[发明专利]一种基于JAVA语言的MRI图像并行处理方法及处理系统

权利要求书

1.一种基于JAVA语言的MRI图像并行处理方法，其特征在于，所述处理方法包括以下步骤：

（1）开始；

（2）上传患者MRI图像DICOM资料压缩包；

（3）解压所述压缩包，获取MRI图像脑结构文件数据，具体包括以下6个步骤：

1）非均匀强度归一化

为了方便进行计算机统一处理，需要消除机器特征，把图像强度归一化到（0，255）范围内，使用基于图像内容特征的灰度归一化方法；

由先验知识获取用张量表示的标记范围图像：

，，其中α，β为机器特征的范围边界；

计算结束后直接置为0和255，根据内容特征各自对应α，β中的部分范围映射到（0，255），在X₁，X₂，…Xn分别进行归一化；

然后所述标记范围图像的对比度可以表示为：

，

其中，  表示三维空间（i，j，k）位置的第l个特征的强度，=1代表红色，=2代表绿色，=3代表蓝色，=4代表透明度；

是所述标记范围图像的平均强度，表示为：

，

根据磁场成像信号高低，使用m=1，上式变为：

，

；

2）使用卷积三插值算法进行三个方向的精度统一，

，

X，Y，Z三个方向插值变量：x=abs(1-Φx)，y=abs(1-Φy)，z=abs(1-Φz)；

其中，Φx，Φy，Φz分别表示三个方向的精度；

3）进行坐标系空间变换

在DICOM标准中通过Image Position(Patient)-（0020,0032）和Image Orientation(Patient)-（0020,0037）两个字段来确定患者Patient的空间定位；其中Image Position(Patient)表示图像的左上角在空间坐标系中的（x,y,z）坐标，单位是毫米；ImageOrientation(Patient)表示图像坐标与解剖学坐标体系对应坐标夹角的余弦值；为了获得与假设dicom图像中一个体素位置点（x，y，z）对应的位移ΔX、ΔY、ΔZ，设定(,,)为第i个标记点坐标，N为标记点数目，m取2阶样条，则有：

，

、采用上述方法计算；

1）使用mean-shift算法平滑

给定d维空间Rd中的n个样本点x_i，i=1,2,3,···,n，在x处的向量基本形式为：

，

其中S_k表示的是数据集的点到x的距离小于球半径h的数据点，也就是

，

通过计算得到漂移向量，更新球圆心x的位置为：

，

每次迭代，使得圆心一直往数据集密度最大的方向移动，找到圆里面点的平均位置作为新的圆心位置，通过加入高斯权重，获得漂移向量计算公式为：

，

计算每次更新的圆心坐标为：

，

使用高斯核做平滑，有：

；

2）区域生长分割算法分割灰质和白质

令R表示整个3d图像矩阵，那么分割可以看成将区域R划分为n个子区域R₁,R₂,......R_n的过程，并需要满足以下条件：

a: U(R_i) = R;

b: R_i是一个连通区域，i=1,2,3,......n;

c: R_i ∩ R_j = 空集，对于任何的i,j；都有i≠j;

d: P(R_i) = Ture, 对i=1,2,......n;

e: R(P_i U R_j) = False, i≠j；

上述分割必须是以体素为单位进行的分割，否则不能保证被分割对象的连续性，导致分割不完整；为了提高分割过程效率，可以把处理过程转到cuda，处理完成后取出结果；

所述区域生长分割算法分割灰质和白质的处理过程可以转到cuda，处理完成后再取出结果；

3）把分割结果配准到标准分割大脑上

取轴状向量数据f(x,y)，将其配准到标准的轴状向量数据f(x′，y′)，变换模型为：

，

其中为缩放参数；为旋转角度参数，()为平移参数；

图像小波变换函数为：

，

设定为低通滤波器，为高通滤波器，则通过Mallat算法计算分解数，有：

，

通过伸缩、平移、旋转三种变换把取样图像配准到标准图像，其中伸缩变换计算：

，

平移变换计算：

设p=k-2m,q=l-2n，有：

，

旋转变换计算：

设p=,q=，有：

，

经小波低通滤波变为：

，

经过配准变换后，即可按照标准统计出详细的MRI图像脑结构文件数据；

提取MRI图像脑结构文件数据分析处理；

收集分析处理结果，根据大量统计数据分阶段修正标准模板数据，给出统计分析结果；

结束。

2.一种基于JAVA语言的MRI图像并行处理系统，用于实现权利要求1所述的基于JAVA语言的MRI图像并行处理方法，其特征在于，采用所述基于JAVA语言的MRI图像并行处理方法通过JDK，结合服务器CPU、内存，建立多个子程序，同时处理多个影像资料。