[发明专利]基于三维全卷积神经网络的MRI皮质下分区系统

权利要求书

1.一种基于三维全卷积神经网络的MRI皮质下分区系统，其特征在于：包括训练模块、卷积前处理模块、FCNN模块以及卷积后处理模块，所述训练模块和卷积前处理模块均与FCNN模块连接，FCNN模块与卷积后处理模块连接，其中，

所述训练模块：使用反向传播计算，对输入的训练集进行训练，训练的图像首先经过正向传播途径，经过激活函数运算得到一个值，再由这个值进行链式求导求得上一层的权重，经过多层的迭代，链式求导得到各层的权重，使用训练集完成训练之后，得到一系列适用于大脑皮质下分区的权重至FCNN模块；

所述卷积前处理模块：包含灰度均一化模块、非均匀场校正模块以及颅骨去除模块，用于对图像进行对应的灰度均一化、非均匀场校正以及颅骨剥离预处理；

所述FCNN模块：用于对预处理后的图像行识别，经过9层卷积层、3层全连接层以及最后的分类层后，得到九张密度分布图；

所述卷积后处理模块：用于对九张密度图中隔离小分区的处理并对九张密度图进行融合，得到的一张效果图。

2.根据权利要求1所述的基于三维全卷积神经网络的MRI皮质下分区系统，其特征在于：在训练模块进行训练之前，需要预设定各层的权重，对预设定的权重进行计算，方法是对于每一层的权重，nl代表该层对于各个单位的连接数，而在该层的权重则设定为符合方差为的高斯分布的一系列值。

3.根据权利要求1所述的基于三维全卷积神经网络的MRI皮质下分区系统，其特征在于：所述训练模块在训练之前，需要设定多个参数，包括每次训练的图像数量、迭代次数、整个训练集进行训练的次数、学习动量、初始学习率，根据设定的参数，训练模块对输入的训练集进行训练。

4.根据权利要求1所述的基于三维全卷积神经网络的MRI皮质下分区系统，其特征在于：所述灰度均一化模块用于对图像像素亮度分布不平衡的处理，使像素的灰度值分布在0-255之间。

5.根据权利要求1所述的基于三维全卷积神经网络的MRI皮质下分区系统，其特征在于：所述非均匀场校正模块使用曲面拟合方法，对图片的像素点进行分类，然后提取图像中所有像素点中反映非均匀场变化趋势的像素点，求得非均匀场曲面拟合的参数，然后利用这些像素点对整个曲面进行拟合，从而完成校正。

6.根据权利要求1所述的基于三维全卷积神经网络的MRI皮质下分区系统，其特征在于：所述颅骨去除模块利用边缘检测算子检测颅骨边缘，并利用边缘连接算子连接边缘实现自动分割，去除图像中的颅骨，降低图像大小和计算量。