一种基于多回波GRE序列的多任务神经网络的黑质体-1征象自动识别方法及系统

本发明公开了一种基于多回波GRE序列的多任务神经网络的黑质体‑1征象自动识别方法及系统，其方法包括磁共振数据的预处理、脑部核团分割、黑质体‑1征象识别关键区域定位及黑质体‑1征象自动识别步骤；系统利用多回波GRE磁共振序列重建出对脑部黑质显示清晰的图像，利用深度学习技术对黑质核团进行分割，并对分割后的黑质区域进行黑质体‑1征象自动识别及定位；所述重建出对脑部黑质显示清晰的图像包括trueSWI图像、T2*图像、R2*图像、磁敏感加权成像及定量磁化率图像。本发明在深度学习方法中融入了临床医生的先验知识，实现了对黑质体‑1征象识别有效区域的自动定位及精准判别，大大提升了黑质体‑1征象判读的效率及准确性。