[发明专利]一种对SPECT脑部三维图像分析的方法

权利要求书

1.一种对SPECT脑部三维图像分析的方法，其特征在于，包括以下步骤：

S1，建立脑部形状模型数据库，并通过SPECT生成患者的脑部图像；

S2，将患者的脑部图像进行空间归一化处理，将患者的脑部图像定义在同一个公共坐标系中；

S3，通过算法处理自动旋转患者的脑部图像，使其与脑部形状模型数据库中的对比模型一致；

S4，通过算法处理形成脑部器官的轮廓；

S5，通过算法自动调整脑部的对比模型，使其形状尺寸、位置、旋转角度及形状适合患者的脑部图像；

S6，借助对比模型形状，将患者的脑部图像与正常人的脑部图形进行对比，定义患者的脑部图像与对比模型的差异部分，得出差异结果；

S7，规范化S6中的差异结果，得到一组有统计差异的量化结果；

S8，将S7中的差异结果转变成图像特征，形成一个标准正态分布的Z参数图；

S9，将S8中的图像特征、Z参数图输入解释系统；

S10，解释系统解析输入信息，并产生解析结果，输出解释结果。

2.根据权利要求1所述对SPECT脑部三维图像分析的方法，其特征在于，在步骤S1中建立脑部形状模型数据库的步骤如下：

S1-1，使用SPECT生成患者的脑部图形并收集，收集数量大于20；

S1-2，对脑部图形的血流灌注特征进行统计分析，将收集的SPECT图形归一化至同一个公共坐标系中，形成统一的对比模型，以形成脑部形状模型数据库。

3.根据权利要求2所述对SPECT脑部三维图像分析的方法，其特征在于，在步骤S1-2中，使用SPM方法对脑部图形的血流灌注特征进行统计分析。

4.根据权利要求1所述对SPECT脑部三维图像分析的方法，其特征在于，在步骤S10中，解释系统解析输入信息的过程为：通过特征提取器，从患者的脑部图像、Z参数图中提取多个特征，并将所述特征输入到预训练卷积神经网络的输入节点中；当所述图像的特征的数量被馈送到所述多个输入节点时，所述预训练卷积神经网络将通过分类系统输出各节点的输出分类结果。

5.根据权利要求4所述对SPECT脑部三维图像分析的方法，其特征在于，所述分类系统包括第一分类系统及第二分类系统，对于第一分类系统，其中所述多个特征包括大脑图像的脑轮廓内点的总数；对于第二分类系统，其中所述多个特征包括在大脑图像的脑轮廓内在特定阈值以下的最大点集合中的点的数目。