基于中等场强磁共振解剖成像的实蝇识别方法技术

本发明专利技术公开了一种基于中等场强磁共振解剖成像的实蝇识别方法，采用磁共振线圈对待识别实蝇进行磁共振成像，根据磁共振图像的特性以及模拟人类视觉，将磁共振图像用傅里叶变换从空间域变换为频域，根据频域中的突出区域再经傅里叶逆变换来得到图像空间域的显著区域，采用神经网络算法对显著区域的数据信息进行学习和训练，得到较为可靠的目标结果，将该目标结果与知识数据库中已经种类的实蝇进行图像匹配，以得到待识别实蝇种类。本发明专利技术将磁共振成像用于实蝇种类的识别，无需进行生物学和解剖学的分析对比，完成磁共振成像后通过软件完成上述方法步骤，即可得到实蝇的种类，识别准确度高。

【技术实现步骤摘要】
基于中等场强磁共振解剖成像的实蝇识别方法
本专利技术涉及磁共振成像应用领域，具体地讲是一种基于中等场强磁共振解剖成像的实蝇识别方法。
技术介绍
磁共振成像(MagneticResonanceImaging，MRI)技术是利用氢原子核的磁性、在外加梯度磁场和激励的作用下产生共振信号，从而检测并绘制成物体内部的结构图像的一种方法，是现代物理学应用于临床医学领域的一个里程碑。除医学领域外，MRI作为影像学的高端核心技术正在迅速发展，其硬件平台和软件技术不断更新，应用范围逐步扩大。随着设备小型化、国产化和价格下降，已逐步推广应用，如：物理、化学、医疗、石油化工、考古、出入境检验检疫、工农业产品的品质检验、食品安全检测等诸多方面。在科研领域，磁共振还被应用于昆虫的成像，相关的研究领域集中于对昆虫成像的磁共振线圈的设计，以及如何得到清晰的磁共振图像。但是，现有技术中，昆虫的磁共振成像却未被用于解决实际的技术问题。众所周知，部分种类的实蝇是一种害虫，易对农作物产生危害，尤其是外来物种的入侵，可能造成大量繁殖而无法遏制的现象。因此，对于出入境检验检疫部门来说，快速地识别实蝇种类能够有效地防止外来有害生物的进入，提高出入境检验检疫的效率，显得至关重要。然而，现有技术还无法实现对实蝇种类的识别，主要通过生物学和解剖学对实蝇进行识别，即从生物学的角度对实蝇的外形等进行辨认，但由于不同种类实蝇相似度高，纯粹从外形辨认准确性和可靠性不高；现有技术还通过对实蝇解剖后再通过其内部结构进行辨认，相对复杂，且专业性要求较高，非专业技术人员难以胜任，不便于出入境检验检疫部门的实际操作。现有技术中，磁共振虽然能够对实蝇成像，却无法根据磁共振图像对实蝇进行识别和辨认，难以解决这一现实的技术问题。
技术实现思路
有鉴于此，本专利技术要解决的技术问题是，提供一种能够利用磁共振图像实现对实蝇识别的基于中等场强磁共振解剖成像的实蝇识别方法。本专利技术的技术解决方案是，提供以下步骤的基于中等场强磁共振解剖成像的实蝇识别方法，包括以下各步骤：1)在磁共振成像系统中，采用小尺寸圆柱形磁共振射频线圈对待分类实蝇成像，成像时将实蝇置于射频线圈内，得到实蝇磁共振图像；所述磁共振成像系统主磁场场强1.0特斯拉以上，成像区域场强不均匀性小于2ppm；2)根据得到的实蝇磁共振图像，对图像进行显著性检测，通过求得图像傅里叶变换后的幅度谱的残差，经傅里叶逆变换得到空间域的显著度图像，所述显著度图像由平均滤波器进行一次平滑，以消除少数孤立的显著点，从处理后的显著度图像可得到显著区域；3)采集显著区域对应的数据信息，采用极限学习机的神经网络算法对所述显著区域的数据信息进行在线实时的快速学习，得到目标结果；4)将目标结果与知识数据库进行图像匹配，所述的知识数据库包含了已经类别的多种实蝇的特征数据，所述的特征数据也由磁共振成像得到；5)根据匹配的结果，判断待识别实蝇是否属于知识数据库中的已经种类，若是则确定属于知识数据库中的哪一已经种类。采用本专利技术的方法，与现有技术相比，本专利技术具有以下优点：本专利技术采用磁共振线圈对待识别实蝇进行磁共振成像，根据磁共振图像的特性以及模拟人类视觉，将磁共振图像的空间域由傅里叶变换为频域，根据频域中的突出区域再经傅里叶逆变换来得到图像空间域的显著区域，采用神经网络算法对显著区域的数据信息进行学习和训练，得到较为可靠的目标结果，将该目标结果与知识数据库中已经种类的实蝇进行图像匹配，以得到待识别实蝇种类。本专利技术将磁共振成像用于实蝇种类的识别，无需进行生物学和解剖学的分析对比，完成磁共振成像后通过软件完成上述方法步骤，即可得到实蝇的种类，识别准确度高。作为改进，采用集成神经网络完成步骤3)，具体步骤为：由多个个体分类器分别对相应的训练数据集有放回的重复取样，并行单独训练，然后采用多数投票法进行集成，得到分类器集成后的目标结果，作为步骤4)的匹配对象。采用该步骤，集成神经网络性能优于单个神经网络做出了解释，理论上神经网络个数足够大，则误差趋近于0。作为改进，步骤4)中所述的图像匹配采用基于尺度不变特征变换的图像匹配方法进行，具体为：a、搜索所有尺度上的图像位置，通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点；b、在每个候选的兴趣点上，通过一个拟合精细的模型来确定位置和尺度；c、基于图像局部的梯度方向，分配给每个兴趣点位置一个或多个方向，所有后面的对图像数据的操作都相对于兴趣点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性；d、在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。采用上述匹配方法，具有对旋转、尺度缩放和亮度变化保持不变性，对视角变化、仿射变换和噪声保持较高程度的稳定性。附图说明图1为专利技术基于中等场强磁共振解剖成像的实蝇识别方法的流程框图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步说明，但本专利技术并不仅仅限于这些实施例。本专利技术涵盖任何在本专利技术的精髓和范围上做的替代、修改、等效方法以及方案。为了使公众对本专利技术有彻底的了解，在以下本专利技术优选实施例中详细说明了具体的细节，而对本领域技术人员来说没有这些细节的描述也可以完全理解本专利技术。此外，本专利技术之附图中为了示意的需要，并没有完全精确地按照实际比例绘制，在此予以说明。如图1所示，本专利技术的基于中等场强磁共振解剖成像的实蝇识别方法，包括以下具体实施步骤：1)采用小尺寸低场强的磁共振线圈对待识别实蝇成像，得到实蝇的磁共振图像；本实施例中的中等场强是指相对现有技术中采用高场强进行成像而言的，现有技术大部分采用7T以上，而本专利技术采用了1.4T，一般而言3T以上可认为是高场强；2)根据得到的实蝇磁共振图像，对图像进行显著性检测，通过求得图像傅里叶变换后的幅度谱的残差，经傅里叶逆变换得到空间域的显著度图像，所述显著度图像由平均滤波器进行一次平滑，以消除少数孤立的显著点，从处理后的显著度图像可得到显著区域；3)采集显著区域对应的数据信息，采用极限学习机的神经网络算法对所述显著区域的数据信息进行在线实时的快速学习，得到目标结果；4)将目标结果与知识数据库进行图像匹配，所述的知识数据库包含了已经类别的多种实蝇的特征数据，所述的特征数据也由磁共振成像得到；5)根据匹配的结果，判断待识别实蝇是否属于知识数据库中的已经种类，若是则确定属于知识数据库中的哪一已经种类。采用集成神经网络完成步骤3)，具体步骤为：由多个个体分类器分别对相应的训练数据集有放回的重复取样，并行单独训练，然后采用多数投票法进行集成，得到分类器集成后的目标结果，作为步骤4)的匹配对象。步骤4)中所述的图像匹配采用基于尺度不变特征变换的图像匹配方法进行，具体为：a、搜索所有尺度上的图像位置，通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点；b、在每个候选的兴趣点上，通过一个拟合精细的模型来确定位置和尺度；c、基于图像局部的梯度方向，分配给每个兴趣点位置一个或多个方向，所有后面的对图像数据的操作都相对于兴趣点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性；d、在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。本专利技术模拟人眼处理视觉信息的方式，提出一种“显著性检测+神经网络模型+SIFT特征匹配”的MRI图像目标本文档来自技高网...

【技术保护点】
一种基于中等场强磁共振解剖成像的实蝇识别方法，其特征在于：包括以下各步骤：1)在磁共振成像系统中，采用小尺寸圆柱形磁共振射频线圈对待分类实蝇成像，成像时将实蝇置于射频线圈内，得到实蝇的解剖结构磁共振图像；所述磁共振成像系统主磁场场强为1.0特斯拉以上中等场强，成像区域场强不均匀性小于2ppm；2)根据得到的实蝇磁共振图像，对图像进行显著性检测，通过求得图像傅里叶变换后的幅度谱的残差，经傅里叶逆变换得到空间域的显著度图像，所述显著度图像由平均滤波器进行一次平滑，以消除少数孤立的显著点，从处理后的显著度图像可得到显著区域；3)采集显著区域对应的数据信息，采用极限学习机的神经网络算法对所述显著区域的数据信息进行在线实时的快速学习，得到目标结果；4)将目标结果与知识数据库进行图像匹配，所述的知识数据库包含了已经类别的多种实蝇的特征数据，所述的特征数据也由磁共振成像得到；5)根据匹配的结果，判断待识别实蝇是否属于知识数据库中的已经种类，若是则确定属于知识数据库中的哪一已经种类。

【技术特征摘要】
1.一种基于中等场强磁共振解剖成像的实蝇识别方法，其特征在于：包括以下各步骤：1)在磁共振成像系统中，采用小尺寸圆柱形磁共振射频线圈对待分类实蝇成像，成像时将实蝇置于射频线圈内，得到实蝇的解剖结构磁共振图像；所述磁共振成像系统主磁场场强为1.0特斯拉以上中等场强，成像区域场强不均匀性小于2ppm；2)根据得到的实蝇磁共振图像，对图像进行显著性检测，通过求得图像傅里叶变换后的幅度谱的残差，经傅里叶逆变换得到空间域的显著度图像，所述显著度图像由平均滤波器进行一次平滑，以消除少数孤立的显著点，从处理后的显著度图像可得到显著区域；3)采集显著区域对应的数据信息，采用极限学习机的神经网络算法对所述显著区域的数据信息进行在线实时的快速学习，得到目标结果；4)将目标结果与知识数据库进行图像匹配，所述的知识数据库包含了已知种类的多种实蝇的特征数据，所述的特征数据也由磁共振成像得到；5)根据匹配的结果，判断待识别实蝇是否属于知识数据库中的已知种类，若...

【专利技术属性】
技术研发人员：徐文龙，潘晨，刘晓芳，
申请(专利权)人：中国计量学院，
类型：发明
国别省市：浙江;33