大脑局灶性病变自动探测方法及装置的制造方法

大脑局灶性病变自动探测方法及装置的制造方法
【专利摘要】本发明提供了一种大脑局灶性病变自动探测方法及装置，本发明提供的大脑局灶性病变自动探测方法首先根据患者与健康人脑的图像对比将患者灰质白质图像中的区域初步分为阳性区域和阴性区域，然后再利用预设的遗传优化多分类器的分类模型将初步分类后的阳性区域中的真阳性区域和假阳性区域进行进一步分类，从而减少分类图像中的假阳性区域，提高分类的准确性，为医生对于大脑局灶性病变的区域判别提供有力支持。
【专利说明】
大脑局灶性病变自动探测方法及装置
技术领域
[0001] 本发明属于图像处理技术领域，特别涉及一种大脑局灶性病变自动探测方法及装 置。
【背景技术】
[0002] 根据世界卫生组织的调查结果表明，世界上约有六千五百万人遭受着癫痫病变的 折磨，其中约30%的癫痫病变是由大脑局灶性病变引起的。大脑局灶性病变是药物难以治 愈的，但是可以通过切除手术来治疗。随着核磁共振成像技术的发展，人们可以在手术前通 过观察图像找到大脑局灶性病变的位置。然而，该病变没有固定的位置和固定的形状，而且 与健康区域的区别很微小，医生用肉眼观察图像诊断时，很容易忽略病变区域。此外，每一 个病人的核磁共振图像切片数量很大，比如170张 Sagittal，240张 Axial和240张 Coronal观 察面的切片，每个医生每天要接待大约十几个病人，很容易造成医生视觉疲劳，从而影响诊 断结果。
[0003] 在过去的几十年中，大量的研究人员致力于使用计算机图像处理分析技术辅助医 生进行大脑局灶性病变的探测，下面对几种比较典型的方法进行举例说明：
[0004] 第一种方式为基于图像纹理计算大脑局灶性病变区域的特征和使用两个阶段的 贝叶斯分类器实现了自动探测大脑局灶性病变。
[0005] 第三种方式为使用支持向量机对统计学纹理和灰度共生纹理矩阵的纹理特征进 行分类，从而实现自动探测大脑局灶性病变。
[0006] 第三种方式为使用神经网络方法和基于表面的特征图，对灰质形成表面的顶点进 行了分析，使用了fuzzy k-Nearest Neighborclassifier(fkNN)的方法进行分类识别病变 区域和健康区域。
[0007] 第四种方式为基于表面的病变特征计算图和贝叶斯分类方法，在核磁共振图像进 行了自动探测大脑局灶性病变。
[0008] 现有的方法的基本框架都是使用一个分类器对计算得到的特征图像进行分类识 另IJ，这样可以把大部分的病变区域正确地识别为阳性。但是不足之处在于:每一个病人的图 像中，很多健康的区域也被错误的识别为了阳性。这使得医生需要人工排除被识别为阳性 的区域中的假阳性区域(也即被误识别为阳性区域的健康区域），从而得到真阳性区域(也 即实际病变区域），不仅花费了大量的时间，而且在有可能导致误判的发生，影响诊断效果。

【发明内容】

[0009] 本发明的目的是，提供一种能够提高真阳性区域的识别率、减少假阳性区域识别 率的大脑局灶性病变自动探测方法，从而使得医生观察探测结果时，更容易注意到真阳性 区域，提高诊断的准确率以及效率。
[0010] 为了达到上述目的，本发明提供了一种大脑局灶性病变自动探测方法及装置。
[0011] 第一方面，本发明提供了一种大脑局灶性病变自动探测方法，包括：
[0012] 对患者的核磁图像进行预处理，使其调整为标准核磁图像，所述标准核磁图像为 图像中人头的方向、大小，人头的各区域亮暗对比度均符合预设标准的图像；
[0013] 在标准核磁图像的人头图像中提取出大脑区域，并对所述大脑区域进行大脑组织 图像分割，得到患者大脑灰质白质图像，所述患者灰质白质图像为仅包含大脑皮层区域及 其围绕的内部的区域中的灰质区域或白质区域的图像；
[0014] 根据所述患者灰质白质图像，获取患者灰质白质图像特征图；
[0015] 根据健康人脑的灰质白质图像特征图，对所述患者灰质白质图像中的阳性区域与 阴性区域进行分类，得到初步分类图像;其中，所述阳性区域为疑似病变区域，阴性区域为 健康区域；
[0016] 利用由若干个分类器构建的预设的遗传优化多分类器的分类模型，对所述初步分 类图像的阳性区域中的真阳性区域以及假阳性区域进行进一步分类，得到最终分类图像。
[0017] 优选地，所述对患者的核磁图像进行预处理，使其调整为标准核磁图像，包括：
[0018] 对患者的核磁图像进行大脑方向校正、图像亮暗偏置场校正、大脑大小位置配准 校正。
[0019] 优选地，所述患者灰质白质图像特征图包括:大脑皮层厚度特征图、图像灰度变化 梯度图、灰质白质边界区域宽度图以及灰质白质区域相对亮度图。
[0020] 优选地，根据健康人脑的灰质白质图像特征图，对所述患者灰质白质图像中的阳 性区域与阴性区域进行分类，得到初步分类图像的步骤包括：
[0021] 获取患者灰质白质图像特征图与健康人脑灰质白质图像特征图的特征差异图；
[0022] 根据所述特征差异图，对所述患者灰质白质图像中的阳性区域与阴性区域进行分 类，得到初步分类图像。
[0023] 优选地，所述预设的分类模型为基于最大化F score目标函数的分类模型。
[0024] 第二方面，本发明提供了一种大脑局灶性病变自动探测装置，包括：
[0025]预处理单元，用于对患者的核磁图像进行预处理，使其调整为标准核磁图像，所述 标准核磁图像为图像中人头的方向、大小，人头的各区域亮暗对比度均符合预设标准的图 像；
[0026] 提取单元，用于在标准核磁图像的人头图像中提取出大脑区域，并对所述大脑区 域进行大脑组织图像分割，得到患者大脑灰质白质图像，所述患者灰质白质图像为仅包含 大脑皮层区域和其围绕的区域中的灰质区域或白质区域的图像；
[0027] 特征获取单元，用于根据所述患者灰质白质图像，获取患者灰质白质图像特征图；
[0028] 初步分类单元，用于根据健康人脑的灰质白质图像特征图，对所述患者灰质白质 图像中的阳性区域与阴性区域进行分类，得到初步分类图像;其中，所述阳性区域为疑似病 变区域，阴性区域为健康区域；
[0029] 最终分类单元，用于利用由若干个分类器构建的预设的分类模型，对所述初步分 类图像的阳性区域中的真阳性区域以及假阳性区域进行进一步分类，得到最终分类图像。
[0030] 优选地，所述预处理单元，进一步用于对患者的核磁图像进行大脑方向校正、图像 亮暗偏置场校正、大脑大小位置配准校正。
[0031] 优选地，所述患者灰质白质图像特征图包括:大脑皮层厚度特征图、图像灰度变化 梯度图、灰质白质边界区域厚度图以及灰质白质区域相对亮度图。
[0032] 优选地，所述特征获取单元，进一步用于获取患者灰质白质图像特征图与健康人 脑灰质白质图像特征图的特征差异图；
[0033] 所述初步分类单元，进一步用于根据所述特征差异图，对所述患者灰质白质图像 中的阳性区域与阴性区域进行分类，得到初步分类图像。
[0034] 优选地，所述预设的分类模型为基于最大化F score目标函数的分类模型。
[0035] 本发明提供的大脑局灶性病变自动探测方法首先根据患者与健康人脑的图像对 比将患者灰质白质图像中的阳性区域和阴性区域进行初步分类，然后再利用预设的分类模 型将初步分类后的阳性区域中的真阳性区域和假阳性区域进行进一步分类，从而减少分类 图像中的假阳性区域，提高分类的准确性，为医生对于大脑局灶性病变的区域判别提供有 力支持。
【附图说明】
[0036] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 示例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图 获得其他的附图。
[0037] 图1是本发明提供的大脑局灶性病变自动探测方法实施例流程图；
[0038] 图2是本发明提供的大脑局灶性病变自动探测装置实施例结构示意图。
【具体实施方式】
[0039]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人在没有作出创造性劳动前提下所获得的所有其他实 施例，都属于本发明保护的范围。
[0040] 第一方面，本发明提供了一种大脑局灶性病变自动探测方法实施例，如图1所示， 包括：
[0041] S101、对患者的核磁图像进行预处理，使其调整为标准核磁图像，所述标准核磁图 像为图像中人头的方向、大小，人头的各区域亮暗对比度均符合预设标准的图像；
[0042] S102、在标准核磁图像的人头图像中提取出大脑区域，再对所述大脑区域进行大 脑组织图像分割，得到患者大脑灰质白质图像，所述患者灰质白质图像为仅包含大脑皮层 区域和其围绕的区域中的灰质区域和白质区域的图像；
[0043] S103、根据所述患者灰质白质图像，获取患者灰质白质图像特征图；
[0044] S104、根据健康人脑的灰质白质图像特征图，对所述患者灰质白质图像中的阳性 区域与阴性区域进行分类，得到初步分类图像;其中，所述阳性区域为疑似病变区域，阴性 区域为健康区域；
[0045] S105、利用由若干个分类器构建的预设的分类模型，对所述初步分类图像的阳性 区域中的真阳性区域以及假阳性区域进行进一步分类，得到最终分类图像。
[0046] 本发明提供的大脑局灶性病变自动探测方法首先根据患者与健康人脑的图像对 比将患者灰质白质图像中的阳性区域和阴性区域进行初步分类，然后再利用预设的分类模 型将初步分类后的阳性区域中的真阳性区域和假阳性区域进行进一步分类，从而减少分类 图像中的假阳性区域，提高分类的准确性，为医生对于大脑局灶性病变的区域判别提供有 力支持。
[0047] 在实际应用中，这里的患者灰质白质图像特征图具体可以包括:大脑皮层厚度特 征图、图像灰度变化梯度图、灰质白质边界区域宽度图以及灰质白质区域相对亮度图。
[0048] 其中，所述大脑皮层厚度特征图为反映所述灰质白质图像每一像素点处对应的大 脑皮层厚度值的特征图，所述图像灰度变化梯度图为反映所述灰质白质图像的图像灰度的 梯度图，所述灰质白质边界区域宽度图为反映所述灰质白质图像中灰质区域与白质区域交 界区域宽度值的特征图，所述灰质白质区域相对亮度图为反映所述灰质白质图像中所有像 素相对于灰质区域与白质区域交界处的灰度值比值的特征图；
[0049] 大脑皮层厚度特征图中大脑皮层的测量主要是把灰质区域看作一个静电场，先借 助拉普拉斯方程的解，得到一个电势场，然后对于每一个像素点，反复迭代搜索最大值和最 小值，直到分别找到该像素点对应的在灰质和白质里的两个点，这两个点之间的距离，表示 该像素点处的大脑皮层厚度的数值。图像灰度变化梯度图是使用三维的高斯函数对图像进 行卷积得到。灰质白质边界区域宽度图是先分割出灰质白质的边界区域，再把其中一个区 域看作静电场，然后采用与测量大脑皮层厚度一样的方法计算该区域的宽度。灰质白质区 域相对亮度图是计算所有像素相对于灰质白质交界处的灰质值得比值。
[0050] 当然，除上述所述的特征图外，这里还可以包括其他能够反映大脑病变特征的特 征图，本发明对此不做具体限定。
[0051] 在具体实施时，所述步骤S101可以通过多种方式实现，下面介绍一种具体的实施 方式，包括:对患者的核磁图像进行大脑方向校正、图像亮暗偏置场校正、大脑大小位置配 准校正。当然，还可以包括其他有助于获取大脑病变特征的预处理方法，本发明对此不做具 体限定。
[0052] 在具体实施时，步骤S104可以具体包括：
[0053 ] S1041、获取患者灰质白质图像特征图与健康人脑灰质白质图像特征图的特征差 异图；
[0054] 具体地，可以首先计算健康人脑灰质白质图像的特征值，再对健康人脑灰质白质 图像计算得到的特征图进行统计，得到了每个特征图在每个位置处对应的特征数值的平均 值和方差。接着，计算步骤s 10 3中患者灰质白质图像特征图的特征值与健康人脑灰质白质 图像的特征值平均值和方差计算高斯距离，从而得到特征差异图。
[0055] S1042、根据所述特征差异图，对所述患者灰质白质图像中的阳性区域与阴性区域 进行分类，得到初步分类图像。
[0056] 具体地分类方式可以通过以下方式实施。根据患者灰质白质图像计算得到的特征 图（表示为F)和健康对照组(健康人脑灰质白质图像特征图）的平均特征图，通过z-score的 方法进行对比，得到特征图F对应的Z-score特征图。在Z中的每一个元素都F中的元素对应。 [0057]在计算Z-score特征图之前，需要先得到健康对照组的每一个特征图在图像中不 同位置的平均值和方差，其中，方差的计算公式如下式所示：
[0058]
(1)
[0059] 在得到平均图和方差图之后，Z-score特征图的计算方法如下：
[0060] Zi(v) = (Fi(v)-Fu,i(v))/(FsD,i(v)+e) (2)
[0061] 这里，ZKv)是指在第i个特征图的像素 v处的数值，ε是一个很接近0的正数。
[0062 ]通过Z-s cor e特征图就能够反映出健康人脑灰质白质特征图与患者灰质白质图像 特征图之间的差异，从而对患者灰质白质图像特征图中疑似病变的阳性区域和健康的阴性 区域进行分类。
[0063]在具体实施时，步骤S105中预设的分类模型为基于最大化F score目标函数的分 类模型。具体地，这里是基于多个分类器构建最大化Fscore的目标函数，其具体公式如下：
[0064]
[0065] 其中，vm表示第m个像素的特征矢量，Μ表示像素的总个数，y(vm)表示训练数据中在 第m个像素位置处是标记为0或1，^是第j个分类器的权值，l」( Vm)表示在第m个像素位置处 分类器得到的结果是标记为〇或1。本发明中使用F score目标函数模型对真阳性和假阳性 的分类结果进行评价，从而将阳性中的假阳性部分区分出来，提高分类的准确率，为医生辨 别大脑病变提供有力支持。其中这里的F score表示的是精密度和召回率的权衡。
[0066] 下面具体说明一下F-score优化的分类识别过程中需要的目标函数的构建，以及 如何优化得到参数。
[0067] 目标函数的构建主要是根据最大化权衡精密度和查全率的F score，
[0068] Fsc〇re = 2 X precision X recall/(precision+recall) (4)
[0069] 其中，recall = #TP/(#TP+#FN)，以及precision = #TP/(#TP+#FP)。因此，Fscore可 以表示为:Fscore = 2 X (#TP)/ (2 X (#TP) +#FN+#FP)。这里的符号#表示数量。
[0070] 计算#TP的公式为丨
囟里的m是像素的索引，vm代表第m个像素，Μ是 图像的总数量，TP(vm)是像素^的真阳性的数值，计算方法将在下一段进行介绍。在金标准 中，像素的标签定义为y(Vm)，这里当VmeFCD时，y(Vm) = l ;否则y(Vm)=0。在训练数据中，分 类后的图像中标签表示为1心0。当~被识别为病变时山(Vm) = l;否则lj(Vm)=〇。这里，j 表示多个分类器中分类器的索引，表示第j个分类器应用像素处的特征矢量分类识 别后的结果。 J
[0071 ] TP(vm)的计算实现过程为：当y(vm) = 1 且(λ, ) > 7"时，TP(vm) = 1;否则TP(vm) Μ =0。这里，^是第j个分类器的权值，J是多分类器的总个数，T是决策阈值。分类器的权值 和决策阈值T是需要优化得到的。本发明中，我们采用遗传优化器的方法优化目标函数得
[0072] J到。权值w的约束条件为:！>·, =I; 0i； 1。综上所述，tpu)可以表达为：Μ
[0074] 类似地，FN(vm)和FP(vm)可以推导得到如下的表达式：
[0073]
[0075]
(6)
[0076] 把公式(5)和(6)代入公式(4)得到Fsc；_的表达式为：
[0077](7) 11.1-1
J
[0078] 考虑到约束条件11 =_1，目标函数可以表达为： 户1
[0079](8)
户1
[0080] 为了找到多分类器的最优的权值，优化过程需要求解以下方程：
[0081 ]
(())
[0082] 接下来，遗传算法被用来优化得到最优的权值和决策阈值T，考虑到遗传算法的 输入通常是一个二进制码，代表基因，我们需要把多个十进制的变量转换成一个序列的二 进制码。每一个十进制数都转换成长度为L BC的长度的二进制码。第1个十进制数占的是二进 制码的第1到Lbc位，第2个十进制数占的是二进制码的第Lbc+Ι到2XL BC位。以此类推，第Q个 十进制变量占用的是二进制码的（Q_1)LBC+1到QXL BC位。每一个十进制数对应的二进制码 的长度LBC的数值根据十进制变量的大小范围[a，b]得到：
[0083]
(10)
[0084] 其中，函数INT是计算得到离给定数值最近的比给定数值小的整数。
[0085] 需要说明的是，上述实施例中的举例说明只是为了便于更好地理解本发明实施例 提供的方法，并不能构成对本发明的具体限定。且上述的各个优选实施方式之间不会相互 影响，各个优选实施方式之间的任意组合所得到的方案均应该落入本发明的保护范围。
[0086] 第二方面，本发明提供了一种大脑局灶性病变自动探测装置，如图2所示，包括： [0087]预处理单元201，用于对患者的核磁图像进行预处理，使其调整为标准核磁图像， 所述标准核磁图像为图像中人头的方向、大小，人头的各区域亮暗对比度均符合预设标准 的图像；
[0088]提取单元202,用于在标准核磁图像的人头图像中提取出大脑区域，并对所述大脑 区域进行大脑组织图像分割，得到患者大脑灰质白质图像，所述患者灰质白质图像为仅包 含大脑皮层区域和其围绕的区域中的灰质区域和白质区域的图像；
[0089] 特征获取单元203,用于根据所述患者灰质白质图像，获取患者灰质白质图像特征 图；
[0090] 初步分类单元204,用于根据健康人脑的灰质白质图像特征图，对所述患者灰质白 质图像中的阳性区域与阴性区域进行分类，得到初步分类图像;其中，所述阳性区域为疑似 病变区域，阴性区域为健康区域；
[0091] 最终分类单元205,用于利用由若干个分类器构建的预设的分类模型，对所述初步 分类图像的阳性区域中的真阳性区域以及假阳性区域进行进一步分类，得到最终分类图 像。
[0092]在具体实施时，预处理单元201，进一步用于对患者的核磁图像进行大脑方向校 正、图像亮暗偏置场校正、大脑大小位置配准校正。
[0093] 在具体实施时，所述患者灰质白质图像特征图包括:大脑皮层厚度特征图、图像灰 度变化梯度图、灰质白质边界区域宽度图以及灰质白质区域相对亮度图。
[0094] 在具体实施时，所述特征获取单元203,进一步用于获取患者灰质白质图像特征图 与健康人脑灰质白质图像特征图的特征差异图；
[0095]所述初步分类单元204,进一步用于根据所述特征差异图，对所述患者灰质白质图 像中的阳性区域与阴性区域进行分类，得到初步分类图像。
[0096] 在具体实施时，所述预设的分类模型为基于最大化F score目标函数的分类模型。
[0097] 由于本实施例所介绍的大脑局灶性病变自动探测装置为可以执行本发明实施例 中的大脑局灶性病变自动探测方法的装置，故而基于本发明实施例中所介绍的大脑局灶性 病变自动探测方法，本领域所属技术人员能够了解本实施例的大脑局灶性病变自动探测装 置的【具体实施方式】以及其各种变化形式，所以在此对于该大脑局灶性病变自动探测装置如 何实现本发明实施例中的大脑局灶性病变自动探测方法不再详细介绍。只要本领域所属技 术人员实施本发明实施例中大脑局灶性病变自动探测方法所采用的装置，都属于本申请所 欲保护的范围。
[0098] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可 以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单 元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其 中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性 的劳动的情况下，即可以理解并实施。
[0099] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可 借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上 述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该 计算机软件产品可以存储在计算机可读存储介质中，如R0M/RAM、磁碟、光盘等，包括若干指 令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施 例或者实施例的某些部分所述的方法。
[0100] 应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领 域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中， 不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词"包含"不排除存在未 列在权利要求中的元件或步骤。位于元件之前的单词"一"或"一个"不排除存在多个这样的 元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实 现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项 来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名 称。
[0101]最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制;尽管 参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可 以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换； 而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和 范围。
【主权项】
1. 一种大脑局灶性病变自动探测方法，其特征在于，包括： 对患者的核磁图像进行预处理，使其调整为标准核磁图像，所述标准核磁图像为图像 中人头的方向、大小，人头的各区域亮暗对比度均符合预设标准的图像； 在标准核磁图像的人头图像中提取出大脑区域，并对所述大脑区域进行大脑组织图像 分割，得到患者大脑灰质和白质的部分容积效应图像，所述患者灰质和白质图像为仅包含 大脑皮层区域和其围绕的区域中的灰质区域和白质区域的图像； 根据所述患者灰质白质图像，获取患者灰质白质图像特征图； 根据健康人脑的灰质白质图像特征图，对所述患者灰质白质图像中区域分类成阳性区 域与阴性区域，得到初步分类图像;其中，所述阳性区域为疑似病变区域，阴性区域为健康 区域； 利用由若干个分类器构建的遗传优化多分类器的分类模型，对所述初步分类图像的阳 性区域中的真阳性区域以及假阳性区域进行进一步分类，得到最终分类图像。2. 如权利要求1所述的方法，其特征在于，所述对患者的核磁图像进行预处理，使其调 整为标准核磁图像，包括： 对患者的核磁图像进行大脑方向校正、图像亮暗偏置场校正、大脑大小位置配准校正。3. 如权利要求1所述的方法，其特征在于，所述患者灰质白质图像特征图包括:大脑皮 层厚度特征图、图像灰度变化梯度图、灰质/白质边界区域宽度图以及灰质白质区域相对亮 度图。4. 如权利要求3所述的方法，其特征在于，根据健康人脑的灰质白质图像特征图，对所 述患者灰质白质图像中的阳性区域与阴性区域进行分类，得到初步分类图像的步骤包括： 获取患者灰质白质图像特征图与健康人脑灰质白质图像特征图的特征差异图； 根据所述特征差异图，对所述患者灰质白质图像中的阳性区域与阴性区域进行分类， 得到初步分类图像。5. 如权利要求1所述的方法，其特征在于，所述预设的分类模型为基于最大化F score 目标函数的分类模型。6. -种大脑局灶性病变自动探测装置，其特征在于，包括： 预处理单元，用于对患者的核磁图像进行预处理，使其调整为标准核磁图像，所述标准 核磁图像为图像中人头的方向、大小，人头的各区域亮暗对比度均符合预设标准的图像； 提取单元，用于在标准核磁图像的人头图像中提取出大脑区域，并对所述脑干区域进 行大脑组织图像分割，得到患者大脑灰质白质图像，所述患者灰质白质图像为仅包含大脑 皮层区域及其围绕的区域中的灰质区域和白质区域的图像； 特征获取单元，用于根据所述患者灰质白质图像，获取患者灰质白质图像特征图； 初步分类单元，用于根据健康人脑的灰质白质图像特征图，对所述患者灰质白质图像 中的阳性区域与阴性区域进行分类，得到初步分类图像;其中，所述阳性区域为疑似病变区 域，阴性区域为健康区域； 最终分类单元，用于利用由若干个分类器构建的预设的分类模型，对所述初步分类图 像的阳性区域中的真阳性区域以及假阳性区域进行进一步分类，得到最终分类图像。7. 如权利要求6所述的装置，其特征在于， 所述预处理单元，进一步用于对患者的核磁图像进行大脑方向校正、图像亮暗偏置场 校正、大脑大小位置配准校正。8. 如权利要求6所述的装置，其特征在于，所述患者灰质白质图像特征图包括:大脑皮 层厚度特征图、图像灰度变化梯度图、灰质白质边界区域宽度图以及灰质白质区域相对亮 度图。9. 如权利要求8所述的装置，其特征在于， 所述特征获取单元，进一步用于获取患者灰质白质图像特征图与健康人脑灰质白质图 像特征图的特征差异图； 所述初步分类单元，进一步用于根据所述特征差异图，对所述患者灰质白质图像中的 阳性区域与阴性区域进行分类，得到初步分类图像。10. 如权利要求6所述的装置，其特征在于，所述预设的分类模型为基于最大化F score 目标函数的分类模型。
【文档编号】G06T7/00GK105976393SQ201610371481
【公开日】2016年9月28日
【申请日】2016年5月30日
【发明人】杨健, 曲晓霞, 王涌天, 白廷柱, 艾丹妮
【申请人】北京理工大学