[发明专利]基于多通道卷积神经网络的MRI不同期多模图像表征方法

权利要求书

1.一种基于多通道卷积神经网络的MRI不同期多模图像表征方法，其特征在于，包括以下步骤：

(1)采集一系列已配准的MRI不同期图像；

(2)根据所述步骤(1)得到的各个图像的具体模态信息以及它们的灰度直方图对这些图像进行标准化处理，得到这些一系列已配准的MRI不同期图像的标准化图像，这些标准化图像中属于同一种模态的标准化图像它们的灰度直方图具有相同的最小灰度值、相同的最大灰度值以及相同的峰位置灰度值；

(3)构建初始多通道卷积神经网络，该初始多通道卷积神经网络中的每一通道对应于一种固定模态的MRI图像；然后，以所述步骤(2)得到的所述标准化图像作为训练数据，将这些标准化图像输入到与图像模态对应的所述初始多通道卷积神经网络的通道中，对该初始多通道卷积神经网络中的通道分别进行训练，得到训练后的多通道卷积神经网络；

(4)测试表征步骤：将待表征的某一期MRI图像进行标准化处理得到标准化的待表征图像，该标准化的待表征图像其灰度直方图与所述步骤(2)得到的所述标准化图像中属于同一模态的标准化图像的灰度直方图具有相同的最小灰度值、相同的最大灰度值以及相同的峰位置灰度值；然后，将该标准化的待表征图像输入至所述步骤(3)得到的所述训练后的多通道卷积神经网络与该待表征图像模态相对应的通道中，从而得到该通道输出的表征结果。

2.如权利要求1所述基于多通道卷积神经网络的MRI不同期多模图像表征方法，其特征在于，所述步骤(1)中，所述一系列已配准的MRI不同期图像具体同时包含PD期图像、T1期图像和T2期图像这三类不同期图像，所述一系列已配准的MRI不同期图像中的每幅图像尺寸大小相同；

相应的，所述步骤(3)中，所述初始多通道卷积神经网络具体为三通道初始卷积神经网络，这三个通道分别对应与PD期图像、T1期图像和T2期图像这三类不同期图像。

3.如权利要求1所述基于多通道卷积神经网络的MRI不同期多模图像表征方法，其特征在于，所述步骤(2)中，根据所述步骤(1)得到的各个图像的具体模态信息以及它们的灰度直方图对这些图像进行标准化处理，具体包括以下步骤：

(2-1)将属于同一模态的图像划分成一个小组，针对同一小组内的每张图像，记其灰度直方图中的感兴趣区域的最小灰度值为pc₁，感兴趣区域的最大灰度值为pc₂，灰度直方图中两个峰位置处的灰度值由小到大分别记为μc₁和μc₂；然后，基于该小组的全部图像分别计算平均值则分别设定为该模态的直方图标准标志位；对每个小组重复进行操作，从而得到各个模态的直方图标准标志位；

(2-2)针对所述步骤(1)得到的任意一张图像，记其灰度直方图中的整体最小灰度值为s₁，整体最大灰度值为s₂，感兴趣区域的最小灰度值记为pc₁，感兴趣区域的最大灰度值记为pc₂，峰位置灰度值记为μc₁和μc₂，并根据其具体模态信息得到该模态的直方图标准标志位标准化处理该图像，使s₁、s₂、pc₁、pc₂、μc₁、μc₂这6个节点经标准化处理后分别线性映射至m₁、m₂、其中，m₁为预先设定的标准整体最小灰度值，m₂为预先设定的标准整体最大灰度值；并且，s₁、s₂、pc₁、pc₂、μc₁、μc₂这6个节点中任意两个相邻节点之间区域的灰度值在该标准化处理中也是同步利用线性映射完成标准化处理的；对所述步骤(1)得到的各个图像进行标准化处理，即可得到一系列标准化图像。