[發(fā)明專利]一種基于超體素和譜聚類的大腦功能分區(qū)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810469865.0
• 申請(qǐng)日: 2018-05-16
• 公開（公告）號(hào): CN108921816A
• 公開（公告）日: 2018-11-30
• 發(fā)明（設(shè)計(jì)）人: 孔佑勇;孫君校;馬浩宇;雷仁昊
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/90;G06K9/62
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 周蔚然

1.一種基于超體素和譜聚類的大腦功能分區(qū)方法，其特征在于：對(duì)大腦的靜息態(tài)功能磁共振成像進(jìn)行預(yù)處理后，對(duì)每段圖像生成超體素，計(jì)算超體素之間的權(quán)重矩陣，對(duì)多段成像的權(quán)重矩陣求得平均，采用歸一化割方法，實(shí)現(xiàn)大腦皮層的功能分區(qū)，

具體步驟為：

(1)圖像預(yù)處理；

(2)每段數(shù)據(jù)生成超體素；

(3)計(jì)算超體素之間的圖權(quán)重矩陣；

(4)計(jì)算多段數(shù)據(jù)的圖權(quán)重矩陣的平均；

(5)歸一化割譜聚類。

2.根據(jù)權(quán)利要求1所述的基于超體素和譜聚類的大腦功能分區(qū)方法，其特征在于，步驟(1)中所述的大腦的靜息態(tài)功能磁共振成像進(jìn)行預(yù)處理方法的步驟為：

步驟1-1，對(duì)rsfMRI圖像進(jìn)行時(shí)間層校正；

步驟1-2，再對(duì)圖像進(jìn)行運(yùn)動(dòng)校正；

步驟1-3，兩次校正后，對(duì)圖像進(jìn)行標(biāo)準(zhǔn)化；

步驟1-4，用0.01-0.08HZ的帶通濾波器處理圖像，將其他范圍的頻率分量衰減；

步驟1-5，為進(jìn)一步去除圖像的噪聲，對(duì)圖像進(jìn)行去除線性趨勢處理；

步驟1-6，空間平滑處理，平滑核為4mm；

步驟1-7，預(yù)處理最后，去除圖像協(xié)變量。

3.根據(jù)權(quán)利要求1所述的基于超體素和譜聚類的大腦功能分區(qū)方法，其特征在于，步驟(2)中所述的每段數(shù)據(jù)生成超體素方法的步驟為：先從大腦靜息態(tài)磁共振圖像中得到全腦體素的時(shí)間序列，結(jié)合大腦組織先驗(yàn)圖譜分別得到丘腦體素的時(shí)間序列以及其余腦區(qū)的平均時(shí)間序列，然后計(jì)算丘腦體素水平的丘腦-皮層全局連接特征，具體步驟為：

步驟2-1，將大腦的fMRI圖像根據(jù)時(shí)間序列分成n段；

步驟2-2，對(duì)這n段序列進(jìn)行超體素處理；

步驟2-2-1，初始化種子點(diǎn)(聚類中心)：根據(jù)期望生成的超像素個(gè)數(shù)，在fMRI圖像內(nèi)均勻地分配種子點(diǎn)，假設(shè)圖像一共有N個(gè)體素，期望生成的超體素個(gè)數(shù)為M，則每個(gè)超體素的大小為

V＝N/M

步驟2-2-2，其中M也為初始種子點(diǎn)的個(gè)數(shù)，相鄰種子點(diǎn)的距離(步長)近似為

步驟2-2-3，在種子點(diǎn)的n*n*n(一般n＝3)鄰域內(nèi)重新選擇種子點(diǎn)，計(jì)算該鄰域內(nèi)所有像素點(diǎn)的梯度值，為了避免種子點(diǎn)落在梯度較大的輪廓邊界上，以免影響后續(xù)聚類效果，將種子點(diǎn)移到該鄰域內(nèi)梯度最小的地方；

步驟2-2-4，在每個(gè)種子點(diǎn)周圍的鄰域內(nèi)，搜索范圍限制為2L*2L*2L，雖然期望的超像素尺寸為L*L*L，但為了加速算法收斂，搜索范圍為2L*2L*2L；

步驟2-2-5，對(duì)于每個(gè)搜索到的像素點(diǎn)，分別計(jì)算它和該種子點(diǎn)的顏色距離和空間距離，設(shè)(l_J，a_J，b_J)和(l_i，a_i，b_i)分別表示種子點(diǎn)j和體素點(diǎn)i的顏色坐標(biāo)，且(X_j，Y_j，Z_j)和(X_i，Y_i，Z_i),分別表示種子點(diǎn)j和體素點(diǎn)i的距離坐標(biāo)。計(jì)算公式分別為顏色距離

和空間距離

定義Ns是類內(nèi)最大空間距離，Nc是類內(nèi)最大顏色距離，計(jì)算距離度量D’：

其中Ns＝L，而Nc隨圖片不同而不同，也隨聚類不同而不同，所以我們?nèi)∫粋€(gè)固定常數(shù)k(取值范圍[1,40],一般取10)；所以

由于每個(gè)像素點(diǎn)都會(huì)被多個(gè)種子點(diǎn)搜索到，所以每個(gè)像素點(diǎn)都會(huì)有一個(gè)與周圍種子點(diǎn)的距離，取最小值對(duì)應(yīng)的種子點(diǎn)作為該像素點(diǎn)的聚類中心；

步驟2-2-6，一旦所有的體素點(diǎn)都被歸類到離它最近的那個(gè)種子點(diǎn)，則再次計(jì)算每個(gè)類的聚類中心作為該類的新的種子點(diǎn)；

步驟2-2-7，重復(fù)上述步驟2-2-4、步驟2-2-5、步驟2-2-6過程直至最新生成的聚類中心和上一次之間的誤差不再變化或小于某個(gè)閾值，算法停止。