一种基于Unet模型的脑白质高信号自动分割系统及其方法

摘要

本发明公开了一种基于Unet模型的脑白质高信号自动分割系统及其方法，该系统包括：MRI影像预处理模块，用于对输入的MRI影像数据进行归一化操作，去除噪声干扰；颅骨去除模块，用于利用颅骨去除算法实现图像中颅骨的去除，以去除非脑组织部分，进一步去除噪声干扰；WMH分割模块，用于读取经颅骨去除模块处理后的MRI影像数据，并将所述MRI影像数据转换为影像信息数据传送到神经网络模型中进行分割结果预测，以及输出精确的分割结果。采用本发明，在对图像进行自动化处理过程中应用深度学习算法，能够实现自动分割WMH区域，从而量化、高效的区分磁共振成像的脑白质高信号病灶，达到减少医生的工作量，方便后续的诊断和研究的目的。