[发明专利]一种识别MRI图像感兴趣区域的方法及装置

说明书

本发明实施例公开了一种识别MRI图像感兴趣区域的方法及装置，该方法包括：通过已标注感兴趣区域的MRI图像，对3D卷积神经网络进行训练，得到识别感兴趣区域准确率较高的3D卷积神经网络，然后通过训练得到的3D卷积神经网络对待识别的多模态MRI图像进行感兴趣区域的分割，得到感兴趣区域，并计算该感兴趣区域的体积、扩张方向和最大径。其中，待识别的多模态MRI图像是对齐的不同序列的MRI图像的集合。通过本实施例的方法，不仅可以自动、高效的得到表示病灶的感兴趣区域，而且识别的准确率更高，除此之外，还可以自动的计算出病灶的体积大小、扩张方向和最大径，进而帮助医生对病情进行更准确的判断结果。

技术领域

本发明涉及医学图像处理的领域，尤其涉及一种识别MRI图像感兴趣区域的方法及装置。

背景技术

随着数字医疗技术的发展，医学图像在医学诊断过程中的作用越来越明显，逐渐成为医生观察人体病变的主要工具。在对病情进行诊断时，一般是医生根据经验人为的从医学图像中查找表示病灶的感兴趣区域。

MRI(英文全称：Magnetic Resonance Imaging，中文全称：核磁共振成像)图像是常用的医学图像之一，MRI成像是断层成像的一种，它利用磁共振现象从人体中获得电磁信号,并重建出人体信息，从而得到MRI图像。它可以直接作出横断面、矢状面、冠状面和各种斜面的体层图像，不会产生CT检测中的伪影；不需注射造影剂；无电离辐射，对机体没有不良影响。MRI对检测脑内血肿、脑外血肿、脑肿瘤、颅内动脉瘤、动静脉血管畸形、脑缺血、椎管内肿瘤、脊髓空洞症和脊髓积水等颅脑常见疾病非常有效。

但是，MRI图像与其它的医学图像不同，是一种多序列的图像，每个序列通过不同的方法成像，表示不同的图像特征，例如：T1序列突出组织T1驰豫差别，是观察解剖结构较好的序列；T2序列突出组织T2驰豫差别，是观察病变较好的时序；T1FLAIR序列常用于对CSF抑制。医生在通过MRI图像诊断病情时，需要根据多个时序的图像去诊断，不仅增加了医生的工作量，而且对医生的专业性也有很高的要求，很容易出现漏检的情况。

发明内容

有鉴于此，本发明实施例提供了一种识别MRI图像感兴趣区域的方法及装置，不仅可以自动、高效的得到表示病灶的感兴趣区域，而且识别的准确率更高，除此之外，还可以自动的计算出病灶的体积大小、扩张方向和最大径，进而帮助医生对病情进行更准确的判断结果。

本发明提供的一种识别MRI图像感兴趣区域的方法，该方法包括：

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。

可选的，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。