像为弥散加权图像;所述将包含脑部的待测图像进行预处理,得到多通道图像数据,包括:
3.根据权利要求1所述的医学影像中目标区域检测方法,其特征在于,所述待测图像为灌注图像;所述将包含脑部的待测图像进行预处理,得到多通道图像数据,包括:
4.根据权利要求1至3任一项所述的医学影像中目标区域检测方法,其特征在于,还包括:
5.根据权利要求4所述的医学影像中目标区域检测方法,其特征在于,所述对至少一个3d分割神经网络进行训练,得到所述3d分割模型,包括:
6.根据权利要求5所述的医学影像中目标区域检测方法,其特征在于,所述对...
【专利技术属性】
技术研发人员:黄河,李阳,陈通,
申请(专利权)人:上海联影医疗科技股份有限公司,
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。