一种稳定的脑肿瘤非监督疾病分类学成像方法
【技术领域】
[0001] 本发明属于图像处理技术领域，涉及一种稳定的脑肿瘤非监督疾病分类学成像方 法。
【背景技术】
[0002] 疾病分类学成像是指将核磁共振成像（Magnetic Resonance Imaging，MRI)与核 磁共振谱成像（Magnetic Resonance Spectroscopy Imaging，MRSI)数据中提取出的肿瘤 分类信息联合起来构建出一幅图像，用不同颜色表示不同的组织形式。该技术的优越性在 于可以用一幅有关于肿瘤种类和级别的图像将各种代谢物的分布全部表达出来。
[0003] 到目前为止，研宄人员已经提出了很多种疾病分类学成像方法，但是这些方法都 有个共同的特点，就是需要大量的训练波谱数据集来提供对每个体素的类别标识，然后再 利用这些MRSI的类别标识来得到疾病分类学图像。但是，每次都能得到大量的训练波谱数 据集并不总是可行的。
【发明内容】
[0004] 本发明的目的在于提供一种稳定的脑肿瘤非监督疾病分类学成像方法，解决了现 有的疾病分类学成像需要大量训练数据集、过于复杂的问题。
[0005] 本发明所采用的技术方案是按照以下步骤进行：
[0006] 步骤1 :采集MRSI数据上的NMF ;
[0007] 在PRESS (点分辨波谱）框内选取一个ROI (感兴趣区域），对于选取的ROI中MRSI 信号数据，定义一个矩阵Y，Y的每一个列向量为来自一个体素中的波，这样Y矩阵的每一列 均为r个波源的线性组合，进行以下分解：
[0008]
【主权项】
1. 一种稳定的脑肿瘤非监督疾病分类学成像方法，其特征在于按照以下步骤进行： 步骤1 :采集MRSI数据上的NMF ; 在PRESS框内选取一个ROI，对于选取的ROI中MRSI信号数据，定义一个矩阵Y，Y的 每一个列向量为来自一个体素中的波，这样Y矩阵的每一列均为r个波源的线性组合，进行 以下分解： ，其中=是r〇i内提取的体素个数，而m则是每个体素中波的波谱长度， 分解之后的X的每一列表不一个波源； 步骤2 :利用主成分分析（PCA)算法确定波源数； 脑肿瘤主成分按照组织病理学检验标准能分为正常组织，活跃生长的肿瘤组织，以及 坏死组织三种，把初始MRSI数据进行PCA分解，对得到的结果进行分析，最后确定能用的主 成分个数，根据主成分个数确定波源数r ; 步骤3 :疾病分类学成像； 通过NMF，将得到的波源r作为X的每一组列向量，每种组织相对的空间分布作为S的 行向量，利用之前得到的X中每种组织的波谱在整个PRESS框内应用非负最小二乘（NNLS)， 恢复出每种组织在整个PRESS框内的位置信息，形成图像。
2. 按照权利要求1所述一种稳定的脑肿瘤非监督疾病分类学成像方法，其特征在于： 所述步骤3中的图像定义方法：定义每种组织的新的空间分布为RGB图像中的一个彩色通 道，用颜色深浅表示数据的恶性程度的高低；不含任何信息量的信号区域由于在RGB图中 为（〇,〇,〇)，被显示为黑色。
3. 按照权利要求2所述一种稳定的脑肿瘤非监督疾病分类学成像方法，其特征在于： 为了使图像达到MRI图像的分辨率，在得到的RGB图像上使用20次双三次样条差值。
4. 按照权利要求1所述一种稳定的脑肿瘤非监督疾病分类学成像方法，其特征在于： 所述最小二乘公式： min| Iyi-XsJ | over Si^ 0, Si 对于上式中的最小二乘问题，利用Cram6r-Ra〇下限理论并假设X的估计是准确 的，能估计出第i个体素的线性组合系数Si的标准误差的下限，s i中所有r个元素的 标准误差的平方的下限为公式中线性回归问题Fisher信息矩阵I的逆的对角元素， 该Fisher信息矩阵I近似为〇/(X 1X)'其中σ /为体素 i中波谱的噪声方差，残余误 差min I Iyi-XsiI I与自由度之商用来估计σ /，则第i个体素处的标准误差的下限为：
其中，f为统计意义上的自由度，对PRESS框内每一个体素 i，通过计算Si (ai为一个r 维的向量）能得到所有位置全部r种组织形式的标准方差的下限，然后将标准方差按照原 始分布重新排列并进行差值，使其与疾病分类学图像分辨率一致。
5. 按照权利要求1所述一种稳定的脑肿瘤非监督疾病分类学成像方法，其特征在于： 所述步骤1用NMF算法以一种非监督的方式来得到疾病分类学图像。
【专利摘要】本发明公开了一种稳定的脑肿瘤非监督疾病分类学成像方法，采集MRSI数据上的NMF；在PRESS框内选取一个ROI，对于选取的ROI中MRSI信号数据，进行分解，分解之后的X的每一列表示一个波源；利用主成分分析(PCA)算法确定波源数；把初始MRSI数据进行PCA分解，对得到的结果进行分析，最后确定可用的主成分个数，根据主成分个数确定波源数r；通过NMF，将得到的波源r作为X的每一组列向量，每种组织相对的空间分布作为S的行向量，利用之前得到的X中每种组织的波谱在整个PRESS框内应用非负最小二乘得到恢复图像。本发明的有益效果是在不需要大量的训练波谱数据集的情况下就能得到疾病分类学图像。
【IPC分类】G06K9-62
【公开号】CN104834935
【申请号】CN201510205004
【发明人】李雨谦, 皮亦鸣, 刘瑜瀚, 李晋, 闵锐, 范录宏, 杨晓波
【申请人】电子科技大学
【公开日】2015年8月12日
【申请日】2015年4月27日