[发明专利]脑卒中早期评估方法与系统及脑部区域分割方法

说明书

一种脑卒中早期评估系统，用于脑卒中早期评估，其包括预处理模块，用于对获取的脑医学图像数据集进行预处理；脑分区模块，用于基于经预处理的脑医学图像数据集进行脑部区域分割，该脑分区模块包括图像分割神经网络，该图像分割神经网络由自编码器辅助进行训练；评分模块，用于基于脑分区模块获得的脑分区图像进行评分。本发明可提高脑分区图像的分割精度及脑卒中早期评估的准确性。

技术领域

本发明涉及医学影像，尤其是涉及脑卒中早期评估方法与系统及脑部区域分割方法。

背景技术

脑卒中是目前导致死亡的主要疾病之一，其中急性缺血性卒中(Acute IschemicStroke)是由于各种原因导致的脑组织血液供应障碍，进而造成的一种脑功能损伤，是脑卒中的主要类型，约占全部卒中类型的60％到80％。对脑缺血患者在发病早期给予积极的治疗，能阻止脑缺血的进一步发展，可以减轻脑损害及避免大脑组织不可逆性坏死所可能引发的死亡。临床应用中脑卒中早期评估方法可以采用ASPECT(Alberta Stroke ProgramEarly CT Score)评分，其为医生提供量化的病情信息以帮助进一步制定有效的治疗方案。ASPECTS依据头颅CT影像数据或其他模态影像数据，将大脑中动脉供血的重要层面分成10个区域，包括位于核团层面的尾状核头(C)、豆状核(L)、内囊后肢(IC)、岛带(I)、M1(大脑中动脉前皮质区)、M2(大脑中动脉岛叶外侧皮质区)、M3(大脑中动脉后皮质区)，以及位于核团以上层面(核团上层)的M4(M1上方的大脑中动脉皮层)、M5(M2上方的大脑中动脉皮层)和M6(M3上方的大脑中动脉皮层)。上述10个区域具有相同的权重，各占1分，总分为10分。总分中减去存在早期缺血性改变的区域数，所得的数值作为评分结果，为病情判断并治疗提供依据。

一种ASPECTS评分方法是基于医生肉眼进行判断，但由于不同影像设备、不同技术人员、不同病人状况等因素的存在，不能保证头颅CT影像数据的一致性，主观性带来的差异较大。另一种ASPECTS评分方法是基于模板配准，该方法通过将获取脑部CT图像和对应的ASPECT脑部分区模板图像进行配准，并将所述ASPECT脑部分区模板图像标记出的各个分区映射到与其配准的脑部CT图像中，获得所述脑部CT图像中的多个ASPECT脑部分区。基于模板配准的ASPECTS评分方法方法存在以下不足如：(1)配准算法在寻找两个相似区域时，如果源图像噪声较大，会导致匹配失准；(2)不同设备之间产生的图像数据分布差异大，基于模板的配准方法难以适用于不同设备来源的数据；(3)针对病例脑部结构跟标准的模板结构差异性大的病例，基于模板的配准算法难以达到准确的评分。

因此，需要一种脑卒中早期评估方法与系统及相应的脑部区域分割方法，能够减少医疗人员的依据经验判断所引入的主观差异及并能够提高准确度。

发明内容

在本发明的一个方面，提供一种基于医学图像的脑卒中早期评估系统，其包括：预处理模块，用于对获取的脑医学图像进行预处理；脑分区模块，用于对经过预处理的脑医学图像进行脑部区域分割，该脑分区模块包括图像分割神经网络，该图像分割神经网络由自编码器辅助进行训练；评分模块，用于基于脑分区模块获得的脑分区图像进行评分。

本发明的一个方面，脑卒中早期评估系统中图像分割神经网络包括Dense V-net神经网络、U-Net神经网络或V-Net神经网络。

本发明的一个方面，脑卒中早期评估系统中，自编码器包括变分自编码器。

本发明的一个方面，脑卒中早期评估系统中，自编码器连接至图像分割神经网络的降采样支路。

本发明的一个方面，脑卒中早期评估系统中，图像分割神经网络训练的损失函数包括KL散度损失函数和Dice系数损失函数，其中，KL散度损失函数对应自编码器的损失函数，Dice系数损失函数对应图像分割神经网络的损失函数。