一种基于卷积神经网络的颅内动脉瘤检测方法及系统
专利汇可以提供一种基于卷积神经网络的颅内动脉瘤检测方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 属于医学 图像处理 领域，公开了一种基于 卷积神经网络 的颅内 动脉瘤 检测方法及系统，其中检测方法是基于三维时间飞跃磁共振血管成像图像(3D Time-of-Flight MR Angiography,3D TOF MRA)，先对血管进行提取，接着沿血管的中心线提取一系列的立方体 体素 块 ，作为感兴趣区域(Region of Interest,ROI)，对每个感兴趣区域ROI进行多个方向上的最大 密度 投影，得到最大密度投影图(Maximal Intensity Projection,MIP)；通过将MIP图作为输入并使用经过训练的卷积神经网络对MIP图进行分类，得到的分类结果反映ROI中是否包含动脉瘤，进而判断待检测对象是否存在颅内动脉瘤。本发明通过对方法整体流程处理、及相应系统装置中各个功能模块组件的设置方式进行改进，使检测方法及系统具有较高的分类准确率和敏感度。，下面是一种基于卷积神经网络的颅内动脉瘤检测方法及系统专利的具体信息内容。
1.一种基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，包括以下步骤：
(1)准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；
(2)基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，然后在该三维数据中提取血管对应的区域；
(3)在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI；
(4)根据最大密度投影原理对每个感兴趣区域ROI进行投影，生成得到与该感兴趣区域ROI相对应的MIP图，用于作为网络的输入；
(5)将所述步骤(4)得到的基于感兴趣区域ROI生成的MIP图作为输入，输入到经过训练的卷积神经网络中进行分类，从而判定与所述MIP图对应的感兴趣区域ROI是否存在颅内动脉瘤；若存在某个所述MIP图被判定为存在颅内动脉瘤，则所述待检测对象存在颅内动脉瘤。
2.一种基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，包括以下步骤：
(1)准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；
(2)基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，然后在该三维数据中提取血管对应的区域；
(3)在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为主感兴趣区域ROI；
对于每一个主感兴趣区域ROI，根据它在三维数据中的位置及尺寸大小在所述三维数据中设置平移窗口，然后将窗口的中心点沿预先设定的方向并按预先设定的平移距离在所述三维数据中平移，平移过程中保持平移窗口的尺寸不变，由此在平移过程中得到与这个主感兴趣区域ROI对应的若干个副感兴趣区域ROI；将主感兴趣区域ROI与副感兴趣区域ROI一起作为待使用的感兴趣区域ROI；
(4)根据最大密度投影原理对每个待使用的感兴趣区域ROI进行投影，得到与该感兴趣区域ROI相对应的MIP图，由此得到一系列MIP图，用于作为网络的输入；
(5)针对任意一个所述主感兴趣区域ROI，将所述步骤(4)得到的基于该主感兴趣区域ROI及与该主感兴趣区域ROI相对应的副感兴趣区域ROI它们的MIP图作为输入，输入到经过训练的卷积神经网络中进行分类，从而判定与这些MIP图对应的感兴趣区域ROI是否存在颅内动脉瘤；具体的，若存在某个所述主感兴趣区域ROI满足：
i.基于该主感兴趣区域ROI的MIP图被判定为存在颅内动脉瘤；或者，
ii.基于该主感兴趣区域ROI的MIP图被判定为不存在颅内动脉瘤，但基于该主感兴趣区域ROI及与该主感兴趣区域ROI相对应的副感兴趣区域ROI全部的MIP图中超过半数被判定为存在颅内动脉瘤；
则，所述待检测对象存在颅内动脉瘤。
3.如权利要求1或2所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(1)中，所述准备三维时间飞跃磁共振血管成像图像，具体是利用灰度拉伸方法对这些三维时间飞跃磁共振血管成像图像进行预处理，并将各个切片图像归一化到512×512像素的大小，以提高图像质量；
所述步骤(2)中，具体是使用大津(Otsu)阈值分割和Hessian矩阵提取血管对应的区域。
4.如权利要求1所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(3)中，在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI或主感兴趣区域ROI，具体是：
使用一个大小为48×48×24像素的滑动窗沿着血管滑动，在滑动过程中生成一系列48×48×24像素的立方体体素块，将每一个立方体体素块作为感兴趣区域ROI；
优选的，所述步骤(3)还包括对每个所述感兴趣区域ROI进行降采样使其尺寸为24×24×24像素。
5.如权利要求2所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(3)中，在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为主感兴趣区域ROI，具体是：
使用一个大小为64×64×24像素的滑动窗沿着血管滑动，在滑动过程中生成一系列64×64×24像素的立方体体素块，对每个64×64×24像素的立方体体素块取中心的48×48×
24像素立方体体素块作为主感兴趣区域ROI；
对于每一个主感兴趣区域ROI，根据它在三维数据中的位置及尺寸大小在所述三维数据中设置平移窗口，然后将窗口的中心点沿预先设定的方向并按预先设定的平移距离在所述三维数据中平移，平移过程中保持平移窗口的尺寸不变，由此在平移过程中得到与这个主感兴趣区域ROI对应的若干个副感兴趣区域ROI，具体是：
对于每一个主感兴趣区域ROI，根据它在三维数据中的位置及尺寸大小在对应的64×
64×24像素的立方体体素块中设置平移窗口，该平移窗口大小为48×48×24像素，然后将窗口的中心点由对应的64×64×24像素的立方体体素块的中心点出发，沿所述三维数据的X轴和Y轴，并按X轴上和Y轴上的平移距离分别独立取自-8、-4、0、4、8像素，在对应的64×64×24像素的立方体体素块中平移，平移过程中保持平移窗口的尺寸不变，由此使一个主感兴趣区域ROI经扩展得到与这个主感兴趣区域ROI对应的24个副感兴趣区域ROI；
优选的，所述步骤(3)还包括对每个所述感兴趣区域ROI进行降采样使其尺寸为24×24×24像素。
6.如权利要求1或2所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(4)中，根据最大密度投影原理对每个感兴趣区域ROI进行投影，得到与该感兴趣区域ROI相对应的MIP图，具体包括以下步骤：
(4-1)对于任意一个感兴趣区域ROI，按照预先设定的九个方向，从感兴趣区域ROI中生成沿这九个方向的九个MIP图，对于斜向投影的MIP图进行降采样，使得任意一个MIP图的尺寸大小均为24×24像素；
(4-2)将所述九个MIP图垂直连接生成大小为24×216像素的MIP连接图，该MIP连接图即作为卷积神经网络的输入。
7.如权利要求1或2所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(5)中，所述卷积神经网络包括依次连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层及全连接层，输出层的两个输出量分别对应于输入图像是否包含动脉瘤的概率，该卷积神经网络使用有softmax函数将输出的概率归一化到0～1的区间范围；
所述训练所采用的训练集通过以下步骤获得：
(S1)准备经医生确诊的患颅内动脉瘤的病人的三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组切片图像组成；
(S2)基于所述步骤(S1)得到的所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，然后在该三维数据中提取血管对应的区域；
(S3)在所述步骤(S2)得到的所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI；具体包括以下步骤：
(S3-1)使用一个大小为64×64×24像素的滑动窗沿着血管滑动，在滑动过程中生成一系列64×64×24像素的立方体体素块，对每个64×64×24像素的立方体体素块取中心的48×48×24像素的体素块作为感兴趣区域ROI；
(S3-2)在包含颅内动脉瘤的ROI中，选取动脉瘤位于ROI中间区域的ROI作为正样本；在没有包含颅内动脉瘤的ROI中，选取靠近Willis环的ROI作为负样本；并记录下作为正样本和负样本的各个ROI在三维数据中的位置；
记这些作为正样本或负样本的ROI为主ROI，对于任意一个主ROI，根据它在三维数据中的位置及尺寸大小在所述三维数据中设置平移窗口，然后将窗口的中心点沿预先设定的方向并按预先设定的平移距离在所述三维数据中平移，平移过程中保持平移窗口的尺寸不变，由此在平移过程中得到与这个主ROI对应的若干个副ROI；得到的副ROI其正样本或负样本标签值与所对应的主ROI的正样本或负样本标签值相同，最后将该主ROI与副ROI一起作为正样本或负样本；
由此即可得到正样本集和负样本集，从而用于共同构建训练集。
8.如权利要求7所述基于卷积神经网络的颅内动脉瘤检测方法，其特征在于，所述步骤(S3-2)中，对于任意一个主ROI，根据它在三维数据中的位置及尺寸大小在所述三维数据中设置平移窗口，然后将窗口的中心点沿预先设定的方向并按预先设定的平移距离在所述三维数据中平移，平移过程中保持平移窗口的尺寸不变，由此在平移过程中得到与这个主ROI对应的若干个副ROI，具体是：
对于任意一个主ROI，根据它在三维数据中的位置及尺寸大小在对应的64×64×24像素的立方体体素块中设置平移窗口，该平移窗口大小为48×48×24像素，然后将窗口的中心点由对应的64×64×24像素的立方体体素块的中心点出发，沿所述三维数据的X轴和Y轴，并按X轴上和Y轴上的平移距离分别独立取自-8、-4、0、4、8像素，在对应的64×64×24像素的立方体体素块中平移，平移过程中保持平移窗口的尺寸不变，由此使一个主ROI经扩展得到与这个主ROI对应的24个副ROI；
优选的，所述步骤(S3-2)还包括对所述训练集中的任意一个样本进行降采样使其尺寸为24×24×24像素。
9.一种基于卷积神经网络的颅内动脉瘤检测系统，其特征在于，该系统包括：
图像预处理模块，用于准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；
三维数据重建模块，用于基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，并在该三维数据中提取血管对应的区域；
感兴趣区域ROI提取模块，用于在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为感兴趣区域ROI；
MIP处理模块，用于根据最大密度投影原理对每个感兴趣区域ROI进行投影，得到与该感兴趣区域ROI相对应的MIP图；
卷积神经网络，用于将基于感兴趣区域ROI的MIP图作为输入，通过该卷积神经网络的分类处理判定与所述MIP图对应的感兴趣区域ROI是否存在颅内动脉瘤；若存在某个所述MIP图被判定为存在颅内动脉瘤，则所述待检测对象存在颅内动脉瘤。
10.一种基于卷积神经网络的颅内动脉瘤检测系统，其特征在于，该系统包括：
图像预处理模块，用于准备三维时间飞跃磁共振血管成像图像，这些三维时间飞跃磁共振血管成像图像由一组来自同一待检测对象的切片图像组成；
三维数据重建模块，用于基于所述三维时间飞跃磁共振血管成像图像，将切片图像重建为三维数据，并在该三维数据中提取血管对应的区域；
感兴趣区域ROI提取模块，用于在所述三维数据中，沿血管的中心线提取一系列的立方体体素块，作为主感兴趣区域ROI；
对于每一个主感兴趣区域ROI，根据它在三维数据中的位置及尺寸大小在所述三维数据中设置平移窗口，将窗口的中心点沿预先设定的方向并按预先设定的平移距离在所述三维数据中平移，平移过程中保持平移窗口的尺寸不变，由此在平移过程中得到与这个主感兴趣区域ROI对应的若干个副感兴趣区域ROI；将主感兴趣区域ROI与副感兴趣区域ROI一起作为待使用的感兴趣区域ROI；
MIP处理模块，用于根据最大密度投影原理对每个待使用的感兴趣区域ROI进行投影，得到与该感兴趣区域ROI相对应的MIP图，由此得到一系列MIP图；
卷积神经网络，用于针对任意一个所述主感兴趣区域ROI，将基于该主感兴趣区域ROI自身及与该主感兴趣区域ROI相对应的副感兴趣区域ROI它们的MIP图作为输入，通过该卷积神经网络的分类处理判定与这些MIP图对应的感兴趣区域ROI是否存在颅内动脉瘤；具体的，若存在某个所述主感兴趣区域ROI满足：
i.基于该主感兴趣区域ROI的MIP图被判定为存在颅内动脉瘤；或者，
ii.基于该主感兴趣区域ROI的MIP图被判定为不存在颅内动脉瘤，但基于该主感兴趣区域ROI及与该主感兴趣区域ROI相对应的副感兴趣区域ROI全部的MIP图中超过半数被判定为存在颅内动脉瘤；
则，所述待检测对象存在颅内动脉瘤。
一种基于卷积神经网络的颅内动脉瘤检测方法及系统
技术领域
背景技术
发明内容
24像素的立方体体素块中平移，平移过程中保持平移窗口的尺寸不变，由此使一个主ROI经扩展得到与这个主ROI对应的24个副ROI；
具体实施方式
2，激励采用ReLU，输出为输入图像是否包含动脉瘤的概率，采用随机梯度下降法来优化网络权重。
5分别表示两种测试方法的ROC曲线。
19(1)：41-47.；Hessian矩阵提取血管可参考：Frangi A.F.,Niessen W.J.,Vincken K.L.,Viergever M.A.(1998)Multiscale vessel enhancement filtering.In:Wells W.M.,Colchester A.,Delp S.(eds)Medical Image Computing and Computer-Assisted Intervention—MICCAI’98.MICCAI 1998.Lecture Notes in Computer Science,vol
1496.Springer,Berlin,Heidelberg；最大密度投影原理可参考：Uchiyama Y,Yamauchi M,Ando H,et al.Automated classification of cerebral arteries in MRA images and its application to maximum intensity projection[C]//2006 International Conference of the IEEE Engineering in Medicine and Biology Society.IEEE,2006:
4865-4868.。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种无创的4D时间分辨动态磁共振血管成像方法 | 2020-05-15 | 334 |
| 功能化聚乙烯亚胺修饰的多壁碳纳米管磁共振成像造影剂的制备 | 2020-05-24 | 451 |
| 聚乙二醇化聚乙烯亚胺高分子磁共振成像造影剂及其制备方法 | 2020-05-19 | 84 |
| 心肌微循环灌注体素内不相干运动磁共振成像仿真方法 | 2020-05-19 | 6 |
| 生物组织微观结构的无创测量方法 | 2020-05-17 | 137 |
| 一种基于纳米氧化石墨烯的磁共振成像造影剂及其制备方法 | 2020-05-20 | 140 |
| 聚乙二醇化聚乙烯亚胺高分子磁共振成像造影剂及其制备方法 | 2020-05-20 | 661 |
| 一种造影剂及其制备方法和应用 | 2020-05-13 | 532 |
| 一种肝癌双重靶向磁性纳米颗粒的制备方法 | 2020-05-21 | 138 |
| 用于颅内动脉高分辨成像的口腔内线圈 | 2020-05-27 | 178 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
