度信息和欧几里得坐标对所述第一类MRI图像集和 第二类MRI图像集进行分类训练，获得判决标准；
[0121 ]分类模块，用于提取待分类MRI图像集的图像特征，根据所述判决标准进行图像 分类。一种实施方式，对于待分类MRI图像集Μ配准到所述Γ的个体上，利用Nystrom算法和 投影算法获得所述Μ个体在欧几里得空间的映射坐标。将Μ配准到训练子库Γ的每个个体 上，量化形变场，可得相似度向量| new=[Sl,new S2,new…叫+仏^^^^^的向量和为~^可 得到：
[0125] 投影映射可得特征向量1，M的个体坐标为
[0126] 以上内容是结合具体的实施方式对本申请所作的进一步详细说明，不能认定本申 请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说，在不脱 离本申请构思的前提下，还可以做出若干简单推演或替换。
【主权项】
1. 一种用于脑部MRI图像分类的图像处理方法，其特征在于，包括： 获取第一类MRI图像集和第二类MRI图像集； 提取所述第一类MRI图像集和第二类MRI图像集的相似度信息； 使用Nystrom算法和投影算法，计算所述第一类MRI图像集和第二类MRI图像集中个体 的欧几里得坐标； 利用所述相似度信息和欧几里得坐标对所述第一类MRI图像集和第二类MRI图像集进 行分类训练，获得判决标准； 提取待分类MRI图像集的图像特征，根据所述判决标准进行图像分类。2. 如权利要求1所述的方法，其特征在于，所述提取所述第一类MRI图像集和第二类MRI 图像集的相似度信息包括： 对1 =阳1，化，一，1^，41，42^。，4。}数据集中每幅图像进行位置校正、偏移场校正，其中 阳1，N2,…，Nm}为所述第一类MRI图像集，{Ai，A2,…，An}为所述第二类MRI图像集； 从I中随机选取P个第一类MRI图像集个体和q个第二类MRI图像集个体，其中p+q?m+n， 组成训练子库1' =阳1，化，...具，41，42，..'，4。} = {11，12，...，1。+。}; 对所述Γ中的每一对MRI图像{11，。}，1，_]'￡1，...，口+9，用任意微分同胚配准算法求得 形变场Φι麻Φ^，满足。= IlOφリ，Il=。oΦw，其中V'为根据形变场对图像进行翅曲，图 像Ii，Ij的非相似度：其中dist(Ii，Ij)表示图像li和Ij间的非相似度，d(Ii，Ij)表示图像li和Ij间的黎曼距 离，Id表示单位变换； 计算所述Γ的相似度矩阵：串中su = sji，i, je{l, . . .，p+q}。3.如权利要求2所述的方法，其特征在于，所述使用Nystrom算法和投影算法，计算所述 第一类MRI图像集和第二类MRI图像集中个体的欧几里得坐标包括： I 二（Np + l , Np+2 , ... , Nm , Aq+l , Aq+2 , ... , An}二{ Ip+q+l , Ip+q+2 , . . . , Im+n},其中 I 二 I U I ,将I 中的MRI图像配准到Γ中的个体空间，可得数据集I的相似度矩阵：其中su = sji，i, je {1，. . .，m+n} oCsub为(p+q) X (p+q)矩阵，可对角化为Csub = UAljT;设 孩为ξ的近似特征向量，根据Nystrom算法可得，ξ可近似计算为：定义l)sub，Cpart，CpartT每行的和向量为；将?'标准化为#Γ可特征分解为# =，所述第一类MRI 图像集和第二类MRI图像集个体的投影坐标为3 Ε A…'m + nh其 中dim取整数，为预先设置的投影空间维度。4. 如权利要求2所述的方法，其特征在于，其中所述提取待分类MRI图像集的图像特征， 根据所述判决标准进行图像分类包括： 对于待分类MRI图像集Μ配准到所述Γ的个体上，利用Nystrom算法和投影算法获得所 述Μ个体在欧几里得空间的映射坐标。5. 如权利要求4中所述的方法，其特征在于，对于待分类MRI图像集Μ配准到所述Γ的每 个个体上，利用Nystrom算法和投影算法获得所述Μ个体在欧几里得空间的映射坐标包括： 将Μ配准到训练子库所述Γ的每个个体上，量化形变场，可得相似度向量Cnew=[Sl,new S2,new S(p+q),new],写 new 的向里和为 Cnew,可丫守到：标准化ξηβ/可得投影映射可得特征向量iLw =瓦。，口 1，,所述Μ的个体坐标为巧,.》=巧，。，兩心…巧.,,J。6. -种用于脑部MRI图像分类的图像处理装置，其特征在于，包括： 获取模块，用于获取第一类MRI图像集和第二类MRI图像集； 提取模块，用于提取所述第一类MRI图像集和第二类MRI图像集的相似度 信息； 计算模块，用于使用Nystrom算法和投影算法，计算所述第一类MRI图像集和第二类MRI 图像集中个体的欧几里得坐标； 标准模块，用于利用所述相似度信息和欧几里得坐标对所述第一类MRI图像集和第二 类MRI图像集进行分类训练，获得判决标准； 分类模块，用于提取待分类MRI图像集的图像特征，根据所述判决标准进行图像分类。7. 如权利要求1所述的装置，其特征在于，所述提取模块还用于： 对1 =阳1，化，…，1^，41，42，一，4。}数据集中每幅图像进行位置校正、偏移场校正，其中 {Ni，N2，…，Nm}为所述第一类MRI图像集，{Ai，A2，…，An}为所述第二类MRI图像集； 从I中随机选取P个第一类MRI图像集个体和q个第二类MRI图像集个体，其中p+q?m+n， 组成训练子库1' =阳1，化，...具，41，42，..'，4。} = {11，12，...，1。+。}; 对所述Γ中的每一对MRI图像{11，。}，1，_]'￡1，...，口+9，用任意微分同胚配准算法求得 形变场Φ ij和Φ ji，满足Ij = Ii〇 Φ ij，Ii= Ijo Φ ji，其中V'为根据形变场对图像进行翅曲，图 像Ii，Ij的非相似度：其中dist(Ii，Ij)表示图像li和Ij间的非相似度，d(Ii，Ij)表示图像li和Ij间的黎曼距 离，Id表示单位变换； 计算所述Γ的相似度矩阵：其中su = sji，i, jE{l, . . . ,p+q}。 ?8. 如权利要求7所述的装置，其特征在于，所述计算模块还用于： 对于I 二{Np+1 , Np+2 , ·.. , Nm , Aq+1 , Aq+2 , ·.. , An}二{ Ip+q+1 , Ip+q+2 , · · · , Im+n}，其中 I 二 I U I， 将r中的MRI图像配准到Γ中的个体空间，可得数据集I的相似度矩阵：其中su = sji，i, jE {1, . . . ,m+n}，Csub为(p+q) X (p+q)矩阵，可对角化为Csub = UAljT;设 巧为ξ的近似特征向量，根据Nystrom算法可賴，ξ可近似计算为：定义l)sub，Cpart，CpartT每行的和向量为；将I;标准化为?，U e社...，讯+对巧可特征分解为家=护可公-，，所述第一 类MRI图像集和第二类MRI图像集个体的投影坐标为其中dim取整数，为预先设置的投影空间维度。9. 如权利要求7所述的装置，其特征在于，其中分类模块还用于:对于待分类MRI图像集 Μ配准到所述Γ的个体上，利用Nystrom算法和投影算法获得所述Μ个体在欧几里得空间的 映射坐标。10. 如权利要求9中所述的装置，其特征在于，其中所述分类模块还用于:将Μ配准到训 练子库所述I'的每个个体上，量化形变场，可得相似度向量Cnew=[Sl,new S2,new… S (p+q), new] T，CneifT的向量和为Cnew，可得到：标准化ξηβ/可得投影映射可得特征向量巧,,", ，所述Μ的个体坐标为马=巧.。1，巧,，：…，巧,。
【专利摘要】本申请公开了一种用于脑部MRI图像分类的图像处理方法，包括：获取第一类MRI图像集和第二类MRI图像集；提取第一类MRI图像集和第二类MRI图像集的相似度信息；使用Nystrom算法和投影算法，计算第一类MRI图像集和第二类MRI图像集中个体的欧几里得坐标；利用相似度信息和欧几里得坐标对第一类MRI图像集和第二类MRI图像集进行分类训练，获得判决标准；提取待分类MRI图像集的图像特征，根据判决标准进行图像分类。本申请还公开了基于上述方法的装置。本申请采用Nystrom算法对相似度矩阵进行近似，大大减少了计算量。
【IPC分类】G06K9/62
【公开号】CN105701499
【申请号】CN201511033617
【发明人】隆晓菁, 张丽娟, 姜春香, 刘新, 郑海荣
【申请人】中国科学院深圳先进技术研究院
【公开日】2016年6月22日
【申请日】2015年12月31日