本發明公開了一種MRI圖像的帕金森病分類及標注病灶區域的方法，包括步驟：構造MRI圖像的帕金森病分類模型；構造帕金森病病灶標注模型；使用MRI圖像的帕金森病分類模型，對待測MRI圖像進行分類；對分類確定為帕金森病MRI圖像或者帕金森病潛伏期MRI圖像，使用帕金森病病灶標注模型標注出病灶區域。其中，構造MRI圖像的帕金森病分類模型，包括構造分類模塊和將訓練集輸入分類模塊，并通過反向傳播更新網絡參數，得到MRI圖像分類模型的步驟。本發明的有益效果在于：使用先分類后標注的方法，在提高分類模型準確率的基礎上使得對病灶區域的定位更加準確和有效，同時避免了不必要的訓練，大大提高了訓練效率，使得模型魯棒性更強。

技術領域

本發明涉及計算機視覺的醫學圖像領域，特別是一種MRI圖像的帕金森病分類及標注病灶區域的方法。

背景技術

隨著醫學影像技術的發展，CT、MRI等醫學影像技術成為診斷帕金森病的重要依據和手段。但是在現有技術中，需要依賴專家對醫學圖像進行分析和確認，這不僅消耗了大量的人工，效率低下，而且由于各個醫院的影像機器不同，硬件方面的差距會使得同一個人的同部位影像也會有很大差異，會對人工的分析造成很大影響。

隨著計算機視覺的快速發展，越來越多的人將計算機視覺與醫學診斷相結合，但是應用于MRI圖像帕金森病方面仍存在很多問題。一方面，相對于自然圖像，用于診斷和治療的腦部MRI醫學圖像具有更高的分辨率和較低的對比度；另一方面，帕金森病患者的MRI圖像中的病灶區域相較于其他腦部疾病更小，病變更為不明顯。因此，使用現有模型對MRI圖像進行分類和標注，得到的分類結果較差，標注的病灶區域不準確。

發明內容

本發明的目的是提供一種MRI圖像的帕金森病分類及標注病灶區域的方法。

實現本發明目的的技術方案是：

一種MRI圖像的帕金森病分類及標注病灶區域的方法，包括步驟：

構造MRI圖像的帕金森病分類模型；

構造帕金森病病灶標注模型；

使用MRI圖像的帕金森病分類模型，對待測MRI圖像進行分類；

對分類確定為帕金森病MRI圖像或者帕金森病潛伏期MRI圖像，使用帕金森病病灶標注模型標注出病灶區域。

進一步的技術方案，所述構造MRI圖像的帕金森病分類模型，包括：

1.1構造分類模塊；

所述分類模塊包括：依次連接的卷積層、第一最大池化層、第一密集塊、第一過渡層、第二密集塊、第二過渡層、第三密集塊、第三過渡層、第四密集塊、第二最大池化層、全連接層和softmax分類器；還包括：在第二密集塊、第三密集塊、第四密集塊前建立連接，使每一層的輸入來自之前所有層的輸出；

所述卷積層的卷積核大小為7*7，步長為2；

所述第一最大池化層的卷積核大小為3*3，步長為2；

所述第二最大池化層的卷積核大小為7*7；

所述第一密集塊、第二密集塊、第三密集塊和第四密集塊的結構均為：依次連接的第一批歸一化層、第一激活層、卷積核大小為1*1的第一卷積層、第二批歸一化層、第二激活層、卷積核大小為3*3的第二卷積層、第三批歸一化層、第三激活層、卷積核大小為1*1的第三卷積層；所述第一激活層、第二激活層和第三激活層均使用Relu函數；

所述第一過渡層、第二過渡層和第三過渡層的結構均為：依次連接的卷積核大小為1*1的卷積層、卷積核大小為2*2的平均池化層；

所述分類模塊使用Adam優化器，使用交叉熵作為損失函數；