一种基于深度学习的全脑结构体积测量方法及系统与流程

技术特征：
1.一种基于深度学习的全脑结构体积测量方法，其特征在于，包括：a、获取待测量的患者的全脑结构图像数据；b、将所述待测量的患者的全脑结构图像数据进行预处理，将所述待测量的患者的全脑结构图像数据由原始空间映射到mni标准空间；c、将映射到mni标准空间中的全脑结构图像数据划分为各个预设子区域；d、将所述各个预设子区域的全脑结构图像数据分别输入至与各个所述预设子区域分别对应的训练好的各个网络分割模型中，并获取各个分割结果；e、采用多标签融合方法对所述各个分割结果进行融合处理，并将融合处理后的分割结果映射回原始空间；f、基于所述分割结果计算全脑结构的体积。2.根据权利要求1所述的方法，其特征在于，所述多标签融合的算法公式为：其中，{0,1,
…
,l-1}表示体素i(i∈{1,2,...,n})的l个可能的标签，如果s
mni
(i)＝l，p(l|s
m
,i)＝1，否则p(l|s
m
,i)＝0。3.根据权利要求1所述的方法，其特征在于，步骤b，包括：通过开源配准工具将患者的全脑结构图像数据由原始空间配准映射到mni标准空间；通过偏置场矫正工具矫正处理映射到mni标准空间的图像数据；将映射到mni标准空间的图像数据进行强度归一化处理。4.根据权利要求3所述的方法，其特征在于，所述网络分割模型的构建方法为：s1、获取指定数量的患者的全脑结构图像数据；s2、对s1中的所述全脑结构图像数据进行预处理；将其由原始空间映射到mni标准空间；s3、将s2中的mni标准空间划分为各个预设子区域，并分别通过各个独立的卷积神经网络作为分割网络分别对于各个所述预设子区域进行独立训练，以获取各个训练后的网络分割模型。5.根据权利要求4所述的方法，其特征在于，所述训练的过程中使用的损失函数为：diceloss＝1-dice其中，其中，x表示网络分割结果，y为标签。|x|和|y|分别表示分割的体素数量，|x∩y|表示两图像数据重合部分的体素数量。6.一种基于深度学习的全脑结构体积的测量系统，其特征在于，包括：获取模块，用于获取待测量的患者的全脑结构图像数据；预处理模块，用于将所述待测量的患者的全脑结构图像数据进行预处理，将所述待测量的患者的全脑结构图像数据由原始空间映射到mni标准空间；子区域划分模块，用于将映射到mni标准空间中的全脑结构图像数据划分为各个预设
子区域；分割模块，用于将所述各个预设子区域的全脑结构图像数据分别输入至与各个所述预设子区域分别对应的训练好的各个网络分割模型中，并获取各个分割结果；融合模块，用于采用多标签融合方法对所述各个分割结果进行融合处理，并将融合处理后的分割结果映射回原始空间；体积计算模块，用于基于所述分割结果计算全脑结构的体积。7.根据权利要求6所述的系统，其特征在于，所述融合模块的多标签融合的算法公式为：其中，{0,1,
…
,l-1}表示体素i(i∈{1,2,...,n})的l个可能的标签，如果s
mni
(i)＝l，p(l|s
m
,i)＝1，否则p(l|s
m
,i)＝0。8.根据权利要求6所述的系统，其特征在于，所述预处理模块，包括：配准子模块，用于通过开源配准工具将患者的全脑结构图像数据由原始空间配准映射到mni标准空间；矫正子模块，用于通过偏置场矫正工具矫正处理映射到mni标准空间的图像数据；归一化模块，用于将映射到mni标准空间的图像数据进行强度归一化处理。9.根据权利要求6所述的系统，其特征在于，还包括：模型构建模块，用于：获取指定数量的患者的全脑结构图像数据；对该全脑结构图像数据进行预处理；将其由原始空间映射到mni标准空间；将该mni标准空间划分为各个预设子区域，并分别通过各个独立的卷积神经网络作为分割网络分别对于各个所述预设子区域进行独立训练，以获取各个训练后的网络分割模型。10.根据权利要求9所述的系统，其特征在于，模型构建模块在训练的过程中使用的损失函数为：diceloss＝1-dice其中，其中，x表示网络分割结果，y为标签。|x|和|y|分别表示分割的体素数量，|x∩y|表示两图像数据重合部分的体素数量。

技术总结
本发明提供了一种基于深度学习的全脑结构体积测量方法及系统，包括：A、获取待测量的患者的全脑结构图像数据；B、将所述待测量的患者的全脑结构图像数据进行预处理，将所述待测量的患者的全脑结构图像数据由原始空间映射到MNI标准空间；C、将映射到MNI标准空间中的全脑结构图像数据划分为各个预设子区域；D、将所述各个预设子区域的全脑结构图像数据分别输入至与各个所述预设子区域分别对应的训练好的各个网络分割模型中，并获取各个分割结果；E、采用多标签融合方法对所述各个分割结果进行融合处理，并将融合处理后的分割结果映射回原始空间；F、基于所述分割结果计算全脑结构的体积。本申请有利于快速有效地获取全脑结构体积测量结果。积测量结果。积测量结果。


技术研发人员：马学升 崔德琪 刘伟奇
受保护的技术使用者：同心医联科技（北京）有限公司
技术研发日：2020.04.16
技术公布日：2021/11/4