[发明专利]脑标识提取方法、装置、计算机设备和存储介质

权利要求书

1.一种脑标识提取方法，其特征在于，所述方法包括：

将目标主体的脑部磁共振图像输入至预设的神经网络模型中，得到所述脑部磁共振图像的不同类型的标识概率图；所述不同类型的标识概率图包括点标识概率图、面标识概率图和区域标识概率图；所述不同类型的标识概率图分别通过所述神经网络模型中的不同任务分支网络层输出；

根据所述点标识概率图，确定所述目标主体脑部的点标识；根据所述面标识概率图确定所述目标主体脑部的面标识；根据所述区域标识概率图确定所述目标主体脑部的区域标识；

根据所述点标识和所述面标识构建脑部坐标系；

根据所述点标识、所述面标识、所述区域标识和所述脑部坐标系中的一种或多种信息，确定所述目标主体脑部的其他标识。

2.根据权利要求1所述的方法，其特征在于，所述点标识概率图包括前连合概率图和后连合概率图，所述点标识包括前连合标志点和后连合标志点；

所述根据所述点标识概率图，确定所述目标主体脑部的点标识，包括：

将所述前连合概率图中最大概率值对应的像素点确定为所述前连合标志点；将所述后连合概率图中最大概率值对应的像素点确定为所述后连合标志点。

3.根据权利要求1所述的方法，其特征在于，所述面标识概率图包括中矢面概率图，所述面标识包括中矢面；

所述根据所述面标识概率图确定所述目标主体脑部的面标识，包括：

通过预设的算法，对从所述中矢面概率图中提取的中矢面平面点集进行拟合，得到所述中矢面；所述中矢面平面点集为所述中矢面概率图中概率大于预设阈值的像素点集合。

4.根据权利要求1所述的方法，其特征在于，所述区域标识概率图包括脑实质分割区域概率图，所述区域标识包括脑实质分割区域；

所述根据所述区域标识概率图确定所述目标主体脑部的区域标识，包括：

通过预设的阈值，将所述脑实质分割区域概率图生成脑实质分割二值掩膜图像；

根据所述脑实质分割二值掩膜图像确定所述脑实质分割区域。

5.根据权利要求4所述的方法，其特征在于，所述其他标识包括大脑皮层标志点；

所述根据所述点标识、所述面标识、所述区域标识和所述脑部坐标系中的一种或多种信息，确定所述目标主体脑部的其他标识，包括：

根据所述脑实质分割区域确定大脑皮层轮廓；

通过计算所述大脑皮层轮廓上所有像素点中，在脑部坐标系中三个坐标轴方向上的最大值点和最小值点，确定所述大脑皮层标志点。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述神经网络模型包括共享网络层和不同类型标识任务的分支网络层；

所述神经网络模型的训练过程包括：

获取各所述标识任务的训练样本集和各所述标识任务的金标准图像；

将各所述标识任务的训练样本集输入至初始神经网络模型的共享网络层提取特征后，分别输入各所述标识任务的分支网络层，对应得到各所述标识任务的预测概率图；

根据各所述标识任务的预测概率图和各所述标识任务的金标准图像，确定预设的目标损失函数的值；

根据所述目标损失函数的值调整所述初始神经网络模型的参数，直至所述目标损失函数的值的变化幅度小于预设值，得到所述神经网络模型。

7.根据权利要求6所述的方法，其特征在于，所述不同类型标识任务包括点标识任务、面标识任务和区域标识任务；

所述根据各所述标识任务的预测概率图和各所述标识任务的金标准图像，确定预设的目标损失函数的值，包括：

根据所述点标识任务的预测概率图与所述点标识任务的金标准图像，确定所述点标识任务预设的第一损失函数的值；

根据所述面标识任务的预测概率图与所述面标识任务的金标准图像，确定所述面标识任务预设的第二损失函数的值；

根据所述区域标识任务的预测概率图与所述区域标识任务的金标准图像，确定所述区域标识任务预设的第三损失函数的值；

对所述第一损失函数的值、所述第二损失函数的值和所述第三损失函数的值进行加权求和，得到所述目标损失函数的值。