[发明专利]一种基于深度学习的急性腰椎骨折MRI图像分割系统

说明书

本发明公开了一种基于深度学习的急性腰椎骨折MRI图像分割系统，包括：T1模态数据输入模块，用于加载MRI图像的T1模态数据；T2模态数据输入模块，用于加载MRI图像的T2模态数据；双模态UNet模型，利用深度学习技术处理MRI图像的T1模态数据和T2模态数据，包括特征编码降采样、特征解码上采样和跳跃连接三个部分；双模态特征拼接模块，用于把T1模态数据的MRI图像经特征编码后的数据和T2模态数据的MRI图像经特征编码后的数据进行特征拼接；分割结果输出模块，用于输出腰椎骨折区域的分割结果。本发明利用深度学习技术处理急性腰椎骨折MRI图像的双模态数据，实现急性腰椎骨折区域的分割标记输出，提升了急性腰椎骨折的自动诊断能力。

技术领域

本发明涉及医学MRI图像分割的技术领域，尤其是指一种基于深度学习的急性腰椎骨折MRI图像分割系统。

背景技术

腰椎骨折是脊柱骨折中较常见的疾病，其中的急性腰椎骨折通常是受暴力压缩引起的，而且由于腰椎的椎管里容纳脊髓和马尾，所以腰椎骨折通常可能并发脊髓和马尾神经的损伤，因此是一种需要引起高度注意的病症。由于我国人口众多，人均医疗资源紧张，对于腰椎影像诊断的医生来说每天的工作量同样相当繁重，所以急需引进新的技术来实现急性腰椎骨折的自动检测。

在人工智能不断发展的今天，图像分割作为一种发展迅速且成熟的技术，完全可以在医学领域发挥更大的作用。同样，急性腰椎骨折迫切需要应用人工智能技术来实现骨折部分的自动检测，以此提高骨科医生的腰椎MRI影像解读效率，降低医生的工作强度。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于深度学习的急性腰椎骨折MRI图像分割系统，利用深度学习技术处理急性腰椎骨折MRI图像的双模态数据，实现急性腰椎骨折区域的分割标记输出，提升了急性腰椎骨折的自动诊断能力。

为实现上述目的，本发明所提供的技术方案为：一种基于深度学习的急性腰椎骨折MRI图像分割系统，包括：

T1模态数据输入模块，用于加载MRI图像的T1模态数据；

T2模态数据输入模块，用于加载MRI图像的T2模态数据；

双模态UNet模型，利用深度学习技术处理MRI图像的T1模态数据和T2模态数据，包括特征编码降采样、特征解码上采样和跳跃连接三个部分；特征编码降采样部分通过卷积和降采样来降低图像尺寸，提取浅层次的特征；特征解码上采样部分通过卷积和上采样来扩张图像尺寸，获取深层次的特征；跳跃连接部分用于实现特征编码降采样部分和特征解码上采样部分的特征融合；

双模态特征拼接模块，用于把T1模态数据的MRI图像经特征编码后的数据和T2模态数据的MRI图像经特征编码后的数据进行特征拼接；

分割结果输出模块，用于输出腰椎骨折区域的分割结果。