两个感兴趣区域内每个子特征区域的体积；
[0050] 比值计算，用于根据计算获取的所述每个子特征区域的体积，计算所述两个感兴 趣区域中相应子特征区域的体积之差与体积之和的比值；和
[0051] 汇总单元，用于汇总所述两个感兴趣区域中所有子特征区域对应的所述比值，形 成该图像中所述两个感兴趣区域的偏侧性向量。
[0052] 在其中一个实施例中，所述感兴趣区域分割模块包括：
[0053] 第一单元，用于分割所述图像模板中组织位置对称分布的两个感兴趣区域；
[0054] 第二单元，用于基于所述两个感兴趣区域，分割获得所述两个感兴趣区域中至少 一个子特征区域的图谱；和
[0055] 第三单元，用于汇总所述两个感兴趣区域中所有子特征区域的图谱，生成所述两 个感兴趣区域的标准图谱。
[0056] 本发明利用了组织位置对称分布区域的特点获取相应的偏侧性向量，来对图像数 据分类器进行了训练，然后利用训练后的图像数据分类器对医学图像进行分类，其提供了 一种可适用于除脑部图像以外的针对医学图像进行分类和处理的方法，特别适用于脑部医 学图像的分类，其只需要基于磁共振图像，方法简单、操作简便、易于推广。
【附图说明】
[0057] 图1为本发明方法的一个实施例的流程示意图；
[0058] 图2为本发明方法的另一个实施例的流程示意图；
[0059] 图3为本发明系统的一个实施例结构示意图。
【具体实施方式】
[0060] 本发明基于磁共振成像技术，本发明利用了组织位置对称分布区域的特点获取相 应的偏侧性向量，来对图像数据分类器进行了训练，然后利用训练后的图像数据分类器对 医学图像进行分类，其提供了一种可适用于除脑部图像以外的针对医学图像进行分类和处 理的方法，特别适用于脑部医学图像的分类，其只需要基于磁共振图像，方法简单、操作简 便、易于推广。以下将结合附图详细说明本发明的各个实施例。
[0061] 如图1所示，本发明的一个实施例中提供了一种医学图像分类方法，其包括以下 步骤：
[0062] 在步骤100中，获取图像模板。本实施例中的图像模板可以是预先设定的图像样 本总库中的一个图像，而该图像模板将作为与下述待分类图像样本库进行比对的参考，例 如，如果本发明的方法用于医用脑部图像的分类，则该图像模块可以是选用现有的脑部图 像模板，如ICBM模板、avgl52模板等。当然，本文也提供了一种自定义图像模板的方法，具 体参见以下实施例。在本发明的一个实施例中，如图2所示，上述步骤100中的获取图像模 板的步骤包括以下步骤：
[0063] 初始步骤101 :将参考图像样本库中的每个第三图像分别配准到上述参考图像样 本库中的其中一个第三图像上，获取多个配准后的第三图像；
[0064] 均值计算步骤102 :计算上述多个配准后的第三图像的均值，获取参考图像；
[0065] 图像配准步骤103 :将上述参考图像样本库中的每个第三图像分别配准到上述参 考图像，获取上述多个配准后的第三图像；
[0066] 步骤104,判断相邻两次执行上述均值计算步骤输出的参考图像之差是否满足预 设条件，若是，则输出最后一次获得的参考图像作为上述图像模板，若否，则重复执行上述 均值计算步骤102和上述图像配准步骤103,直到相邻两次执行上述均值计算步骤输出的 参考图像之差满足预设条件。
[0067] 例如，从参考图像样本库况，N2, . . .，Nm}中随机选择一个第三图像 队，1￡{1，2，...，!11}，将参考图像样本库冰1，队，...，1}中的所有第三图像分别线性配 准到队，得到第一次配准后的多个第三图像{N/，N 2'，. . .，Nm' }，求多个配准后的第三图 像{N/，N2'，. . .，Nm'}的均值，得到第一次配准过程对应的参考图像T1;再次将参考图像 样本库况，队，...，1}中的所有第三图像分别线性配准到，得到第二次配准后的多个 第三图像{N/，N 2"，...，Nm" }，求{N/，N2"，...，Nm" }的均值，得第二次配准对 应的参考图像T2;再将参考图像样本库中的所有第三图像分别线性配准 到丁2，得到第三次配准后的多个第三图像{N〃 ' pN" ' 2，...，N" ' J，求{N〃 ' i， N" ' 2，...，N" ' J的均值，得第三次配准对应的参考图像T3;重复上述步骤，可以获得多 个参考图像Tj，j e {1，2，...，11}，其中11表示配准次数。
[0068] 为了选择出合适的参考图像作为图像模板，判断相邻两次获得的参考图像之差是 否满足下述公式（1)所示的预设条件：
[0069] iTj-T^H^o (1)
[0070] 其中，〇为预设阈值，| | ? | |表示取范数。
[0071] 因此，上述预设条件是指：相邻两次执行上述均值计算步骤输出的参考图像之差 的范数是否小于等于预设阈值，若满足此预设条件，则图像模板T N =最后一次获得的参考 图像Tj。
[0072] 在步骤110中，分割上述图像模板中组织位置对称分布的两个感兴趣区域，获取 上述两个感兴趣区域的标准图谱L N。这里提到的组织位置对称分布包括近似对称分布（下 文同）。例如，如果本发明的方法用于医用脑部图像的分类，则组织位置对称分布的两个感 兴趣区域可以是左脑和右脑两个半球对应的图像区域；如果本发明的方法用于医用肾脏图 像的分类，则组织位置对称分布的两个感兴趣区域可以是左、右肾脏区域；如果本发明的方 法用于医用子宫图像的分类，则组织位置对称分布的两个感兴趣区域可以是子宫图像区域 中对称分布的两部分组织区域，等等，凡是存在组织位置对称分布或近似对称分布的医学 图像均可以采用本发明的方法进行分类。
[0073] 此外，为了便于计算后续步骤中的偏侧性向量，在本发明的一个实施例中，基于上 述两个感兴趣区域分别包含的至少一个子特征区域，则在步骤110中包括以下步骤：
[0074] 首先，分割上述图像模板中组织位置对称分布的两个感兴趣区域；
[0075] 其次，基于所述两个感兴趣区域，分割获得上述两个感兴趣区域中至少一个子特 征区域的图谱；
[0076] 最后，汇总上述两个感兴趣区域中所有子特征区域的图谱，生成上述两个感兴趣 区域的标准图谱Ln。
[0077] 又如，如果本发明的方法用于医用脑部图像的分类，则上述提到子特征区域可以 是左、右脑半球图像区域中的海马体区域、杏仁核区域、内嗅皮层区域、海马旁回区域、及扣 带回区域等等；如果本发明的方法用于医用子宫图像的分类，则上述提到子特征区域可以 是左、右输卵管图像区域和左、右卵巢图像区域。同理，凡是存在组织位置对称分布或近似 对称分布的医学图像均可按照组织结构划分多个子特征区域。
[0078] 在步骤120中，将上述图像模板和上述标准图谱分别配准到图像样本总库中的每 个第一图像上。
[0079] 这一过程中主要是：将上述图像模板分别配准到图像样本总库 况，％，. . . AwApAu . . .，An}中的所有第一图像上，此处的配准方法为线性配准或非线性 配准。同时将上述两个感兴趣区域的标准图谱L N共配准到所有第一图像上。这里的共配准 是指：将图像模板配准到每个第一图像上得到的形变矩阵或形变场加于标准图谱，使标准 图谱分别与每个第一图像空间匹配（下文同），于是标准图谱、只有一个，共配准后的标准 图谱应与被配准的图像个数相同，即将上述两个感兴趣区域的标准图谱、共配准到所有第 一图像上，获得与第一图像个数相同的配准后的标准图谱??…L、.LA.L'??…心}。
[0080] 优选地，图像样本总库{^队，...，^^，^，...^}包括上述参考图像样本库 {&，N 2, ...，NJ和与下述待分类图像样本库中部分图像具有相同特征属性的类别图像样本 库{心，A2,