[发明专利]一种用于脑部MRI图像分类的图像处理方法

说明书

本申请公开了一种用于脑部MRI图像分类的图像处理方法，包括：获取第一类MRI图像集和第二类MRI图像集；提取第一类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；利用相似度信息和欧几里得坐标对第一类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，根据判决标准进行图像分类。本申请还公开了基于上述方法的装置。本申请采用Nystrom算法对相似度矩阵进行近似，大大减少了计算量。

技术领域

本申请涉及图像处理领域，具体涉及一种用于脑部MRI图像分类的图像处理方法。

背景技术

脑部MRI图像分类采用基于模版的图像处理方法：(1)以体素灰度为基础；(2)以大脑皮层厚度为基础；(3)以特定感兴趣区域为基础。上述方法均使用了模板(或标准)空间，因此把这类方法称为基于模板的算法。

现有技术中还采用配准形变场量化的两两遍历式比较方法。在特征采集时，利用图像间配准的形变场并量化从而对解剖结构差异进行描述；对个体图像进行两两比较，这种遍历式方法得到的特征不是一个一维向量，而是多维向量，利用相关数学模型对多维向量进行量化，建立相似度矩阵，用于描述每两幅图像之间的相近程度。接着基于相似度矩阵利用投影算法将每个个体映射到统一的低维欧几里得空间，最后通过模式识别算法对图像分类。

基于模板的算法往往会使结果受到模板空间选择和建立好坏的影响，增加了结果的不稳定性。遍历式算法能大大提高图像信息的利用率并提高判别的准确率，然而，当用于分类训练的数据库数据量很大时，相较于模板算法，遍历法的计算量将显著增加。

发明内容

本申请要解决的技术问题是针对现有技术的不足，提供一种能有效减少计算量的用于脑部MRI图像分类的图像处理方法。

本申请要解决的另一技术问题是提供一种基于该方法的装置。

本申请要解决的技术问题通过以下技术方案加以解决：

一种用于脑部MRI图像分类的图像处理方法，包括：

获取第一类MRI图像集和第二类MRI图像集；

提取第一类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；

利用相似度信息和欧几里得坐标对第一类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，根据判决标准进行图像分类。

上述提取所述第一类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}为第一类MRI图像集，{A₁,A₂,...,A_n}为第二类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}；