一种脑部影像数据处理方法与系统与流程

1.本发明属于计算机处理领域，尤其涉及一种脑部影像数据处理方法与系统。


背景技术：

2.目前医学影像在疾病的诊治过程中已经成为一项重要的临床医学工具与诊断依据，随着现代医学成像技术的不断发展，医学影像作为诊断依据与工具的重要性不断提高。核磁共振成像(magnetic resonance imaging，简称mri)技术具有无创伤、包含大量信息，并且具有多方位成像等特点。在核磁共振图像中，可以清晰的分辨出灰度相对低的软组织。因此，核磁共振图像中的脑组织解剖结构位置和大小等重要信息可以凭借肉眼识别出来。另外，核磁共振图像因其高信噪比、没有放射性危害、具有较好的软组织成像效果等优点在临床上得到了广泛的应用。因此，对于核磁共振图像中的脑组织提取和重建在临床上具有重要的应用价值。
3.但是在当前对磁共振成像mri进行处理时，存在处理时间长，获得的图像精度不高的问题。


技术实现要素：

4.针对上述现有技术中存在的缺陷，本发明提供一种脑部影像数据处理方法，包括以下步骤：
5.步骤s101、获取连续n张脑部影像图片；
6.步骤s103、对所述n张脑部影像图片按照时间进行排序，并逐一按序标记；
7.步骤s105、取一张脑部影像图片，定义为第一脑部影像图片；
8.步骤s107、将所述第一脑部影像图片进行信息增强，得到第一信息增强图片；
9.步骤s109、基于所述第一信息增强图片，对其进行第一次分割，得到若干第一区域块；
10.步骤s1011、获取所述若干第一区域块的属性信息；
11.步骤s1013、基于所述属性信息对所述若干第一区域块进行区域重建；
12.步骤s1015、重复步骤s105至步骤s1013，直至所述n张脑部影像图片均区域重建完毕；
13.步骤s1017、从区域重建完毕的所述n张脑部影像图片中选择第一参考图片；
14.步骤s1019、选择与所述第一参考图片的序号相邻的第二参考图片和第三参考图片；
15.步骤s1020、基于所述第一参考图片、所述第二参考图片和第三参考图片的相关性，将目标区域从上述参考图片中提取；
16.步骤s1021、重复步骤s1019和步骤s1020，直至将所有的图片处理完成；
17.步骤s1023、将处理完成图片通过显示终端逐一呈现。
18.一种脑部影像数据处理系统，其包括：
19.第一获取模块，用于获取连续n张脑部影像图片；
20.排序模块，用于对所述n张脑部影像图片按照时间进行排序，并逐一按序标记；
21.定义模块，用于取一张脑部影像图片，定义为第一脑部影像图片；
22.增强模块，用于将所述第一脑部影像图片进行信息增强，得到第一信息增强图片；
23.分割模块，用于基于所述第一信息增强图片，对其进行第一次分割，得到若干第一区域块；
24.第二获取模块，用于获取所述若干第一区域块的属性信息；
25.重建模块，用于基于所述属性信息对所述若干第一区域块进行区域重建，直至所述n张脑部影像图片均区域重建完毕；
26.第一选择模块，用于从区域重建完毕的所述n张脑部影像图片中选择第一参考图片；
27.第二选择模块，用于选择与所述第一参考图片的序号相邻的第二参考图片和第三参考图片；
28.提取模块，用于基于所述第一参考图片、所述第二参考图片和第三参考图片的相关性，将目标区域从上述参考图片中提取，直至将所有的图片处理完成；
29.呈现模块，用于将处理完成图片通过显示终端逐一呈现。
30.与现有技术相比，通过本发明对核磁共振图像进行简单粗分割之后，在做一次图像融合后，再基于相邻图像间的相关性进行处理，这种方式具有处理速度更快，精度更好的优点。
附图说明
31.通过参考附图阅读下文的详细描述，本发明公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
32.图1是示出本发明实施例的一种脑部影像数据处理方法流程图；
33.图2是本发明一个实施例中进行区域重建的方法流程图；
34.图3是示出本发明实施例的一种脑部影像数据处理系统的结构框图。
具体实施方式
35.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
36.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
37.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情
况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。
38.下面结合附图详细说明本发明的可选实施例。
39.如图1所示，本发明公开了提供了一种脑部影像数据处理方法，包括以下步骤：
40.步骤s101、获取连续n张脑部影像图片；
41.步骤s103、对所述n张脑部影像图片按照时间进行排序，并逐一按序标记；
42.步骤s105、取一张脑部影像图片，定义为第一脑部影像图片；
43.步骤s107、将所述第一脑部影像图片进行信息增强，得到第一信息增强图片；
44.步骤s109、基于所述第一信息增强图片，对其进行第一次分割，得到若干第一区域块；
45.其中，第一次分割是基于图片中的灰度、位置、形状等性质，将相似、相近特征的像素点置入各自对应的集合，这些集合体现为不同的区域块。
46.步骤s1011、获取所述若干第一区域块的属性信息；
47.其中，属性信息包括：像素、分辨率、大小、颜色、位深、色调、饱和度、亮度、色彩通道、图像层次等中的一种或者多种。
48.步骤s1013、基于所述属性信息对所述若干第一区域块进行区域重建；
49.步骤s1015、重复步骤s105至步骤s1013，直至所述n张脑部影像图片均区域重建完毕；
50.步骤s1017、从区域重建完毕的所述n张脑部影像图片中选择第一参考图片；
51.步骤s1019、选择与所述第一参考图片的序号相邻的第二参考图片和第三参考图片；
52.其中，若第一参考图片为序号第一张或第n张图片，则仅需第一参考图片和相邻的第二参考图片。
53.步骤s1020、基于所述第一参考图片、所述第二参考图片和第三参考图片的相关性，将目标区域从上述参考图片中提取；
54.步骤s1021、重复步骤s1019和步骤s1020，直至将所有的图片处理完成；
55.步骤s1023、将处理完成图片通过显示终端逐一呈现。
56.与现有技术相比，通过本发明对核磁共振图像进行简单粗分割之后，在做一次图像融合后，再基于相邻图像间的相关性进行处理，这种方式具有处理速度更快，精度更好的优点。
57.在一个实施例中，其中所述步骤s107，具体包括：
58.计算所述第一脑部影像图片中每个像素点的梯度值；
59.基于所述梯度值对所述第一脑部影像图片进行梯度增强，得到第一信息增强图片。
60.在一个实施例中，其中所述第一信息增强图片的每一个像素点是基于所述第一脑部影像图片的每一个切面并利用梯度增强算法计算相应每个像素点的梯度值得到的。
61.在一个实施例中，其中所述梯度增强算法采用如下公式：
[0062][0063]
result＝i
·s[0064]
其中，s为信息增强图，sx为x轴方向的信息增强图，sy为y轴方向的信息增强图，i为第一脑部影像图片，a为第一脑部影像图片的像素点，“*”为卷积操作，“·”为逐点乘积操作。
[0065]
在一个实施例中，其中所述基于所述第一信息增强图片，对其进行第一次分割，包括：遍历所述第一信息增强图片的梯度值；获取最大梯度值；基于所述最大梯度值设置相应第一阈值；将所述第一信息增强图片中的所有像素点的梯度值与所述第一阈值进行比较；若当前像素点与其直接相邻像素点的梯度值小于所述第一阈值，则将当前像素点与其直接相邻的像素点置入同一像素集合；所述同一像素集合中的像素点合并为同一区域块。
[0066]
在一个实施例中，其中所述步骤s1011的属性信息至少包括：面积、中心点位置和平均灰度。
[0067]
如图2所示，在一个实施例中，其中所述步骤s1013包括：
[0068]
步骤s10131、基于所述属性信息，构建各第一区域块的第一相关性矩阵；
[0069]
步骤s10133、基于所述属性信息和第一相关性矩阵，调整不同第一区域块之间的相关性；
[0070]
步骤s10135、选取具有代表意义的像素点作为核心点，将相关性大以及具有相似属性的像素点合并；
[0071]
步骤s10137、合并后的总的像素点的数量小于第二阈值，则停止，否则进入步骤s10133。
[0072]
其中，小于第二阈值的目的是使得每个第一区域块的面积达到足够小，且具有相似性质的点实现合并，从而使得计算更为精确，并且加快了速度。
[0073]
在一个实施例中，其中所述步骤s1020、基于所述第一参考图片、所述第二参考图片和第三参考图片的相关性，将目标区域从上述参考图片中提取，包括：在所述第一参考图片中选择感兴趣的区域，所述第一参考图片中剩余区域为不感兴趣区域；基于所述第二参考图片的属性信息、第三参考图片的属性信息与所述第一参考图片的属性信息，判断所述第一参考图片、所述第二参考图片和第三参考图片对应位置的相似程度；基于所述相似程度，对所述第二参考图片和第三参考图片进行区域重建。
[0074]
在一个实施例中，其中所述区域重建包括基于与所述第一参考图片中的至多五个显著区域块的类别，对所述第二参考图片和第三参考图片中的区域块进行重新划分。
[0075]
其中，第k个区域块的属性可以用ak＝(a
k1
，a
k2
，，，a
km
)表示(第一参考图片用a表示)。设ak表示当前参考图片的第k个区域块的属性，a
l
表示第一参考图片的第l个区域块的属性，它们之间的相似程度可用e
kl
表示。
[0076]
将当前参考图片的区域块与第一参考图片的区域块相对照，用e
kl
表示相邻参考图片之间不同块的相似度，选取ek＝(e
k1
，e
k2
，
……
，e
kn
)(n表示第一参考图片的区域块数)中多个最大值rk＝(e
kt1
，e
kt2
，
……
，e
kt5
)(一般取五个可足够识别区域块的类别)，根据第一参
考图片中t1，t2，
……
，t5的归属情况，确定当前参考图片第k个区域块的所属。其中，t1，t2，
……
，t5表示具有最大值的五个区域块。
[0077]
若选取的第一参考图片中的区域块多数属于感兴趣区域，则将当前块标识为感兴趣区域；反之，则标识为不感兴趣区域。依此方法将当前参考图片图像中的所有区域块进行分类，整个图像被划分为感兴趣区域与不感兴趣区域。
[0078]
如图3所示，本发明还提出了一种脑部影像数据处理系统，其包括：
[0079]
第一获取模块301，用于获取连续n张脑部影像图片；
[0080]
排序模块303，用于对所述n张脑部影像图片按照时间进行排序，并逐一按序标记；
[0081]
定义模块305，用于取一张脑部影像图片，定义为第一脑部影像图片；
[0082]
增强模块307，用于将所述第一脑部影像图片进行信息增强，得到第一信息增强图片；
[0083]
分割模块309，用于基于所述第一信息增强图片，对其进行第一次分割，得到若干第一区域块；
[0084]
第二获取模块311，用于获取所述若干第一区域块的属性信息；
[0085]
重建模块313，用于基于所述属性信息对所述若干第一区域块进行区域重建，直至所述n张脑部影像图片均区域重建完毕；
[0086]
第一选择模块315，用于从区域重建完毕的所述n张脑部影像图片中选择第一参考图片；
[0087]
第二选择模块317，用于选择与所述第一参考图片的序号相邻的第二参考图片和第三参考图片；
[0088]
提取模块319，用于基于所述第一参考图片、所述第二参考图片和第三参考图片的相关性，将目标区域从上述参考图片中提取，直至将所有的图片处理完成；
[0089]
呈现模块321，用于将处理完成图片通过显示终端逐一呈现。
[0090]
本发明公开实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行如上实施例所述的方法步骤。
[0091]
可以理解的是，上述脑部影像数据处理方法、系统以及计算机可读存储介质属于一个总的发明构思，实施例可相互适用。
[0092]
需要说明的是，本发明公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者
传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、ra(射频)等等，或者上述的任意合适的组合。
[0093]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0094]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(an)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0095]
附图中的流程图和框图，图示了按照本发明公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0096]
描述于本发明公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
[0097]
以上介绍了本发明的较佳实施方式，旨在使得本发明的精神更加清楚和便于理解，并不是为了限制本发明，凡在本发明的精神和原则之内，所做的修改、替换、改进，均应包含在本发明所附的权利要求概括的保护范围之内。