Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于MRI多参数图像自适应融合的危及器官勾画方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:海创未来(杭州)医疗科技有限公司

摘要:本发明公开了基于MRI多参数图像自适应融合的危及器官勾画方法,属于医学图像技术领域,包括模型训练阶段和模型推理阶段;模型训练阶段用于对图像融合网络、危及器官分割网络进行训练;模型推理阶段步骤为:首先,MRI多参数图像具有多个参数图像,MRI多参数图像输入到图像融合网络中,得到融合所有参数特征的融合图像Ifusion,接着将融合图像Ifusion输入到危及器官分割网络中,最后输出n个目标危及器官的分割结果。本发明对同一个病人的MRI多参数图像数据进行自适应图像融合,能自动融合出使所有目标器官都具有最优对比度的融合图像,并基于该融合图像分割所有目标器官,实现多危及器官的自动勾画,使得所有危及器官都具有最优的分割性能。

主权项:1.基于MRI多参数图像自适应融合的危及器官勾画方法,其特征在于,包括模型训练阶段和模型推理阶段;模型训练阶段用于对图像融合网络、危及器官分割网络进行训练;模型推理阶段步骤为:首先,MRI多参数图像具有多个参数图像,MRI多参数图像输入到图像融合网络中,得到融合所有参数特征的融合图像Ifusion,接着将融合图像Ifusion输入到危及器官分割网络中,最后输出n个目标危及器官的分割结果;模型训练阶段具体包括以下步骤:数据预处理、数据增广、模型训练和模型验证;模型训练步骤为:输入预处理后的患者的MRI多参数图像,并将参数做为输入特征通道;然后先后对图像融合网络、危及器官分割网络进行前向推导并计算网络参数梯度,得到图像融合网络的输出,即融合图像Ifusion,以及得到危及器官分割网络的输出,即n个目标危及器官的分割结果;在梯度回传及参数更新阶段,首先,冻结图像融合网络的参数,计算n个目标危及器官与标注的器官mask间的分割损失值L1,然后对危及器官分割网络进行梯度回传与网络参数更新;其次,解冻图像融合网络的参数,并冻结危及器官分割网络的参数,再利用融合图像Ifusion与输入的MRI多参数图像分别计算互信息损失并累加得到融合图像Ifusion的损失值L2,将该损失值L2与前面计算得到分割损失值L1相加得到最终的损失值L3,然后对图像融合网络进行梯度回传与网络参数更新;分割损失值L1=Dice损失值+CE交叉熵损值;模型推理阶段还包括以下步骤:数据预处理和后处理;数据预处理的具体步骤为:2.1.1、对同一患者的多个参数图像进行统一规范化;2.1.2、将统一规范化后的多个参数图像在通道方向合并,得到一个4维矩阵(D*H*W*P),D表示图像层数,H表示图像高度,W表示图像宽度,P表示参数的数目,保存为nifti数据格式;正常情况下,MRI多参数图像具有6个参数图像,若一个患者的参数图像少于6个,对于其缺失的参数图像,以一个值全是0的图像进行替换;所述图像融合网络主体为一个3DUNet网络,输入多通道的MRI多参数图像,通过3DUNet网络提取深度特征并解码为权重图,权重图具有与输入的MRI多参数图像一样的尺寸及通道数目,通过一个softmax函数转换为权重概率图,最后将输入的MRI多参数图像与权重概率图相乘,并在通道方向求和,得到一副新的图像,即是融合图像Ifusion;所述危及器官分割网络的主体为一个UNet网络,输入融合图像Ifusion,经过UNet网络分割后,通过一个softmax激活函数得到最终输出的n个目标危及器官的分割结果。

全文数据:

权利要求:

百度查询: 海创未来(杭州)医疗科技有限公司 基于MRI多参数图像自适应融合的危及器官勾画方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。