一種核磁共振影像的灰度標準化方法和裝置的制造方法
【專利摘要】本發明提供一種核磁共振影像的灰度標準化方法和裝置，以提升灰度標準化的速度和避免空間標準化引起的信息丟失。所述方法包括：基于實驗用核磁共振大腦影像，構建大腦平均灰度模板圖像；根據實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，對大腦組織進行聚類；通過從實驗用核磁共振大腦影像至大腦平均灰度模板圖像的映射，針對聚類出的每種大腦組織進行灰度標準化。本發明提供的技術方案不僅避免了空間標準化引起的圖像形變與空間位置信息的丟失，而且，簡便有效的處理流程極大地提升了核磁共振影像灰度標準化的速度。
【專利說明】
-種核磁共振影像的灰度標準化方法和裝置
技術領域
[0001] 本發明屬于醫學影像處理領域，尤其設及一種核磁共振影像的灰度標準化方法和 裝置。
【背景技術】
[0002] 在醫學影像處理領域，灰度信息是定量化圖像后處理的基礎，運些定量化圖像后 處理包括圖像配準、分割和組織聚類統計等。然而，在大規模多址神經影像科學研究中，由 于核磁共振影像（fe即etic Resonance Imaging, MRI)數據掃描采樣的多樣性，例如，掃描 機器型號和/或掃描參數設置的不同，同一解剖位置和/或不同次獲取的掃描數據很難具 有一致的灰度信息。因此，為了保證MRI后處理結果的精確性，對掃描機器和/或掃描參數 各異的MRI進行灰度標準化，是一個亟待解決卻又很棘手的問題。
[0003] 對于大腦的核磁共振影像，現有的一種核磁共振影像的灰度標準化方法主要是采 用公共的腦模板或腦圖譜作為參考圖像，進行空間標準化配準而實現MRI的灰度標準化。 然而，一方面，由于公共腦膜板或腦圖譜并不具有廣泛性，上述現有核磁共振影像的灰度標 準化方法不能完全體現標準化數據的全部病理特性；另一方面，由于是通過空間標準化配 準實現MRI的灰度標準化，而MRI空間標準化本質上是圖像配準過程，運一過程將會導致所 有圖像空間信息的改變，繼而影響后續處理效果。
【發明內容】
[0004] 本發明的目的在于提供一種核磁共振影像的灰度標準化方法和裝置，W提升灰度 標準化的速度和避免空間標準化引起的信息丟失。
[0005] 本發明是運樣實現的，一種核磁共振影像的灰度標準化方法，所述方法包括：
[0006] 基于實驗用核磁共振大腦影像，構建大腦平均灰度模板圖像；
[0007] 根據所述實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，對大腦 組織進行聚類；
[0008] 通過從所述實驗用核磁共振大腦影像至所述大腦平均灰度模板圖像的映射，針對 聚類出的每種大腦組織進行灰度標準化。
[0009] 本發明的另一目的在于提供一種核磁共振影像的灰度標準化裝置，所述裝置包 括：
[0010] 灰度模板構建模塊，用于基于實驗用核磁共振大腦影像，構建大腦平均灰度模板 圖像；
[0011] 第一組織聚類模塊，用于根據所述實驗用核磁共振大腦影像和大腦平均灰度模板 圖像包含的數據，對大腦組織進行聚類；
[0012] 標準化模塊，用于通過從所述實驗用核磁共振大腦影像至所述大腦平均灰度模板 圖像的映射，針對聚類出的每種大腦組織進行灰度標準化。
[0013] 從上述本發明提供的技術方案可知，首先構建大腦平均灰度模板圖像，然后根據 所述實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據對大腦組織進行聚類， 最后，針對聚類出的每種大腦組織進行灰度標準化。由于是根據構建的大腦平均灰度模板 圖像對大腦組織進行聚類，而不是進行預先空間標準化，因此，與現有技術提供的方法相 比，本發明提供的方法不僅避免了空間標準化引起的圖像形變與空間位置信息的丟失，而 且，簡便有效的處理流程極大地提升了核磁共振影像灰度標準化的速度，采用核磁共振影 像的灰度標準化方法后，定量化地評估圖像的分割、配準和組織體素測量，其結果也優于現 有的灰度標準化方法。
【附圖說明】
[0014] 圖1是本發明實施例一提供的核磁共振影像的灰度標準化方法的實現流程；
[0015] 圖2是本發明實施例二提供的核磁共振影像的灰度標準化裝置的結構示意圖；
[0016] 圖3是本發明實施例Ξ提供的核磁共振影像的灰度標準化裝置的結構示意圖；
[0017] 圖4是本發明實施例四提供的核磁共振影像的灰度標準化裝置的結構示意圖圖；
[0018] 圖5是本發明實施例五提供的核磁共振影像的灰度標準化裝置的結構示意圖；
[0019] 圖6-a是本發明實施例六提供的核磁共振影像的灰度標準化裝置的結構示意圖；
[0020] 圖6-b是本發明實施例屯提供的核磁共振影像的灰度標準化裝置的結構示意圖；
[0021] 圖6-C是本發明實施例八提供的核磁共振影像的灰度標準化裝置的結構示意圖；
[0022] 圖6-d是本發明實施例九提供的核磁共振影像的灰度標準化裝置的結構示意圖。
【具體實施方式】
[0023] 為了使本發明的目的、技術方案及有益效果更加清楚明白，W下結合附圖及實施 例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用W解釋本發 明，并不用于限定本發明。
[0024] 本發明實施例提供一種核磁共振影像的灰度標準化方法，所述方法包括：基于實 驗用核磁共振大腦影像，構建大腦平均灰度模板圖像；根據所述實驗用核磁共振大腦影像 和大腦平均灰度模板圖像包含的數據，對大腦組織進行聚類；通過從所述實驗用核磁共振 大腦影像至所述大腦平均灰度模板圖像的映射，針對聚類出的每種大腦組織進行灰度標準 化。本發明實施例還提供相應的核磁共振影像的灰度標準化裝置。W下分別進行詳細說明。
[0025] 請參閱附圖1，是本發明實施例一提供的核磁共振影像的灰度標準化方法的實現 流程，主要包括W下步驟S101至步驟S103 :
[0026] S101，基于實驗用核磁共振大腦影像，構建大腦平均灰度模板圖像。
[0027] 由于核磁共振大腦影像具有典型性，在本發明實施例中，W核磁共振大腦影像為 例來說明核磁共振影像的灰度標準化方法。本領域技術人員能夠理解，該方法在無需創造 性的前提下，也可W應用于除大腦之外的人體其他部位核磁共振影像的灰度標準化；可W 根據實驗用核磁共振大腦影像，對大腦每種組織進行灰度標準化，從而實現核磁共振影像 的灰度標準化。
[0028] 作為本發明一個實施例，基于實驗用核磁共振大腦影像，構建大腦平均灰度模板 圖像包括如下步驟S1011和S1012 :
[0029] S1011，根據實驗用核磁共振大腦影像包含的數據，對大腦組織進行聚類。
[0030] 所謂聚類，是指根據數據之間的相似度，將數據分成相應的類；同一類數據之間具 有很高的相似度，而不同類的數據之間具有最大程度的差異性。對于大腦，其主要由灰質、 白質和腦脊液Ξ種組織構成。在核磁共振大腦影像中，大腦相同組織的灰度是一致的。在 本發明實施例中，可實驗用核磁共振大腦影像包含的數據為基礎，根據相同組織的灰 度一致、不同組織的灰度存在差異的基本原理，利用高斯混合模型對核磁共振大腦影像中 的大腦組織進行聚類。
[0031] S1012,加權平均聚類出的大腦組織的每一個像素點的灰度，得到大腦平均灰度模 板圖像。
[0032] 在本發明實施例中，可W針對聚類出的大腦組織，對其每一個像素點的灰度加權 平均，所得結果即為大腦平均灰度模板圖像，運一大腦平均灰度模板圖像可W作為后續直 方圖匹配過程中的參考圖像。
[0033] S102,根據實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，對大 腦組織進行聚類。
[0034] 作為本發明一個實施例，根據實驗用核磁共振大腦影像和大腦平均灰度模板圖像 包含的數據，對大腦組織進行聚類可W包括如下步驟S1021和步驟S1022 :
[0035] S1021，W高斯混合模型來模型化大腦組織。
[0036] 研究表明，多變量高斯混合模型能夠很好地模型化大腦的單一組織，由于MRI的 有限分辨率和組織區域分界的復雜性，大量的圖像體素可能包括了大腦多個組織的混合， 因此，大腦是一個有限混合模型。在此有限混合模型中，假設大腦每種組織的數據Xk是由有 限個數據集{Gi，G2,…，氏}組成，并且，與{Gi，G2,…，氏}相應的分布權重是（《1，《2,…， ω。}。基于上述理論，在本發明實施例中，可高斯混合模型來模型化大腦組織。由于大 腦組織主要由灰質、白質和腦脊液組成，因此，可W使用3個高斯混合模型分別代表大腦Ξ 種不同的組織來實現組織聚類。具體地，高斯混合模型表示如下：
[0037]
( 1 )
[003引其中，:?^ = (Ω'，伊)'=(巧，…，畔為，..磚）是未知參數變量，《1，…，ω。是數據集的分 布權重，ω,對應于Gk的分布權重，并且
3 k(Xil 0 k)是高斯混合模型 在正態分布中的簡化表示，PkUil ej表示如下：
[0039]
( 2 )
[0040] 其中，0 k是聚類數據變量的標準差，μ k是聚類數據變量的均值，Θ k= (μ k，Σ k) 是與組織聚類相關的參變量，其中，Sk=E[(Xi-yk)(Xi-yk)t]是k(l《k《c)類組織聚 類相關的協方差矩陣（正定對此），C是聚類組織的數量。。
[0041] S1022,根據實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，通過 對聚類參數的評估，確定高斯混合模型。
[0042] 在本發明實施例中，聚類參數包括步驟S1021中表達式似提及的聚類數據 變量的標準差〇k、聚類數據變量的均值WkW及與大腦組織聚類相關的參變量Θ k= (yk，Ek)。可W根據實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，通過 對聚類參數的評估，確定表達式（2)表示的高斯混合模型，具體如下：
[0043] 根據最大化混合似然函數和對數函數評估高斯混合模型參數，其算法包括兩個期 望巧xpectation)的計算步驟（W下簡稱E步驟）和最大化（Maximization)的計算步驟 (W下簡稱Μ步驟）。
[0044] 在Ε步驟中，基于參變量Θ k計算新的參變量Θ W的期望：
[004引
（3 )
[0046] 在Μ步驟中，利用E步驟計算得到參變量Θ W的期望，最大化似然函數，計算新的 參數變量θ^。如表達式（3)所述，假設是獨立的隨機變量，似然函數和對數似然函數 分別如表達式（4)和表達式（5)所示：
[0049] 是最大化對數似然函數1〇江（e W)的評估值。在單變量正態混合分布中，最 大化似然函數L ( Θ kJ的評估混合系數毎、均值癡和方差句表示如下：
[0053] 運Ξ個公式中，后驗概率中屬于聚類k，其關系如下描述：
[0054]
( 9 )
[00巧]表達式（6)至（9)在必要條件下可用于局部最大化對數似然函數logL( Θ W)，并 且可被應用于混合模型參數的數值近似，其中E步驟基于當前的評估計算新評估Θ W 的概率期望，Μ步驟利用最大化似然函數L(0w)計算新評估變量0W。E和Μ步驟可重復 改變，初始變量θ?被當前變量0取代，并且0 i表示在第jth階段。
[0056] S103,通過從實驗用核磁共振大腦影像至大腦平均灰度模板圖像的映射，針對聚 類出的每種大腦組織進行灰度標準化。
[0057] 具體地，在本發明實施例中，通過從所述實驗用核磁共振大腦影像至所述大腦 平均灰度模板圖像的映射，針對聚類出的每種大腦組織進行灰度標準化可W是：根據
表示的映射關系，將所述實驗用核磁共振大腦影 像的直方圖轉換并映射至大腦平均灰度模板圖像的直方圖的灰度范圍，其中，「1是向上取 整符號，M2為實驗用核磁共振大腦影像，μ t為在相應大腦組織的直方圖中，大腦平均灰度 模板圖像的分布中屯、，V t為在相應大腦組織的直方圖中，實驗用核磁共振大腦影像的分布 中屯、，而mi和m2分別為實驗用核磁共振大腦影像中相應的大腦組織的直方圖的最大值和最 小值，Si和S 2分別為大腦組織的直方圖興趣灰度區間中的最小值和最大值，I 和I high分 別為大腦平均灰度模板圖像中相應大腦組織的灰度最小值和最大值。根據μ t、Vt對應的 不同大腦組織，由上述映射關系得到的f (Μ)即為相應大腦組織的灰度被標準化的核磁共 振大腦影像。
[0058] 在上述本發明實施例中，基于實驗用核磁共振大腦影像，構建大腦平均灰度模板 圖像之前，所述方法還包括：對實驗用核磁共振影像進行預處理，得到實驗用核磁共振大腦 影像。實驗用核磁共振影像是包含煩骨的影像，在對實驗用核磁共振影像預處理時，可W使 用一些軟件中的專用工具，例如，使用F化軟件中的邸Τ工具，實現煩骨的分離，煩骨分離后 得到的實驗用核磁共振影像就是本發明實施例用于實現大腦組織灰度標準化的實驗用核 磁共振影像。
[0059] 從上述附圖1示例的核磁共振影像的灰度標準化方法可知，首先構建大腦平均灰 度模板圖像，然后根據所述實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據 對大腦組織進行聚類，最后，針對聚類出的每種大腦組織進行灰度標準化。由于是根據構建 的大腦平均灰度模板圖像對大腦組織進行聚類，而不是進行預先空間標準化，因此，與現有 技術提供的方法相比，本發明提供的方法不僅避免了空間標準化引起的圖像形變與空間位 置信息的丟失，而且，簡便有效的處理流程極大地提升了核磁共振影像灰度標準化的速度， 采用核磁共振影像的灰度標準化方法后，定量化地評估圖像的分割、配準和組織體素測量， 其結果也優于現有的灰度標準化方法。
[0060] 請參閱附圖2,是本發明實施例二提供的核磁共振影像的灰度標準化裝置可W是 附圖1示例的核磁共振影像的灰度標準化方法的執行主體。為了便于說明，附圖2僅示出了 與本發明實施例相關的部分。附圖2示例的核磁共振影像的灰度標準化裝置主要包括灰度 模板構建模塊201、第一組織聚類模塊202和標準化模塊203,各功能模塊詳細說明如下：
[0061] 灰度模板構建模塊201，用于基于實驗用核磁共振大腦影像，構建大腦平均灰度模 板圖像。
[0062] 由于核磁共振大腦影像具有典型性，在本發明實施例中，W核磁共振大腦影像為 例來說明核磁共振影像的灰度標準化裝置。本領域技術人員能夠理解，該裝置在無需創造 性的前提下，也可W應用于除大腦之外的人體其他部位核磁共振影像的灰度標準化；灰度 模板構建模塊201可W根據實驗用核磁共振大腦影像，對大腦每種組織進行灰度標準化， 從而實現核磁共振影像的灰度標準化。
[0063] 第一組織聚類模塊202,用于根據實驗用核磁共振大腦影像和大腦平均灰度模板 圖像包含的數據，對大腦組織進行聚類。
[0064] 標準化模塊203,用于通過從實驗用核磁共振大腦影像至大腦平均灰度模板圖像 的映射，針對聚類出的每種大腦組織進行灰度標準化。
[0065] 需要說明的是，W上附圖2示例的核磁共振影像的灰度標準化裝置的實施方式 中，各功能模塊的劃分僅是舉例說明，實際應用中可W根據需要，例如相應硬件的配置要求 或者軟件的實現的便利考慮，而將上述功能分配由不同的功能模塊完成，即將所述核磁共 振影像的灰度標準化裝置的內部結構劃分成不同的功能模塊，W完成W上描述的全部或者 部分功能。而且，實際應用中，本實施例中的相應的功能模塊可W是由相應的硬件實現，也 可W由相應的硬件執行相應的軟件完成，例如，前述的灰度模板構建模塊，可W是具有執行 前述基于實驗用核磁共振大腦影像，構建大腦平均灰度模板圖像的硬件，例如灰度模板構 建器，也可W是能夠執行相應計算機程序從而完成前述功能的一般處理器或者其他硬件設 備；再如前述的標準化模塊，可W是通過從實驗用核磁共振大腦影像至大腦平均灰度模板 圖像的映射，針對聚類出的每種大腦組織進行灰度標準化的硬件，例如標準化器，也可W是 能夠執行相應計算機程序從而完成前述功能的一般處理器或者其他硬件設備（本說明書 提供的各個實施例都可應用上述描述原則）。
[0066] 附圖2示例的灰度模板構建模塊201可W包括第二組織聚類單元301和加權平均 單元302,如附圖3所示本發明實施例Ξ提供的核磁共振影像的灰度標準化裝置，其中：
[0067] 第二組織聚類單元301，用于根據實驗用核磁共振大腦影像包含的數據，對大腦組 織進行聚類。
[006引所謂聚類，是指根據數據之間的相似度，將數據分成相應的類；同一類數據之間具 有很高的相似度，而不同類的數據之間具有最大程度的差異性。對于大腦，其主要由灰質、 白質和腦脊液Ξ種組織構成。在核磁共振大腦影像中，大腦相同組織的灰度是一致的。在 本發明實施例中，第二組織聚類單元301可實驗用核磁共振大腦影像包含的數據為基 礎，根據相同組織的灰度一致、不同組織的灰度存在差異的基本原理，利用高斯混合模型對 核磁共振大腦影像中的大腦組織進行聚類。
[0069] 加權平均單元302,用于加權平均第二組織聚類單元301聚類出的大腦組織的每 一個像素點的灰度，得到大腦平均灰度模板圖像。
[0070] 在本發明實施例中，加權平均單元302可W針對聚類出的大腦組織，對其每一個 像素點的灰度加權平均，所得結果即為大腦平均灰度模板圖像，運一大腦平均灰度模板圖 像可W作為后續直方圖匹配過程中的參考圖像。
[0071] 附圖2示例的第一組織聚類模塊302可W包括模型化單元401和參數評估單元 402,如附圖4所示本發明實施例四提供的核磁共振影像的灰度標準化裝置，其中：
[0072] 模型化單元401，用于W高斯混合模型來模型化大腦組織。
[0073] 研究表明，多變量高斯混合模型能夠很好地模型化大腦的單一組織，由于MRI的 有限分辨率和組織區域分界的復雜性，大量的圖像體素可能包括了大腦多個組織的混合， 因此，大腦是一個有限混合模型。在此有限混合模型中，假設大腦每種組織的數據Xk是由有 限個數據集{Gi，G2,…，氏}組成，并且，與{Gi，G2,…，氏}相應的分布權重是（《1，《2,…， ω。}。基于上述理論，在本發明實施例中，模型化單元401可高斯混合模型來模型化大 腦組織。由于大腦組織主要由灰質、白質和腦脊液組成，因此，可W使用3個高斯混合模型 分別代表大腦Ξ種不同的組織來實現組織聚類。具體地，高斯混合模型表示如下：
[0074]
i 1 )
[00巧]其中，# =價'.貨)'=(wI....，畔，巧'是未知參數變量，《1，…，ω。是數據集的分 布權重，ω,對應于Gk的分布權重，并且，
0, P k(Xil 0k)是高斯混合模型 在正態分布中的簡化表示，PkUil ej表示如下：
[0076]
(.2)
[0077] 其中，0 k是聚類數據變量的標準差，μ k是聚類數據變量的均值，Θ k= (μ k，Σ k) 是與組織聚類相關的參變量，其中，Sk=E[(Xi-yk)(Xi-yk)t]是k(l《k《c)類組織聚 類相關的協方差矩陣（正定對此），C是聚類組織的數量。。
[0078] 參數評估單元402,用于根據實驗用核磁共振大腦影像和大腦平均灰度模板圖像 包含的數據，通過對聚類參數的評估，確定高斯混合模型，聚類參數包括聚類數據變量的標 準差、聚類數據變量的均值W及與大腦組織聚類相關的參變量。
[0079] 在本發明實施例中，聚類參數包括表達式似提及的聚類數據變量的標準差σ k、 聚類數據變量的均值μkW及與大腦組織聚類相關的參變量θ k= (μ k，Σ k)。參數評估 單元402可w根據實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，通過對 聚類參數的評估，確定表達式（2)表示的高斯混合模型，具體如下：
[0080] 根據最大化混合似然函數和對數函數評估高斯混合模型參數，其算法包括兩個期 望巧xpectation)的計算步驟（W下簡稱E步驟）和最大化（Maximization)的計算步驟 (W下簡稱Μ步驟）。
[0081] 在Ε步驟中，基于參變量Θ k計算新的參變量Θ W的期望：
[0082]
( 3 )
[0083] 在Μ步驟中，利用E步驟計算得到參變量Θ W的期望，最大化似然函數，計算新的 參數變量θ^。如表達式（3)所述，假設是獨立的隨機變量，似然函數和對數似然函數 分別如表達式（4)和表達式（5)所示：
[0086] 運d是最大化對數似然函數logL( Θ W)的評估值。在單變量正態混合分布中，最 大化似然函數L(0kJ的評估混合系數爲、均值咸和方差為表示如下：
[0090] 運Ξ個公式中，后驗概率中Xi屬于聚類k，其關系如下描述：
[0091]
(9)
[0092] 表達式（6)至（9)在必要條件下可用于局部最大化對數似然函數logL( Θ W)，并 且可被應用于混合模型參數的數值近似，其中，E步驟基于當前的評估計算新評估Θ W 的概率期望，Μ步驟利用最大化似然函數L(0w)計算新評估變量0W。E和Μ步驟可重復 改變，初始變量θ?被當前變量0取代，并且0 i表示在第jth階段。
[0093] 附圖2示例的標準化模塊203可W包括映射單元501，如附圖5所示本 發明實施例五提供的核磁共振影像的灰度標準化裝置。映射單元501用于根據
表示的映射關系，將所述實驗用核磁共振大腦影 像的直方圖轉換并映射至大腦平均灰度模板圖像的直方圖的灰度范圍，其中，「1是向上 取整符號，M2為實驗用核磁共振大腦影像，μ t為在相應大腦組織的直方圖中，大腦平均灰 度模板圖像的分布中屯、，V t為在相應大腦組織的直方圖中，實驗用核磁共振大腦影像的分 布中屯、，mi和m2分別為實驗用核磁共振大腦影像中相應的大腦組織的直方圖的最大值和最 小值，Si和S 2分別為大腦組織的直方圖興趣灰度區間中的最小值和最大值，I 和I high分 別為大腦平均灰度模板圖像中相應大腦組織的灰度最小值和最大值。
[0094] 附圖2至5任一示例的核磁共振影像的灰度標準化裝置還可W包括預處理模塊 601，如附圖6-a至附圖6-d實施例六至九任一示例提供的核磁共振影像的灰度標準化裝 置。預處理模塊601用于灰度模板構建模塊201基于實驗用核磁共振大腦影像，構建大腦 平均灰度模板圖像之前，對實驗用核磁共振影像進行預處理，得到所述實驗用核磁共振大 腦影像。
[0095] 實驗用核磁共振影像是包含煩骨的影像，預處理模塊601在對實驗用核磁共振影 像預處理時，可W使用一些軟件中的專用工具，例如，使用F化軟件中的邸Τ工具，實現煩骨 的分離，煩骨分離后得到的實驗用核磁共振影像就是本發明實施例用于實現大腦組織灰度 標準化的實驗用核磁共振影像。
[0096] 需要說明的是，上述裝置各模塊/單元之間的信息交互、執行過程等內容，由于與 本發明方法實施例基于同一構思，其帶來的技術效果與本發明方法實施例相同，具體內容 可參見本發明方法實施例中的敘述，此處不再寶述。
[0097] 本領域普通技術人員可W理解上述實施例的各種方法中的全部或部分步驟是可 W通過程序來指令相關的硬件來完成，該程序可W存儲于一計算機可讀存儲介質中，存 儲介質可W包括：只讀存儲器（ROM, Read化ly Memo巧）、隨機存取存儲器（RAM, Random Access Memoir)、磁盤或光盤等。
[0098] W上對本發明實施例所提供的核磁共振影像的灰度標準化方法和裝置進行了詳 細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，W上實施例的說 明只是用于幫助理解本發明的方法及其核屯、思想；同時，對于本領域的一般技術人員，依據 本發明的思想，在【具體實施方式】及應用范圍上均會有改變之處，綜上所述，本說明書內容不 應理解為對本發明的限制。
【主權項】
1. 一種核磁共振影像的灰度標準化方法，其特征在于，所述方法包括： 基于實驗用核磁共振大腦影像，構建大腦平均灰度模板圖像； 根據所述實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，對大腦組織 進行聚類； 通過從所述實驗用核磁共振大腦影像至所述大腦平均灰度模板圖像的映射，針對聚類 出的每種大腦組織進行灰度標準化。2. 如權利要求1所述的方法，其特征在于，所述基于實驗用核磁共振大腦影像，構建大 腦平均灰度模板圖像，包括： 根據所述實驗用核磁共振大腦影像包含的數據，對大腦組織進行聚類； 加權平均所述聚類出的大腦組織的每一個像素點的灰度，得到所述大腦平均灰度模板 圖像。3. 如權利要求1所述的方法，其特征在于，所述根據所述實驗用核磁共振大腦影像和 大腦平均灰度模板圖像包含的數據，對大腦組織進行聚類，包括： W高斯混合模型來模型化所述大腦組織； 根據所述實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含的數據，通過對聚類 參數的評估，確定所述高斯混合模型，所述聚類參數包括聚類數據變量的標準差、聚類數據 變量的均值W及與大腦組織聚類相關的參變量。4. 如權利要求1所述的方法，其特征在于，所述通過從所述實驗用核磁共振大腦影 像至所述大腦平均灰度模板圖像的映射，針對聚類出的每種大腦組織進行灰度標準化，包 括： 根畫表示的映射關系，將所述實驗用核磁共 振大腦影像的直方圖轉換并映射至所述大腦平均灰度模板圖像的直方圖的灰度范圍，所述 「1是取整符號，所述Mz為所述實驗用核磁共振大腦影像，所述y t為在相應大腦組織的直 方圖中，所述大腦平均灰度模板圖像的分布中屯、，所述Vt為在相應大腦組織的直方圖中， 所述實驗用核磁共振大腦影像的分布中屯、，所述nil和所述m 2分別為所述實驗用核磁共振大 腦影像中相應的大腦組織的直方圖的最大值和最小值，所述Si和Sz分別為所述直方圖興趣 灰度區間中的最小值和最大值，所述Ii?和I high分別為所述大腦平均灰度模板圖像中相應 大腦組織的灰度最小值和最大值。5. 如權利要求1至4任意一項所述的方法，其特征在于，所述基于實驗用核磁共振大腦 影像，構建大腦平均灰度模板圖像之前，所述方法還包括： 對實驗用核磁共振影像進行預處理，得到所述實驗用核磁共振大腦影像。6. -種核磁共振影像的灰度標準化裝置，其特征在于，所述裝置包括： 灰度模板構建模塊，用于基于實驗用核磁共振大腦影像，構建大腦平均灰度模板圖 像； 第一組織聚類模塊，用于根據所述實驗用核磁共振大腦影像和大腦平均灰度模板圖像 包含的數據，對大腦組織進行聚類； 標準化模塊，用于通過從所述實驗用核磁共振大腦影像至所述大腦平均灰度模板圖像 的映射，針對聚類出的每種大腦組織進行灰度標準化。7. 如權利要求6所述的裝置，其特征在于，所述灰度模板構建模塊包括： 第二組織聚類單元，用于根據所述實驗用核磁共振大腦影像包含的數據，對大腦組織 進行聚類； 加權平均單元，用于加權平均所述聚類出的大腦組織的每一個像素點的灰度，得到所 述大腦平均灰度模板圖像。8. 如權利要求7所述的裝置，其特征在于，所述第一組織聚類模塊包括： 模型化單元，用于W高斯混合模型來模型化所述大腦組織； 參數評估單元，用于根據所述實驗用核磁共振大腦影像和大腦平均灰度模板圖像包含 的數據，通過對聚類參數的評估，確定所述高斯混合模型，所述聚類參數包括聚類數據變量 的標準差、聚類數據變量的均值W及與大腦組織聚類相關的參變量。9. 如權利要求7所述的裝置，其特征在于，所述標準化模塊包括： 映射單元，用于根據衰示的映射關系，將所 述實驗用核磁共振大腦影像的直方圖轉換并映射至所述大腦平均灰度模板圖像的直方圖 的灰度范圍，所述「1是取整符號，所述Mz為所述實驗用核磁共振大腦影像，所述y t為在相 應大腦組織的直方圖中，所述大腦平均灰度模板圖像的分布中屯、，所述V t為在相應大腦組 織的直方圖中，所述實驗用核磁共振大腦影像的分布中屯、，所述nil和所述m 2分別為所述實 驗用核磁共振大腦影像中相應的大腦組織的直方圖的最大值和最小值，所述Si和Sz分別為 所述直方圖興趣灰度區間中的最小值和最大值，所述Ii?和I high分別為所述大腦平均灰度 模板圖像中相應大腦組織的灰度最小值和最大值。10. 如權利要求6至9任意一項所述的裝置，其特征在于，所述裝置還包括： 預處理模塊，用于所述灰度模板構建模炔基于實驗用核磁共振大腦影像，構建大腦平 均灰度模板圖像之前，對實驗用核磁共振影像進行預處理，得到所述實驗用核磁共振大腦 影像。
【文檔編號】G06T3/40GK105989371SQ201510095011
【公開日】2016年10月5日
【申請日】2015年3月3日
【發明人】王德峰, 石林, 朱昭穎, 孫曉菲, 李樂寧
【申請人】香港中文大學深圳研究院