[发明专利]基于多级分区词袋模型的脑疾病识别装置

说明书

本发明公开了一种基于多级分区词袋模型的脑疾病识别装置。其中，该装置包括对训练样本集和测试样本集中各样本的脑部磁共振结构图像进行预处理；接着基于标准脑模板、训练样本集中各样本和测试样本集中各样本的二维磁共振结构图像，分别提取其结构特征；再对标准脑模板进行多级脑分区；又针对标准模板的结构特征，在各分区采用无监督聚类方法分别构造分区词袋；然后，利用各等级分区词袋，构建各样本的各等级词袋直方图；最后，利用各等级词袋直方图，建立多级分类器对测试样本进行分类，进而实现脑部疾病识别。本发明实施例通过基于多级分区词袋模型的脑部磁共振结构图像分类方法，进行疾病识别和个体属性判定，辅助脑疾病临床分析诊断。

技术领域

本发明实施例涉及医学图像处理技术领域，尤其是涉及一种基于多级分区词袋模型的脑疾病识别装置。

背景技术

磁共振成像作为一种非侵入式的脑成像方法，已被广泛应用于脑疾病的研究中。脑疾病的准确诊断对疾病治疗起着积极的作用。利用磁共振结构图像，客观评估疾病状态，辅助医疗诊断成为当前研究的热点。

利用图像局部结构特征对磁共振结构图像进行表示受到关注。词袋模型作为一种基于局部特征的图像表示方法，其基本思想是将图像用局部特征(视觉单词)的概率分布(直方图)表示。词袋模型被广泛运用于目标分类和目标识别领域，近年来逐渐用于磁共振结构图像分析。Daliri在文献(Daliri MR.Automated diagnosis of Alzheimer diseaseusing the scale-invariant feature transforms in magnetic resonance images[J].Journal of medical systems,2012,36(2):995-1000.)中从磁共振图像提取SIFT特征，提出了一种基于词袋模型和支持向量机的磁共振结构图像分类算法。此外，另一些方法将灰度密度值、Laguerre Circular Harmonic Functions等作为局部特征，建立词袋模型。上述词袋模型主要是基于全脑或固定区域实施完成，位置信息未被充分利用。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于多级分区词袋模型的脑疾病识别装置。

为了实现上述目的，本发明提供了以下技术方案：

一种基于多级分区词袋模型的脑疾病识别装置，所述装置至少包括：

预处理模块，其被配置为对训练样本集和测试样本集中各样本的脑部磁共振结构图像进行预处理，所述预处理包括：去除头骨和背景以及将所述脑部磁共振结构图像仿射变换到标准脑模板；

结构特征提取模块，其被配置为基于所述标准脑模板、所述训练样本集中各样本和所述测试样本集中各样本在横断面、矢状面和冠状面方向上的每个二维脑部磁共振结构图像，分别提取其结构特征；

多级脑分区构建模块，其被配置为针对所述标准脑模板，建立多级脑分区；

词袋构建模块，其被配置为针对所述标准脑模板的结构特征，使用无监督聚类方法分别对所述各级分区内结构特征进行聚类，构建各等级分区词袋；

词袋直方图构建模块，其被配置为针对所述训练样本集和所述测试样本集中各样本在所述横断面、所述矢状面和所述冠状面上的二维脑部磁共振结构特征，利用所述各等级分区词袋，构建各样本的各等级词袋直方图；

脑疾病识别模块，其被配置为利用所述训练样本集中各样本的各等级词袋直方图，建立多级分类器，并对所述测试样本分类，进而实现脑部疾病的识别。

与现有技术相比，上述技术方案至少具有以下有益效果：