急性缺血性脑卒中病灶自动分割方法、系统、终端及介质技术方案

本发明专利技术公开了急性缺血性脑卒中病灶自动分割方法，包括：头颅CT图像配准；剔除颅骨，获得脑实质三维掩膜；对脑实质三维掩膜用PCA特征降维进行椭圆拟合，得到正中矢状面数据；计算大脑的左右侧对称参数图；对正中矢状面数据设置不同的窗宽窗位，得到多级窗宽窗位的影像数据；标注训练数据；训练分割卷积神经网络模型；将测试数据输入训练好的分割模型中分割，得到对应体素的脑实质、脑脊液和卒中病灶分割概率图，对应的二维图像是否存在卒中病灶的预测概率；根据预测概率的不同输出不同的分割结果。方法结合大脑解剖先验知识进行多任务训练，提高了卷积神经网络在NCCT卒中病灶自动分割方法的性能，能准确分割出急性缺血性卒中病灶。

【技术实现步骤摘要】
急性缺血性脑卒中病灶自动分割方法、系统、终端及介质
本专利技术涉及数据处理
，具体涉及一种急性缺血性脑卒中病灶自动分割方法、系统、终端及介质。
技术介绍
“脑卒中”(cerebralstroke)是一种急性脑血管疾病，是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，包括缺血性和出血性卒中。2018年，中国卒中死亡率为149.49/10万，占我国居民总死亡率的22.3％，已成为造成过早死亡和疾病负担的首位原因。卒中住院患者平均年龄为66岁，其最主要的类型脑梗死、脑出血和蛛网膜下腔出血占比分别为81.9％、14.9％和3.2％。急性缺血性脑卒中(急性脑梗死)是最常见的卒中类型，占我国脑卒中的69.6％～70.9％。目前对于急性期的时间划分尚不统一，一般指发病后2周内，轻型1周内，重型1个月内。我国住院急性缺血性脑卒中患者发病后1个月内病死率约为2.3％～3.2％，3个月病死率9％～9.6％，致死/残疾率为34.5％～37.1％，1年病死率14.4％～15.4％，致死/致残率33.4％～33.8％。急诊平扫CT(NCCT)可准确识别绝大所数颅内出血，并帮助鉴别非血管性病变(如脑肿瘤)，是疑似脑卒中患者首选的影像学检查方法，亦是用于是用于中风病灶体积评估的最常见的影像学检查方法。但是，依靠影像医生进行手动病变分割，存在耗时过长，主观差异大等缺点。现有的半自动病变分割工具，需要人机互动，这可能会产生偏差。深度卷积神经网络(CNN)在医学成像中的各种分割任务中表现出了卓越的性能，这是因为它们能够学习数据中的复杂模式和关系。现有CNN分割卒中病灶的研究中，大多只考虑了三维空间结构信息的添加，缺乏对NCCT影像与卒中的相关先验知识的利用。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种急性缺血性脑卒中病灶自动分割方法、系统、终端及介质，结合大脑解剖先验知识进行多任务训练，提高了卷积神经网络在NCCT卒中病灶自动分割方法的性能，能准确分割出急性缺血性卒中病灶。第一方面，本专利技术实施例提供的一种急性缺血性脑卒中病灶自动分割方法，包括以下步骤：将患者头颅CT图像刚体配准至标准空间；剔除颅骨，获得脑实质三维掩膜；通过对脑实质三维掩膜用PCA特征降维进行椭圆拟合，得到正中矢状面数据；对正中矢状面数据进行水平翻转，得到翻转后的对称图像，通过正中矢状面数据逐像素减去翻转后的对称图像的方式，得到大脑的左右侧对称参数图；对正中矢状面数据设置不同的窗宽窗位，得到多级窗宽窗位的影像数据；对正中矢状面数据进行手动标注，得到卷积神经网络的训练数据，以二维图像标注的方式标注出大脑实质区域的脑实质、脑脊液和卒中病灶，并得到每个二维图像是否存在卒中病灶的二值分类标签；构建分割卷积神经网络模型，将左右侧对称参数图和多级窗宽窗位的影像数据作为分割卷积神经网络模型的输入训练分割卷积神经网络模型，以二维图像标注结果作为分割卷积神经网络模型的输出，得到训练好的分割模型；将左右侧对称参数图和多级窗宽窗位的影像数据输入训练好的分割模型中分割，得到对应体素的脑实质、脑脊液和卒中病灶分割概率图，以及对应的二维图像是否存在卒中病灶的预测概率；根据预测概率的不同输出不同的分割结果。第二方面，本专利技术实施例提供的一种急性缺血性脑卒中病灶自动分割系统，包括：刚体配准模块、脑实质提取模块、正中矢状面数据获取模块、对称性参数图计算模块、多级窗宽窗位图像生成模块、分割模型预测模块和结果输出模块，所述刚体配准模块将患者头颅CT图像刚体配准至标准空间；所述脑实质提取模块用于剔除颅骨，获得脑实质三维掩膜；所述正中矢状面数据获取模块用于通过对脑实质三维掩膜用PCA特征降维进行椭圆拟合，得到正中矢状面数据；所述对称性参数图计算模块用于对正中矢状面数据进行水平翻转，得到翻转后的对称图像，通过正中矢状面数据逐像素减去翻转后的对称图像的方式，得到大脑的左右侧对称参数图；所述多级窗宽窗位图像生成模块对正中矢状面数据设置不同的窗宽窗位，得到多级窗宽窗位的影像数据；所述分割模型预测模块构建分割卷积神经网络模型，将左右侧对称参数图和多级窗宽窗位的影像数据作为分割卷积神经网络模型的输入训练分割卷积神经网络模型，以二维图像标注结果作为分割卷积神经网络模型的输出，得到训练好的分割模型；将左右侧对称参数图和多级窗宽窗位的影像数据输入训练好的分割模型中分割，得到对应体素的脑实质、脑脊液和卒中病灶分割概率图，以及对应的二维图像是否存在卒中病灶的预测概率；所述结果输出模块根据预测概率的不同输出不同的分割结果。第三方面，本专利技术实施例提供的一种智能终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。第四方面，本专利技术实施例提供的一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。本专利技术的有益效果：本专利技术实施例提供的一种急性缺血性脑卒中病灶自动分割方法、系统、终端及介质，结合大脑解剖先验知识进行多任务训练，提高了卷积神经网络在NCCT卒中病灶自动分割方法的性能，能准确分割出急性缺血性卒中病灶。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1示出了本专利技术第一实施例所提供的一种急性缺血性脑卒中病灶自动分割方法的流程图；图2示出了本专利技术第一实施例中空间标准化-刚体配准的示意图；图3示出了本专利技术第一实施例中脑实质提取过程图；图4示出了本专利技术第一实施例中得到的正中矢状面数据的过程图；图5示出了本专利技术第一实施例中计算得到的对称性参数图的过程图；图6示出了本专利技术第一实施例中得到的多级窗宽窗位图像；图7示出了本专利技术第一实施例中对训练数据标注的示意图；图8示出了本专利技术第一实施例中分割卷积神经网络模型的构造图；图9示出了本专利技术第一实施例中的原始测试数据图；图10示出了本专利技术第一实施例中卒中病灶原始分割结果图；图11示出了本专利技术第一实施例中调整后的分割结果图；图12示出了本专利技术第二实施例所提供的一种急性缺血性脑卒中病灶自动分割系统的结构框图；图13示出了本专利技术第三实施例所提供的一种智能终端的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施本文档来自技高网...

【技术保护点】
1.一种急性缺血性脑卒中病灶自动分割方法，其特征在于，包括以下步骤：/n将患者头颅CT图像刚体配准至标准空间；/n剔除颅骨，获得脑实质三维掩膜；/n通过对脑实质三维掩膜用PCA特征降维进行椭圆拟合，得到正中矢状面数据；/n对正中矢状面数据进行水平翻转，得到翻转后的对称图像，通过正中矢状面数据逐像素减去翻转后的对称图像的方式，得到大脑的左右侧对称参数图；/n对正中矢状面数据设置不同的窗宽窗位，得到多级窗宽窗位的影像数据；/n对正中矢状面数据进行手动标注，得到卷积神经网络的训练数据，以二维图像标注的方式标注出大脑实质区域的脑实质、脑脊液和卒中病灶，并得到每个二维图像是否存在卒中病灶的二值分类标签；/n构建分割卷积神经网络模型，将左右侧对称参数图和多级窗宽窗位的影像数据作为分割卷积神经网络模型的输入训练分割卷积神经网络模型，以二维图像标注结果作为分割卷积神经网络模型的输出，得到训练好的分割模型；/n将左右侧对称参数图和多级窗宽窗位的影像数据输入训练好的分割模型中分割，得到对应体素的脑实质、脑脊液和卒中病灶分割概率图，以及对应的二维图像是否存在卒中病灶的预测概率；/n根据预测概率的不同输出不同的分割结果。/n...

【技术特征摘要】
1.一种急性缺血性脑卒中病灶自动分割方法，其特征在于，包括以下步骤：
将患者头颅CT图像刚体配准至标准空间；
剔除颅骨，获得脑实质三维掩膜；
通过对脑实质三维掩膜用PCA特征降维进行椭圆拟合，得到正中矢状面数据；
对正中矢状面数据进行水平翻转，得到翻转后的对称图像，通过正中矢状面数据逐像素减去翻转后的对称图像的方式，得到大脑的左右侧对称参数图；
对正中矢状面数据设置不同的窗宽窗位，得到多级窗宽窗位的影像数据；
对正中矢状面数据进行手动标注，得到卷积神经网络的训练数据，以二维图像标注的方式标注出大脑实质区域的脑实质、脑脊液和卒中病灶，并得到每个二维图像是否存在卒中病灶的二值分类标签；
构建分割卷积神经网络模型，将左右侧对称参数图和多级窗宽窗位的影像数据作为分割卷积神经网络模型的输入训练分割卷积神经网络模型，以二维图像标注结果作为分割卷积神经网络模型的输出，得到训练好的分割模型；
将左右侧对称参数图和多级窗宽窗位的影像数据输入训练好的分割模型中分割，得到对应体素的脑实质、脑脊液和卒中病灶分割概率图，以及对应的二维图像是否存在卒中病灶的预测概率；
根据预测概率的不同输出不同的分割结果。


2.如权利要求1所述的方法，其特征在于，所述根据预测概率的不同输出不同的分割结果具体包括：
当预测概率大于等于0.5时，将分割模型的卒中病灶分割概率图作为分割结果输出；
当预测概率小于0.5时，以对应的体素的脑实质、脑脊液和卒中病灶分割概率最大的一类作为分割结果输出。


3.如权利要求1所述的方法，其特征在于，所述通过对脑实质三维掩膜用PCA特征降维进行椭圆拟合，得到正中矢状面数据具体包括：
根据脑实质三维掩膜计算每层图像是脑实质体积，得到脑实质面积最大的图像层；
根据对应的脑实质三维掩膜得到非零像素的坐标矩阵；
计算横纵坐标均值向量机协方差矩阵；
根据协方差矩阵求解特征方程，得到特征值分别为拟合椭圆的半长轴和半短轴；
根据特征值计算椭圆长短轴特征向量；
通过反三角函数计算旋转角，根据非零像素坐标矩阵定位拟合椭圆长轴坐标；
通过长轴坐标和旋转角对三维图像进行旋转得到正中矢状面数据。


4.如权利要求1所述的方法，其特征在于，设置不同的窗宽窗位具体包括：分别采用(30，60)、(40，80)、(50,100)作为窗宽和窗位。


5.一种急性缺血性脑卒中病灶自动分割系统，包括：刚体配准模块、脑实质提取模块、正中矢状面数据获取模块、对称性参数图计算模块、多级窗宽窗位图像生成模块、分割模型预测模块和结果输出模块，
所述刚体配准模块将患者头颅CT图像刚体配准至标准空间；
所述脑实质提取模块用于剔除颅骨，获得脑实质三维掩膜...

【专利技术属性】
技术研发人员：王思伦，肖焕辉，周竞宇，
申请(专利权)人：深圳市铱硙医疗科技有限公司，
类型：发明
国别省市：广东;44