全自动的肝脏T2*参数测量方法、装置、设备及介质

本发明属于医学图像处理，尤其涉及一种全自动的肝脏t2*参数测量方法、装置、设备及介质。

背景技术：

1、血色素沉着症是一种铁过载疾病，可导致肝脏、心脏和胰腺等多个器官受损，是一种严重的全身性疾病，主要与频繁输血和骨髓发育不良有关。与继发性血色素沉着症相关的最重要的病理是重型地中海贫血，一种多器官疾病。因此，准确评估铁含量对于受影响的患者的治疗至关重要。特别是，过量的铁最初主要沉积在肝脏中，肝脏中的铁浓度已被证明是全身铁储存的指标。因此，准确可靠的评估肝铁浓度对于输血依赖患者的去铁螯合治疗的管理和监测至关重要。

2、磁共振横向弛豫时间t2*值测量技术，作为一种无创评估组织器官特别是人体组织器官的铁含量的手段，已经成为目前肝脏铁过载的主要影像学诊断方法。在肝脏铁含量的研究中，通常是先测量肝脏的t2*值，再利用已有的校准函数把t2*值转化成铁含量来进行铁含量评估的。

3、传统的测量肝脏t2*值的方法主要有两种。

4、第一种方法是基于多个肝脏小感兴趣区域测量t2*值。这种方法首先计算每个回波时间图像小感兴趣区域内的平均灰度值，再将得到的灰度值与对应的回波时间拟合到一个合适的曲线模型，将计算得到的t2*值作为全肝的t2*值。由于肝脏中的铁并不是均匀分布于整个肝实质中，小感兴趣区域选取的位置及大小不同，所得到的t2*值也存在一定的差异。因此这种基于局部的小感兴趣区域测量方法往往存在采样误差大、测量结果不准确的缺陷。

5、第二种方法是基于整个肝脏的全肝感兴趣区域测量t2*值。这种方法，由于肝脏中包含丰富的血管和胆管，而血管和胆管中含铁量小，t2*值较大，如果不排除，会造成测量的t2*值偏高，因此必须准确地从全肝感兴趣区域中提取肝实质，才能保证测量结果的准确性。有研究者提出了一种半自动的肝实质提取方法(semi-automatic parenchymaextraction,sape)，此种方法仍然需要在提取肝实质之前从图像中手动分割整个肝脏。

6、最近，深度神经网络在图像分割任务中表现出优异的性能。有研究者采用具有多通道输入的u-net来分割肝脏和血管，用于肝脏t2*弛豫测量。这种方法的网络是在多个回波时间图像上构建的，其泛化能力受到不同回波时间采样和磁共振图像中不均匀强度偏置场的影响。特别是当回波数量变化时，网络不再适用。并且，在训练数据的标记过程中，手动从图像中去除血管非常耗时，需要足够多的临床解剖经验。还有研究者提出另一种全自动的肝脏t2*弛豫时间测量方法，它直接将多个回波图像映射到肝脏铁含量的分期(正常、临界、中等、中度和重度)。然而，由于神经网络的“黑匣子”性质，该方法的机制无法解释，这使得它在数据分析过程中难以监控质量，以避免肝铁含量分期的潜在错误。

7、因此，针对现有技术不足，提供一种能够精确测量肝脏磁共振横向弛豫时间t2*参数的测量方法以克服现有技术不足甚为必要。

技术实现思路

1、本发明的目的在于提供一种全自动的肝脏t2*参数测量方法、装置、设备及介质，能够精确测量肝脏磁共振横向弛豫时间t2*参数，具有较高的泛化能力，无需人工干预。

2、本发明是通过以下技术方案实现的：

3、一种全自动的肝脏t2*参数测量方法，包括以下步骤：

4、获得磁共振肝脏t2*加权图像，并计算磁共振肝脏t2*加权图像的r2*图；

5、使用第一深度学习网络去除磁共振肝脏t2*加权图像的背景，得到前景掩膜；

6、将前景掩膜与r2*图相乘，得到去除背景的r2*图；

7、使用第二深度学习网络对去除背景的r2*图上的肝脏进行分割，得到肝脏掩膜；

8、将肝脏掩膜与磁共振肝脏t2*加权图像相乘，得到只含有肝脏的肝脏图像；

9、在得到的肝脏图像中提取肝实质区域，并计算肝实质区域的t2*值，以计算得到的肝实质区域的t2*值作为肝脏磁共振横向弛豫时间t2*参数。

10、进一步地，获得磁共振肝脏t2*加权图像的步骤包括：

11、采用多回波梯度回波序列获得具有不同回波时间的磁共振肝脏t2*加权图像。

12、进一步地，第一深度学习网络包括：

13、编码器，用于通过卷积神经网络对磁共振肝脏t2*加权图像的特征进行提取，得到磁共振肝脏t2*加权图像的高维特征图；

14、解码器，用于通过转置卷积对编码器输出的高维特征图进行解码，得到与输入的磁共振肝脏t2*加权图像尺寸相同的解码特征图；

15、跳跃连接层，用于将编码器输出的高维特征图和解码器输出的截面特征图在通道上进行融合。

16、进一步地，第二深度学习网络包括：

17、编码器，用于通过卷积神经网络和自注意力神经网络对去除背景的r2*图的特征进行提取，得到去除背景的r2*图的高维特征图；

18、解码器，用于级联上采样器对编码器输出的图像高维特征图进行解码，得到与输入的去除背景的r2*图图像尺寸相同的解码特征图；

19、跳跃连接层，用于通过多个拆分通道注意力模块resnest将编码器输出的高维特征图进行解码，得到与输入的去除背景的r2*图尺寸相同的解码特征图。

20、进一步地，使用第一深度学习网络和第二深度学习网络之前，方法还包括步骤：

21、采用损失函数分别对第一深度学习网络和第二深度学习网络进行训练，直至网络收敛，并验证损失函数达到稳定，其中损失函数如公式(1)所示：

22、

23、其中，yn,c∈y，pn,c∈p分别是第c类和第n个像素的目标标签和预测概率，y和p分别是肝脏图像的真值和预测结果，c和n分别表示类别数和像素数。

24、进一步地，在得到的肝脏图像中提取肝实质区域的步骤包括：

25、采用模糊c均值算法将得到的肝脏图像分为两类，分别对应于肝实质和非肝实质，在肝实质区域进行形态学操作，利用结构单元腐蚀肝实质以获得最终的肝实质区域。

26、进一步地，计算肝实质区域的t2*值的步骤包括：

27、获取每张回波时间的肝脏图像上肝实质区域的灰度均值、回波时间，并将获得的肝实质区域的灰度均值和对应的回波时间拟合到单指数模型在非中心chi噪声影响下的一阶矩模型式中，计算肝实质区域的t2*值，其中，单指数模型在非中心chi噪声影响下的一阶矩模型式如公式(2)所示：

28、

29、式中，e()表示期望，sm表示观测信号的灰度值，σ表示噪声的标准方差，l表示接受线圈的个数，！！表示双阶乘，1f1表示超几何流函数，s0表示回波时间为0时的无噪声的真实信号灰度值，te表示回波时间，t2*表示横向弛豫时间。

30、本发明还提供了一种全自动的肝脏t2*参数测量装置，包括：

31、获得模块，用于获得磁共振肝脏t2*加权图像，并计算磁共振肝脏t2*加权图像的r2*图；

32、去除模块，用于使用第一深度学习网络去除磁共振肝脏t2*加权图像的背景，得到前景掩膜；

33、第一相乘模块，用于将前景掩膜与r2*图相乘，得到去除背景的r2*图；

34、分割模块，用于使用第二深度学习网络对去除背景的r2*图上的肝脏进行分割，得到肝脏掩膜；

35、第二相乘模块，用于将肝脏掩膜与磁共振肝脏t2*加权图像相乘，得到只含有肝脏的肝脏图像；

36、计算模块，用于在得到的肝脏图像中提取肝实质区域，并计算肝实质区域的t2*值，以计算得到的肝实质区域的t2*值作为肝脏磁共振横向弛豫时间t2*参数。

37、本发明还公开了一种电子设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项方法的步骤。

38、本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项的方法的步骤。

39、相比于现有技术，本发明的有益效果为：使用第一神经学习网络和第二神经学习网络，能够实现准确的肝脏分割以得到肝脏，然后提取肝脏的肝实质区域并计算肝实质区域的t2*值，从而能够精确测量肝脏磁共振横向弛豫时间t2*参数；本发明能够实现准确的肝脏分割和自动的肝脏磁共振横向弛豫时间t2*参数测量，具有较高的泛化能力，无需人工干预，大大提高了数据处理的效率，并且能避免不同的操作者带来的测量差异。