脑区VOI自动分割和定位的方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115731252A(43)申请公布日2023.03.03(21)申请号202211525756.9G06N3/0464(2023.01)(22)申请日2022.12.01G06N3/08(2023.01)(71)申请人宁波市医疗中心李惠利医院地址315041浙江省宁波市鄞州区兴宁路57号申请人上海联影智能医疗科技有限公司(72)发明人张玉琴王丹许霄刘爱娥辛恩慧(74)专利代理机构宁波博灵知识产权代理事务所(普通合伙)33424专利代理师严波(51)Int.Cl.G06T7/11(2017.01)G06T7/66(2017.01)G06T7/70(2017.01)权利要求书2页说明书8页附图4页(54)发明名称脑区VOI自动分割和定位的方法、装置、设备及存储介质(57)摘要本发明实施例公开了一种脑区VOI自动分割和定位的方法、装置、设备及存储介质，该方法包括：获取脑区图像，利用第一神经网络分割模型准确分割脑灰质、脑白质和脑脊液区域，得到第一分割结果；基于第一分割结果，利用第二神经网络分割模型完成目标脑区结构的自动分割，得到第二分割结果；基于第二分割结果，计算目标脑区的中心点作为靶点位置坐标；基于靶点位置坐标生成一初始VOI，自适应调节初始VOI的大小生成最佳VOI。为医生提供了准确的可重复性高的用于GABA含量测量的VOI自动勾画工具，在有效提升医生工作效率的同时，可更好地进行疾病及科研的研究。CN115731252ACN115731252A权利要求书1/2页1.一种脑区VOI自动分割和定位的方法，其特征在于，包括：获取脑区图像，利用第一神经网络分割模型分割脑灰质、脑白质和脑脊液区域，得到第一分割结果；基于第一分割结果，利用第二神经网络分割模型完成目标脑区结构的自动分割，得到第二分割结果；基于第二分割结果，计算目标脑区的中心点作为靶点位置坐标；基于靶点位置坐标生成一初始VOI，自适应调节初始VOI的大小生成最佳VOI。2.根据权利要求1所述的方法，其特征在于，所述第一神经网络分割模型的具体训练过程包括：输入原始图像并重采样为设定分辨率的图像；对重采样后的图像进行整体归一化处理；随机从完整图像中以固定大小取出图像块；将图像块输入到卷积神经网络中进行训练，迭代到损失函数的大小降低到预设定阈值，保存训练的模型文件。3.根据权利要求1所述的方法，其特征在于，所述第二神经网络分割模型的具体训练过程包括：输入原始图像和脑灰白质及脑脊液的分割结果，并分别重采样为两种不同分辨率的图像；对重采样后的图像进行整体归一化处理；以一定的步长同步遍历在原始图像和脑灰白质及脑脊液分割结果图像中的每一个图像块；将两个图像块整合成具有两个通道的输入，一起输入到卷积神经网络中进行训练，模型训练迭代到损失函数的大小降低到预设定阈值；保存训练的模型文件，得到基于两种不同分辨率的分割模型文件，分别为粗分割模型文件和细分割模型文件。4.根据权利要求3所述的方法，其特征在于，所述目标脑区结构的自动分割包括：基于第一分割结果使用粗分割模型和细分割模型级联成的分割模型完成对目标脑区结构的分割；其中，粗分割模型用于目标脑区结构的定位，细分割模型用于对目标脑区结构的边缘进行精细分割。5.根据权利要求1所述的方法，其特征在于，所述计算目标脑区的中心点作为靶点位置坐标，包括：设靶点位置坐标为(x0，y0，z0)，其中，N为目标脑区结构的体素个数，wi为第i个体素的标签权重值，(xi，yi，zi)为第i个体素的位置坐标。6.根据权利要求5所述的方法，其特征在于，所述最佳VOI的生成方法包括：基于靶点位置坐标先生成一固定大小的VOI；再在设定范围内改变VOI的大小，使得VOI内脑灰质区域体积远大于脑白质和脑脊液区域的体积和。2CN115731252A权利要求书2/2页7.根据权利要求6所述的方法，其特征在于，所述最佳VOI的优化方法包括：指定脑灰质体积为一确切值，根据如下优化公式得到一组x1，y1，z1，x2，y2，z2参数：f(x0，y0，z0，x1，y1，z1，x2，y2，z2)＝WGMVGM‑WWMVWM‑WCSFVCSF；基于得到的x1，y1，z1，x2，y2，z2，更新生成VOI；其中，x1，y1，z1，x2，y2，z2分别为以靶点(x0，y0，z0)为中心向左、前、上、右、后、下共6个方位扩展VOI大小的像素个数，均大于0；X，Y，Z为用户自行设置的允许调整的像素位置，反映了VOI的大小范围；VGM，VWM，VCSF分别为VOI内脑灰质、脑白质以及脑脊液区域的体积大小，VGM可以指定为某固定值，WGM，WWM，WCSF分别为脑灰质、脑白质以及脑脊液区域的重要性权重值。8.一种脑区VOI自动分割和定位的装置，其特