一种基于影像组学的多模态磁共振图像差异检测方法及装置的制造方法

文档序号:10570683阅读:848来源:国知局
一种基于影像组学的多模态磁共振图像差异检测方法及装置的制造方法
【专利摘要】本发明公开了一种基于影像组学的多模态磁共振图像差异检测方法和装置。所述方法包括:步骤1:对两组样本图像进行预处理,分别在两组样本图像的T2WI?FLAIR、T1WI?CE和DWI?ADC三个序列上勾画感兴趣区域,提取三个序列上感兴趣区域的图像特征;步骤2:在两组样本图像之间对每个图像特征进行双样本T检验,得到两组样本图像之间具有组间差异的特征,并判定所述组间具有差异的特征检测两组样本图像差异的能力;步骤3:将具有组间差异的特征以加权的方式进行组合,得到一个新的特征,并利用adaboost分类器进行图像分类。本发明利用了磁共振成像多序列多参数的特性,结合不同序列获取更多信息,能够实现磁共振图像组间差异的精准检测。
【专利说明】
一种基于影像组学的多模态磁共振图像差异检测方法及装置
技术领域
[0001] 本发明属于图像处理技术领域,具体涉及一种基于影像组学的多模态磁共振图像 差异检测方法及装置。
【背景技术】
[0002] 磁共振成像(Magnetic Resonance Imaging,MRI)以其高时空分辨率,非侵入式等 特点在神经疾病诊断治疗方面得到了广泛应用。同时,磁共振成像不同序列具有不同的特 性,结合各个序列的优势可以提升图像判定精度。利用基于影像组学的定量图像分析方法, 检测磁共振图像组间差异,是计算机辅助分析的一个重要应用。
[0003] 磁共振图像分类方法主要有感兴趣区域(R0I)方式和体素(voxel)方式两种分类 方法。感兴趣区域方式的分类方法依据目标结构的先验知识,将样本和目标分割成多个目 标区域,并据此对目标进行分类;体素方式的分类方法采用复杂的非线性配准,以最大限度 地实现个体间的精确对应,然后以图像的每一个空间单位(体素)作为分类依据。这两种方 法都假设目标与样本的内部组织结构是一一对应的。前者认为先验的图像区域存在于每一 个目标图像当中,并且能够准确分割;后者假定非线性配准后的体素是一一对应的。基于体 素的方法计算量大,耗时长,不利于应用。进行基于影像组学的图像定量分析可以从整体上 量化图像,给出精确的检测结果。

【发明内容】

[0004] 为了克服已有技术的不足,本发明所要解决的技术问题是设计一种全新的磁共振 图像差异检测方法。
[0005] 为实现上述目的,本发明提出一种基于影像组学的多模态磁共振图像差异检测方 法,其特征在于,包括以下步骤:
[0006] 步骤1:对两组样本图像进行预处理,分别在两组样本图像的T2WI-FLAIR、T1WI-CE 和DWI-ADC三个序列上勾画感兴趣区域,提取三个序列上感兴趣区域的图像特征;
[0007] 步骤2:在两组样本图像之间对每个图像特征进行双样本T检验,得到两组样本图 像之间具有组间差异的特征,并判定所述组间具有差异的特征检测两组样本图像差异的能 力;
[0008] 步骤3:将具有组间差异的特征以加权的方式进行组合,得到一个新的特征,并利 用adaboos t分类器进行图像分类。
[0009] 本发明还提出了一种基于影像组学的多模态磁共振图像差异检测装置,包括:
[0010] 特征获取模块,用于对两组样本图像进行预处理,分别在两组样本图像的T2WI-FLAIR、T1WI-CE和DWI-ADC三个序列上勾画感兴趣区域,提取三个序列上感兴趣区域的图像 特征;
[0011] 差异特征获取模块,用于在两组样本图像之间对每个图像特征进行双样本T检验, 得到两组样本图像之间具有组间差异的特征,并判定所述组间具有差异的特征检测两组样 本图像差异的能力;
[0012] 图像差异检测模块,用于将具有组间差异的特征以加权的方式进行组合,得到一 个新的特征,并利用adaboos t分类器进行图像分类。
[0013] 本发明针对磁共振图像组间差异检测问题,通过多序列分析、特征组合等技术有 效提高了方法的准确性和稳定性。本发明利用加权组合的方式将具有显著组间差异的特征 进行二次组合,提升了检测组间差异的能力。
[0014] 本发明能够利用磁共振图像中蕴含的丰富的信息,并利用特征组合技术,弥补了 传统方法的不足,能够精确的检测磁共振图像的的组间差异。
【附图说明】
[0015] 图1是本发明中基于影像组学的多模态磁共振图像差异检测方法的流程图。
【具体实施方式】
[0016] 为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照 附图,对本发明进一步详细说明。
[0017] 基于影像组学的多模态磁共振图像差异检测方法是一种全新的磁共振图像分析 方法。所述方法包括以下步骤:
[0018] 步骤1:对两组样本图像进行预处理,分别在两组样本图像的T2WI-FLAIR、T1WI-CE 和DWI-ADC三个序列上勾画感兴趣区域,提取三个序列上感兴趣区域的图像特征;
[0019] 步骤2:在两组样本图像之间对每个图像特征进行双样本T检验,得到两组样本图 像之间具有组间差异的特征,并判定所述组间具有差异的特征检测两组样本图像差异的能 力;
[0020] 步骤3:将具有组间差异的特征以加权的方式进行组合,得到一个新的特征,并利 用adaboos t分类器进行图像分类。
[0021] 参照图1,根据本发明一具体实施例所述的方法,首先在两组样本图像的三个序列 T2WI-FLAIR、T1WI-CE和DWI-ADC上分别勾画感兴趣区域,提取上述三个序列上感兴趣区域 的图像特征,包括强度、形状和纹理三大类共38个特征(特征名称见表1),总共得到114个图 像特征。所述两组样本图像为两组多模态磁共振图像;
[0022] 之后,在两组样本图像之间对每个图像特征进行双样本T检验,得到两组之间具有 显著差异的图像特征(例如显著程度P<〇.05)作为具有组间差异的特征,画出这些具有组 间差异的特征的接收者操作特征曲线(R0C曲线),计算R0C曲线下面积(AUC),并用adaboost 分类器计算分类正确率来判定具有组间差异的特征检测两组样本图像差异的能力。
[0023] 表1.
[0026] 最后,将具有组间差异的特征以加权的方式进行组合,得到一个新的特征:
[0027] ^(X/) =: ^ (Wf ^
[0028] 其中,Xl是第i个样本,Wt是利用第t个具有组间差异的特征做双样本T检验得到的 组间差异程度,F t是第t个具有组间差异的特征,F是组合得到的新的特征,n为两组样本图 像间具有组间差异的特征的个数。
[0029] 得到新的特征之后再对新的特征进行R0C分析,计算AUC,并用adaboost方法利用 得到的新的特征来进行分类,以分类正确率判定新的特征检测两组样本图像差异的能力, 以此检测图像组间的差异。
[0030] 本发明所述的基于影像组学的多模态磁共振图像差异检测方法的效果,可通过真 实的磁共振成像数据得以说明。
[0031] 为展示本发明的效果,在实施方案中采用真实数据集作测试,得到T2WI-FLAIR序 GLCM_Energy 和 Tl-CE_GLCM_Entropy,DWI-ADC 序列 ADC_GLCM_Homogeneity,ADC_GLCM_Sum_ Average,ADC_GLRL_SRE,ADC_GLRL_LRE,ADC_GLRL_GLN 等特征组间差异显著。将这些特征进 行组合后得到新特征具有最好的检测差异能力(AUC值最大)。
[0032] 实验结果说明,本发明所述的基于影像组学的多模态磁共振图像差异检测方法, 能够有效检测磁共振图像的组间差异。
[0033] 以上所述,仅为本发明中的【具体实施方式】,但本发明的保护范围并不局限于此,任 何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在 本发明的权利要求书的保护范围之内。
【主权项】
1. 一种基于影像组学的多模态磁共振图像差异检测方法,其特征在于,包括以下步骤: 步骤1:对两组样本图像进行预处理,分别在两组样本图像的T2WI-FLAIR、T1WI-CE和 DWI-ADC三个序列上勾画感兴趣区域,提取三个序列上感兴趣区域的图像特征; 步骤2:在两组样本图像之间对每个图像特征进行双样本T检验,得到两组样本图像之 间具有组间差异的特征,并判定所述组间具有差异的特征检测两组样本图像差异的能力; 步骤3:将具有组间差异的特征以加权的方式进行组合,得到一个新的特征,并利用 adaboos t分类器进行图像分类。2. 如权利要求1所述的方法,其特征在于,所述图像特征包括强度、形状和纹理三大类 特征。3. 如权利要求1所述的方法,其特征在于,步骤2中如下判定所述组间具有差异的特征 检测两组样本图像差异的能力: 获取所述具有组间差异的特征的R0C曲线; 计算所述RCO曲线下的面积AUC; 利用adaboost分类器计算分类正确率,以判定具有组间差异的特征检测两组样本图像 差异的能力。4. 如权利要求1所述的方法,其特征在于,步骤3中如下组合得到新的特征:其中,F(X1)为组合得到的新的特征,X1是第i个样本图像,Wt是利用第t个具有组间差异 的特征做双样本T检验得到的组间差异,Ft是第t个具有组间差异的特征,η为两组样本图像 间具有组间差异的特征的个数。5. 如权利要求1所述的方法,其特征在于,步骤3还包括: 对组合得到的新的特征进行ROC分析得到ROC曲线,计算ROC曲线下的面积AUC; 采用adaboost方法计算所述组合得到的新的特征的分类正确率,并利用分类正确率判 断组合得到的新的特征对图像差异的检测能力。6. -种基于影像组学的多模态磁共振图像差异检测装置,其特征在于,包括: 特征获取模块,用于对两组样本图像进行预处理,分别在两组样本图像的T2WI-FLAIR、 TlWI-CE和DWI-ADC三个序列上勾画感兴趣区域,提取三个序列上感兴趣区域的图像特征; 差异特征获取模块,用于在两组样本图像之间对每个图像特征进行双样本T检验,得到 两组样本图像之间具有组间差异的特征,并判定所述组间具有差异的特征检测两组样本图 像差异的能力; 图像差异检测模块,用于将具有组间差异的特征以加权的方式进行组合,得到一个新 的特征,并利用adaboost分类器进行图像分类。7. 如权利要求6所述的装置,其特征在于,所述图像特征包括强度、形状和纹理三大类 特征。8. 如权利要求6所述的装置,其特征在于,差异特征获取模块如下判定所述组间具有差 异的特征检测两组样本图像差异的能力: 获取所述具有组间差异的特征的R0C曲线; 计算所述RCO曲线下的面积AUC; 利用adaboost分类器计算分类正确率,以判定具有组间差异的特征检测两组样本图像 差异的能力。9. 如权利要求6所述的装置,其特征在于,图像差异检测模块中如下组合得到新的特 征其中,F(X1)为组合得到的新的特征,X1是第i个样本图像,Wt是利用第t个具有组间差异 的特征做双样本T检验得到的组间差异,Ft是第t个具有组间差异的特征,η为两组样本图像 间具有组间差异的特征的个数。10. 如权利要求6所述的装置,其特征在于,图像差异检测模块还包括: 计算子模块,用于对组合得到的新的特征进行ROC分析得到ROC曲线,计算ROC曲线下的 面积AUC; 差异能力获取子模块,用于采用adaboost方法计算所述组合得到的新的特征的分类正 确率,并利用分类正确率判断组合得到的新的特征对图像差异的检测能力。
【文档编号】G06T7/00GK105931221SQ201610228491
【公开日】2016年9月7日
【申请日】2016年4月13日
【发明人】田捷, 刘振宇, 沈忱, 董迪, 臧亚丽, 杨彩云, 徐敏
【申请人】中国科学院自动化研究所
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1