[发明专利]一种阿尔兹海默病MRI图像多分类方法及装置

说明书

本发明涉及图像分类技术领域，揭露了一种阿尔兹海默病MRI图像多分类方法及装置，包括：接收病人的脑部MRI图像，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，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，并根据面积占比确定病人的阿尔兹海默病的病重等级。本发明主要目的在于解决目前多数方法仅依赖于单一模型识别脑部MRI图像的脑叶区域，从而造成阿尔兹海默病误判率较高的问题。

技术领域

本发明涉及一种阿尔兹海默病MRI图像多分类方法及装置，属于图像分类技术领域。

背景技术

阿尔兹海默病(AD)是一种起病隐匿的进行性发展的神经系统退行性疾病。临床上以记忆障碍、失语、失用、失认、视空间技能损害、执行功能障碍以及人格和行为改变等全面性痴呆表现为特征。磁共振成像(Nuclear Magnetic Resonance Imaging，简称MRI)，又称自旋成像(英语：spin imaging)，是利用核磁共振(nuclear magneic resonance，简称NMR)原理，依据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。

临床上，阿尔兹海默病MRI图像显示，轻度老年痴呆患者的MRI图像可以发现颞叶会出现轻度萎缩，其他脑叶区萎缩不会明显；中度老年痴呆的患者可见整个脑叶区域都会出现萎缩，其中颞叶区萎缩相对比较重；重度老年痴呆患者的脑叶萎缩非常明显，其中颞叶区及对应的海马萎缩更加明显。因此通过MRI技术获取脑部MRI图像，可有效诊断阿尔兹海默病患病程度。

目前基于脑部MRI图像诊断阿尔兹海默病患病程度主要依赖于人工诊断或技术诊断，其中人工诊断主要依赖于富有经验的医生，并根据脑部MRI图像中各脑叶萎缩程度，主观判断阿尔兹海默病的患病程度，严格来说人工诊断虽然效率差，但误诊概率低。技术诊断主要依赖于数字图像处理技术或机器学习、深度学习类模型执行脑部的各脑叶区域的智能识别，并将识别出的各脑叶区执行面积占比计算，从而推测出是否发生脑萎缩现象。

显而易见的，技术诊断可明显提高基于脑部MRI图像的阿尔兹海默病诊断效率。但由于目前多数技术诊断仅仅依赖于单一模型，如卷积神经网络模型，进而通过这类单一模型实现脑叶区域划分和脑叶面积占比计算，由于不同人脑、MRI拍摄环境以及MRI设备的差异性，极其容易导致误判现象，单一模型难以适应所有MRI图像，从而导致产生基于MRI图像的阿尔兹海默病误判现象。

发明内容

本发明提供一种阿尔兹海默病MRI图像多分类方法、装置及计算机可读存储介质，其主要目的在于解决目前多数方法仅依赖于单一模型识别脑部MRI图像的脑叶区域，从而造成阿尔兹海默病误判率较高的问题。

为实现上述目的，本发明提供的一种阿尔兹海默病MRI图像多分类方法，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；