The invention discloses a brain white matter high signal detection and positioning method based on multi atlas. It includes the following steps: first, using the flair data of normal old people's brain to establish a multi map library. Secondly, the atlas in the atlas are registered to the target image one by one, and the multi atlas fusion algorithm is used for fusion. Finally, image segmentation is realized according to the fusion results, and voxels with local abnormal intensity are automatically detected as white matter high signal. At the same time of brain white matter segmentation, the invention also detects and locates the white matter high signal area, which is well consistent with the result of artificial description, has high accuracy and accuracy, and the effect is superior to other white matter high signal detection methods.
【技术实现步骤摘要】
一种基于多图谱的脑白质高信号检测和定位方法
本申请涉及脑磁共振图像处理领域,尤其涉及基于多图谱的检测和定位方法。
技术介绍
在T2加权或FLAIR(fluidattenuatedinversionrecovery)磁共振成像上出现白质高信号(Whitematterhyperintensities,WMH)是一种常见的放射学特征。白质高信号主要反映了小血管疾病的程度和分布,并且随着年龄的增长它们越来越常见。最近的研究结果表明,它们也可能是阿尔茨海默病还有灰质萎缩的核心特征之一。在评估有记忆障碍的患者时,考虑白质高信号的空间分布具有重要意义。比如,脑室周围的白质高信号比起深层的白质高信号与认知能力有着更强的关联性;在阿尔茨海默病的发展中,后验白质高信号负荷起着十分重要的作用。之前有的研究小组根据先验知识来检测特定大脑区域的白质高信号,检测结果会受到主观因素的影响,从而导致准确性不高且不具有广泛的适用性。在过去十年中,已经有人开发出了全自动的白质高信号检测算法,包括各种形式的基于强度的阈值处理方法、聚类和机器学习方法、离群分析方法、形态学操作以及贝叶斯方法等,详见文献1:Admiraal-Behlouletal.,2005;Jacketal.,2001;Jietal.,2013;Ongetal.,2012;Simoesetal.,2013;Yooetal.,2014。文献2:Dyrbyetal.,2008;Ghafoorianetal.,2017;Ghafoorianetal.,2016;Ithapuetal.,2 ...
【技术保护点】
1.一种基于多图谱的脑白质高信号检测和定位方法,其特征在于,包括以下步骤:/n步骤一:建立FLAIR图像多图谱数据库,所述多图谱数据库包括若干认知正常但具有不同程度脑萎缩解剖学特征的被试个体的FLAIR图谱数据,每个图谱数据的大脑区域被划分为若干感兴趣区域,且通过标签进行标记;/n步骤二:将FLAIR图像多图谱数据库中的每个图谱图像及其标签一并配准到目标图像;/n步骤三:利用多图谱似然融合方法进行加权融合,得到目标图像中每个体素属于不同标签的后验概率;/n步骤四:使用贝叶斯最大后验估计获得目标图像中每个体素的最终分割标签以及该体素属于最终分割标签的最大后验概率;/n步骤五:将目标图像中最大后验概率值低于概率阈值的体素判断为白质高信号体素。/n
【技术特征摘要】
1.一种基于多图谱的脑白质高信号检测和定位方法,其特征在于,包括以下步骤:
步骤一:建立FLAIR图像多图谱数据库,所述多图谱数据库包括若干认知正常但具有不同程度脑萎缩解剖学特征的被试个体的FLAIR图谱数据,每个图谱数据的大脑区域被划分为若干感兴趣区域,且通过标签进行标记;
步骤二:将FLAIR图像多图谱数据库中的每个图谱图像及其标签一并配准到目标图像;
步骤三:利用多图谱似然融合方法进行加权融合,得到目标图像中每个体素属于不同标签的后验概率;
步骤四:使用贝叶斯最大后验估计获得目标图像中每个体素的最终分割标签以及该体素属于最终分割标签的最大后验概率;
步骤五:将目标图像中最大后验概率值低于概率阈值的体素判断为白质高信号体素。
2.根据权利要求1所述的基于多图谱的脑白质高信号检测和定位方法,其特征在于,所述步骤一的FLAIR图像多图谱数据库的建立方法如下:
计算所有被试个体的白质高信号负荷,从中选择白质高信号小于1.8ml且认知正常的个体的FLAIR数据建立多图谱数据库,多图谱数据库中的不同图谱具有同等年龄阶段人群中最小到中等程度的脑萎缩解剖学特征;然后使用Matlab中的SPM软件包最大化FLAIR图像与T1加权图像之间的互信息,将每个FLAIR图像配准到对应的T1加权图像;再使用MRICloud进行多图谱分割,将每张图谱中的大脑区域分割为若干感兴趣区域。
3.根据权利要求1所述的基于多图谱的脑白质高信号检测和定位方法,其特征在于,所述步骤二的图像配准方法如下:
首先,使用N4偏差校正对目标图像进行全局不均匀性校正;然后,通过仿射变换将每张图谱图像及其标签一并配准到校正后的目标图像;最后,使用大形变微分度量映射LDDMM方法迭代地对图谱图像及其标签进行非线性变换,向目标图像配准。
4.根据权利要求1所述的基于多图谱的脑白质高信号检测和定位方法,其特征在于,所述步骤三的多图谱似然加权融合方法如下:
计算每个体素的后验概率:
其中,N是FLAIR图像多图谱数据库中图谱的总个数...
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。