[发明专利]一种检测图像结构变化的方法及装置

权利要求书

1.一种检测图像结构变化的方法，其特征在于，包括以下步骤：

步骤1：获取各个待检测物体图像的感兴趣区域，并测定每个所述待检测物体图像感兴趣区域内部的各个图像参数值，所述图像参数值包括感兴趣区域的总体积、目标结构体积、目标结构物质含量、目标结构的厚度、目标结构体积分数和目标结构密度中的一种或多种图像参数值；

步骤2：根据各个所述待检测物体图像感兴趣区域的各个图像参数值，统计分析所述待检测物体感兴趣区域的各个图像参数值在不同分类中的差异显著性或对所述待检测物体进行分类。

2.根据权利要求1所述的检测图像结构变化的方法，其特征在于，步骤1中获取各个三维待检测物体图像感兴趣区域的步骤具体包括：

步骤A.1：测量不同分组中的每个三维物体在其各个二维层面感兴趣区域中的各个图像参数值；

步骤A.2：从每个所述三维物体中选择相应的一层或多层二维层面，统计分析所选择的二维层面感兴趣区域的各个图像参数值在不同分组间的显著性检验P值；

步骤A.3：按照步骤A.2所述方法，统计分析所述三维物体在所有可能的二维层面感兴趣区域的各个图像参数值在不同分组间的显著性检验P值；

步骤A.4：选择步骤A.3中最小的p值或者小于预设阈值的p值，并根据该选定的p值确定相应的三维物体的感兴趣区域。

3.根据权利要求1所述的检测图像结构变化的方法，其特征在于，步骤1中测定目标结构的厚度，是通过最大正方形填充方法、最大圆形填充方法、最大圆形或正方形填充方法、最大立方体填充方法、最大球体填充方法、最大球体或立方体填充方法中的一种或几种进行计算得到。

4.根据权利要求3所述的检测图像结构变化的方法，其特征在于，当用最大正方形填充方法、最大圆形填充方法、最大立方体填充方法或最大球体填充方法测量目标结构中每一个像素的厚度时，填充的包含该待测定像素并完全包含在目标结构内的最大形体的中心位于目标结构上任意一个像素的中心或顶点。

5.根据权利要求3所述的检测图像结构变化的方法，其特征在于，当用最大圆形或正方形填充方法测量目标结构的厚度时，对于所述目标结构中的每个像素，将所述最大正方形填充方法和所述最大圆形填充方法获取的该像素的厚度中的最大值作为该像素的厚度。

6.根据权利要求3所述的检测图像结构变化的方法，其特征在于，当用最大球体或立方体填充方法测量目标结构的厚度时，对于所述目标结构中的每个像素，将所述最大球体填充方法和所述最大立方体填充方法获取的该像素的厚度中的最大值作为该像素的厚度。

7.根据权利要求1所述的检测图像结构变化的方法，其特征在于,所述步骤2中统计分析目标结构在不同分类中的差异显著性，具体包括：利用t检验、单因素方差分析、线性回归分析、非线性回归分析、非线性指数衰减回归分析、logistic回归、重复测量方差分析和线性混合效应模型重复测量分析中的一种或几种统计方法对所述待检测物体的目标结构的各个图像参数在不同分类条件下的差异显著性进行分析。

8.根据权利要求1所述的检测图像结构变化的方法，其特征在于,所述步骤2中对所述待检测物体进行分类，具体包括：获取已知分类的不同物体，并计算所述已知分类物体和待检测物体的扫描图像中目标结构的各个图像参数，所述图像参数包括所述已知分类物体和待检测物体目标结构的厚度；根据已知分类的物体和待检测物体目标结构的各个图像参数值以及已知的分类情况，利用判别分析、主成分分析、因子分析和logistic回归中的一种或几种统计方法对所述待检测物体进行分类。

9.根据权利要求8所述的检测图像结构变化的方法，其特征在于，对所述待检测物体进行分类是对待测定个体骨骼的骨质疏松症严重程度进行分类。

10.根据权利要求8所述的检测图像结构变化的方法，其特征在于，对所述待检测物体进行分类是对待测定个体的阿尔茨海默症的严重程度进行分类。