[发明专利]基于多模态MRI数据的脑瘤术后空间域分割方法

摘要

本发明公开了一种基于多模态MRI数据的脑瘤术后空间域分割方法，其特征在于，包括以下步骤：(1)获得脑瘤手术后的MRI数据，对数据进行预处理，(2)将步骤(1)的数据映射到空间域上进行分割处理，所述空间域分割处理包括以下步骤：①构建正常人脑不同组织对称性模板，②提取Haar结构特征，③将结构随机森林方法结合AdaBoost框架获得初步的概率结果，④利用相似性区域增长算法增长标签，获得空间域分割结果。本发明基于AdaBoost框架重采样结合结构随机森林算法，提高了采样的效率；利用四维Haar特征更能保证图像的全局和局部特征，利用优化的相似性准则进行区域增长，从而提高局部区域的准确性。

主权项

1.一种基于多模态MRI数据的脑瘤术后空间域分割方法，其特征在于，包括以下步骤：(1)获得脑瘤手术后的MRI数据，对数据进行预处理，(2)将步骤(1)的数据映射到空间域上进行分割处理，所述空间域分割处理包括以下步骤：①构建正常人脑不同组织对称性模板，②提取Haar结构特征，③将结构随机森林方法结合AdaBoost框架，以图像中的像素点为样本，结构随机森林方法输入时以块为单位输入标签，经步骤③获得初步的概率结果后，④利用相似性区域增长算法增长标签，获得空间域分割结果；所述相似性区域增长算法如下所示，同时其中，g是体素的相似性度量值，l是标签，t为迭代点，x是体素的亮度特征，两个体素间的不同如下所示，其中，β是一个调整参数；ρ(x_i，x_j)表示x_i，x_j两点之间特征的欧式距离；mean(ρ(x_i，N_i))是x_i和其每一个邻接结点特征的欧式距离的平均，μ是经验值。