[發明專利]基于圖像子塊支持向量機的腦血流信號計算方法

有效

• 申請號: 201610130573.5
• 申請日: 2016-03-09
• 公開（公告）號: CN105718962B
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 祝漢燦;王澤
• 申請（專利權）人: 紹興文理學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;A61B5/026
• 代理公司: 紹興市越興專利事務所(普通合伙) 33220
• 代理人: 蔣衛東

本發明公開一種基于圖像子塊支持向量機的腦血流信號計算方法，包括采集控制圖像和標記圖像對步驟；根據上一步得到的n個控制圖像和標記圖像對，對圖像中的每一個體素逐一計算腦血流值，從而得到最終的腦血流圖像步驟。本發明所述的基于圖像子塊支持向量機的腦血流信號計算方法，基于圖像子塊，可以使數據特征維數自然降低；此外，圖像子塊的引入使得腦血流計算過程可以考慮局部圖像信息，得到對于局部也能優化的結果。

技術領域

本發明涉及一種基于圖像子塊支持向量機的腦血流信號計算方法，屬于圖像處理技術領域。

背景技術

基于動脈自旋標記(ASL)的灌注磁共振成像(ASL perfusion MRI,以下簡稱ASLMRI)是一種無創無放射性的測量全腦和局部腦血流(cerebral blood flow,簡稱CBF)的技術。ASL MRI利用射頻無線電波去調制動脈血的磁信號，從而將動脈血變成可以用來測量腦血流的內源性示蹤劑。當標記(label)好的動脈血流入成像區域以后通過毛細血管壁與腦組織進行自由交換，交換以后腦組織中的水的信號就會受到影響。信號改變的量直接與交換的量成正比，因而采集到的大腦磁共振圖像就含有與局部灌注血流成正比的信號，該信號可以經過一定的換算模型轉換成有物理單位的絕對血流值。在實際應用中，為了壓制背景信號的干擾，ASL MRI成像還會采集不標記動脈血的背景信號圖像，通過標記(標記圖像)和不標記(控制圖像)信號的兩兩相減就可以得出更為干凈和信噪比更強的灌注信號。同時為了繼續提高信噪比，實際采樣過程中會重復采集一系列的標記、非標記圖像對。

目前計算標記和不標記信號差的技術主要有兩種，一種是直接兩兩相減，即控制圖像減去標記圖像，然后求平均；另一種是利用支持向量機(support vector machine,簡稱SVM)對標記和非標記信號進行自動歸類，找到兩種圖像之間的最佳分類面，以分類面的范矢量(norm vector)作為灌注信號圖像。上述2種方法主要存在以下缺陷：

第一種方法沒有考慮到各時間點血流標記的差異性和圖像本身的差異性，兩兩相減再求平均相當于對每個時間點賦予了相同的權值。但是，實際上不同時間點動脈血標記的程度會有不同，血流和圖像信號本身的變化也是比較大的，對它們賦予相同的權重不能得到最優化的結果；

第二種支持向量機的方法實際上是選取了控制圖像和標記圖像中的一部分作為支持向量，然后對支持向量加權(權值不一樣)求和得到最終的灌注信號圖像。實驗結果顯示基于支持向量機的方法得到的灌注信號圖像比配對相減、求和得到的圖像質量好。但是，現有的基于支持向量機的方法有兩個方面的不足之處：一是以整個圖像作為特征來分類，特征維數太大，文獻“Wang,Z.,Support vector machine learning‐based cerebralblood flow quantification for arterial spin labeling MRI.Human brain mapping,2014.35(7):p.2869-2875”中雖然采用了主成分分析方法進行降維，但仍會導致信息的丟失；另一方面，對于一副圖像，可能某些局部位置圖像質量好，某些位置圖像質量差，因此將整個圖像統一進行分類取得的結果對于某些局部腦區而言并不優化。

針對上述問題，本發明人對此進行研究，專門開發出一種基于圖像子塊支持向量機的ASL CBF計算方法。

發明內容

本發明的目的是提供一種基于圖像子塊支持向量機的腦血流信號計算方法，具有數據特征維數低，局部圖像信息優化效果好等特點。

為了實現上述目的，本發明的解決方案是：

基于圖像子塊支持向量機的腦血流信號計算方法，包括如下步驟：

步驟1、首先采集得到n個控制圖像和標記圖像對，記為{C_i,L_i},i＝1,2,....,n，其中C_i表示第i個控制圖像，L_i表示與C_i相對應的標記圖像；