一种基于结构协变计算大脑形态学对称性的方法技术

技术编号:16501683 阅读:72 留言:0更新日期:2017-11-04 12:02
该发明专利技术公开了一种基于结构协变计算大脑形态学对称性的方法,属于生物学图像模式识别技术领域,特别是涉及基于结构磁共振被试间协变的镜像体素同伦连接方法。该发明专利技术首先建立映射模板,以映射模板中各体素点所在的位置为框架,将各样本图像的数据匹配到模板的框架中,再将匹配后的样本图像相同点的体素组成体素向量,根据对称点位置的体素向量计算出大脑图像对称点的对称性,最后根据实际情况判断出整个大脑的对称性或大脑各功能区的对称性。本发明专利技术为首次在结构上研究大脑形态学对称性的方法中,并能首次准确的量化大脑的对称性。

A method of calculating the brain morphology symmetry structure based on covariant

The invention discloses a method for calculating the brain morphology based on symmetry structure covariant, which belongs to the technical field of biological image pattern recognition, especially relates to a connecting method of mirror structure magnetic resonance between subjects covariant voxel based on homotopy. The invention firstly establishes the mapping template template to map each voxel point location framework, each sample image data to the template framework, and then, after the sample images of the same point element voxel vector, calculates the symmetry point of the brain image according to the symmetric position the voxel vector, according to the actual situation to determine the symmetry of each functional area of the whole brain or brain symmetry. The present invention is the first method to study the symmetry of the cerebral morphology in structure, and can accurately quantify the symmetry of the brain for the first time.

【技术实现步骤摘要】
一种基于结构协变计算大脑形态学对称性的方法
本专利技术属于生物学图像模式识别
,特别是涉及基于结构磁共振被试间协变的镜像体素同伦连接方法。
技术介绍
磁共振成像(MagneticResonanceImaging,MRI)是利用人体内原子核在磁场内与外加射频磁场发生共振而产生影像的一种成像技术。根据磁共振成像对组织磁化高度敏感的特点来研究人脑功能,特别是大脑各功能区划分或定位的无创检测技术。对于大脑磁共振成像对称性的研究可以很好地描述不同脑区左右对称性的差异。现如今,已经有人提出了在功能上的镜像体素同伦连接(Voxel-mirroredhomotopicconnectivity,VMHC)。VMHC是一种研究功能上的对称性的方法,但并没有对大脑形态学上的对称性进行研究。对此,为了研究大脑形态学对称性,本专利技术提出了一种基于结构协变分析的大脑形态学对称性的描述方法。
技术实现思路
为了更好地研究大脑形态学的特征,本专利技术提出了一种针对磁共振的三维结构数据的左右大脑形态学上对称性研究的方法,利用观察不同组人群之间的左右脑的差异来预测例如性别等的方面的特征。该专利技术首先建立映射模板,以映射模板中各体素点所在的位置为框架,将各样本图像的数据匹配到模板的框架中,再将匹配后的样本图像相同点的体素组成体素向量,根据对称点位置的体素向量计算出大脑图像对称点的对称性,最后根据实际情况判断出整个大脑的对称性或大脑各功能区的对称性。为实现上述目的,本专利技术提出了一种基于结构协变计算大脑形态学对称性的方法,该方法包括:步骤1:采集多个样本的脑结构核磁共振图像,将各样本图像统一到同一空间坐标系下,采用混合模型聚类算法对各样本图像分割为灰质、白质、脑脊液,得到各样本的灰质图像;步骤2:将步骤1得到的所有样本图像的灰质图像取平均得到平均灰质图像;再将平均灰质图像中左脑图像对称到右边,右脑图像对称到左边,得到对称图像;最后对平均灰质图像和对称图像取平均,得到模板图像;步骤3:将步骤1得到的各样本灰质图像一一匹配到步骤2得到的模板图像中,得到个样本的新灰质图像;步骤4:将步骤3得到的新灰质图像采用三维高斯核进行平滑处理;步骤5:提取出各样本新灰质图像相同位置的体素点,组成一个体素向量;采用如下公式计算样本大脑图像的各对称位置的对称性:其中r表示样本大脑图像各对称位置的对称性,x,y表示各样本新灰质图像中两对称体素点组成的两个体素向量,cov(x,y)表示计算体素向量x和体素向量y的协方差,σx,σy分别表示体素向量x和体素向量y的标准差;步骤6:综合多个体素点的对称性判断出整个大脑的对称性或大脑各功能区的对称性。进一步的,步骤3的具体方法为:首先通过仿射变换对样本灰质图像各体素点的坐标进行处理,然后利用径向基函数将每个样本中每个体素点的值计算出匹配后的值。综上所述,本专利技术提出了一种基于结构协变分析的大脑形态学对称性的描述方法,通过这种方法可以更好地研究大脑形态学对称性,并且本专利技术为首次在结构上研究大脑形态学对称性的方法中,并能首次准确的量化大脑结构上的对称性。附图说明图1为平滑后的灰质图像;图2为平均的灰质图像;图3为配准到平均模板上的个体灰质图像;图4为图3平滑后的图像;图5为被试左右脑对称性相关图;图6为被试FisherZ变换后Z图。具体实施方式现结合附图,实例对本专利技术的具体实施方式进行进一步描述,以下实例用于说明本专利技术,但并不限制本专利技术的范围。一种基于结构协变分析的大脑形态学对称性的方法,具体实施步骤如下:(1)对于一组正常被试共25人,全为男性。经所有人的脑结构核磁共振图像标准化到一个相同的立体空间,采用混合模型聚类算法对脑结构核磁共振图像进行分割得到灰质,白质和脑脊液3中组织成分。提出其中的灰质成分图像(如图1)。(2)利用matlab将所有人的灰质图像取平均得到平均的灰质图像,将这个图像左右反转相加求平均得到模板图像(如图2)。(3)分别用每一个人分割后的灰质图像配准到步骤2得到的对称模板上得到各个个体的新的灰质图(如图3)。(4)将步骤3得到的灰质图像利用三维高斯核和图像进行离散卷积运算,得到平滑后的图像(如图4)。(5)将每个个体的图像在模板内的体素点串起来的到每个点的体素向量,并和这个体素点对称的体素点串起来的体素向量利用计算对称相关性并将得到的r值赋予这个体素点及其对称体素点。将处于模板内的每个体素点用上述方法计算一遍得到一个相关的三维图像。将这个图像称为相关图(如图5)。(6)将图5的三维图像中的每个点的r进行FisherZ变换,通过公式计算出每个点的Z值(如图6)进行观察。本文档来自技高网...
一种基于结构协变计算大脑形态学对称性的方法

【技术保护点】
一种基于结构协变计算大脑形态学对称性的方法,该方法包括:步骤1:采集多个样本的脑结构核磁共振图像,将各样本图像统一到同一空间坐标系下,采用混合模型聚类算法对各样本图像分割为灰质、白质、脑脊液,得到各样本的灰质图像;步骤2:将步骤1得到的所有样本图像的灰质图像取平均得到平均灰质图像;再将平均灰质图像中左脑图像对称到右边,右脑图像对称到左边,得到对称图像;最后对平均灰质图像和对称图像取平均,得到模板图像;步骤3:将步骤1得到的各样本灰质图像一一匹配到步骤2得到的模板图像中,得到个样本的新灰质图像;步骤4:将步骤3得到的新灰质图像采用三维高斯核进行平滑处理;步骤5:提取出各样本新灰质图像相同位置的体素点,组成一个体素向量;采用如下公式计算样本大脑图像的各对称位置的对称性:

【技术特征摘要】
1.一种基于结构协变计算大脑形态学对称性的方法,该方法包括:步骤1:采集多个样本的脑结构核磁共振图像,将各样本图像统一到同一空间坐标系下,采用混合模型聚类算法对各样本图像分割为灰质、白质、脑脊液,得到各样本的灰质图像;步骤2:将步骤1得到的所有样本图像的灰质图像取平均得到平均灰质图像;再将平均灰质图像中左脑图像对称到右边,右脑图像对称到左边,得到对称图像;最后对平均灰质图像和对称图像取平均,得到模板图像;步骤3:将步骤1得到的各样本灰质图像一一匹配到步骤2得到的模板图像中,得到个样本的新灰质图像;步骤4:将步骤3得到的新灰质图像采用三维高斯核进行平滑处理;步骤5:提取出各样本新灰质图像相同位置的体素点,组成一个体...

【专利技术属性】
技术研发人员:段旭君雷鑫峰陈恒廖伟陈华富
申请(专利权)人:电子科技大学
类型:发明
国别省市:四川,51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1