一种脑部异常分类的处理方法技术

本发明专利技术提供了一种脑部异常分类的处理方法，包括如下步骤：(1)在包含脑部异常的多个图像中，利用三维数组分别标记所述脑部异常的位置，并且记录所述脑部异常的数量；(2)根据所述位置，并且根据预先确定的脑部位置与特定种类脑部异常出现概率的先验分布，分别确定每个图像中所述脑部异常对应的一个或多个种类的出现概率；以及(3)计算所确定的多个出现概率的平均值，作为所述多个图像中所述脑部异常对应的一个或多个种类的出现概率。本申请的方法能够仅依据位置推断脑部异常的种类。

【技术实现步骤摘要】
一种脑部异常分类的处理方法
本专利技术涉及脑部异常的磁共振图像分割
，尤其涉及一种脑部异常分类的处理方法。
技术介绍
多模态磁共振图像的精确分割对于诊断、手术规划、术后分析以及化疗/放疗计划至关重要。目前国内外有很多研究人员提出了各种各样的GBM多模态磁共振图像的分割方法，主要分为基于像素或者体素的分割算法和基于图形分割的算法等。基于像素或者体素分割算法的基本思想是根据每个像素在多模态图像上亮度信息、纹理信息等把该像素点分类到相应的类别中。分类的算法包括无监督的聚类和有监督的学习。例如，基于模糊C均值(FuzzyC-Means，简称为FCM)的模糊均值聚类的算法，以多模态磁共振图像的灰度作为特征向量，利用FCM对所有体素点进行聚类得到初始的分类，根据对称性，灰度分布等先验知识对初始分类进行优化，得到最终的分割结果。由于FCM聚类时，没有考虑空间邻域信息，并且GBM组织的灰度分布会产生重叠，因此容易产生误分割。基于图形分割算法用图的顶点来描述图像的像素，用图的边描述2个像素的相似性，由此形成一个网络图，通过解决能量最小化问题把图分割成子网络图，使不同子网络图之间的差异和同一子网络图内部的相似性达到最大。这类算法通常需要解决一个求解广义特征向量问题，当图像比较大时，这类算法会遭遇计算复杂度大的问题。
技术实现思路
本专利技术提供了一种脑部异常分类的处理方法，本专利技术的方法解决了现有技术中存在的问题，提供了一种更为精确的分类方法。本专利技术的目的是通过以下方案实现：一种脑部异常分类的处理方法，包括如下步骤：(1)在包含脑部异常的多个图像中，利用三维数组分别标记所述脑部异常的位置，并且记录所述脑部异常的数量；(2)根据所述位置，并且根据预先确定的脑部位置与特定种类脑部异常出现概率的先验分布，分别确定每个图像中所述脑部异常对应的一个或多个种类的出现概率；以及(3)计算所确定的多个出现概率的平均值，作为所述多个图像中所述脑部异常对应的一个或多个种类的出现概率。优选地，所述先验分布是一个四维数组，其中三维数组代表特定种类脑部异常出现的位置，第四维数组代表不同种类脑部异常在该位置的出现概率。优选地，还包括：用0和1标记所述脑部是否存在异常，0表示大脑无异常，1表示大脑存在异常。本专利技术的方法仅通过大脑中异常位置的先验分布与脑部切片的三维数组即可预测脑部异常的种类，即仅通过脑部异常的位置推断出脑部异常的种类，而无需参考脑部图像，减少了医生的医疗压力，提高了脑部异常判断的准确性和客观性。附图说明图1是本专利技术的图像分割方法的基本流程图；图2是某患者脑部表皮囊肿的T2影像；图3是该患者的T2影像分割图。具体实施方式下面结合附图，对本专利技术进行详细的解释。如图1所示，本专利技术的方法为一种脑部异常分类的处理方法，包括如下步骤：(1)对大脑中已知异常的可能位置进行标注，生成一种大脑异常可能分布位置的先验分布，该先验分布是是一组四维数组；(2)获取大脑异常的分割切片图像，处理该切片图像并提取图像，得到一个三维数组，标记存在脑部异常的位置，脑部异常的数量记为X；(3)将步骤(2)标记的异常位置与步骤(1)中的先验分布进行对照，得到X个1*N的向量，N为该位置某种脑部异常出现的概率；(4)将X个1*N的向量进行平均，得到1*N’的向量，该向量即为某种脑部异常的概率。所述步骤(1)中的先验分布是一组四维数组，该四维数组指的是大脑中不同位置出现不同脑部异常的概率，其中三维代表的是大脑中的坐标，第四维代表的是不同种类脑部异常的概率。所述步骤(2)中三维数组是指大脑中的坐标位置，用0和1来表示，0表示大脑无异常，1表示大脑存在异常。图2是某患者脑部表皮囊肿的T2影像；图3是该患者的T2影像分割图，从该影像分割图得到一组三维数组，进而将该三维数组与先验分布进行对照平均后，得出该患者的脑部异常为表皮囊肿，仅仅是通过脑部异常的位置推断出该脑部异常的种类，且该推断与图2中的T2影像相符。先验分布是通过以下方法得到的：1、从医院获得相应的在先数据；2、对于每个患者，我们知道患者的脑部异常的种类及位置，该位置表示为24×320×320二元分割掩码；3、对于每个脑部异常，从数据库中收集所有可能得的分割掩码；4、将分割掩码24×320×320进行矢量叠加，得到24×320×320矢量，并通过可用的分割掩码将其进行标量划分；5、将上述步骤针对N个脑部异常进行操作，即得到N个24×320×320向量；每个向量是一个概率分布，每个像素值都具有标量值，该标量值指示基于该位置信息的脑部异常发生的概率；6、将N个24×320×320矢量通过轴连接，得到一个24×320×320×N矢量，即为先验分布。先验分布的使用如下：1、取得一个患者的分割掩码，该分割掩码为一个24×320×320的二进制向量；2、用该患者的分割掩码，即24×320×320向量，与先验分布中24×320×320×N向量相乘，得到该患者的24×320×320×N脑部异常分布向量；3、在大脑异常分布向量的前三个轴上求和与平均，以获得1×N向量，该向量表示单独基于脑部异常的位置信息得到该脑部异常的概率。例如N＝10，该向量表示为v_1，v_1＝〔1，1，2，2，1，1，1，1，1，1〕。v_1向量表明，仅根据位置信息，第三和第四种脑部异常是其他脑部异常的出现概率的两倍。给出任何大脑异常分类的卷积神经网络，假设该卷积神经网络产生1×10向量v_2＝〔0.5，0.5，0.1，0.1，0.5，0.5，0.5，0.5，0.5，0.5〕；v_1乘以v_2得到〔0.5、0.5、0.2、0.2、0.5、0.5、0.5、0.5、0.5、0.5〕，我们发现，卷积神经网络的输出数据是由脑部异常的位置分布向量来决定的，即单纯依靠脑部异常的位置来推断该脑部异常的种类。脑部异常具有区域特异性的，某些异常更容易发生在大脑的某些区域。医生仅能单独使用位置信息就可以列出患者可能的脑部异常。通过将v_1和v_2相乘，我们能够将位置信息添加到任何卷积神经网络中进行判断。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术披露的技术范围内，可轻易想到的变化或替换，都应该涵盖在本专利技术的保护范围之内。因此，本专利技术的保护范围应该以权利要求书的保护范围为准。本文档来自技高网...

【技术保护点】
1.一种脑部异常分类的处理方法，其特征在于，包括：(1)在包含脑部异常的多个图像中，利用三维数组分别标记所述脑部异常的位置，并且记录所述脑部异常的数量；(2)根据所述位置，并且根据预先确定的脑部位置与特定种类脑部异常出现概率的先验分布，分别确定每个图像中所述脑部异常对应的一个或多个种类的出现概率；以及(3)计算所确定的多个出现概率的平均值，作为所述多个图像中所述脑部异常对应的一个或多个种类的出现概率。

【技术特征摘要】
1.一种脑部异常分类的处理方法，其特征在于，包括：(1)在包含脑部异常的多个图像中，利用三维数组分别标记所述脑部异常的位置，并且记录所述脑部异常的数量；(2)根据所述位置，并且根据预先确定的脑部位置与特定种类脑部异常出现概率的先验分布，分别确定每个图像中所述脑部异常对应的一个或多个种类的出现概率；以及(3)计算所确定的多个出...

【专利技术属性】
技术研发人员：吴振洲，
申请(专利权)人：北京安德医智科技有限公司，
类型：发明
国别省市：北京,11