[发明专利]一种基于卷积神经网络的颅内动脉瘤检测方法及系统

说明书

本发明属于医学图像处理领域，公开了一种基于卷积神经网络的颅内动脉瘤检测方法及系统，其中检测方法是基于三维时间飞跃磁共振血管成像图像(3D Time‑of‑Flight MR Angiography,3D TOF MRA)，先对血管进行提取，接着沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域(Region of Interest,ROI)，对每个感兴趣区域ROI进行多个方向上的最大密度投影，得到最大密度投影图(Maximal Intensity Projection,MIP)；通过将MIP图作为输入并使用经过训练的卷积神经网络对MIP图进行分类，得到的分类结果反映ROI中是否包含动脉瘤，进而判断待检测对象是否存在颅内动脉瘤。本发明通过对方法整体流程处理、及相应系统装置中各个功能模块组件的设置方式进行改进，使检测方法及系统具有较高的分类准确率和敏感度。

技术领域

本发明属于医学图像处理领域，更具体地，涉及一种基于卷积神经网络的颅内动脉瘤检测方法及系统。

背景技术

颅内动脉瘤是脑血管病的典型病症，破裂之后通常导致严重的神经系统后遗症并且可能致命。在临床上，三维时间飞跃磁共振血管成像已被广泛用作脑动脉瘤的筛查方法。然而，在三维时间飞跃磁共振血管成像图像中通过观察检测未破裂的颅内动脉瘤对于放射科医生来说比较困难。

医生在临床上诊断颅内动脉瘤时，通过磁共振成像(Magnetic ResonanceImaging，MRI)显示器能够观察血管各个角度的MIP图，以确定血管是否真的存在颅内动脉瘤。然而医生的疲劳会导致潜在的漏诊风险，会进一步降低放射科医生的敏感性，这是一个相当严重的问题。因此，实现脑部磁共振血管成像图像中的颅内动脉瘤的检测以及自动提取对医生进行脑部肿瘤临床诊断和治疗具有重要意义。

发明内容

针对现有技术中存在医生由图像诊断颅内动脉瘤工作量较大且敏感度较低等问题，本发明的目的在于提供一种基于卷积神经网络的颅内动脉瘤检测方法及系统，通过对方法整体流程处理、及相应系统装置中各个功能模块组件的设置方式进行改进，基于三维时间飞跃磁共振血管成像数据，先对血管进行提取，接着以血管中心线为滑动路线，滑动选取立方体体素块作为感兴趣区域ROI，对立方体体素块进行多个方向上的最大密度投影，得到MIP图；通过将MIP图引入到动脉瘤的识别中，即，将MIP图作为输入并使用训练好的卷积神经网络对MIP图进行分类，得到的分类结果即可反映感兴趣区域ROI立方体体素块中是否包含有动脉瘤，进而判断待检测对象是否存在颅内动脉瘤，该检测方法及系统具有较高的分类准确率和敏感度。另外，本发明通过对训练集所使用的训练用正负样本进行扩展，有效解决了医学数据少的问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，包括以下步骤：

(1)准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；

(2)基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，然后在该三维数据中提取血管对应的区域；

(3)在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI；

(4)根据最大密度投影原理对每个感兴趣区域ROI进行投影，生成得到与该感兴趣区域ROI相对应的MIP图，用于作为网络的输入；

(5)将所述步骤(4)得到的基于感兴趣区域ROI生成的MIP图作为输入，输入到经过训练的卷积神经网络中进行分类，从而判定与所述MIP图对应的感兴趣区域ROI是否存在颅内动脉瘤；若存在某个所述MIP图被判定为存在颅内动脉瘤，则所述待检测对象存在颅内动脉瘤。

按照本发明的另一方面，本发明提供了一种基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，包括以下步骤：