科创中国

物理

本发明适用于医学图像处理技术领域，提供了一种MR图像的分割方法及装置，包括：通过多模态的样本MR图像分别进行各个模态的字典学习；建立多模态联合稀疏表示模型；通过所述多模态联合稀疏表示模型，将测试MR图像在所述字典下联合稀疏表示为少数原子的线性组合，通过稀疏编码获取所述测试MR图像的稀疏表示系数；根据所述测试MR图像的稀疏表示系数，将所述测试MR图像的每个像素进行分类，获取图像分割结果。本发明提出的多模态联合稀疏表示模型，能够结合多模态MR图像所提供的信息进行多变量联合稀疏表示，大大地提高了图像分割的正确率。

1. 一种磁共振MR图像的分割方法，其特征在于，包括： 通过多模态的样本MR图像分别进行各个模态的字典学习；利用所述多模态的样本联合 训练多模态的各个分类字典，再将各个分类字典合成一个大字典； 建立多模态联合稀疏表不模型； 通过所述多模态联合稀疏表示模型，将测试MR图像在所述字典下联合稀疏表示为少数 原子的线性组合，通过稀疏编码获取所述测试MR图像的稀疏表示系数； 根据所述测试MR图像的稀疏表示系数，将所述测试MR图像的每个像素进行分类，获取 图像分割结果。 2. 如权利要求1所述的方法，其特征在于，所述通过多模态的样本MR图像分别进行各个 模态的字典学习包括： 将每个样本病人所对应的多模态MR图像进行配准； 在配准后的所述多模态MR图像中分别提取出不同状态的训练样本，所述不同状态包括 水肿状态、肿瘤状态和正常脑组织状态

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看