[发明专利]一种颅内动脉分割方法及系统

说明书

本发明涉及一种颅内动脉分割方法及系统。所述方法包括：获取待分割的三维时间飞跃磁共振血管图像；将待分割的三维时间飞跃磁共振血管图像输入颅内动脉分割模型得到待分割的三维时间飞跃磁共振血管图像中的颅内动脉图像；颅内动脉分割模型为对三维卷积神经网络模型进行训练得到的，三维卷积神经网络模型包括依次连接的第一卷积块模块和第二卷积块模块；第一卷积块模块包括多个依次连接的空洞卷积块，第二卷积块模块包括多个依次连接的三维卷积块单元，三维卷积块单元包括依次连接的三维卷积块和三维体素渲染神经网络模块。本发明可以提高颅内动脉分割的准确性。

技术领域

本发明涉及图像分割技术领域，特别是涉及一种颅内动脉分割方法及系统。

背景技术

颅内动脉狭窄是导致缺血性脑卒中发生的重要诱因，如果不及时发现并进行治疗可能会导致严重的神经系统后遗症并且致命。当前的颅内动脉筛查主要是医生通过磁共振成像(Magnetic Resonance Imaging，MRI)显示器观察血管各个角度的最大信号投影图(Maximum intensity projection，MIP)，以进一步对患者的颅内动脉狭窄情况进行筛查。在临床上，三维时间飞跃磁共振血管图像(Three Dimensional Time of Flight MagneticResonance Angiography，3D TOF MRA)存在不需要注射造影剂的优势，所以被广泛用作颅内动脉的筛查。

但是，现有的深度学习分割模型对3D TOF MRA采用逐层对血管区域进行预测，没有利用到上下文信息，一定程度上限制了颅内动脉分割的效果，导致分割得到的结果并不精确。

发明内容

本发明的目的是提供一种颅内动脉分割方法及系统，以提高颅内动脉分割的准确性。

为实现上述目的，本发明提供了如下方案：

一种颅内动脉分割方法，包括：

获取待分割的三维时间飞跃磁共振血管图像；

将所述待分割的三维时间飞跃磁共振血管图像输入颅内动脉分割模型得到所述待分割的三维时间飞跃磁共振血管图像中的颅内动脉图像；所述颅内动脉分割模型为对三维卷积神经网络模型进行训练得到的，所述三维卷积神经网络模型包括依次连接的第一卷积块模块和第二卷积块模块；所述第一卷积块模块包括多个依次连接的空洞卷积块，所述第二卷积块模块包括多个依次连接的三维卷积块单元，所述三维卷积块单元包括依次连接的三维卷积块和三维体素渲染神经网络模块。

可选的，在所述将所述待分割的三维时间飞跃磁共振血管图像输入颅内动脉分割模型得到所述待分割的三维时间飞跃磁共振血管图像中的颅内动脉图像，之前还包括：

对所述三维时间飞跃磁共振血管图像进行重采样得到重采样图像；

对所述重采样图像进行固定阈值门限分割得到二值图像；

对所述二值图像进行凸包检测得到前景掩膜图像；

对所述前景掩膜图像进行处理得到感兴趣区域。

可选的，所述第一卷积块模块，具体包括：

四个依次连接的空洞卷积块，各所述空洞卷积块均包括依次连接的空洞卷积层模块和最大池化层。

可选的，所述颅内动脉分割模型的确定方法为：

构建三维卷积神经网络模型；

获取待训练的三维时间飞跃磁共振血管图像；

以所述待训练的三维时间飞跃磁共振血管图像为输入，以所述待训练的三维时间飞跃磁共振血管图像中的颅内动脉图像为输出采用反向传播算法和梯度下降算法对所述三维卷积神经网络模型进行训练得到颅内动脉分割模型。