多模態影像組學的分析方法、裝置及終端制造方法及圖紙

一種多模態影像組學的分析方法、裝置及一種終端，所述方法包括：獲取多種模態影像，并對所述多種模態影像進行預處理；對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類；根據特征聚類的結果構建影像組學標志物，從而解決了現有技術在影像組學研究中無法多方面提取圖像特征的問題，豐富了用于特征聚類的源特征數量以及聚類后的代表性特征種類，實現了最大化地挖掘醫學影像信息。

Method, device and terminal for analyzing multimodal imaging

A multi modality imaging group analysis method, device and a terminal. The method comprises: obtaining multi modal images, and the multi modality image pre-processing; the modal image preprocessing after segmentation, each region to obtain a modal image corresponding to the high flux of interest; feature extraction of each ROI for each image acquisition mode, each characteristic region of interest corresponding to the source composition; characteristics of various modal images of each region of interest corresponding feature, using clustering algorithm presupposition for feature clustering on the source characteristics according to the characteristics of clustering; the results of study group build image markers, thus solving the problem in image science research group can't image feature extraction of existing technology, rich source for feature clustering As well as the number of representative feature types after clustering, the medical image information is maximized.

【技術實現步驟摘要】
多模態影像組學的分析方法、裝置及終端
本專利技術屬于生物醫學工程
，尤其涉及一種多模態影像組學的分析方法、裝置及終端。
技術介紹
傳統醫學影像分析一般只關注腫瘤在單一模態中的體現。而影像組學可以將傳統的醫學影像轉化為可挖掘的數據信息。在影像組學研究中，現有技術主要是獲取四種解剖影像的靜態信息，而沒有考慮影像中包含的動態信息，無法多方面地提取圖像特征，從而導致所提取出的特征數和樣本病例有限，不能最大限度地挖掘醫學影像信息。
技術實現思路
鑒于此，本專利技術實施例提供了一種多模態影像組學的分析方法、裝置及終端，以解決現有技術在影像組學研究中無法多方面提取圖像特征的問題，以實現最大限度地挖掘醫學影像信息。第一方面，提供了一種多模態影像組學的分析方法，所述方法包括：獲取多種模態影像，并對所述多種模態影像進行預處理；對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類；根據特征聚類的結果構建影像組學標志物。進一步地，所述多種模態影像包括四種MR解剖成像以及彌散張量成像、彌散加權成像、動態對比增強成像；所述四種MR解剖成像包括T1加權成像、T1對比增強成像、T2加權成像、T2流動衰減反轉恢復序列成像。進一步地，所述獲取多種模態影像，并對所述多種模態影像進行預處理包括：獲取多種模態影像；對所述多種模態影像進行圖像配準、平滑處理和插值處理。進一步地，對所述多種模態影像進行圖像配準包括：選取四種MR解剖成像中的T1對比增強成像作為基準圖像模態；通過相似性度量獲取空間坐標變換參數；根據所述空間坐標變換參數，將所述多種模態影像中的其余模態影像與所述T1對比增強成像進行配準。進一步地，所述感興趣區域對應的特征中包括形態特征、灰度特征以及紋理特征。第二方面，提供了一種多模態影像組學的分析裝置，所述裝置包括：預處理模塊，用于獲取多種模態影像，并對所述多種模態影像進行預處理；分割模塊，用于對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；特征提取模塊，用于對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；特征聚類模塊，用于以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類；構建模塊，用于根據特征聚類的結果構建影像組學標志物。進一步地，所述多種模態影像包括四種MR解剖成像以及彌散張量成像、彌散加權成像、動態對比增強成像；所述四種MR解剖成像包括T1加權成像、T1對比增強成像、T2加權成像、T2流動衰減反轉恢復序列成像。進一步地，所述預處理模塊包括：獲取單元，用于獲取多種模態影像；處理單元，用于對所述多種模態影像進行圖像配準、平滑處理和插值處理。進一步地，所述處理單元具體用于：選取四種MR解剖成像中的T1對比增強成像作為基準圖像模態；通過相似性度量獲取空間坐標變換參數；根據所述空間坐標變換參數，將所述多種模態影像中的其余模態影像與所述T1對比增強成像進行配準。進一步地，所述感興趣區域對應的特征中包括形態特征、灰度特征以及紋理特征。第三方面，提供了一種終端，所述終端包括處理器，所述處理器用于執行存在存儲器的以下程序模塊：預處理模塊，用于獲取多種模態影像，并對所述多種模態影像進行預處理；分割模塊，用于對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；特征提取模塊，用于對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；特征聚類模塊，用于以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類；構建模塊，用于根據特征聚類的結果構建影像組學標志物。與現有技術相比，本專利技術實施例通過獲取多種模態影像，并對所述多種模態影像進行預處理；然后對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；最后以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類，并根據特征聚類的結果構建影像組學標志物；從而解決了現有技術在影像組學研究中無法多方面提取圖像特征的問題，極大地豐富了用于特征聚類的源特征數量以及特征聚類后的代表性特征種類，實現了最大限度地挖掘醫學影像信息。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。圖1是本專利技術實施例提供的多模態影像組學的分析方法的實現流程圖；圖2是本專利技術實施例提供的多模態影像組學的分析方法中步驟S101的具體實現流程；圖3是本專利技術實施例提供的通過K均值聚類算法對腦膠質瘤進行聚類分析的實現流程示意圖；圖4是本專利技術實施例提供的多模態影像組學的分析裝置的組成結構圖。具體實施方式為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術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以解釋本專利技術，并不用于限定本專利技術。本專利技術實施例通過獲取多種模態影像，并對所述多種模態影像進行預處理；然后對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；最后以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類，并根據特征聚類的結果構建影像組學標志物；從而解決了現有技術在影像組學研究中無法多方面提取圖像特征的問題，極大地豐富了用于特征聚類的源特征數量以及特征聚類后的代表性特征種類，實現了最大限度地挖掘醫學影像信息。本專利技術實施例還提供了相應的裝置，以下分別進行詳細的說明。圖1示出了本專利技術實施例提供的多模態影像組學的分析方法的實現流程。在本專利技術實施例中，所述多模態影像組學的分析方法應用于計算機、服務器等設備。參閱圖1，所述多模態影像組學的分析方法包括：在步驟S101中，獲取多種模態影像，并對所述多種模態影像進行預處理。在這里，本專利技術實施例在原有影像組學研究中所采用的四種MR解剖成像模態的基礎上引入了彌散張量成像、彌散加權成像、動態對比增強成像。因此，本專利技術實施例中所述的多種模態影像包括四種MR解剖成像以及彌散張量成像、彌散加權成像、動態對比增強成像。其中，所述四種MR解剖成像包括T1加權成像、T1對比增強成像、T2加權成像、T2流動衰減反轉恢復序列成像。所述彌散張量成像和彌散加權成像均為根據水分子運動特征來顯示腦補特征的成像方式。所述動態對比增強成像則可以反映腫瘤內部的血流動態變化和灌注狀況。在本專利技術實施例中，不同模態影像通過不同的設備采用不同的成像方式得到。由于圖像獲取的參數不同，需要先對所述四種MR解剖成像本文檔來自技高網...

【技術保護點】
一種多模態影像組學的分析方法，其特征在于，所述方法包括：獲取多種模態影像，并對所述多種模態影像進行預處理；對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類；根據特征聚類的結果構建影像組學標志物。

【技術特征摘要】
1.一種多模態影像組學的分析方法，其特征在于，所述方法包括：獲取多種模態影像，并對所述多種模態影像進行預處理；對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取每一個感興趣區域對應的特征；以所述多種模態影像的每一個感興趣區域對應的特征組成源特征，采用預設的聚類算法對所述源特征進行特征聚類；根據特征聚類的結果構建影像組學標志物。2.如權利要求1所述的多模態影像組學的分析方法，其特征在于，所述多種模態影像包括四種MR解剖成像以及彌散張量成像、彌散加權成像、動態對比增強成像；所述四種MR解剖成像包括T1加權成像、T1對比增強成像、T2加權成像、T2流動衰減反轉恢復序列成像。3.如權利要求1或2所述的多模態影像組學的分析方法，其特征在于，所述獲取多種模態影像，并對所述多種模態影像進行預處理包括：獲取多種模態影像；對所述多種模態影像進行圖像配準、平滑處理和插值處理。4.如權利要求3所述的多模態影像組學的分析方法，其特征在于，對所述多種模態影像進行圖像配準包括：選取四種MR解剖成像中的T1對比增強成像作為基準圖像模態；通過相似性度量獲取空間坐標變換參數；根據所述空間坐標變換參數，將所述多種模態影像中的其余模態影像與所述T1對比增強成像進行配準。5.如權利要求1、2、4任一項所述的多模態影像組學的分析方法，其特征在于，所述感興趣區域對應的特征中包括形態特征、灰度特征以及紋理特征。6.一種多模態影像組學的分析裝置，其特征在于，所述裝置包括：預處理模塊，用于獲取多種模態影像，并對所述多種模態影像進行預處理；分割模塊，用于對預處理之后的模態影像進行區域分割，獲取每一種模態影像對應的感興趣區域；特征提取模塊，用于對每一種模態影像的每一個感興趣區域進行高通量特征提取，獲取...

【專利技術屬性】
技術研發人員：宋柏霖，李志成，李其花，孫秋暢，王夢巧，
申請(專利權)人：中國科學院深圳先進技術研究院，
類型：發明
國別省市：廣東,44