[发明专利]基于MR图像的手指损伤检测方法及系统

权利要求书

1.一种基于MR图像的手指损伤检测系统，其特征在于，包括：

图像获取模块，用于获得待检测对象手指MR图像，所述待检测对象手指MR图像通过预先设定的扫面序列及参数扫描获得；

特征分类模块，用于将所述待检测对象手指MR图像通过预先建立的特征分类器进行特征分类，得到特征分类结果；

手指损伤检测模块，用于根据所述特征分类结果中的特征比重，判断所述待检测对象手指MR图像对应的症状，得到所述待检测对象手指MR图像的检测结果；

所述特征分类模块，具体用于通过标准手指MR图像建立所述特征分类器：

获得一帧标准手指MR图像，所述标准手指MR图像包括健康手指MR图像和损伤手指MR图像；

通过图像处理算法对所述标准手指MR图像进行多维特征提取，得到多个第一特征，每个第一特征包括对标准图像进行标记的多种标记特征；

在所述多种标记特征中选择一种特征标记，建立所述一种标记特征与所述多个第一特征之间的相关性，形成第一相关特征；

获取多帧标准手指MR图像，对所述多帧标准手指MR图像进行多维特征提取，得到多个第二特征，形成特征集合；

根据所述第一相关特征，得到多个第二相关特征，形成相关特征集合；

通过混合特征算法对所述特征集合和所述相关特征集合分别进行特征选择，选择出最优特征子集和最优相关特征子集；

根据预设条件对所述最优特征子集和最优相关特征子集进行设置，结合多核SVM模型对所述最优特征子集和所述最优相关特征子集进行整合，形成特征分类器；

所述待检测对象手指MR图像的检测结果包括所述待检测对象手指为健康或有损伤，当所述待检测对象手指的检测结果为有损伤，还包括手指损伤检测子模块，用于：

选择所述待检测对象手指MR图像中的可能损伤部位图像；

获取预先建立的手指损伤图像模型，在所述可能损伤部位图像中寻找强度分布与所述手指损伤图像模型中的强度匹配的图像区域，得到匹配区域图像，所述手指损伤图像模型基于健康手指MR图像中灰度级分布计算得到；具体包括：根据正常区域估计灰度强度M_I的非参数模型分布，建立所述手指损伤图像模型；

根据所述匹配区域图像和所述可能损伤部位图像，计算得到真实损伤部位图像和健康部位图像；

通过二进制标签对所述健康部位图像进行优化处理，得到优化后的健康部位图像；

根据所述健康部位图像，通过辅助函数对成本函数进行优化处理，计算得到最优标签；其中成本函数包括一个基于巴氏度量的非线性分布匹配和一个平滑约束；A(u,uⁱ)为成本函数F_I(u)的辅助函数，且满足以下条件：F_I(u)≤A(u,uⁱ),i＞1；F_I(u)≤A(u,uⁱ),i表示迭代次数；

根据所述最优标签，计算得到边界区域；

根据所述边界区域，计算得到最终损伤区域，所述最终损伤区域为所述待检测对象手指MR图像中的真实损伤区域。

2.根据权利要求1所述基于MR图像的手指损伤检测系统，其特征在于，

所述特征分类模块具体用于：

将N个具有所述标记特征的特征形成的向量通过计算相关系数建立为N×N的相关矩阵，所述相关矩阵中每个元素表示两个具有所述标记特征的特征之间的相关性；

将第i个具有所述标记特征的特征和第j个具有所述标记特征的特征之间的不相关性定义为：d(i，j)＝[t(i)-t(j)]²，其中，t(i)和t(j)分别表示第i个特征中所述标记特征的特征值、第j个特征中所述标记特征的特征值；

则第i个具有所述标记特征的特征和第j个具有所述标记特征的特征之间的相关性定义为：其中，δ_i表示第i个特征标记特征特征值的标准差；即，s(i，j)为相关特征。