[发明专利]一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法及系统

权利要求书

1.一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法，其特征在于，该方法包括：

接收MRI，进行预处理，得到MRI的所有模态联合配准到统一解剖学模板且带辅助诊断分割标签的图像；

采用稀疏贝叶斯模型对MRI的不同模态进行分割，得到不同模态分割结果标签；

采用多图谱融合法融合MRI中不同模态的分割结果，得到边界轮廓清晰的最终神经胶质瘤分割结果；

所述采用稀疏贝叶斯模型对MRI的不同模态进行分割的具体步骤包括：

对MRI固有的平滑度相关结构进行建模，得到微型分割域；

在微型分割域中，由符合高斯分布的马尔科夫随机场估计贝叶斯公式中的条件概率，由符合吉布斯分布的吉布斯随机场估计先验概率，生成基于后验概率的图谱；

计算最大后验概率估计值，采用稀疏贝叶斯决策模型基于最大后验概率估计值分割MRI中的神经胶质瘤。

2.如权利要求1所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法，其特征在于，在该方法中，所述预处理的具体步骤包括：

采用GLISTRboost算法将接收的MRI方向重新定位到左后上的坐标系，且产生其对应的辅助诊断分割标签；

将MRI的所有模态联合配准到T1-w的解剖学模板，并根据预设分辨率重新采样。

3.如权利要求2所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法，其特征在于，在该方法中，所述预处理还包括将重新采样的MRI进行平滑处理及匹配强度直方图。

4.如权利要求1所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法，其特征在于，在该方法中，所述MRI的模态包括T1-w模态，T1-c模态，T2-w模态和FLAIR模态。

5.如权利要求1所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法，其特征在于，在该方法中，所述多图谱融合法为权重投票策略。

6.如权利要求5所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法，其特征在于，在该方法中，采用权重投票策略融合MRI中不同模态的分割结果的具体步骤包括：

对同一个病人，具备不同模态的分割后MRI，计算图谱图像和其标签对应的目标图之间的最大似然函数，得到归一化的相互关系量；

将归一化的相互关系量作为权重投票策略中的和图谱相关的权重系数，融合MRI中不同模态的分割结果。

7.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1-6任一项所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法。

8.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1-6任一项所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法。

9.一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割装置，其特征在于，基于如权利要求1-6任一项所述的一种基于稀疏贝叶斯模型和多图谱融合的MRI神经胶质瘤分割方法，包括：

预处理模块，被配置为接收MRI，进行预处理，得到MRI的所有模态联合配准到统一解剖学模板且带辅助诊断分割标签的图像；

图像分割模块，被配置为采用稀疏贝叶斯模型对MRI的不同模态进行分割，得到不同模态分割结果标签；

标签融合模块，被配置为采用多图谱融合法融合MRI中不同模态的分割结果，得到边界轮廓清晰的最终神经胶质瘤分割结果。