[发明专利]一种识别MRI图像感兴趣区域的方法及装置

权利要求书

1.一种识别MRI图像感兴趣区域的方法，其特征在于，包括：

获取多个不同序列的MRI图像；

依据预设的方法将所述多个不同序列的MRI图像对齐，得到待识别的多模态MRI图像；

通过已训练的3D卷积神经网络，识别待识别的多模态MRI图像中属于感兴趣区域的体素点；所述3D卷积神经网络是使用反向传播算法以及交叉熵损失对所述3D卷积神经网络中预设的参数进行调整，直到训练次数达到预设的阈值；其中，所述交叉熵损失是通过3D卷积神经网络对已标注感兴趣区域的MRI图像进行识别，得到预测的感兴趣区域，并将预测的感兴趣区域和已标注的感兴趣区域进行比对得到的；

将所述属于感兴趣区域的体素点中相关联的体素点连通，得到至少一个连通的感兴趣区域。

2.根据权利要求1所述的方法，其特征在于，所述依据预设的方法将所述多个不同序列的MRI图像对齐，得到待识别的多模态MRI图像，包括：

在所述多个不同序列的MRI图像中的每个序列的目标中选取一个参照点；

计算所述每个序列的MRI图像中各个体素与自身的参照点的相对坐标；

依据得到的相对坐标，计算每个序列的中心点；

将每一个序列中心点对齐，得到待识别的多模态MRI图像。

3.根据权利要求1所述的方法，其特征在于，所述通过已训练的3D卷积神经网络，识别待识别的多模态MRI图像中属于感兴趣区域的体素点，包括：

将所述待识别的多模态MRI图像输入到所述已训练的3D卷积神经网络中；

利用所述已训练的3D卷积神经网络对待识别的多模态MRI图像中的所有体素点进行分类，识别出所述待识别的多模态MRI图像中属于感兴趣区域的体素点。

4.根据权利要求1所述的方法，其特征在于，还包括：

根据所述属于感兴趣区域的体素点的个数，计算所述感兴趣区域的体积；

计算所述待识别的多模态MRI图像中每一层的感兴趣区域的面积，并获取面积最大的感兴趣区域；

从所述面积最大的感兴趣区域中确定多个关键点；

计算所述多个关键点中任意两个关键点之间的距离，并选取出距离最远的两个关键点；

将所述距离最远的两个关键点之间的距离作为最大径，将所述距离最远的两个关键点之间的方向作为最大扩张方向。

5.根据权利要求1所述的方法，其特征在于，

所述3D卷积神经网络的训练过程包括：

将当前训练次数确定为1；

判断所述当前训练次数是否大于预设的阈值；

若所述当前训练次数不大于预设的阈值，获取已标注感兴趣区域的MRI图像；所述已标注感兴趣区域的MRI图像是根据预设的方法将不同序列的MRI图像经过对齐以及标注感兴趣区域后得到的；

利用3D卷积神经网络，依据所述3D卷积神经网络中预设的参数，对所述标注了感兴趣区域的MRI图像进行层级化函数处理，得到预测的感兴趣区域；

将所述预测的感兴趣区域和已标注的感兴趣区域进行比对，得到交叉熵损失；

根据所述交叉熵损失和反向传播算法，调整所述预设的参数；

将所述当前训练次数加1，并返回执行判断所述当前训练次数是否大于预设的阈值；

若所述当前训练次数大于预设的阈值，得到训练好的3D卷积神经网络。

6.根据权利要求5所述的方法，其特征在于，所述获取已标注感兴趣区域的MRI图像，包括：

获取多个不同序列的MRI图像；

依据预设的参照点将所述多个不同序列的MRI图像对齐，得到多模态MRI图像；

从所述多模态MRI图像中标注出敏感区域，得到已标注敏感区域的MRI图像；

从所述已标注敏感区域的MRI图像中标注出感兴趣区域，得到已标注感兴趣区域的MRI图像。