[发明专利]一种阿尔兹海默病MRI图像多分类方法及装置

权利要求书

1.一种阿尔兹海默病MRI图像多分类方法，其特征在于，所述方法包括：

接收病人的脑部MRI图像，将脑部MRI图像执行二值化处理，得到脑部二值图像，其中脑部二值图像由包括像素值为0或1的二维图像矩阵组成；

利用预先构建的分块标准，依次将所述二维图像矩阵执行切分，得到多组不同维度的二维分块矩阵，其中分块标准为：按照二维分块矩阵的维度依次为2ⁱ*2ⁱ2ⁱ*2ⁱ执行切分，其中，i＝0，1，...，ni＝0，1，...，n，nn为二维图像矩阵的维度；

从多组不同维度的二维分块矩阵中选择包含像素值为1的分块矩阵，得到一组或多组单像素分块矩阵；

确定每组单像素分块矩阵在二维分块矩阵中的分块位置及所包括的像素值为1的个数，并以分块位置为自变量，像素值为1的总数为因变量拟合得到函数关系；

根据所述函数关系重新对脑部MRI图像执行二值化处理，得到优化二值图像，对所述优化二值图像执行脑部结构拆分，得到二值颞叶图、二值额叶图、二值顶叶图及二值枕叶图；

将所述脑部MRI图像输入至预先构建的脑部结构识别模型，得到MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图，其中，脑部结构自动识别模型由卷积层、特征融合层、注意力层及YOLO模型层；

分别计算二值颞叶图、二值额叶图、二值顶叶图及二值枕叶图与对应的MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图之间的各脑叶区的面积误差，得到颞叶面积误差、额叶面积误差、顶叶面积误差及枕叶面积误差；

若存在面积误差大于预设的面积阈值的脑叶区，则将所述脑部MRI图像发送至医生执行阿尔兹海默病的人为判断；

若不存在面积误差大于所述面积阈值的脑叶区，计算MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图分别在脑部MRI图像的面积占比，并根据四组面积占比确定病人的阿尔兹海默病的病重等级。

2.如权利要求1所述的阿尔兹海默病MRI图像多分类方法，其特征在于，所述确定每组单像素分块矩阵在二维分块矩阵中的分块位置，包括：

构建二维直角坐标系，将所述二维分块矩阵投射至二维直角坐标系中，其中，二维分块矩阵的左下角为二维直角坐标系的原点，二维直角坐标系的横坐标及纵坐标的距离划分以二维分块矩阵的像素间距为划分依据；

依次确定每组单像素分块矩阵在二维直角坐标系中的分块位置，其中分块位置由单像素分块矩阵的矩阵中心的中心坐标及矩阵边长组成。

3.如权利要求2所述的阿尔兹海默病MRI图像多分类方法，其特征在于，所述以分块位置为自变量，像素值为1的总数为因变量拟合得到函数关系，包括：

设定所有单像素分块矩阵对应的矩阵中心坐标集为cc，其中c＝{(x_j，y_j)|j＝0，1，...，m}c＝{(x_j，y_j)|j＝0，1，...，m}，(x_j，y_j)(x_j，y_j)表示第jj个矩阵中心的中心坐标，mm为矩阵中心的总个数；

获取每个矩阵中心下所有的矩阵边长及像素值为1的总数，并以矩阵边长为自编量，像素值为1的总数为因变量，分别拟合得到与每个矩阵中心对应的矩阵边长及像素值为1的总数的函数关系。