基于卷积神经网络的MRI影像骶髂关节分割方法和装置制造方法及图纸

本申请公开了一种基于卷积神经网络的MRI影像骶髂关节分割方法，通过将输入的第一MRI图像进行预处理，得到的适配性更高的第二MRI图像，然后依次通过粗粒度分割和细粒度分割的两阶段分割方法，对第二MRI图像进行分割处理得到8个不同象限的第二目标区域，将复杂的图像分割任务分步处理，提高了分割得到第二目标区域的精准性；而且从第一MRI图像得到第二目标区域的整个过程都是自动化完成的，其效率相对于人工对第一MRI图像判断来得到第二目标区域有所提高；而且因为整个过程是自动化完成，减少了人为参与度，因此得到的结果一致性提高，不会受人为因素干扰。

【技术实现步骤摘要】

本申请属于图像信息，尤其涉及一种基于卷积神经网络的mri影像骶髂关节分割方法和装置。

技术介绍

1、在医学影像分析领域，核磁共振成像(magnetic resonance imaging，mri)影像中骶髂关节的分割是一项非常重要的任务，因为它在许多疾病的鉴别诊断中扮演着重要的角色。骶髂关节位于骨盆和脊柱之间，负责将上半身的重量传递到下半身，由于其独特的解剖位置和关节表面的起伏不平，骶髂关节成为人体成像中较为具有挑战性的部位之一。对于骶髂关节的精确分割，可以提供重要的解剖学信息，有助于医生进行准确的诊断。

2、传统的mri影像骶髂关节分割方法主要依赖于人工操作，需要专业医生通过手动描绘关节区域来完成。这种方法耗时耗力，且受个体差异和医生主观判断的影响，结果的可重复性和准确性较低。因此，需要一种自动且准确性高的骶髂关节分割方法。

技术实现思路

1、本申请的目的在于提供一种基于卷积神经网络的mri影像骶髂关节分割方法，旨在解决传统的mri影像中骶髂关节分割存在的高度依赖人工以及准确性低的问题。

本文档来自技高网...

【技术保护点】

1.一种基于卷积神经网络的MRI影像骶髂关节分割方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述根据第一标签将所述第二MRI图像进行划分，得到第一目标区域包括：

3.如权利要求2所述的方法，其特征在于，所述第一卷积神经网络为编码器-解码器架构；所述第一卷积神经网络的训练包括：

4.如权利要求3所述的方法，其特征在于，所述第二卷积神经网络为编码器-解码器架构；所述第二卷积神经网络的训练包括：

5.如权利要求4所述的方法，其特征在于，所述第一卷积神经网络的层数预测模块包括若干卷积层、池化层和线性层；所述第二卷积神经网络的层...

【技术特征摘要】

1.一种基于卷积神经网络的mri影像骶髂关节分割方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述根据第一标签将所述第二mri图像进行划分，得到第一目标区域包括：

3.如权利要求2所述的方法，其特征在于，所述第一卷积神经网络为编码器-解码器架构；所述第一卷积神经网络的训练包括：

4.如权利要求3所述的方法，其特征在于，所述第二卷积神经网络为编码器-解码器架构；所述第二卷积神经网络的训练包括：

5.如权利要求4所述的方法，其特征在于，所述第一卷积神经网络的层数预测模块包括若干卷积层、池化层和线性层；所述第二卷积神经网络的层数预测模块包括若干卷积层、池化层和线性层。

6.如权利...

【专利技术属性】
技术研发人员：李坤鹏，冀肖健，曾露露，张凯博，刘通泽，汪安安，董敬，孙磊，李涛，
申请(专利权)人：中国人民解放军总医院，
类型：发明
国别省市：