本發(fā)明屬于醫(yī)學(xué)圖像處理，尤其涉及一種基于人工智能的腦脊液自動分割及定量方法和系統(tǒng)。

背景技術(shù)：

1、隨著醫(yī)學(xué)成像技術(shù)的發(fā)展，腦部疾病的診斷越來越依賴于圖像分析。其中，腦脊液(cerebrospinal?fluid，csf)作為腦部重要的組成部分，在腦部和脊髓周圍起著保護和營養(yǎng)作用，對于維持腦內(nèi)環(huán)境穩(wěn)定至關(guān)重要。在正常情況下，腦脊液的產(chǎn)生和吸收是平衡的。然而，當腦脊液的產(chǎn)生和吸收出現(xiàn)不平衡時，如腦脊液超過正常閾值，會導(dǎo)致顱內(nèi)壓力升高，影響腦部血液循環(huán)，引起腦部組織壓迫，甚至誘發(fā)腦疝等嚴重并發(fā)癥。相反，腦脊液的異常減少也會影響腦部的保護和營養(yǎng)，對患者的健康造成負面影響。

2、腦脊液量化分析，即精確測量腦脊液的體積或壓力，對于診斷腦部疾病(如腦積水、腦出血等)、評估治療效果及判斷疾病的預(yù)后具有極其重要的意義。腦積液量的準確監(jiān)測不僅可以幫助醫(yī)生及時識別疾病的發(fā)展，還是評價治療效果、預(yù)測疾病轉(zhuǎn)歸的重要依據(jù)。積液量的減少往往被視為疾病轉(zhuǎn)歸良好的標志，是判斷患者預(yù)后和制定后續(xù)治療計劃的重要參考。

3、傳統(tǒng)的腦脊液量化分析方法主要依賴于放射科醫(yī)生或技術(shù)人員的手動操作，包括在腦部影像上選取特定的解剖結(jié)構(gòu)作為參考點，后通過手動測量參考點之間的距離、深度等形態(tài)指標來半定量評估積液量和積液嚴重程度。這種方法不僅耗時長，而且結(jié)果受到操作者技能水平和主觀判斷的影響，造成了分析的不一致性和不準確性，并且還需要花費較多時間。傳統(tǒng)的量化分析方法主要存在如下痛點：

4、1.手動分割的局限性：依賴于醫(yī)生或技術(shù)人員手動在圖像上識別和標定腦脊液區(qū)域，這不僅效率低下，而且結(jié)果的準確性和重復(fù)性差，容易受到個人經(jīng)驗和判斷的影響。

5、2.圖像質(zhì)量的影響：傳統(tǒng)方法對圖像質(zhì)量高度依賴，圖像的噪聲、分辨率不足或者對比度低均會影響分割和量化的準確性。

6、3.缺乏標準化流程：不同機構(gòu)可能使用不同的技術(shù)和標準進行腦脊液的分割和量化，這使得跨機構(gòu)的結(jié)果難以比較，限制了數(shù)據(jù)的共享和綜合分析。

7、因此，急需一種快速、自動化、高精度且標準化的方法來進行腦脊液的量化分析，大幅提高分析的效率和準確性。

技術(shù)實現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種基于人工智能的腦脊液自動分割及定量方法和系統(tǒng)，以解決上述現(xiàn)有技術(shù)存在的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種基于人工智能的腦脊液自動分割及定量方法，包括：

3、獲取腦部圖像數(shù)據(jù)，所述圖像數(shù)據(jù)為ct或mri數(shù)據(jù)，對所述圖像數(shù)據(jù)進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；

4、構(gòu)建圖像三維重建模型，基于所述圖像三維重建模型對所述預(yù)處理數(shù)據(jù)集進行處理，獲得三維重建數(shù)據(jù)集；

5、構(gòu)建腦脊液自動分割模型，將所述三維重建數(shù)據(jù)集輸入至所述腦脊液自動分割模型中進行分割，獲得腦脊液分割結(jié)果；

6、獲取原始體素間距信息，將所述腦脊液分割結(jié)果和所述原始體素間距信息進行計算，獲得定量結(jié)果。

7、優(yōu)選的，對所述腦部圖像數(shù)據(jù)進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集的過程包括：

8、通過對比度增強法對所述腦部圖像數(shù)據(jù)進行對比度處理，獲得對比度增強圖像；

9、基于平滑、模糊和濾波技術(shù)對所述對比度增強圖像的噪聲進行去除，獲得噪聲去除圖像；

10、對所述噪聲去除圖像的像素調(diào)整至0-1范圍區(qū)間內(nèi)，生成像素調(diào)整圖像；

11、對所述像素調(diào)整圖像中的腦脊液區(qū)域進行標注，獲得所述預(yù)處理數(shù)據(jù)集。

12、優(yōu)選的，所述獲得三維重建數(shù)據(jù)集的過程包括：

13、基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建所述圖像三維重建模型；

14、將所述預(yù)處理數(shù)據(jù)集輸入至所述圖像三維重建模型中進行三維重建，獲得所述三維重建數(shù)據(jù)集。

15、優(yōu)選的，所述獲得腦脊液分割結(jié)果的過程包括：

16、基于u-net網(wǎng)絡(luò)模型構(gòu)建腦脊液自動分割模型；

17、將所述三維重建數(shù)據(jù)集輸入至所述腦脊液自動分割模型中進行計算，獲得所述腦脊液分割結(jié)果。

18、優(yōu)選的，基于u-net網(wǎng)絡(luò)模型構(gòu)建腦脊液自動分割模型的過程包括：

19、構(gòu)建u-net網(wǎng)絡(luò)模型，基于訓(xùn)練集對所述u-net網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練模型；

20、基于驗證集對所述訓(xùn)練模型進行驗證，并通過測試集基于所述訓(xùn)練模型進行性能評估后輸出，獲得所述腦脊液自動分割模型，

21、優(yōu)選的，所述獲得定量結(jié)果的過程包括：

22、對所述腦脊液分割結(jié)果中腦脊液區(qū)域的體積進行計算，獲得體積計算結(jié)果；

23、獲取所述原始體素間距信息，基于所述原始體素間距信息和所述體積計算結(jié)果進行計算，獲得所述定量結(jié)果。

24、優(yōu)選的，所述獲得體積計算結(jié)果的表達式為：腦脊液體積＝腦脊液體素數(shù)×單個體素體積。

25、優(yōu)選的，所述單個體素體積的表達式為：個體素體積＝體素間距x×體素間距y×體素間距z。

26、為實現(xiàn)上述目的，本發(fā)明還提供了一種基于人工智能的腦脊液自動分割及定量系統(tǒng)，包括：

27、圖像獲取模塊，用于獲取圖像數(shù)據(jù)，對所述圖像數(shù)據(jù)進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；

28、圖像重建模塊，用于構(gòu)建圖像三維重建模型，基于所述圖像三維重建模型對所述預(yù)處理數(shù)據(jù)集進行處理，獲得三維重建數(shù)據(jù)集；

29、腦脊液分割模塊，用于構(gòu)建腦脊液自動分割模型，將所述三維重建數(shù)據(jù)集輸入至所述腦脊液自動分割模型中進行分割，獲得腦脊液分割結(jié)果；

30、腦脊液定量模塊，用于獲取原始體素間距信息，將所述腦脊液分割結(jié)果和所述原始體素間距信息進行計算，獲得定量結(jié)果；

31、結(jié)果保存模塊，用于對所述腦脊液分割結(jié)果和所述定量結(jié)果進行展示，并進行保存。

32、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果：

33、本發(fā)明的技術(shù)效果顯著，能夠?qū)崿F(xiàn)從數(shù)據(jù)讀取到腦脊液體積自動計算的全流程自動化，極大提高了腦脊液分析的效率和準確性。此外，該方法和系統(tǒng)提供了精準的數(shù)據(jù)支持，顯著節(jié)省了醫(yī)生的閱片時間，減輕了工作負擔(dān)。通過深度學(xué)習(xí)模型的應(yīng)用，本發(fā)明還具有良好的適應(yīng)性和擴展性，能夠應(yīng)對各種復(fù)雜的醫(yī)學(xué)影像處理場景，具有廣闊的應(yīng)用前景。

技術(shù)特征：

1.一種基于人工智能的腦脊液自動分割及定量方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于人工智能的腦脊液自動分割及定量方法，其特征在于，對所述圖像數(shù)據(jù)進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集的過程包括：

3.根據(jù)權(quán)利要求1所述的基于人工智能的腦脊液自動分割及定量方法，其特征在于，所述獲得三維重建數(shù)據(jù)集的過程包括：

4.根據(jù)權(quán)利要求1所述的基于人工智能的腦脊液自動分割及定量方法，其特征在于，所述獲得腦脊液分割結(jié)果的過程包括：

5.根據(jù)權(quán)利要求4所述的基于人工智能的腦脊液自動分割及定量方法，其特征在于，基于u-net網(wǎng)絡(luò)模型構(gòu)建腦脊液自動分割模型的過程包括：

6.根據(jù)權(quán)利要求1所述的基于人工智能的腦脊液自動分割及定量方法，其特征在于，所述獲得定量結(jié)果的過程包括：

7.根據(jù)權(quán)利要求1所述的基于人工智能的腦脊液自動分割及定量方法，其特征在于，所述獲得體積計算結(jié)果的表達式為：腦脊液體積＝腦脊液體素數(shù)×單個體素體積。

8.根據(jù)權(quán)利要求7所述的基于人工智能的腦脊液自動分割及定量方法，其特征在于，所述單個體素體積的表達式為：個體素體積＝體素間距×體素間距×體素間距。

9.一種基于人工智能的腦脊液自動分割及定量系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于人工智能的腦脊液自動分割及定量方法和系統(tǒng)，屬于醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，包括：獲取圖像數(shù)據(jù)，對所述圖像數(shù)據(jù)進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；構(gòu)建圖像三維重建模型，基于所述圖像三維重建模型對所述預(yù)處理數(shù)據(jù)集進行處理，獲得三維重建數(shù)據(jù)集；構(gòu)建腦脊液自動分割模型，將所述三維重建數(shù)據(jù)集輸入至所述腦脊液自動分割模型中進行分割，獲得腦脊液分割結(jié)果；獲取原始體素間距信息，將所述腦脊液分割結(jié)果和所述原始體素間距信息進行計算，獲得定量結(jié)果。本發(fā)明的技術(shù)效果顯著，能夠?qū)崿F(xiàn)從數(shù)據(jù)讀取到腦脊液體積自動計算的全流程自動化，極大提高了腦脊液分析的效率和準確性。

技術(shù)研發(fā)人員：秦彥國,陳博,唐雄風(fēng),李穎智,徐昊,張洪達,王蒿,孫英僑
受保護的技術(shù)使用者：吉林大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2