[发明专利]一种基于自编码器的核磁共振图像处理装置与方法有效

专利信息
申请号: 201710283992.7 申请日: 2017-04-26
公开(公告)号: CN107067396B 公开(公告)日: 2021-11-16
发明(设计)人: 张熙;周波;郭艳娥;冯枫;安宁豫;姚洪祥;罗亚川;樊茂华;赵思远 申请(专利权)人: 中国人民解放军总医院;北京华诚兴业软件开发有限责任公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10;G06T7/33;G06T7/41;G06K9/62
代理公司: 北京慧诚智道知识产权代理事务所(特殊普通合伙) 11539 代理人: 李楠
地址: 100853*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 编码器 核磁共振 图像 处理 装置 方法
【权利要求书】:

1.一种基于自编码器的核磁共振图像处理装置,该装置包括,用于存储图像预处理的程序、人工智能的深度学习的程序和头颅的核磁共振成像的图像数据的存储介质,利用人工智能的深度学习对头颅的核磁共振成像的图像数据进行处理和分析的计算机主机或计算机集群,用于显示图像预处理的程序、人工智能的深度学习的程序、各种头颅的核磁共振成像的图像数据和各种程序的运行过程和运行结果的显示装置,

其特征在于:上述装置能够实现对任意给定的数量的正常老年组、遗忘型轻度认知损害和阿尔兹海默病的受试者的三维的头颅的核磁共振成像的图像数据的经过图像分割得到的海马体的亚结构的任意给定的数量的二维切片实现人工智能的深度学习的自编码器的监督学习,根据上述的对任意给定的数量的正常老年组、遗忘型轻度认知损害和阿尔兹海默病的受试者的三维的头颅的核磁共振成像的图像数据的二维切片进行人工智能的深度学习的自编码器的监督学习所得到的深度学习的神经网络模型,利用任意给定的数量的待识别的受试者的三维的头颅的核磁共振成像的图像数据的任意给定的数量的二维切片对上述的待识别的受试者进行正常老年组、遗忘型轻度认知损害和阿尔兹海默病的三分类的区分识别;

其中,神经网络模型是二维自编码器的模型,利用人工智能的深度学习的二维自编码器实现基于海马体的海马头、海马伞、CA1、CA2、CA3、CA4/齿状回和海马尾的形态学特征的深度学习的计算机辅助识别和/或利用人工智能的深度学习的二维自编码器实现基于海马体的海马头、海马伞、CA1、CA2、CA3、CA4/齿状回和海马尾的纹理特征的深度学习的计算机辅助识别;

基于海马体的海马头、海马伞、CA1、CA2、CA3、CA4/齿状回和海马尾的形态学特征的人工智能的深度学习的辅助识别是指:从每一位受试者的海马头、海马伞、CA1、CA2、CA3、CA4/齿状回和海马尾的核磁共振成像的三维体素的图像中选取与冠状面、矢状面和水平面平行的指定数量和指定间距的以体素的尺寸大小为厚度的二维切片,上述的体素的尺寸大小可以根据核磁共振成像的图像的质量任意地设定,对上述的训练集,给每个来源于正常老年组的受试者的所有的上述二维切片标记上正常老年组的标签,给每个来源于在临床上确诊为遗忘型轻度认知损害的受试者的所有的上述二维切片标记上在临床上确诊为遗忘型轻度认知损害的标签,给每个来源于在临床上确诊为阿尔兹海默病的受试者的所有的上述二维切片标记上在临床上确诊为阿尔兹海默病的标签,将上述的每个二维切片划分为大小相同的互相不重叠的多个区域,将以每个区域的灰度的强度的数值为基础的反映该区域的图像信息的特征做为人工智能的深度学习的二维自编码器的输入,利用上述的人工智能的深度学习的二维自编码器对所有的上述的受试者的上述的二维切片的形态学特征进行识别,根据对上述形态学特征的识别得到针对上述的二维切片的对正常老年组、在临床上确诊为遗忘型轻度认知损害和在临床上确诊为阿尔兹海默病的三种情况进行三分类的区分识别,使用上述的针对上述的二维切片的对正常老年组、在临床上确诊为遗忘型轻度认知损害和在临床上确诊为阿尔兹海默病的三种情况进行三分类的区分识别对上述的验证集进行验证,在验证中调整上述二维自编码器的结构和有关的参数;

基于海马头、海马伞、CA1、CA2、CA3、CA4/齿状回和海马尾的全脑的纹理特征的人工智能的深度学习的辅助识别是指:从每一位受试者的海马头、海马伞、CA1、CA2、CA3、CA4/齿状回和海马尾的核磁共振成像的三维体素的图像中选取与冠状面、矢状面或水平面平行的指定数量的二维切片组,每一个二维切片组具有给定数量的与冠状面、矢状面或水平面平行的连续相邻的以体素的尺寸大小为厚度的二维切片,相互平行的相邻的两层二维切片是指两个相互平行的二维切片中的除边缘区域以外的任何一层二维切片的任何一个体素与这两个相互平行的二维切片的另一层二维切片的一个体素是相邻的,就是说,相互平行的相邻的两层二维切片是指这两层二维切片之间没有别的体素,对在上述的每一个二维切片组的中间的一层的二维切片的不包括边缘的3个到9个体素的所有的体素进行纹理特征的提取,上述的纹理特征的提取是根据相邻的体素的灰度的强度值的数值在不同的方向上的变化来实现的,将上述的每一个二维切片组的中间的一层的二维切片的除边缘的3到6个体素以外的所有的体素的纹理特征作为二维自编码器的输入,利用人工智能的深度学习的二维自编码器对所有的上述的受试者的上述二维切片组的纹理特征进行识别,根据对上述纹理特征的识别得到针对上述的二维切片阻的对正常老年组、在临床上确诊为遗忘型轻度认知损害和在临床上确诊为阿尔兹海默病的三种情况进行三分类的区分识别,使用上述的针对上述的二维切片组的对正常老年组、在临床上确诊为遗忘型轻度认知损害和在临床上确诊为阿尔兹海默病的三种情况进行三分类的区分识别对上述的验证集进行验证,在验证中调整上述二维自编码器的结构与有关的参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军总医院;北京华诚兴业软件开发有限责任公司,未经中国人民解放军总医院;北京华诚兴业软件开发有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710283992.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top