用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法和系統(tǒng)，其方法包括：基于多個(gè)樣本個(gè)體相應(yīng)的結(jié)構(gòu)磁共振圖像，利用微分同胚配準(zhǔn)方法獲取每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)；利用所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算所述每對(duì)結(jié)構(gòu)磁共振圖像的非相似度，形成第一特征提取信息；將所述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本個(gè)體的結(jié)構(gòu)磁共振圖像上，基于每對(duì)結(jié)構(gòu)磁共振圖像間的配準(zhǔn)形變場(chǎng)對(duì)相應(yīng)兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行空間匹配后計(jì)算兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像之間的非相似度。本發(fā)明不會(huì)受到模板空間的選擇和建立的影響、同時(shí)也不會(huì)受到圖像噪聲等的影響，相比現(xiàn)有技術(shù)，圖像預(yù)處理的結(jié)果更加穩(wěn)定和精確。
【專利說明】用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法和系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)用腦部醫(yī)學(xué)圖像的分類技術(shù)，特別是涉及一種用于腦部醫(yī)學(xué)圖像分 類的圖像預(yù)處理方法和系統(tǒng)。

【背景技術(shù)】
[0002] 目前，對(duì)腦部醫(yī)學(xué)圖像進(jìn)行病理圖像篩選或分類時(shí)，通常是基于MRI (磁共振圖 像）和PET(正電子發(fā)射計(jì)算機(jī)斷層掃描圖像）圖像，MRI和PET圖像分別從結(jié)構(gòu)和功能方 面提供了神經(jīng)病理信息，將MRI和PET進(jìn)行信息融合能使計(jì)算機(jī)輔助診斷得到進(jìn)一步的提 高?；贛RI和PET圖像進(jìn)行分類的預(yù)處理方法，通常包括以下兩種：
[0003] 其中一種方法，其首先對(duì)MRI和PET圖像分別進(jìn)行預(yù)處理：將MRI圖像分割為灰 質(zhì)、白質(zhì)和腦脊液并配準(zhǔn)到一個(gè)模板空間（也稱為標(biāo)準(zhǔn)空間），接著計(jì)算MRI圖像的組織密 度圖譜；將PET圖像配準(zhǔn)到相同的模板空間。然后利用基于體素的形態(tài)學(xué)分析法找出腦部 的顯著區(qū)域，從MRI圖像的顯著區(qū)域中提取組織密度值，從PET圖像對(duì)應(yīng)區(qū)域中提取體素 值，把兩類信息結(jié)合起來作為圖像特征，輸入支持向量機(jī)（SVM)，從而實(shí)現(xiàn)分類。
[0004] 另一種方法，同樣先對(duì)MRI和PET圖像各自進(jìn)行了預(yù)處理，把所有MRI和PET圖像 配準(zhǔn)到一個(gè)共同的模板空間，然后從MRI和PET圖像的整個(gè)腦部區(qū)域取得灰度值和體素值， 用多核學(xué)習(xí)方法將兩組信息結(jié)合同時(shí)實(shí)現(xiàn)分類。另外，還有其他方法也使用了多核學(xué)習(xí)方 法進(jìn)行信息融合，其算法與前一算法的不同之處在于該方法利用了張量分解算法進(jìn)行特征 提取。
[0005] 以上方法的共同之處有兩點(diǎn)，一是均使用了模板（或標(biāo)準(zhǔn)）空間，可把這類方法 稱為基于模板的方法，二是在對(duì)MRI進(jìn)行特征提取時(shí)，均用到像素灰度值或標(biāo)準(zhǔn)化后的灰 度值（如組織密度值）?；谀０宓姆椒ㄍ鶗?huì)使結(jié)果受到模板空間選擇和建立好壞的影 響，增加了結(jié)果的不穩(wěn)定性；像素灰度特征也容易受圖像噪聲、個(gè)體差異及配準(zhǔn)方法選擇的 影響，從而影響分類結(jié)果。
[0006] 可見現(xiàn)有技術(shù)中還存在一定的問題，有待進(jìn)一步提1?。


【發(fā)明內(nèi)容】

[0007] 基于此，有必要針對(duì)醫(yī)用腦部醫(yī)學(xué)圖像進(jìn)行分類前的預(yù)處理問題，提供一種用于 腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法和系統(tǒng)，其即不采用模板空間，也不采用像素灰度特 征對(duì)圖像特征進(jìn)行評(píng)價(jià)，因此本發(fā)明方法和系統(tǒng)的處理過程不會(huì)受到模板空間的選擇和建 立的影響、同時(shí)也不會(huì)受到圖像噪聲、個(gè)體差異等的影響，相比現(xiàn)有技術(shù)，圖像預(yù)處理的結(jié) 果更加穩(wěn)定和精確。
[0008] -種用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其包括：
[0009] 獲取多個(gè)樣本個(gè)體分別對(duì)應(yīng)的結(jié)構(gòu)磁共振圖像和正電子發(fā)射計(jì)算機(jī)斷層掃描圖 像；
[0010] 基于多個(gè)樣本個(gè)體相應(yīng)的結(jié)構(gòu)磁共振圖像，利用微分同胚配準(zhǔn)方法獲取每對(duì)結(jié)構(gòu) 磁共振圖像的配準(zhǔn)形變場(chǎng)；
[0011] 利用所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算所述每對(duì)結(jié)構(gòu)磁共振圖像的非 相似度，形成第一特征提取信息；
[0012] 將所述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本個(gè)體的結(jié)構(gòu)磁共振 圖像上，基于所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)將所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩 幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行空間匹配，針對(duì)空間匹配后的圖像計(jì)算所述兩幅正 電子發(fā)射計(jì)算機(jī)斷層掃描圖像之間的非相似度，形成第二特征提取信息；
[0013] 融合所述第一特征提取信息和第二特征提取信息，獲得所有樣本個(gè)體中每對(duì)樣本 個(gè)體圖像之間的非相似度，形成第三特征提取信息；
[0014] 基于所述第三特征提取信息，提取每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的多維特征向量，并將 所述多維特征向量映射到k維歐幾里得空間。
[0015] 在其中一個(gè)實(shí)施例中，所述利用微分同胚配準(zhǔn)方法獲取每對(duì)結(jié)構(gòu)磁共振圖像的配 準(zhǔn)形變場(chǎng)的步驟包括：
[0016] 從每對(duì)結(jié)構(gòu)磁共振圖像中的第一個(gè)圖像翹曲形變到所述每對(duì)結(jié)構(gòu)磁共振圖像中 的第二個(gè)圖像，獲得第一配準(zhǔn)形變場(chǎng)；和
[0017] 從所述第二個(gè)圖像翹曲形變到所述第一個(gè)圖像，獲得第二配準(zhǔn)形變場(chǎng)。
[0018] 在其中一個(gè)實(shí)施例中，在所述方法中，基于所述配準(zhǔn)形變場(chǎng)計(jì)算所述每對(duì)結(jié)構(gòu)磁 共振圖像之間的黎曼距離用以表示所述每對(duì)結(jié)構(gòu)磁共振圖像的非相似度。
[0019] 在其中一個(gè)實(shí)施例中，所述方法中針對(duì)正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行線性 配準(zhǔn)和空間匹配的過程包括以下步驟：
[0020] 將所述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本個(gè)體的結(jié)構(gòu)磁共振 圖像上；
[0021] 根據(jù)所述第一配準(zhǔn)形變場(chǎng)或第二配準(zhǔn)形變場(chǎng)，對(duì)所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的 正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行翹曲實(shí)現(xiàn)空間匹配。
[0022] 在其中一個(gè)實(shí)施例中，所述融合所述第一特征提取信息和第二特征提取信息獲得 所有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度、形成第三特征提取信息的步驟包括：
[0023] 對(duì)所有結(jié)構(gòu)磁共振圖像對(duì)的非相似度和所有正電子發(fā)射計(jì)算機(jī)斷層掃描圖像對(duì) 的非相似度分別進(jìn)行歸一化處理，設(shè)定權(quán)值，獲得每對(duì)樣本個(gè)體圖像之間的非相似度；
[0024] 集合所有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度，獲得非相似度矩陣，用 以形成所述第三特征提取信息。
[0025] 在其中一個(gè)實(shí)施例中，所述基于所述第三特征提取信息、提取每個(gè)樣本個(gè)體對(duì)應(yīng) 圖像的多維特征向量的步驟包括：
[0026] 將所述非相似度矩陣進(jìn)行正則化處理；
[0027] 對(duì)正則化處理之后的矩陣數(shù)據(jù)進(jìn)行特征分解，獲得每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的多維 特征向量。
[0028] 在其中一個(gè)實(shí)施例中，所述第一特征提取信息和第二特征提取信息均采用維特征 向量表示。
[0029] 在其中一個(gè)實(shí)施例中，所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正電子發(fā)射計(jì)算機(jī)斷 層掃描圖像之間的非相似度為：所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正電子發(fā)射計(jì)算機(jī)斷 層掃描圖像之間相減后取L2范數(shù)。
[0030] 在其中一個(gè)實(shí)施例中，所有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度表示為 下述公式：
[0031] dist (S" Sj) = ω · dist (Μ" Mj) + (1-ω) dist (Ρ" Ρ』）
[0032] 其中，disUSpSj)表示為每對(duì)樣本個(gè)體{SpSj}圖像之間的非相似度，ω表示為 設(shè)定的權(quán)值，disUMpM」）表示為所述每對(duì)結(jié)構(gòu)磁共振圖像{ΜρΜ」}的非相似度，disUPpPj) 表示所述兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像{ΡρΡ」}的非相似度。
[0033] 本發(fā)明還提供了一種用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其包括：
[0034] 圖像提取模塊，用于獲取多個(gè)樣本個(gè)體分別對(duì)應(yīng)的結(jié)構(gòu)磁共振圖像和正電子發(fā)射 計(jì)算機(jī)斷層掃描圖像；
[0035] 配準(zhǔn)模塊，用于基于多個(gè)樣本個(gè)體相應(yīng)的結(jié)構(gòu)磁共振圖像，利用微分同胚配準(zhǔn)方 法獲取每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)；
[0036] 第一特征提取模塊，用于利用所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算所述 每對(duì)結(jié)構(gòu)磁共振圖像的非相似度，形成第一特征提取信息；
[0037] 第二特征提取模塊，用于將所述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng) 樣本個(gè)體的結(jié)構(gòu)磁共振圖像上，基于所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)將所述每對(duì)結(jié) 構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行空間匹配，針對(duì)空間匹配后 的圖像計(jì)算所述兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像之間的非相似度，形成第二特征提取 信息；
[0038] 第三特征提取模塊，用于融合所述第一特征提取信息和第二特征提取信息，獲得 所有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度，形成第三特征提取信息；
[0039] 光譜投影模塊，用于基于所述第三特征提取信息，提取每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的 多維特征向量，并將所述多維特征向量映射到k維歐幾里得空間。
[0040] 在其中一個(gè)實(shí)施例中，所述配準(zhǔn)模塊包括：
[0041] 第一翹曲單元，用于執(zhí)行從每對(duì)結(jié)構(gòu)磁共振圖像中的第一個(gè)圖像翹曲形變到所述 每對(duì)結(jié)構(gòu)磁共振圖像中的第二個(gè)圖像獲得第一配準(zhǔn)形變場(chǎng)的步驟；和
[0042] 第二翹曲單元，用于執(zhí)行從所述第二個(gè)圖像翹曲形變到所述第一個(gè)圖像獲得第二 配準(zhǔn)形變場(chǎng)的步驟。
[0043] 在其中一個(gè)實(shí)施例中，所述第二特征提取模塊包括：
[0044] 配準(zhǔn)單元，用于執(zhí)行將上述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本 個(gè)體的結(jié)構(gòu)磁共振圖像上的步驟；和
[0045] 空間匹配單元，用于根據(jù)所述第一配準(zhǔn)形變場(chǎng)或第二配準(zhǔn)形變場(chǎng)對(duì)所述每對(duì)結(jié)構(gòu) 磁共振圖像對(duì)應(yīng)的正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行翹曲實(shí)現(xiàn)空間匹配。
[0046] 在其中一個(gè)實(shí)施例中，所述第三特征提取模塊包括：
[0047] 歸一化單元，用于對(duì)所有結(jié)構(gòu)磁共振圖像對(duì)的非相似度和所有正電子發(fā)射計(jì)算機(jī) 斷層掃描圖像對(duì)的非相似度分別進(jìn)行歸一化處理、設(shè)定權(quán)值，獲得每對(duì)樣本個(gè)體圖像之間 的非相似度；
[0048] 集合單元，用于集合所有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度，獲得非 相似度矩陣，用以形成所述第三特征提取信息。
[0049] 在其中一個(gè)實(shí)施例中，所述光譜投影模塊包括：
[0050] 映射單元，將所述非相似度矩陣進(jìn)行正則化處理；
[0051] 特征提取單元，用于對(duì)正則化處理之后的矩陣數(shù)據(jù)進(jìn)行特征分解，獲得每個(gè)樣本 個(gè)體對(duì)應(yīng)圖像的多維特征向量。
[0052] 在其中一個(gè)實(shí)施例中，所述第一特征提取模塊還包括：
[0053] 黎曼距離計(jì)算單元，用于利用所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算黎曼 距離以獲得所述每對(duì)結(jié)構(gòu)磁共振圖像的非相似度，用以形成所述第一特征提取信息。
[0054] 在其中一個(gè)實(shí)施例中，所述第二特征提取模塊還包括：
[0055] 計(jì)算單元，用于針對(duì)配準(zhǔn)后的圖像，將所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正電 子發(fā)射計(jì)算機(jī)斷層掃描圖像之間相減后取L 2范數(shù)來獲得兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描 圖像之間的非相似度，用以形成第二特征提取信息。
[0056] 在其中一個(gè)實(shí)施例中，所述光譜投影模塊還包括：
[0057] 降維單元，用于對(duì)所述多維特征向量進(jìn)行降維處理，映射到k維歐幾里得空間。
[0058] 本發(fā)明的圖像預(yù)處理方法和系統(tǒng)以微分同胚配準(zhǔn)形變場(chǎng)為基礎(chǔ)來計(jì)算圖像間的 非相似度，并且采用兩兩圖像間的遍歷式來提取非相似度信息，其可不易受到圖像噪聲、掃 描機(jī)器不同、參數(shù)設(shè)置差異等方面的影響；可以避免了使用模板空間，以及最大程度地采集 了圖像間的相似程度信息。利用本發(fā)明的圖像預(yù)處理方法和系統(tǒng)可以從圖像中獲得更多、 更準(zhǔn)確的結(jié)構(gòu)與功能特征信息，便于更加準(zhǔn)確地對(duì)圖像進(jìn)行特征提取，從而提高對(duì)特定圖 像識(shí)別分類的正確率。

【專利附圖】

【附圖說明】
[0059] 圖1為本發(fā)明圖像預(yù)處理方法一實(shí)施例的流程示意圖；
[0060] 圖2為本發(fā)明圖像預(yù)處理方法一優(yōu)化實(shí)施例的流程示意圖；
[0061] 圖3為本發(fā)明圖像預(yù)處理方法另一實(shí)施例的流程示意圖；
[0062] 圖4為本發(fā)明圖像預(yù)處理系統(tǒng)一實(shí)施例的結(jié)構(gòu)示意圖；
[0063] 圖5為本發(fā)明圖像預(yù)處理系統(tǒng)一優(yōu)化實(shí)施例的結(jié)構(gòu)示意圖；
[0064] 圖6為本發(fā)明圖像預(yù)處理系統(tǒng)另一實(shí)施例的結(jié)構(gòu)示意圖。

【具體實(shí)施方式】
[0065] 針對(duì)醫(yī)用腦部醫(yī)學(xué)圖像分類技術(shù)中對(duì)圖像的預(yù)處理，本發(fā)明提供了一種用于腦部 醫(yī)學(xué)圖像分類的圖像預(yù)處理方法和系統(tǒng)，其充分結(jié)合MRI和PET圖像的信息特點(diǎn)，在MRI 圖像特征采集上，既不計(jì)算組織密度，也不直接使用灰度值，而是利用了圖像間配準(zhǔn)的形變 場(chǎng)，使對(duì)解剖結(jié)構(gòu)差異的描述更直觀更準(zhǔn)確；在PET圖像特征的采集上，直接提取體素值信 息，相比現(xiàn)有技術(shù)，本發(fā)明不采用固有的模板空間，而轉(zhuǎn)用兩兩比較的遍歷式方式，因而得 到的特征不是一個(gè)一維向量，而是多維向量，利用相關(guān)數(shù)學(xué)模型對(duì)多維向量進(jìn)行量化，分別 建立MRI和PET的相似度矩陣，用于描述每?jī)煞鶊D像之間的非相似程度。然后再將MRI和 PET的非相似度矩陣進(jìn)行信息融合并利用投影算法將每個(gè)個(gè)體映射到統(tǒng)一的低維歐幾里得 空間，用以最后通過模式分類方法對(duì)預(yù)處理后的圖像進(jìn)行分類。以下結(jié)合【專利附圖】

【附圖說明】本發(fā)明 的具體實(shí)施例。
[0066] 如圖1所示，本實(shí)施例提供的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其包括：
[0067] 步驟100,獲取多個(gè)樣本個(gè)體分別對(duì)應(yīng)的結(jié)構(gòu)磁共振圖像和正電子發(fā)射計(jì)算機(jī)斷 層掃描圖像；
[0068] 步驟200,基于多個(gè)樣本個(gè)體相應(yīng)的結(jié)構(gòu)磁共振圖像，利用微分同胚配準(zhǔn)方法獲取 每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)。圖像配準(zhǔn)是一個(gè)將兩幅或多幅圖像進(jìn)行空間匹配的過 程，配準(zhǔn)所得的形變場(chǎng)對(duì)解剖結(jié)構(gòu)差異的描述更直觀更準(zhǔn)確。這里的微分同胚配準(zhǔn)方法可 以選用現(xiàn)有的任意微分同胚配準(zhǔn)方法。
[0069] 步驟300,利用上述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算上述每對(duì)結(jié)構(gòu)磁共振 圖像的非相似度，形成第一特征提取信息；這里的每對(duì)結(jié)構(gòu)磁共振圖像的非相似度優(yōu)選通 過計(jì)算上述每對(duì)結(jié)構(gòu)磁共振圖像之間的黎曼距離獲得，但本發(fā)明的非相似度不限于這一種 定義方式。
[0070] 步驟400,將上述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本個(gè)體的結(jié) 構(gòu)磁共振圖像上，基于所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)將上述每對(duì)結(jié)構(gòu)磁共振圖像 對(duì)應(yīng)的兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行空間匹配，針對(duì)空間匹配后的圖像計(jì)算兩 幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像之間的非相似度，形成第二特征提取信息；
[0071] 步驟500,融合上述第一特征提取信息和第二特征提取信息，獲得所有樣本個(gè)體中 每對(duì)樣本個(gè)體圖像之間的非相似度，形成第三特征提取信息；
[0072] 步驟600,基于上述第三特征提取信息，提取每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的多維特征向 量，并將上述多維特征向量映射到k維歐幾里得空間，用以進(jìn)行腦部醫(yī)學(xué)圖像分類。
[0073] 基于上述實(shí)施例，如圖2所示，上述步驟200中利用微分同胚配準(zhǔn)方法獲取每對(duì)結(jié) 構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)的步驟包括：
[0074] 步驟201，從每對(duì)結(jié)構(gòu)磁共振圖像中的第一個(gè)圖像翹曲形變到上述每對(duì)結(jié)構(gòu)磁共 振圖像中的第二個(gè)圖像，獲得第一配準(zhǔn)形變場(chǎng)；和
[0075] 步驟202,從上述第二個(gè)圖像翹曲形變到上述第一個(gè)圖像，獲得第二配準(zhǔn)形變場(chǎng)。 本實(shí)施例中的步驟201和202的順序可以置換，在此不對(duì)兩個(gè)步驟的前后順序進(jìn)行限制。
[0076] 本實(shí)施例中，上述步驟100中，η個(gè)樣本個(gè)體的集合為S= {SuSd...，Sn}，此η個(gè) 樣本個(gè)體對(duì)應(yīng)的結(jié)構(gòu)磁共振圖像集合為Μ = {Mi, Μ2, . . .，Μη}，此η個(gè)樣本個(gè)體對(duì)應(yīng)的正電子 發(fā)射計(jì)算機(jī)斷層掃描圖像集合表示為？={?1，？2，...，？11}，其中吣與？ 1(1^1，...，1!)分 別為同一樣本個(gè)體i的結(jié)構(gòu)磁共振圖像（以下簡(jiǎn)稱sMRI圖像）和正電子發(fā)射計(jì)算機(jī)斷層 掃描圖像（以下簡(jiǎn)稱PET圖像）。在利用微分同胚配準(zhǔn)方法對(duì)每一對(duì)sMRI圖像{ΜρΜ」}， i, j e 1，···，η,進(jìn)行微分同胚配準(zhǔn)（diffeomorphic registration)，即圖像間的空間映 射為光滑可逆且其逆映射也是光滑的，其優(yōu)點(diǎn)在于圖像的拓?fù)浣Y(jié)構(gòu)在配準(zhǔn)前后不會(huì)發(fā)生改 變。針對(duì)每對(duì)sMRI圖像{MpMj}的微分同胚配準(zhǔn)包括正向和逆向兩個(gè)翹曲過程，其一是，從 每對(duì)sMRI圖像{ΜρΜ」}中的第一個(gè)圖像吣翹曲形變到第二個(gè)圖像％而獲得的第一配準(zhǔn)形 變場(chǎng)Φ υ，即％ = Mi 〇 Φ y，其中運(yùn)算" "定義為根據(jù)第一配準(zhǔn)形變場(chǎng)Φ u對(duì)第一個(gè)圖像 Mi進(jìn)行翹曲（warping)，其二是，從上述第二個(gè)圖像％翹曲形變到上述第一個(gè)圖像％，而獲 得第二配準(zhǔn)形變場(chǎng)，即％ =MJ〇 Φμ，其中運(yùn)算" "定義為根據(jù)第二配準(zhǔn)形變場(chǎng)對(duì) 第二個(gè)圖像％進(jìn)行翹曲（warping)。由于配準(zhǔn)算法為微分同胚的，則第一配準(zhǔn)形變場(chǎng)Φμ 和第二配準(zhǔn)形變場(chǎng)均為微分同胚體（diffeomorphism)。所有微分同胚體的集合即構(gòu) 成李群，因此第一配準(zhǔn)形變場(chǎng)Φυ和第二配準(zhǔn)形變場(chǎng)Φ#即為李群中的元素。

【權(quán)利要求】
1. 一種用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其包括： 獲取多個(gè)樣本個(gè)體分別對(duì)應(yīng)的結(jié)構(gòu)磁共振圖像和正電子發(fā)射計(jì)算機(jī)斷層掃描圖像； 基于多個(gè)樣本個(gè)體相應(yīng)的結(jié)構(gòu)磁共振圖像，利用微分同胚配準(zhǔn)方法獲取每對(duì)結(jié)構(gòu)磁共 振圖像的配準(zhǔn)形變場(chǎng)； 利用所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算所述每對(duì)結(jié)構(gòu)磁共振圖像的非相似 度，形成第一特征提取信息； 將所述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本個(gè)體的結(jié)構(gòu)磁共振圖像 上，基于所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)將所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正 電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行空間匹配，針對(duì)空間匹配后的圖像計(jì)算所述兩幅正電子 發(fā)射計(jì)算機(jī)斷層掃描圖像之間的非相似度，形成第二特征提取信息； 融合所述第一特征提取信息和第二特征提取信息，獲得所有樣本個(gè)體中每對(duì)樣本個(gè)體 圖像之間的非相似度，形成第三特征提取信息； 基于所述第三特征提取信息，提取每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的多維特征向量，并將所述 多維特征向量映射到k維歐幾里得空間。
2. 根據(jù)權(quán)利要求1所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其特征在于，所 述利用微分同胚配準(zhǔn)方法獲取每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)的步驟包括： 從每對(duì)結(jié)構(gòu)磁共振圖像中的第一個(gè)圖像翹曲形變到所述每對(duì)結(jié)構(gòu)磁共振圖像中的第 二個(gè)圖像，獲得第一配準(zhǔn)形變場(chǎng)；和 從所述第二個(gè)圖像翹曲形變到所述第一個(gè)圖像，獲得第二配準(zhǔn)形變場(chǎng)。
3. 根據(jù)權(quán)利要求1所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其特征在于，所 述方法中，基于所述配準(zhǔn)形變場(chǎng)計(jì)算所述每對(duì)結(jié)構(gòu)磁共振圖像之間的黎曼距離用以表示所 述每對(duì)結(jié)構(gòu)磁共振圖像的非相似度。
4. 根據(jù)權(quán)利要求2所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其特征在于，所 述方法中針對(duì)正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行線性配準(zhǔn)和空間匹配的過程包括以下 步驟： 將所述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本個(gè)體的結(jié)構(gòu)磁共振圖像 上； 根據(jù)所述第一配準(zhǔn)形變場(chǎng)或第二配準(zhǔn)形變場(chǎng)，對(duì)所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的正電 子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行翹曲實(shí)現(xiàn)空間匹配。
5. 根據(jù)權(quán)利要求1所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其特征在于，所 述融合所述第一特征提取信息和第二特征提取信息獲得所有樣本個(gè)體中每對(duì)樣本個(gè)體圖 像之間的非相似度、形成第三特征提取信息的步驟包括： 對(duì)所有結(jié)構(gòu)磁共振圖像對(duì)的非相似度和所有正電子發(fā)射計(jì)算機(jī)斷層掃描圖像對(duì)的非 相似度分別進(jìn)行歸一化處理，設(shè)定權(quán)值，獲得每對(duì)樣本個(gè)體圖像之間的非相似度； 集合所有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度，獲得非相似度矩陣，用以形 成所述第三特征提取信息。
6. 根據(jù)權(quán)利要求5所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其特征在于，所 述基于所述第三特征提取信息、提取每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的多維特征向量的步驟包括： 利用光譜投影方法將所述非相似度矩陣進(jìn)行正則化處理； 對(duì)正則化處理之后的矩陣數(shù)據(jù)進(jìn)行特征分解，獲得每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的多維特征 向量。
7. 根據(jù)權(quán)利要求1所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其特征在于，所 述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像之間的非相似度為：所 述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像之間相減后取L 2范數(shù)。
8. 根據(jù)權(quán)利要求1所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理方法，其特征在于，所 有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度表示為下述公式： dist(Si，Sj) = ω · dist (Mj, Mj) + (1-ω) dist (Pj, Pj) 其中，disUSpSj)表示為每對(duì)樣本個(gè)體{SpSj}圖像之間的非相似度，ω表示為設(shè)定 的權(quán)值，distO^Mj)表示為所述每對(duì)結(jié)構(gòu)磁共振圖像{Μ，」}的非相似度，disUPpPj)表 示所述兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像{ΡρΡ」}的非相似度。
9. 一種用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于，所述系統(tǒng)包括： 圖像提取模塊，用于獲取多個(gè)樣本個(gè)體分別對(duì)應(yīng)的結(jié)構(gòu)磁共振圖像和正電子發(fā)射計(jì)算 機(jī)斷層掃描圖像； 配準(zhǔn)模塊，用于基于多個(gè)樣本個(gè)體相應(yīng)的結(jié)構(gòu)磁共振圖像，利用微分同胚配準(zhǔn)方法獲 取每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)； 第一特征提取模塊，用于利用所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算所述每對(duì) 結(jié)構(gòu)磁共振圖像的非相似度，形成第一特征提取信息； 第二特征提取模塊，用于將所述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣 本個(gè)體的結(jié)構(gòu)磁共振圖像上，基于所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)將所述每對(duì)結(jié)構(gòu) 磁共振圖像對(duì)應(yīng)的兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行空間匹配，針對(duì)空間匹配后的 圖像計(jì)算所述兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像之間的非相似度，形成第二特征提取信 息； 第三特征提取模塊，用于融合所述第一特征提取信息和第二特征提取信息，獲得所有 樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度，形成第三特征提取信息； 光譜投影模塊，用于基于所述第三特征提取信息，提取每個(gè)樣本個(gè)體對(duì)應(yīng)圖像的多維 特征向量，并將所述多維特征向量映射到k維歐幾里得空間。
10. 根據(jù)權(quán)利要求9所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于，所 述配準(zhǔn)模塊包括： 第一翹曲單元，用于執(zhí)行從每對(duì)結(jié)構(gòu)磁共振圖像中的第一個(gè)圖像翹曲形變到所述每對(duì) 結(jié)構(gòu)磁共振圖像中的第二個(gè)圖像獲得第一配準(zhǔn)形變場(chǎng)的步驟；和 第二翹曲單元，用于執(zhí)行從所述第二個(gè)圖像翹曲形變到所述第一個(gè)圖像獲得第二配準(zhǔn) 形變場(chǎng)的步驟。
11. 根據(jù)權(quán)利要求10所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于， 所述第二特征提取模塊包括： 配準(zhǔn)單元，用于執(zhí)行將上述正電子發(fā)射計(jì)算機(jī)斷層掃描圖像線性配準(zhǔn)到相應(yīng)樣本個(gè)體 的結(jié)構(gòu)磁共振圖像上的步驟；和 空間匹配單元，用于根據(jù)所述第一配準(zhǔn)形變場(chǎng)或第二配準(zhǔn)形變場(chǎng)對(duì)所述每對(duì)結(jié)構(gòu)磁共 振圖像對(duì)應(yīng)的正電子發(fā)射計(jì)算機(jī)斷層掃描圖像進(jìn)行翹曲實(shí)現(xiàn)空間匹配。
12. 根據(jù)權(quán)利要求9所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于，所 述第一特征提取模塊還包括： 黎曼距離計(jì)算單元，用于利用所述每對(duì)結(jié)構(gòu)磁共振圖像的配準(zhǔn)形變場(chǎng)，計(jì)算黎曼距離 以獲得所述每對(duì)結(jié)構(gòu)磁共振圖像的非相似度，用以形成所述第一特征提取信息。
13. 根據(jù)權(quán)利要求11所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于， 所述第二特征提取模塊還包括： 計(jì)算單元，用于針對(duì)配準(zhǔn)后的圖像，將所述每對(duì)結(jié)構(gòu)磁共振圖像對(duì)應(yīng)的兩幅正電子發(fā) 射計(jì)算機(jī)斷層掃描圖像之間相減后取U范數(shù)來獲得兩幅正電子發(fā)射計(jì)算機(jī)斷層掃描圖像 之間的非相似度，用以形成第二特征提取信息。
14. 根據(jù)權(quán)利要求9所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于，所 述第三特征提取模塊包括： 歸一化單元，用于對(duì)所有結(jié)構(gòu)磁共振圖像對(duì)的非相似度和所有正電子發(fā)射計(jì)算機(jī)斷層 掃描圖像對(duì)的非相似度分別進(jìn)行歸一化處理、設(shè)定權(quán)值，獲得每對(duì)樣本個(gè)體圖像之間的非 相似度； 集合單元，用于集合所有樣本個(gè)體中每對(duì)樣本個(gè)體圖像之間的非相似度，獲得非相似 度矩陣，用以形成所述第三特征提取信息。
15. 根據(jù)權(quán)利要求14所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于， 所述光譜投影模塊包括： 映射單元，用于將所述非相似度矩陣進(jìn)行正則化處理； 特征提取單元，用于對(duì)正則化處理之后的矩陣數(shù)據(jù)進(jìn)行特征分解，獲得每個(gè)樣本個(gè)體 對(duì)應(yīng)圖像的多維特征向量。
16. 根據(jù)權(quán)利要求14所述的用于腦部醫(yī)學(xué)圖像分類的圖像預(yù)處理系統(tǒng)，其特征在于， 所述光譜投影模塊還包括： 降維單元，用于對(duì)所述多維特征向量進(jìn)行降維處理，映射到k維歐幾里得空間。
【文檔編號(hào)】G06T7/00GK104281856SQ201410542799
【公開日】2015年1月14日 申請(qǐng)日期:2014年10月14日 優(yōu)先權(quán)日:2014年10月14日
【發(fā)明者】隆曉菁, 張麗娟, 姜春香, 劉新, 鄭海榮 申請(qǐng)人:中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院