经颅超声的黑质高回声强度定量化分析方法与流程

技术特征：
1.一种经颅超声的黑质高回声强度定量化分析方法，其特征在于：包括如下步骤：1)获取患者的tcs原始图片和对应的临床医生判读后的标注图片，并随机分为训练集和测试集；2)对训练集深度学习对抗网络并进行网络训练，建立分析黑质回声图像的模型；3)采用测试集对分析黑质回声图像的模型进行验证，将测试集输入分析黑质回声图像的模型生成测试集预测图像，通过测试集预测图像与标注图像的相似度验证分析黑质回声图像的模型的有效性；4)分析黑质回声图像的模型通过验证后，将待测患者的tcs原始图片和对应的临床医生判读后的标注图片输入分析黑质回声图像的模型生成预测图像，将预测图像先转化为灰度图像，再转化为二值化图像；5)对二值化图像进行灰度值形态学分析，提取出中脑内部的左右黑质高回声区域图像；6)将左右黑质高回声区域图像的坐标系对应的面积和周长参数转移到物理坐标系上，提取黑质异常回声面积、黑质高回声平均强度值和脚间池平均强度值的比值；7)根据黑质异常回声面积、黑质高回声平均强度值和脚间池平均强度值的比值计算得到黑质高回声总强度值。2.根据权利要求1所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤2)中，采用python语言调用基于tensorflow框架的pix2pix条件生成对抗网络，建立中脑结构分割的模型。3.根据权利要求2所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤2)中，对训练集的图片进行预处理：将维度为[960
×
720
×
3]的tcs原始图片输入网络程序，进行裁剪转变为[512
×
512
×
3]的三维图像，然后输入生成器网络中分割并扩充，输出为[1
×
512
×
512
×
3]的四维图像信息，最后进行冗余维度压缩，得到程序网络输出为[512
×
512
×
3]的优化图片。4.根据权利要求3所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤2)中，对预处理后的优化图片进行归一化和旋转、裁剪增强处理。5.根据权利要求4所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤2)中，建立的分析黑质回声图像的模型采用relu激活函数实现非线性化，同时在生成网络中加入dropout层。6.根据权利要求5所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤3)中，若测试集预测图像与标注图像的相似度≥95％，则分析黑质回声图像的模型有效，模型建立完毕。7.根据权利要求6所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤4)中，将预测图像转化为灰度图像的公式如下：gray＝r
×
0.299 g
×
0.587 b
×
0.114式中，gray为灰度值，r取值为0
‑
255，g取值为0
‑
255，b取值为0
‑
255。8.根据权利要求7所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤4)中，将灰度图像转化为二值化图像的公式如下：
式中，x为像素坐标系的x轴数值，y为像素坐标系的y轴数值，thresh为设定的阈值数值。9.根据权利要求8所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤5)中，首先在感兴趣区域图像中提取轮廓，然后根据得到的多组点集的大小、自定义密度、几何位置特征参数将点集一一进行对比，提取出中脑内部的左右黑质高回声区域图像。10.根据权利要求1～9任一项所述的经颅超声的黑质高回声强度定量化分析方法，其特征在于：所述步骤7)中，黑质高回声总强度值由如下公式计算而得：黑质高回声总强度值＝(黑质高回声平均强度值/脚间池平均强度值)
×
黑质异常回声面积。

技术总结
本发明公开了一种经颅超声的黑质高回声强度定量化分析方法，包括如下步骤：1)获取患者的TCS原始图片和对应的临床医生判读后的标注图片，并随机分为训练集和测试集；2)对训练集深度学习对抗网络并进行网络训练，建立分析黑质回声图像的模型；3)采用测试集对分析黑质回声图像的模型进行验证；4)将待测患者生成的预测图像先转化为灰度图像，再转化为二值化图像；5)进行灰度值形态学分析，提取出中脑内部的左右黑质高回声区域图像；6)提取特征参数；7)计算得到黑质高回声总强度值。本发明经颅超声的黑质高回声强度定量化分析方法能够实现定量化判读和分析黑质高回声，使黑质回声变化更加直观，辅助临床医生提高对PD的识别和诊断能力。能力。能力。


技术研发人员：薛峥 高红铃 周晓 周聪 朱太龙
受保护的技术使用者：华中科技大学同济医学院附属同济医院
技术研发日：2021.07.16
技术公布日：2021/10/23