多模态影像组学的分析方法、装置及终端制造方法及图纸

一种多模态影像组学的分析方法、装置及一种终端，所述方法包括：获取多种模态影像，并对所述多种模态影像进行预处理；对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类；根据特征聚类的结果构建影像组学标志物，从而解决了现有技术在影像组学研究中无法多方面提取图像特征的问题，丰富了用于特征聚类的源特征数量以及聚类后的代表性特征种类，实现了最大化地挖掘医学影像信息。

Method, device and terminal for analyzing multimodal imaging

A multi modality imaging group analysis method, device and a terminal. The method comprises: obtaining multi modal images, and the multi modality image pre-processing; the modal image preprocessing after segmentation, each region to obtain a modal image corresponding to the high flux of interest; feature extraction of each ROI for each image acquisition mode, each characteristic region of interest corresponding to the source composition; characteristics of various modal images of each region of interest corresponding feature, using clustering algorithm presupposition for feature clustering on the source characteristics according to the characteristics of clustering; the results of study group build image markers, thus solving the problem in image science research group can't image feature extraction of existing technology, rich source for feature clustering As well as the number of representative feature types after clustering, the medical image information is maximized.

【技术实现步骤摘要】
多模态影像组学的分析方法、装置及终端
本专利技术属于生物医学工程
，尤其涉及一种多模态影像组学的分析方法、装置及终端。
技术介绍
传统医学影像分析一般只关注肿瘤在单一模态中的体现。而影像组学可以将传统的医学影像转化为可挖掘的数据信息。在影像组学研究中，现有技术主要是获取四种解剖影像的静态信息，而没有考虑影像中包含的动态信息，无法多方面地提取图像特征，从而导致所提取出的特征数和样本病例有限，不能最大限度地挖掘医学影像信息。
技术实现思路
鉴于此，本专利技术实施例提供了一种多模态影像组学的分析方法、装置及终端，以解决现有技术在影像组学研究中无法多方面提取图像特征的问题，以实现最大限度地挖掘医学影像信息。第一方面，提供了一种多模态影像组学的分析方法，所述方法包括：获取多种模态影像，并对所述多种模态影像进行预处理；对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类；根据特征聚类的结果构建影像组学标志物。进一步地，所述多种模态影像包括四种MR解剖成像以及弥散张量成像、弥散加权成像、动态对比增强成像；所述四种MR解剖成像包括T1加权成像、T1对比增强成像、T2加权成像、T2流动衰减反转恢复序列成像。进一步地，所述获取多种模态影像，并对所述多种模态影像进行预处理包括：获取多种模态影像；对所述多种模态影像进行图像配准、平滑处理和插值处理。进一步地，对所述多种模态影像进行图像配准包括：选取四种MR解剖成像中的T1对比增强成像作为基准图像模态；通过相似性度量获取空间坐标变换参数；根据所述空间坐标变换参数，将所述多种模态影像中的其余模态影像与所述T1对比增强成像进行配准。进一步地，所述感兴趣区域对应的特征中包括形态特征、灰度特征以及纹理特征。第二方面，提供了一种多模态影像组学的分析装置，所述装置包括：预处理模块，用于获取多种模态影像，并对所述多种模态影像进行预处理；分割模块，用于对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；特征提取模块，用于对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；特征聚类模块，用于以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类；构建模块，用于根据特征聚类的结果构建影像组学标志物。进一步地，所述多种模态影像包括四种MR解剖成像以及弥散张量成像、弥散加权成像、动态对比增强成像；所述四种MR解剖成像包括T1加权成像、T1对比增强成像、T2加权成像、T2流动衰减反转恢复序列成像。进一步地，所述预处理模块包括：获取单元，用于获取多种模态影像；处理单元，用于对所述多种模态影像进行图像配准、平滑处理和插值处理。进一步地，所述处理单元具体用于：选取四种MR解剖成像中的T1对比增强成像作为基准图像模态；通过相似性度量获取空间坐标变换参数；根据所述空间坐标变换参数，将所述多种模态影像中的其余模态影像与所述T1对比增强成像进行配准。进一步地，所述感兴趣区域对应的特征中包括形态特征、灰度特征以及纹理特征。第三方面，提供了一种终端，所述终端包括处理器，所述处理器用于执行存在存储器的以下程序模块：预处理模块，用于获取多种模态影像，并对所述多种模态影像进行预处理；分割模块，用于对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；特征提取模块，用于对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；特征聚类模块，用于以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类；构建模块，用于根据特征聚类的结果构建影像组学标志物。与现有技术相比，本专利技术实施例通过获取多种模态影像，并对所述多种模态影像进行预处理；然后对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；最后以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类，并根据特征聚类的结果构建影像组学标志物；从而解决了现有技术在影像组学研究中无法多方面提取图像特征的问题，极大地丰富了用于特征聚类的源特征数量以及特征聚类后的代表性特征种类，实现了最大限度地挖掘医学影像信息。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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附图。图1是本专利技术实施例提供的多模态影像组学的分析方法的实现流程图；图2是本专利技术实施例提供的多模态影像组学的分析方法中步骤S101的具体实现流程；图3是本专利技术实施例提供的通过K均值聚类算法对脑胶质瘤进行聚类分析的实现流程示意图；图4是本专利技术实施例提供的多模态影像组学的分析装置的组成结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例通过获取多种模态影像，并对所述多种模态影像进行预处理；然后对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；最后以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类，并根据特征聚类的结果构建影像组学标志物；从而解决了现有技术在影像组学研究中无法多方面提取图像特征的问题，极大地丰富了用于特征聚类的源特征数量以及特征聚类后的代表性特征种类，实现了最大限度地挖掘医学影像信息。本专利技术实施例还提供了相应的装置，以下分别进行详细的说明。图1示出了本专利技术实施例提供的多模态影像组学的分析方法的实现流程。在本专利技术实施例中，所述多模态影像组学的分析方法应用于计算机、服务器等设备。参阅图1，所述多模态影像组学的分析方法包括：在步骤S101中，获取多种模态影像，并对所述多种模态影像进行预处理。在这里，本专利技术实施例在原有影像组学研究中所采用的四种MR解剖成像模态的基础上引入了弥散张量成像、弥散加权成像、动态对比增强成像。因此，本专利技术实施例中所述的多种模态影像包括四种MR解剖成像以及弥散张量成像、弥散加权成像、动态对比增强成像。其中，所述四种MR解剖成像包括T1加权成像、T1对比增强成像、T2加权成像、T2流动衰减反转恢复序列成像。所述弥散张量成像和弥散加权成像均为根据水分子运动特征来显示脑补特征的成像方式。所述动态对比增强成像则可以反映肿瘤内部的血流动态变化和灌注状况。在本专利技术实施例中，不同模态影像通过不同的设备采用不同的成像方式得到。由于图像获取的参数不同，需要先对所述四种MR解剖成像本文档来自技高网...

【技术保护点】
一种多模态影像组学的分析方法，其特征在于，所述方法包括：获取多种模态影像，并对所述多种模态影像进行预处理；对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类；根据特征聚类的结果构建影像组学标志物。

【技术特征摘要】
1.一种多模态影像组学的分析方法，其特征在于，所述方法包括：获取多种模态影像，并对所述多种模态影像进行预处理；对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取每一个感兴趣区域对应的特征；以所述多种模态影像的每一个感兴趣区域对应的特征组成源特征，采用预设的聚类算法对所述源特征进行特征聚类；根据特征聚类的结果构建影像组学标志物。2.如权利要求1所述的多模态影像组学的分析方法，其特征在于，所述多种模态影像包括四种MR解剖成像以及弥散张量成像、弥散加权成像、动态对比增强成像；所述四种MR解剖成像包括T1加权成像、T1对比增强成像、T2加权成像、T2流动衰减反转恢复序列成像。3.如权利要求1或2所述的多模态影像组学的分析方法，其特征在于，所述获取多种模态影像，并对所述多种模态影像进行预处理包括：获取多种模态影像；对所述多种模态影像进行图像配准、平滑处理和插值处理。4.如权利要求3所述的多模态影像组学的分析方法，其特征在于，对所述多种模态影像进行图像配准包括：选取四种MR解剖成像中的T1对比增强成像作为基准图像模态；通过相似性度量获取空间坐标变换参数；根据所述空间坐标变换参数，将所述多种模态影像中的其余模态影像与所述T1对比增强成像进行配准。5.如权利要求1、2、4任一项所述的多模态影像组学的分析方法，其特征在于，所述感兴趣区域对应的特征中包括形态特征、灰度特征以及纹理特征。6.一种多模态影像组学的分析装置，其特征在于，所述装置包括：预处理模块，用于获取多种模态影像，并对所述多种模态影像进行预处理；分割模块，用于对预处理之后的模态影像进行区域分割，获取每一种模态影像对应的感兴趣区域；特征提取模块，用于对每一种模态影像的每一个感兴趣区域进行高通量特征提取，获取...

【专利技术属性】
技术研发人员：宋柏霖，李志成，李其花，孙秋畅，王梦巧，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44