(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211256557.2 (22)申请日 2022.10.13 (71)申请人 昆明同心医联科技有限公司 地址 650106 云南省昆明市高新区C2-4 地 块汇金城市商业广场写字楼A幢第21 层2102号 (72)发明人 刘伟奇　马学升　陈磊　陈金钢　 徐鹏　赵友源　赵晓彤　 (74)专利代理 机构 北京知果之信知识产权代理 有限公司 1 1541 专利代理师 苏利 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06T 7/30(2017.01)G06T 5/20(2006.01) G06V 10/774(2022.01) (54)发明名称 脑血管病变 分割方法、 装置、 存储介质、 电子 装置 (57)摘要 本申请公开了一种脑血管病变 分割方法、 装 置、 存储介质、 电子装置， 其中所述方法包括获取 MRI图像信息； 通过预先训练的 图像分割模型， 得 到所述MRI图像信息中的分割结果， 其中， 所述图 像分割模型采用最大后验概率模型对用于描述 组织类别的后验分布模型以及白质疏松组织的 空间先验分布进行MAP 估计； 根据所述 分割结果， 得到将所述脑血管病变中的白质疏松病变与急 慢性中风病变 分离的分割结果。 通过本申请实现 了脑血管病变的自动分割， 且与专家分割量之间 具有很强的一致性。 本申请可用于临床图像处 理， 可以提高临床图像的配准精度。 权利要求书1页 说明书9页 附图3页 CN 115496743 A 2022.12.20 CN 115496743 A 1.一种脑血 管病变分割方法， 其特 征在于， 所述方法包括： 获取MRI图像信息； 通过预先训练的图像分割模型， 得到所述MRI 图像信息中的分割结果， 其中， 所述图像 分割模型采用最大后验概率模型对用于描述组织类别的后验分布模型以及白质疏松组织 的空间先验分布进行MAP估计； 根据所述分割结果， 得到将所述脑血管病变中的白质疏松病变与急慢性中风病变分离 的分割结果。 2.根据权利要求1所述的方法， 其特征在于， 所述图像分割模型包括强度特征、 形状特 征以及空间环境特征， 其中所述 强度特征包括白质疏松病变的强度分布以及中风的强度分 布， 所述空间环境特 征包括白质疏松病变的空间分布， 所述分割结果还 包括： 基于T2 FLAIR序列， 将所述脑血 管病变中的白质疏松病变与急慢性中风病变分离 。 3.根据权利要求2所述的方法， 其特 征在于， 所述MRI图像信息中的分割结果， 包括： 使用生成模型来描述健康组织和脑血管病变的空间分布、 形状和外观， 建立用于描述 组织类别的后验分布模型， 其中所述组织类别的先验捕获了空间分布以及病变形状的知 识； 采用最大后验概率模型对所述用于描述组织类别的后验分布模型进行MAP估计， 得到 所述MRI图像信息中的分割结果。 4.根据权利要求2所述的方法， 其特 征在于， 所述MRI图像信息中的分割结果， 包括： 采用PCA对经过人工分割的白质疏松组织病变二元分割映射的训练集， 构建概率图谱， 对白质疏松组织病变的空间范围进行建模得到白质疏松组织的空间先验分布。 5.根据权利 要求1所述的方法， 其特征在于， 所述MAP估计基于EM算法， 并将强度平均估 计建模为空间变化， 同时采用低通滤波器进行 滤波。 6.根据权利要求1所述的方法， 其特征在于， 所述图像分割 模型采用人工标注的白质疏 松组织病变结果作为训练图像。 7.一种临床图像处理方法， 其特征在于， 采用 如权利要求1至6任一项所述的脑血管病 变分割方法进行图像 配准。 8.一种脑血 管病变分割装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取MRI图像信息； 处理模块， 用于通过预先训练的图像分割模型， 得到所述MRI图像信息中的分割结果， 其中， 所述图像分割模型采用最大后验概率模型对用于描述组织类别的后验分布模型以及 脑白质疏松组织的空间先验分布进行MAP估计； 分割模块， 用于根据所述分割结果， 得到将所述脑血管病变中的白质疏松病变与急慢 性中风病变分离的分割结果。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序， 其中， 所述计算机程序被设置为运行时执行所述权利要求1至6任一项所述的方法， 和/或， 所述权利要求7 所述的方法。 10.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项所述的方 法， 和/或， 所述权利要求7 所述的方法。权　利　要　求　书 1/1 页 2 CN 115496743 A 2脑血管病变分割方 法、 装置、 存储介质、 电子 装置 技术领域 [0001]本申请涉及医疗技术、 机器学习领域， 具体而言， 涉及一种脑血管病变分割方法、 装置、 存储介质、 电子装置 。 背景技术 [0002]从脑磁共振成像(Megnet ic Resonace  Imaging,MRI)图中鉴别脑血管异常病变对 于理解脑缺血(脑血流量不足)至关重要。 然而不同的病变类型， 如白质疏松症(小血管病 变)和中风， 则不能纯粹根据图像的形状或位置来区分。 临床医生使用解剖学和其他医学知 识对病变进行分类和描述。 [0003]为了解对脑缺血的易感性和相关的危险因素， 临床医生手动勾画和分析血管病变 部位， 重点关注白质疏松症， 并将其与卒中病变分开。 这种 方法表明： 与损伤性脑梗死患者 相比， 短暂性脑缺血发作患者的白质疏松负担更低。 每勾 画一位患者的白质疏松症和中风 病变需要消耗3 0分钟， 然 而大型研究包 含成百上千名患者。 因此， 自动分割是必要的。 [0004]病变的形状和位置 的可变性是中风扫描自动分割的主要挑 战之一。 T2 ‑液体衰减 反转序列(Flu id Attenuated  Inversion  Recovery,FLAIR)白质疏松病变部位表现为高信 号， 位于脑室周围， 变化范围广泛， 大致两侧对称 。 虽然中风病变也具有高强度的特点， 但它 几乎可以发生在大脑的任何部位， 而且在大小和形状上变化很大。 另外， 急性中风(过去48 小时内的中风)在弥散加权MR(DWI)上可见， 但慢 性中风(在成像前很长时间发生的中风)却 并非如此。 [0005]此外， 由于扫描时间极其有限， 实际临床环境中的图像质量非常低， 通常影像切片 的厚度为5 ‑7mm， 甚至伴随明亮的伪影。 这些因素阻碍了临床图像的配准精度， 并且影响了 强度均衡。 [0006]针对相关技术中脑血管病变分割的方法无法实现自动分割以及分割精度不佳的 问题， 目前尚未提出有效的解决方案 。 发明内容 [0007]本申请的主要目的在于提供一种脑血管病变分割方法、 装置、 存储介质、 电子装 置， 以解决脑血 管病变分割的方法无法实现自动分割以及分割精度不佳的问题。 [0008]为了实现上述目的， 根据本申请的一个方面， 提供了一种脑血 管病变分割方法。 [0009]根据本申请的脑血 管病变分割方法包括： [0010]获取MRI图像信息； [0011]通过预先训练的图像分割模型， 得到所述MRI图像信息中的分割结果， 其中， 所述 图像分割模型采用最大后验概率模型对用于描述组织类别的后验分布模型以及白质疏松 组织的空间先验分布进行MAP估计； [0012]根据所述分割结果， 得到将所述脑血管病变中的白质疏松病变与急慢性中风病变 分离的分割结果。说　明　书 1/9 页 3 CN 115496743 A 3