[发明专利]基于神经网络的自动窗宽窗位提取方法

摘要

本发明公开了一种基于神经网络的自动窗宽窗位的提取方法，使用自适应K聚类方法对MR图像进行分类，包括如下在线训练步骤：e）提取新的MR图像的直方图特征和空间信息特征；f）根据新的MR图像的直方图特征和空间信息特征，利用自适应K聚类方法对新的MR图像进行分类；g）对分类后的每类新的MR图像与现有已训练的每类图像进行比较，先计算每类图像与现有已训练的每类图像相似度，假如不相似，则在原分类基础上增加一个新类，若相似，再判断该类图像的窗宽窗位与现有已训练图像的窗宽窗位金标准是否一样，若一样，不增加新类，若不一样，则在原分类基础上增加一个新类；使在线训练能够自动实现。

主权项

一种基于神经网络的自动窗宽窗位提取方法，其特征在于，包括如下步骤：a）加载MR图像； b）提取MR图像的直方图特征和空间信息特征；c）根据MR图像的直方图特征和空间信息特征，利用自适应K聚类方法对所有MR图像进行分类；d）分别用该类图像特征信息及图像的窗宽窗位信息对该类径向基函数神经网络进行训练；e）当加载新的MR图像或某类图像的窗宽窗位发生改变产生新的MR图像时,提取新的MR图像的直方图特征和空间信息特征;f）根据新的MR图像的直方图特征和空间信息特征，利用所述的自适应K聚类方法对新的MR图像进行分类；g）对分类后的每类新的MR图像与现有已训练的每类图像进行比较，先计算每类图像与现有已训练的每类图像相似度，假如不相似，则在原分类基础上增加一个新类，若相似，再判断该类图像的窗宽窗位与现有已训练图像的窗宽窗位金标准是否一样，若一样，不增加新类，若不一样，则在原分类基础上增加一个新类；h) 加载MR图像进行测试；i）提取测试MR图像的直方图特征和空间信息特征；j）根据测试MR图像的直方图特征和空间信息特征，计算与各聚类中心的直方图特征和空间信息特征的相似度，得到与其最相似的多个聚类中心；k）利用所述多个聚类中心对应的径向基神经网络分别计算多个窗宽窗位；l) 融合所述的多个窗宽窗位，输出最终的窗宽和窗位。