专利名称：一种用于分析对象的脑图像的方法、用于分析该图像的计算机程序产品以及用于实施该 ...的制作方法
技术领域：
本发明涉及一种用于分析对象的脑图像的方法，以及用于分析 该图的计算^/L程序产品以及用于实施该方法的i史备。
背景技术：
对于脑研究，特别是从组成，形态学，行为学，或者进化角度， 对象的脑可以例如用三维或者四维图像显示。然后，脑图像可被处 理和分析以辨识出与测量的图像数据相对应的、代表了脑的解剖学 特征或功能特征的可靠的特征。
在特定应用中多个对象的脑图像可根据图像数据被彼此区别开 或被分类为不同组。例如，上述方法可以用来将其中的数据指示了 该脑患有阿尔茨海默病(Alzheimer)的图像与其中的数据指示了该 脑患有轻度认知障碍(Mild Cognitive Impairment (MCI))或者其中的 数据指示了脑处于健康状态的图像区别开来。
已知的处理分析图像的方法可能由人工或自动地将脑分割为感 兴趣区域(Regions of interest, ROIs)，进行容量分析，例如，测量 选择的感兴趣区域的容量，这样，图像数据就是感兴趣区域的容量。
此外，从文献US-2006/0104494也可以获知为实施一种采集有 多个对象的图像数据的方法，需要选择感兴趣区域且为感兴趣区域 计算空间容量和亮度(intensity)的数据。该空间容量和亮度的数据 对于一个对象的感兴趣区域图像和所有对象感兴趣区域图像的均值 是不同的。
在下述文献 《 A region-of國interest (ROI) template for three-dimensional stereostatic surface projection images (3D-SSP):Initial application to analysis of Alzheimer disease and mild cognitive impairments, KUBOTA， USHIJIMA, NISHIMURA, International congress series, Vol.1290, 2006 (三维立体静态表面投影图像 (3D-SSP)的感兴趣区域(ROI)模板:初步应用于分析阿尔茨海默 病和轻度认知障碍)中，在3个三维立体静态(stereostatic )表面投 影的Z分值(Z-score)图像上叠加了 一种感兴趣区域模板以获取感 兴趣区域的Z分值。
已知方法中，图像分析集中于已知与被检索的解剖学特征或功 能特征相关的所选择的感兴趣区域。因此，测量图像数据以及后续 的区分或者分类则在根据被检索的脑的解剖学特征或功能特征所选 出的特定的感兴趣区域上执行。
另外，基于在对象的脑图像和群体的多个脑图像之间的比较的 已知方法，无法给出一个准确和客观的重要的感兴趣区域的选择。
而且，由于上述方法的脑图像的收集需要在相同条件下使用相 同设备以及相同的设置以产生可能的区别和比较，所以，已知方法 的可重复性差，甚至是不可靠的。
发明内容
本发明目的在于解决上述缺陷。
为此，本发明涉及一种用于分析对象的脑图像的方法，包括 -收集对象的至少三个维度的脑图像；
-以一种自动方式将图像分割为反映该脑的特点的脑的自然参 考系 (brain native reference frame characteristic of said brain )的感兴 趣区域；该图像被采样为多个体素(voxel),每个体素被分配给在 上述脑的自然参考系中的一个感兴趣区域；
-对于每个感兴趣区域，以一种自动方式，基于在图像上测得的 图像数据，确定至少一个判别值，上述图像数据代表了脑的一个解 剖学特征或者功能特征，对于每个感兴趣区域，该判别值的确定包 括-基于为每个体素测得的所述图像数据，计算至少一个与图像数
据相关的相对参数；
-从上述相对参数中建立判别值，
所以，每个判别值与其他感兴趣区域的判别值是相对的。
因此，该方法在整个脑上执行，且在将图像分割为多个感兴趣 区域后，为每个感兴趣区域提供了一个客观和准确的判别值。因在 脑的自然参考系中执行所述分割，该方法的准确度大大地增加。
基于该方法进行的图像的区分或分类则更加高效以及更接近于 解剖学特征或者功能特征的真实情况。每个感兴趣区域的图像数据 可能被考虑以及所有与被检索的特征相关的所有重要的感兴趣区域 也要被考虑。
并且，由于判别值是相对的，所以，该值不依赖于图像收集设 备的设置。因此本方法是可靠的和易于重复的，以及可被用于分析 从不同设备或者在不同设置参数下收集的图像。
具体实施例方式
在一个实施方式中，分割可包括
-对图像的归一化处理，每个体素被分配至通用参考系中的感兴 趣区域分割的公用才莫板中的 一 个感兴趣区域；
-对上述感兴趣区域分割的模板应用非线性变换。
该非线性变换可包括
-归一化处理的逆变换计算，
-对所述感兴趣区域分割的模板应用所述逆变换。
判别值的确定可包括对每个感兴趣区域，计算与图像数据相 关的多个相对参数，并从上述相对参数的组合中建立判别值。
在一个具体的实施例中，确定所述判别值可包括对每个感兴 趣区域，根据所述体素的图像数据识别体素组，可使用例如应用于 所述体素的概率模型进行所述识别体素组的步骤。
然后，可对一个体素组中的体素计算所述相对参数。相对参数可包括一组体素相对于其他组体素的相对权重。 上述相对参数可包括与体素的图像数据相关的统计参数。 例如，图像数据可包括亮度级别。
本方法可进一步包括确定与所述感兴趣区域的相对判别值相关 的至少一个重要的感兴趣区域。
然后，可以在多个对象的脑上执行收集图像、分割图像、为每 个感兴趣区域确定相对判别值，通过对相对判别值的统计分析，可 评估相对判别值的判别能力。
本方法可进一步包括根据重要的感兴趣区域的相对判别值进行 图像分类。
根据本发明的另 一 方面，发明涉及 一 个用于分析对象的脑图像 的计算机程序产品，所述计算机程序产品被存储于计算机可读的载
体上且包括多个指令，该指令可被执行以使得处理器
-将对象的脑的至少三维的图像以自动方式分割为反映该脑的特点
的脑自然参考系中的感兴趣区域，所述图像被采样成多个体素，图
像的每个体素被分配给在脑自然参考系中的的一个感兴趣区域， -对于每个感兴趣区域，以一种自动方式，基于在图像上测得的图 像数据，确定至少一个判别值，上述图像数据代表了脑的一个解剖 学特征或者功能特征，可被执行以使得处理器确定判别值的指令也 可被执行以使得处理器，对每个感兴趣区域
-基于所述为每个体素测得的图像数据，计算与图像数据相关的 至少一个相对参数，
-从相对参数建立判别值，
因此，每个判别值与其他感兴趣区域的判别值是相对的。
在一个实施例中，可被执行以使处理器分割图像的指令也可被 执行以使处理器
-归一化处理图像，每个体素被分配给在通用参考系中的感兴趣 区域分割的公用模板中的 一 个感兴趣区域；
-对上述感兴趣区域分割的模板应用非线性变换。
9可被执行以使处理器应用非线性变换的指令也可以被执行以使
处理器
-计算归一化处理的逆变换。
-对所述感兴趣区域分割的模板应用所述逆变换。
可被执行以使处理器确定判决值的指令也可以被执行以使处理 器对每个感兴趣区域，计算与图像数据相关的多个相对参数，并从 上述相对参数的组合中建立判别值。
在一个具体的实施方式中，可被执行以使处理器确定判决值的 指令也可以被执行以使处理器对每个感兴趣区域，根据所述体素的 图像数据识别体素组，可被执行以使处理器识别体素组的指令，也 可以，例如，被执行以使处理器对所述体素应用概率模型。
可被执行以使处理器计算相对参数的指令也可以被执行以使处 理器为一个体素组中的体素计算相对参数。
所述计算机程序产品可进 一 步包括可被执行以使处理器确定与 所述感兴趣区域的相对判别值相关的至少一个重要的感兴趣区域的 指令。
被执行以使处理器分割图像并为每个感兴趣区域确定相对判另'J 值的指令也可使处理器为多个对象的脑图像执行所述指令，计算机 程序产品可进 一 步包括可被执行以使处理器通过对相对判另'J值的统
计分析，评估相对判别值的判别能力的指令。
计算机程序产品可进 一 步包括可被执行以使处理器可根据该重
要的感兴趣区域的相对判别值对图像进行分类的指令。
根据本发明的另 一方面，本发明涉及一种用于实施上述定义的 方法的设备，包括
- 适用于收集对象的脑的至少三维的图像的收集装置，
- 存储上述定义的计算机程序产品的载体，
- 配置有处理器并适用于读取所述载体的计算机。 本发明的其他目的和优点将在下述内容中被公开。
为了研究一个或多个对象的脑，例如，为了识别脑部病理学或疾病，本发明提出了一种用于分析脑图像的改进方法。
实际上，脑图像可根据在每一个图像上测得的图像数据被分类，并代表一个病理学或疾病的解剖学特征或者功能特征。那么，就有可能将显示了所述病理学或疾病的图像与其他图像区别开。在一个具体实施方式
中，相关的病理学可能是阿尔茨海默病，且可以使用图像区别开那些具有代表阿尔茨海默病的图像数据的图像，具有代表轻度认知障碍的图像数据的图像，以及那些具有代表健康脑部的图像数据的图像。
根据本发明的方法对全脑进行分析，从而客观准确地辨别部位，该部位中的图像数据显示了该部位在进行脑特征以及脑特征进化的
研究中应予以考虑。
用于分析对象的脑图像的方法，包括下述连续执行的步骤-收集在对象的脑的至少三个维度中的图像；-将该图像分割为感兴趣区域；
-对于每个感兴趣区域，以一种自动方式，基于在图像上测得的图像数据确定至少一个判别值，上述判别值与其他感兴趣区域的判别值是相对的。
可以采用任何已知方式收集脑图像。方法中使用的图像可以是三维或者四维图像，这样使得液体循环或者扩散过程也可以成像。
例如，可使用核磁共振成像(MRI)进行图像的收集，例如解剖学的Tl加权的核磁共振成像或者T2加权的磁共振成像。也可以使用扩散和灌注加权的成像，这种方式可以提供血液循环信息，或功能性核磁共振成像，这种方式中的磁阻力信号强度(MagneticResistance signal intensity ) 可使毛纟田血管流和血氧 (bloodoxygenation)的波动成像。另外，PET可被用于收集图像，此时例如葡萄糖机制可以成像。也可通过弥散张量成像的方式(diffusiontensor imaging (DTI))收集图像，这种方式可允许对水的移动成像以及测量水运动的速率和方向。
可使用例如一个配置有合适的程序的计算机，以自动的方式将
ii图像分割成多个感兴趣区域。
分割的第一步中，对图像进行归一化处理，即在一个通用参考系中进行变换，图像被采样成体素，每个体素被分配给感兴趣区域分割的公共模板中的 一个感兴趣区域。
感兴趣区域分割的适用模板的一个例子是通用MNI参考系中的Tzourio-Mazoyer模板(《Automated Anatomical Labeling of Activationsin SPM Using a Macroscopic Anatomical Parcellation of the MNI MRISingle-Subject Brain , N. TZOURIO-MAZOYER et al"脸,/歸ge,vol.15, 273-289, January 2002，使用MNI MRI单一对象的脑的宏观的解剖学分割方法、在SPM中的激活的自动的解剖学标签)，该模板定义了一个例如数值为116或90的感兴趣区域的掩码(mask),该掩码获取自蒙特利尔神经学院(Montreal Neurological Institute (MNI))的单一对象，在通用的MNI参考系中。使用例如程序的"归一化"函数将掩码应用于图像，这样，每个图像可在MNI参考系中被归一化。
为了增加本方法的准确性，在反映上述脑的特点的脑自然参考系中进行分割动作。为达到此目的，归一化处理之后，分割可包括应用非线性变换，其中包括
-计算归一化处理的逆变换，
-所述逆变换被应用于感兴趣区域分割的模板，因此图像的每个体素被分配给脑自然参考系中的一个感兴趣区域。
在归 一 化的变换期间，将 一 个作用于图像上的变形域存于计算机中，然后被程序逆变换。将逆变形区应用于感兴趣区域分割的模板提供了在脑自然参考系中分割感兴趣区域。
下述内容揭露了一种分析解剖学的Tl加权的核磁共振成像(MRI)的方法，将在MRI图中全脑的每个感兴趣区域中的灰质分布作为脑的解剖学特征在检测阿尔茨海默病的背景下进行研究。
然而，应该注意，依靠图像分析的应用，使用本发明的改进的方法，可利用对应的图像数据观察和研究任何其他解剖学或功能特征。
在具体的实施方式中，可基于作为图像数据的体素的亮度级别，
特别是灰度(grey intensity)级别确定判别值。
然后，脑图像被分割为感兴趣区域之后，每个感兴趣区域的判别值可通过下列方式确定
- 基于为每个体素测得的亮度级别计算一个或多个与亮度级别相关的相对参数，
- 根据相对参数或其组合建立判别值，因为相对参数是对每个感兴趣区域的体素而不是整个脑的体素
计算而得到，所以为感兴趣区域分割之后的每个感兴趣区域所确定
的判别值提高了本方法的准确度。
在具体实施方式
中，判别值的确定包括，对每个感兴趣区域，根据所述体素的亮度级别识别体素组。
例如，在经上述描述步骤分割的Tl加权的核磁共振成像上，可绘制每个感兴趣区域中的体素亮度级别的柱状图。该柱状图显示了对应于三种脑组织的三种模式。应用于体素的一种概率模型被用以识别体素组。所应用的适当的概率模型的一个例子是用于分开混合高斯(mixture of Gaussians )的算法
,承N",of) + a2 *>^2，(722) + 0;3 *N(//3,cr32)
其中，"'是属于高斯(Gaussian) i的体素的相对权重，
"是高斯i的均值，是高斯i的标准差，
这样，就可以识别三个高斯并且可以为每个感兴趣区域的每个体素分配一个属于三种高斯之一的概率，上述三种高斯对应于三种脑组织灰质，白质和脑脊液。
因此，属于灰质的、属于白质的或者属于脑脊液的每个感兴趣区域的体素是可识别的。
进而，对每个感兴趣区域，用于分开混合高斯的算法提供了下列相对参凄史-统计参数，例如，与体素相关的亮度级别的均值和标准差，-每个体素组相对于其他体素组的相对权重。
然而，应当注意到，根据收集的图像的种类以及观察的解剖学或功能特征，也可以考虑例如感兴趣区域的容量，氧/血/水在每个感兴趣区域的循环之类的其他的相对参数。
因此，在考虑上述感兴趣区域的所有体素的亮度级别的情况下，为每个感兴趣区域进行相对参数的计算以及后续的判别值的确定，从而，判别值就代表了该感兴趣区域。可以对三组之一的体素，尤其是灰质的体素，进行判别值的确定。
在一个例子中，可以，例如以如下方式，确定两个判别j直
-相对于白质和脑脊液的灰质的相对;〖又重"以及*二
-灰质的"^值。
然后，可以评估所述相对判别值的判别能力。为此，可对多个对象的脑进行上述的用于分析对象的脑图像的方法，从而可对相对判别值进行统计分析以评估上述的判别能力。
x _ *三
例如，可进行一次学生的测试，对每个区域，可得到值 A
(或值x = )的分布对第一组对象，上述值具有典型的解剖学的或功能特征，本例中为典型的灰质分布，即，为健康的对象，对第二组对象，上述值具有病态(troubled)的解剖学的或功能特征，本例中是一个病态的灰质分布，即对象患有阿尔茨海默病。以如下方式来定义测试T:
其中
x"cu是对第一对象i的X值，又c"是对第 一组对象的X值的均值，\，是对第二对象i的X值，又MA是对第二组对象的X值的均值，
《ti = Z!i(Xi,cti -Xcu)2
14SLa -L(Xi,ma -XmA)2
nctl是第一組对象的数量， n画是第二组对象的数量。
对每个感兴趣区域，可在第 一组对象和第二组对象的判别值明 显不同处定义一个阈值。
根据应用，本方法可进一步包括确定至少一个与所述感兴趣区 域的相对判别值相关的重要的感兴趣区域，以及利用例如支持向量
机(Support Vector Machine)算法，根据该重要的感兴趣区域的相 对判别值对图像进行分类。
本方法对于每个感兴趣区域，都作用于全脑，因此，可以无偏 见地考虑到每个重要的感兴趣区域。进而，因为每个感兴趣区域的 判别值都是基于上述感兴趣区域的每个体素的图像数据被确定，尤 其是基于亮度级别，且每个感兴趣区域的判别值与其他感兴趣区域 的判别值是相对的，因此可以对图像进行准确、客观的分类。
上述描述的方法可以通过使用一种设备以自动方式执行，该设 备包括
-适用于收集上述类型的脑图像的收集装置，尤其是T1加权的
核磁共振成像，
-存储用于分析对象的脑图像的计算机程序产品的载体，
-配置有处理器并适用于读取所述载体的计算机。
因为全脑的每个感兴趣区域的判别值都是相对的，对图像的收
集可运行于任一个收集装置上，同时，收集装置的设置可不同。 计算机程序包括可被运行的指令以使得处理器 -自动地将对象的脑图像分割成反映所述脑的特点的脑自然参
考系中的感兴趣区域(ROI),
-对于每个感兴趣区域，自动地基于在图像上测得的图像数据，
例如亮度级别，确定至少一个判别值，尤其是"A或《，上述亮度 级别代表了脑中灰质的分布，每个判别值都与其他感兴趣区域的判 别值是相对而言的。如上所指出，可被执行以使处理器分割图像的指令也可被执行
以使得处理器
- 归一化处理图像，图像被采样为体素，每个体素被分配以一个 通用参考系中的MNI单一对象的感兴趣区域分割的公用模板中 的感兴趣区域， - 进行非线性变换，且特别地
-进行归一化处理的逆变换的计算。
-对所述感兴趣区域分割的模板应用所述逆变换，图像的每个体 素被分配给脑自然参考系中的一个感兴趣区域。
另外，可被执行以使处理器确定判决值的指令也可以被执行以 使处理器
-计算一个或多个相对参数，该相对参数与基于为每个体素测得 的灰度级别的图像数据相关，例如在每个感兴趣区域中的灰质的相 对权重，每个感兴趣区域的体素的亮度级别的均值和标准差，
-从上述相对参数或者上述相对参数的组合中建立判别值，
-需要时，使处理器对每个感兴趣区域，根据所述体素的亮度级 别，例如通过执行用于分离混合高斯的算法识别体素组，尤其是那 些属于灰质的，属于白质的或者属于的脑脊液的体素组。
根据上面描述的实施方式，可被执行以使处理器计算所述相对 参数的指令也可以被执行以使处理器为灰质的体素计算相对参数。
计算机程序产品进 一 步包括用以确定与所述感兴趣区域的相对
判别值相关的至少 一个重要的感兴趣区域的指令。
可被执行以使处理器分割图像以及为每个感兴趣区域确定相对 判别值的指令可使处理器对多个对象的脑图像运行上述指令，从而， 该计算机程序产品进 一 步包括可以被执行以使处理器评估上述相对
判别值的判别能力的指令。
上述计算机程序产品可以包括使处理器根据重要的感兴趣区域 的相对判别值对图像进行分类的指令。
上述的使用计算机程序产品的设备提高了对于重要的感兴趣区域的选择的客观性以及分割和确定判别值的准确性，从而能更好地 表示出脑的特4正。
权利要求
1.一种用于分析对象的脑图像的方法，包括-收集对象的至少三个维度的脑图像；-以自动方式将所述图像分割为在反映所述脑的特点的脑自然参考系中的感兴趣区域，所述图像被采样为体素，每个体素被分配给在所述脑的自然参考系中的一个感兴趣区域，-对于每个感兴趣区域，以自动方式，基于在所述图像上测得的图像数据，确定至少一个判别值，所述图像数据代表了脑的解剖学特征或者功能特征，对每个感兴趣区域，所述判别值的确定包括-基于为每个体素测得的所述图像数据，计算与所述图像数据相关的至少一个相对参数，-根据所述相对参数建立所述判别值，从而每个判别值与其他感兴趣区域的判别值是相对的。
2. 根据权利要求1所述的方法，其中所述分割包括-归一化处理所述图像，每个体素被分配至通用参考系中的感兴 趣区域分割的公用模板中的 一个感兴趣区域，-对所述感兴趣区域分割的所述模板应用非线性变换。
3. 根据权利要求2所述的方法，其中所述非线性变换包括 -计算所述归一化处理的逆变换，-对所述感兴趣区域分割的模板应用所述逆变换。
4. 根据权利要求1至3中任一项所述的方法，其中所述判别值 的确定包括对每个感兴趣区域，计算与所述图像数据相关的多个 相对参数，并从所述相对参数的组合中建立所述判别值。
5. 根据权利要求1至4中任一项所述的方法，其中所述确定判 别值包括对每个感兴趣区域，根据所述体素的所述图像数据识别 体素组。
6. 根据权利要求5所述的方法，其中所述识别体素组是使用应 用于所述体素的概率模型进行。
7. 根据权利要求5或6所述的方法，其中所述相对参数的计算 是对一个体素组中的体素进行。
8. 根据权利要求5至7中任一项所述的方法，其中所述相对参 数包括一组体素相对于其他组体素的相对权重。
9. 根据权利要求1至8中任一项所述的方法，其中所述相对参 数包括与所述体素的所述图像数据相关的统计参数。
10. 根据权利要求1至9中任一项所述的方法，其中所述图像数 据包括亮度级别。
11. 根据权利要求1至10中任一项所述的方法，还包括确定与 所述感兴趣区域的所述相对判别值相关的至少一个重要的感兴趣区 域。
12. 根据权利要求11所述的方法，其中，对多个对象的脑收集 所述图像，分割所述图像，为每个感兴趣区域确定所述相对判别值， 通过对所述相对判别值的统计分析，评估所述相对判别值的判别能 力。
13. 根据权利要求12所述的方法，还包括根据所述重要的感 兴趣区域的所述相对判别值对所述图像进行分类。
14. 一种用于分析对象的脑图像的计算机程序产品，所述计算机 程序产品存储于计算机可读的载体中且包括指令，所述指令能被执 行以使得处理器-将对象的脑的至少三维的图像以自动方式分割为反映所述脑 的特点的脑自然参考系中的感兴趣区域，所述图像被采样成多个体 素，所述图像的每个体素被分配给所述脑自然参考系中的一个感兴 趣区域，-对于每个感兴趣区域，以自动方式，基于在所述图像上测得的 图像数据，确定至少一个判别值，所述图像数据代表了脑的解剖学 特征或功能特征，所述能被执行以使得处理器确定判别值的指令也 能被执行以使得处理器对每个感兴趣区域进行-基于为每个体素测得的所述图像数据，计算与所述图像数据相关的至少 一 个相对参数，- 根据所述相对参数建立所述判别值， 从而每个判别值与其他感兴趣区域的判别值是相对的。
15. 根据权利要求14所述的计算机程序产品，其中，所述能被 执行以使所述处理器分割图像的指令也能被执行以使所述处理器- 对所述图像作归一化处理，每个体素被分配给通用参考系中的 感兴趣区域分割的公用模板中的一个感兴趣区域，- 对所述感兴趣区域分割的模板应用非线性变换。
16. 根据权利要求15所述的计算机程序产品，其中，所述能被执行以使所述处理器应用非线性变换的指令也能被执行以使所述处理器-计算所述归一化处理的逆变换，-对所述感兴趣区域分割的模板应用所述逆变换。
17. 根据权利要求14至16中任一项所述的计算机程序产品，其 中，所述能被执行以使所述处理器确定所述判决值的指令也能被执 行以使所述处理器对每个感兴趣区域，计算与所述图像数据相关的 多个相对参数，并从所述相对参数的组合中建立所述判别值。
18. 根据权利要求14至17中任一项所述的计算机程序产品，其 中，所述能被执行以使所述处理器确定所述判决值的指令也能被执 行以使所述处理器根据所述体素的图像数据，为每个感兴趣区域识 别体素组。
19. 根据权利要求18所述的计算机程序产品，其中，所述能被 执行以使所述处理器识别体素组的指令也能被执行以使所述处理器 对所述体素应用概率模型。
20. 根据权利要求18或19所述的计算机程序产品，其中，所述 能被执行以使所述处理器计算所述相对参数的指令也能被执行以使 所述处理器对一个体素组中的体素计算所述相对参数。
21. 根据权利要求14至20中任一项所述的计算机程序产品，还 包括能被执行以使所述处理器确定与所述感兴趣区域的所述相对判别值相关的至少一个重要的感兴趣区域的指令。
22. 根据权利要求21所述的计算机程序产品，其中，能被执行 以使所述处理器分割所述图像以及为每个感兴趣区域确定所述相对 判别值的指令能使处理器对多个对象的脑图像运行所述指令，所述 计算机程序产品还包括能被执行以使所述处理器通过对所述相对判 别值的统计分析对所述相对判别值的判别能力进行评估的指令。
23. 根据权利要求22所述的计算机程序产品，还包括能被运行 以使处理器根据所述重要的感兴趣区域的所述相对判别值对所述图 像进行分类的指令。
24. —种设备，用于执行根据权利要求1至13中任一项所述的 方法，包4舌-收集装置，适用于收集对象的脑的至少三维的图像， -存储根据权利要求14至23中任一项所述的计算机程序产品的 载体，-配置有处理器并适用于读取所述载体的计算机。
全文摘要
本发明提供了一种用于分析对象的脑图像的方法，包括收集对象的至少三个维度的脑图像；将图像分割为反映该脑的特点的脑自然参考系中的感兴趣区域；对于每个感兴趣区域，以一种自动方式，基于在图像上测得的图像数据，确定至少一个判别值，上述图像数据代表了脑的解剖学特征或者功能特征，上述判别值与其他感兴趣区域的判别值是相对的。
文档编号G06T7/00GK101681508SQ200880015606
公开日2010年3月24日 申请日期2008年5月6日 优先权日2007年5月11日
发明者伯努瓦·马尼安, 哈比卜·贝纳利, 塞尔日·坎坎尼厄于恩, 布律诺·迪布瓦, 斯特凡娜·勒埃里西 申请人:国家健康与医学研究院