[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

摘要

本发明提供了一种基于JAVA语言的MRI图像并行处理方法及处理系统，其特征在于，所述处理方法包括以下步骤：开始；上传患者MRI图像DICOM资料压缩包；解压所述压缩包，获取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。本发明的有益之处在于：所述处理方法及处理系统，以开源图像处理函数库为基础，重新编写多台机器并行处理的MRI图像处理方法，并通过机器学习大量MRI数据，形成中国人MRI图像处理模形，最终实现了提高处理速度、效率、精度的目的，而且实现了针对中国人的高精度MRI图像处理。

主权项

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：/n(1)开始；/n(2)上传患者MRI图像DICOM资料压缩包；/n(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：/n1)非均匀强度归一化/n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；/n由先验知识获取用张量表示的标记范围图像：/nX∈R^p×q×r×m，α＜X＜β，其中α，β为机器特征的范围边界；/n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；/n然后所述标记范围图像的对比度可以表示为：/n /n其中，X_{i，j，k，1}表示三维空间(i，j，k)位置的第l个特征的强度，X_{i，j，k，1}＝1代表红色，X_{i，j，k，l}＝2代表绿色，X_{i，j，k，1}＝3代表蓝色，X_{i，j，k，1}＝4代表透明度；/n 是所述标记范围图像的平均强度，表示为：/n /n根据磁场成像信号高低，使用m＝1，上式变为：/n /n /n2)使用卷积三插值算法进行三个方向的精度统一/nf(i+u，j+v)＝[A]×[B]×[C]/n[A]＝[S(u+1)S(u+0)S(u-1)S(u-2)]/n /n /n /nX，Y，Z三个方向插值变量：x＝abs(1-Φx)，y＝abs(1-Φy)，z＝abs(1-Φz)；/n其中，Φx，Φy，Φz分别表示三个方向的精度；/n3)进行坐标系空间变换/n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(x_i,y_i,z_i)为第i个标记点坐标，N为标记点数目，m取2阶样条，则有：/n /nΔy(x，y，z)、Δz(x，y，z)采用上述方法计算；/n4)使用mean-shift算法平滑/n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：/n /n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/nS_h(x)＝{y：(y-x_i)T(y-x_i)＜h²}/n通过计算得到漂移向量，更新球圆心x的位置为：/nx：＝x+M_h/n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：/n /n计算每次更新的圆心坐标为：/n /n使用高斯核做平滑，有：/n /n5)区域生长分割算法分割灰质和白质/n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：/na:U(R_i)＝R；/nb:R_i是一个连通区域，i＝1,2,3,......n；/nc:R_i∩R_j＝空集，对于任何的i,j；都有i≠j；/nd:P(R_i)＝Ture,对i＝1,2,......n；/ne:R(P_iUR_j)＝False,i≠j；/n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；/n6)把分割结果配准到标准分割大脑上/n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：/n /n其中α为缩放参数；θ为旋转角度参数，(Δx，Δy)为平移参数；/n图像小波变换函数为：/n /n设定H＝{h_n}为低通滤波器，G＝{g_n}为高通滤波器，则通过Mallat算法计算分解数，有：/n /n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：/n /n平移变换计算：/n设p＝k-2m,q＝l-2n，有：/n /n /n旋转变换计算：/n设p＝k cosθ+l sinθ,q＝-k sinθ+l cosθ，有：/nc^M+1(2m cosθ+2n sinθ，-2m sinθ+2n cosθ)/n经小波低通滤波变为：/n /n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；/n(4)提取MRI图像脑结构文件数据分析处理；/n(5)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；/n(6)结束。/n