[发明专利]一种用于脑部MRI图像分类的图像处理方法

权利要求书

1.一种用于脑部MRI图像分类的图像处理方法，其特征在于，包括：

获取第一类MRI图像集和第二类MRI图像集；

提取所述第一类MRI图像集和第二类MRI图像集的相似度信息；

使用Nystrom算法和投影算法，计算所述第一类MRI图像集和第二类MRI图像集中个体的欧几里得坐标；

利用所述相似度信息和欧几里得坐标对所述第一类MRI图像集和第二类MRI图像集进行分类训练，获得判决标准；

提取待分类MRI图像集的图像特征，根据所述判决标准进行图像分类；

所述提取所述第一类MRI图像集和第二类MRI图像集的相似度信息包括：

对I＝{N₁,N₂,...,N_m,A₁,A₂,...,A_n}数据集中每幅图像进行位置校正、偏移场校正，其中{N₁,N₂,...,N_m}为所述第一类MRI图像集，{A₁,A₂,...,A_n}为所述第二类MRI图像集；

从I中随机选取p个第一类MRI图像集个体和q个第二类MRI图像集个体，其中p+q<<m+n，组成训练子库I'＝{N₁,N₂,...,N_p,A₁,A₂,...,A_q}＝{I₁,I₂,...,I_p+q}；

对所述I'中的每一对MRI图像{I_i,I_j},i,j∈1,...,p+q，用任意微分同胚配准算法求得形变场φ_ij和φ_ji，满足其中为根据形变场对图像进行翘曲，图像I_i,I_j的非相似度：

其中dist(I_i,I_j)表示图像I_i和I_j间的非相似度，d(I_i,I_j)表示图像I_i和I_j间的黎曼距离，Id表示单位变换；

计算所述I'的相似度矩阵：

其中s_ij＝s_ji,i,j∈{1,...,p+q}；

所述使用Nystrom算法和投影算法，计算所述第一类MRI图像集和第二类MRI图像集中个体的欧几里得坐标包括：

I”＝{N_p+1,N_p+2,…,N_m,A_q+1,A_q+2,…,A_n}＝{I_p+q+1,I_p+q+2,...,I_m+n}，其中I＝I'∪I”，将I”中的MRI图像配准到I'中的个体空间，可得数据集I的相似度矩阵：

其中s_ij＝s_ji,i,j∈{1,...,m+n}，ξ_sub为(p+q)×(p+q)矩阵，可对角化为ξ_sub＝UΛU^T；设为ξ的近似特征向量，根据Nystrom算法可得ξ可近似计算为：

定义ξ_sub，ξ_part，ξ_part^T每行的和向量为：

将标准化为可特征分解为所述第一类MRI图像集和第二类MRI图像集个体的投影坐标为其中dim取整数，为预先设置的投影空间维度。

2.如权利要求1所述的方法，其特征在于，其中所述提取待分类MRI图像集的图像特征，根据所述判决标准进行图像分类包括：

对于待分类MRI图像集M配准到所述I'的每个个体上，利用Nystrom算法和投影算法获得所述M对应的个体在欧几里得空间的映射坐标。