科创中国

生物与新医药技术

本发明涉及图像处理技术领域，具体涉及一种基于稀疏表示的多模态磁共振图像的分割方法及装置。本发明的分割方法采用基于稀疏表示的分类算法SRC（sparse representation based classification）；本发明的分割方法通过建立基于MAP-MRF框架的图像分割模型对图像进行精确分割，利用马尔科夫随机场，充分考虑像素周围空间的相邻像素的影响，增加了图像分割的准确性，同时采用在线字典学习方法与图割的优化方法，提高了运行速度。

一种基于稀疏表示的多模态磁共振图像的分割方法，其特征在于，所述方法包括如下步骤：步骤1：将患者不同成像模态的磁共振图像进行配准；步骤2：分别针对肿瘤T、水肿E和背景B提取训练样本，对每个类别的训练样本进行字典训练；步骤3：最大似然估计,利用所述字典对输入的测试本进行稀疏编码，获得每个测试样本的稀疏编码系数；步骤4：建立基于MAP-MRF框架的图像分割模型，对图像进行精确分割。根据权利要求1所述的基于稀疏表示的多模态磁共振图像的分割方法，其特征在于， 所述步骤3的具体步骤如下： 输入测试样本数据 和步骤2中所得的肿瘤字典DT、水肿字典De和 背景字典Db，其中，N表示图像块的样本数量； 具体地，首先用η X η大小的图像块窗口，通过每次滑动一个像素，将这个切片对应的四 个模态的图像分成N个ηΧη的小图像块，并将每个小块表示成向量，再将每个小块对应的四 个模态的向量联接起来，形成一个4η2长度的向量，最后将该切片中所有小块对应的向量组 成一个矩阵.

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。