[发明专利]医学图像分类方法和系统

说明书

技术领域

本发明涉及医学图像筛选或分类技术，特别是涉及一种医学图像分类方法和系统。

背景技术

目前，对医学图像进行图像筛选或分类的技术，主要是基于脑部图像上的筛选和分类领域，而针对脑部图像的筛选和分类方法，通常是基于MRI(磁共振图像)和PET(正电子发射计算机断层扫描图像)图像，MRI和PET图像分别从结构和功能方面提供了神经病理信息，将MRI和PET进行信息融合能使计算机辅助诊断得到进一步的提高。基于MRI和PET图像进行医学图像分类时通常需要比较复杂的预处理步骤。例如，其中一种预处理步骤，即首先对MRI和PET图像分别进行预处理：将MRI图像分割为灰质、白质和脑脊液并配准到一个模板空间(也称为标准空间)，接着计算MRI图像的组织密度图谱；将PET图像配准到相同的模板空间。然后利用基于体素的形态学分析法找出脑部的显著区域，从MRI图像的显著区域中提取组织密度值，从PET图像对应区域中提取体素值，把两类信息结合起来作为图像特征，输入支持向量机(SVM)，从而实现分类。又例如，另一种方法，同样先对MRI和PET图像各自进行了预处理，把所有MRI和PET图像配准到一个共同的模板空间，然后从MRI和PET图像的整个脑部区域取得灰度值和体素值，用多核学习方法将两组信息结合同时实现分类。另外，还有其他方法也使用了多核学习方法进行信息融合，其算法与前一算法的不同之处在于该方法利用了张量分解算法进行特征提取。

综上可见，目前现有技术还未存在针对其他医学图像的分类和筛选技术，且就算是基于脑部图像的筛选和分类，也存在较为复杂的预处理步骤，需要基于两种图像的配合，操作不便，推广度也不高。所以，现有技术还有待进一步提高。

发明内容

基于此，有必要针对现有技术中存在的问题，提供一种医学图像分类方法和系统，其提供了一种可适用于除脑部图像以外的针对医学图像进行分类和处理的方法，特别适用于脑部医学图像的分类，其方法简单、操作简便。

一种医学图像分类方法，其包括：

获取图像模板；

分割所述图像模板中组织位置对称分布的两个感兴趣区域，获取所述两个感兴趣区域的标准图谱；

将所述图像模板和所述标准图谱分别配准到图像样本总库中的每个第一图像上；

基于配准后的标准图谱，分割获取所述每个第一图像中的所述两个感兴趣区域；

计算所述每个第一图像中的所述两个感兴趣区域的第一偏侧性向量；

利用所述第一偏侧性向量训练图像数据分类器，获取训练后的图像数据分类器；

将所述图像模板和所述标准图谱分别配准到待分类图像样本库中的每个第二图像上；

基于配准后的标准图谱，分割获取所述每个第二图像中的所述两个感兴趣区域；

计算所述每个第二图像中的所述两个感兴趣区域的第二偏侧性向量；

将所述第二偏侧性向量作为特征向量输入所述训练后的图像数据分类器。

在其中一个实施例中，所述获取图像模板的步骤包括：

初始步骤：将参考图像样本库中的每个第三图像分别配准到所述参考图像样本库中的其中一个第三图像上，获取多个配准后的第三图像；

均值计算步骤：计算所述多个配准后的第三图像的均值，获取参考图像；

图像配准步骤：将所述参考图像样本库中的每个第三图像分别配准到所述参考图像，获取所述多个配准后的第三图像；

重复执行所述均值计算步骤和所述图像配准步骤，直到相邻两次执行所述均值计算步骤输出的参考图像之差满足预设条件，输出最后一次获得的参考图像作为所述图像模板。

在其中一个实施例中，所述预设条件为：相邻两次执行所述均值计算步骤输出的参考图像之差的范数是否小于等于预设阈值。

在其中一个实施例中，所述分割所述图像模板中组织位置对称分布的两个感兴趣区域获取所述两个感兴趣区域的标准图谱的过程包括：

分割所述图像模板中组织位置对称分布的两个感兴趣区域；

基于所述两个感兴趣区域，分割获得所述两个感兴趣区域中至少一个子特征区域的图谱；

汇总所述两个感兴趣区域中所有子特征区域的图谱，生成所述两个感兴趣区域的标准图谱。

在其中一个实施例中，所述计算所述每个第一图像或第二图像中的所述两个感兴趣区域的第一偏侧性向量或第二偏侧性向量的过程包括：

针对所述每个图像中的所述两个感兴趣区域，分别计算所述两个感兴趣区域内每个子特征区域的体积；