CN112651924B - 一种数据生成装置、方法、终端和存储介质 - Google Patents

一种数据生成装置、方法、终端和存储介质 Download PDF

Info

Publication number
CN112651924B
CN112651924B CN202011403611.2A CN202011403611A CN112651924B CN 112651924 B CN112651924 B CN 112651924B CN 202011403611 A CN202011403611 A CN 202011403611A CN 112651924 B CN112651924 B CN 112651924B
Authority
CN
China
Prior art keywords
sample
matter
map
gray
brain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011403611.2A
Other languages
English (en)
Other versions
CN112651924A (zh
Inventor
龚永杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Brainnow Medical Technology Co ltd
Original Assignee
Shenzhen Brainnow Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Brainnow Medical Technology Co ltd filed Critical Shenzhen Brainnow Medical Technology Co ltd
Priority to CN202011403611.2A priority Critical patent/CN112651924B/zh
Publication of CN112651924A publication Critical patent/CN112651924A/zh
Application granted granted Critical
Publication of CN112651924B publication Critical patent/CN112651924B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请适用于图像处理领域，提供了一种数据生成装置、方法、终端和存储介质。其中，该数据生成方法包括：获取样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图；获取待测对象的待测T1W磁共振图像；根据待测T1W磁共振图像，确定待测对象的大脑灰质的灰质概率图，及待测对象的大脑灰白质交界的第一灰白质交界图；根据灰质概率图和样本灰质分割图确定待测对象的灰质延伸图；根据第一灰白质交界图和样本灰白质交界图确定待测对象的第二灰白质交界图；根据灰质延伸图和第二灰白质交界图，生成综合特征数据。本申请的实施例可以提高FCD病灶定位的数据的可靠性，进而帮助准确定位病灶。

Description

一种数据生成装置、方法、终端和存储介质
技术领域
本申请属于图像处理领域，尤其涉及一种数据生成装置、方法、终端和存储介质。
背景技术
局灶性皮层发育不良(Focal cortical dysplasia，FCD)是指局部性的脑皮质神经元移行障碍或细胞增殖不正常，是导致难治性癫痫的最常见病因。病理表现为局部脑皮层结构紊乱，出现异常的细胞增生。组织学上的表现为出现有不同程度的白质内异位神经元、髓鞘化神经纤维数量减少和反应性神经胶质增生。局灶性皮层发育不良引起的癫痫一般最先以药物控制，对药物未能有效控制的局灶性皮层发育不良，大部分的病人可通过手术切除致痫病灶达到良好的治疗效果。因此，能在术前准确定位致痫病灶的位置对手术的成功是不可或缺的。
然而，目前进行FCD病灶定位的数据的可靠性较低，导致病灶定位精确度低，容易出现对病灶漏诊的情况。
发明内容
本申请实施例提供一种数据生成装置、方法、终端和存储介质，可以解决目前进行FCD病灶定位的数据可靠性低的问题。
本申请实施例第一方面提供一种数据生成方法，包括：
获取样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图；
获取待测磁共振图像，所述待测磁共振图像为待测对象的大脑磁共振图像，所述待测磁共振图像包含待测T1W磁共振图像；
根据所述待测T1W磁共振图像，确定所述待测对象的大脑灰质的灰质概率图，及所述待测对象的大脑灰白质交界的第一灰白质交界图；
根据所述灰质概率图和所述样本灰质分割图确定所述待测对象的灰质延伸图；
根据所述第一灰白质交界图和所述样本灰白质交界图确定所述待测对象的第二灰白质交界图；
根据所述灰质延伸图和所述第二灰白质交界图，生成综合特征数据。
本申请实施例第二方面提供的一种数据生成装置，包括：
样本图像获取单元，用于获取样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图；
待测图像获取单元，用于获取待测磁共振图像，所述待测磁共振图像为待测对象的大脑磁共振图像，所述待测磁共振图像包含待测T1W磁共振图像；
待测图像处理单元，用于根据所述待测T1W磁共振图像，确定所述待测对象的大脑灰质的灰质概率图，及所述待测对象的大脑灰白质交界的第一灰白质交界图；
第一确定单元，用于根据所述灰质概率图和所述样本灰质分割图确定所述待测对象的灰质延伸图；
第二确定单元，用于根据所述第一灰白质交界图和所述样本灰白质交界图确定所述待测对象的第二灰白质交界图；
数据生成单元，用于根据所述灰质延伸图和所述第二灰白质交界图，生成综合特征数据。
本申请实施例第三方面提供一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例第五方面提供了一种计算机程序产品，当计算机程序产品在终端上运行时，使得终端执行时实现方法的步骤。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本申请实施例中，同时考虑了T1W磁共振图像中大脑灰质和大脑灰白质交界两个不同的特征，通过对正常人群的样本图像和待测对象的待测T1W磁共振图像进行比对，得到灰质延伸图和第二灰白质交界图，并根据灰质延伸图和第二灰白质交界图生成综合特征数据，由于该综合特征数据结合了大脑灰质的特征和大脑灰白质交界的特征，根据综合特征数据进行病灶定位，能够避免只通过单个特征定位病灶时出现的漏诊问题，因此，本申请的方案提高了用于病灶定位的数据的数据可靠性，进而提高了病灶定位的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种数据生成方法的实现流程示意图；
图2是本申请实施例提供的步骤S101的具体实现流程示意图；
图3是本申请实施例提供的步骤S202的具体实现流程示意图；
图4是本申请实施例提供的步骤S203的具体实现流程示意图；
图5是本申请实施例提供的灰质均值模板的示意图；
图6是本申请实施例提供的灰质标准差模板的示意图；
图7是本申请实施例提供的步骤S204的具体实现流程示意图；
图8是本申请实施例提供的样本灰白质均值模板的示意图；
图9是本申请实施例提供的样本灰白质标准差模板的示意图；
图10是本申请实施例提供的灰质概率图的示意图；
图11是本申请实施例提供的一种数据生成装置的结构示意图；
图12是本申请实施例提供的终端的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
局灶性皮层发育不良(Focal cortical dysplasia，FCD)是指局部性的脑皮质神经元移行障碍或细胞增殖不正常，是导致难治性癫痫的最常见病因。病理表现为局部脑皮层结构紊乱，出现异常的细胞增生。组织学上的表现为出现有不同程度的白质内异位神经元、髓鞘化神经纤维数量减少和反应性神经胶质增生。局灶性皮层发育不良引起的癫痫一般最先以药物控制，对药物未能有效控制的局灶性皮层发育不良，大部分的病人可通过手术切除致痫病灶达到良好的治疗效果。因此，能在术前准确定位致痫病灶的位置对手术的成功是不可或缺的。
然而，目前进行FCD病灶定位的数据的可靠性较低，导致病灶定位精确度低，容易出现对病灶漏诊的情况。
为了说明本申请的技术方案，下面通过具体实施例来进行说明。
图1示出了本申请实施例提供的一种数据生成方法的实现流程示意图，该方法可以应用于终端，可适用于需提高进行FCD病灶定位的数据的可靠性的情形。其中，上述终端可以为电脑、智能手机等终端。
具体的，上述数据生成方法可以包括以下步骤S101至步骤S106。
步骤S101，获取样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图。
其中，上述样本大脑是指不患有FCD的正常人群的大脑。在本申请的实施方式中，需要根据样本大脑的数据，从待测对象的数据中确定出待测对象与上述样本大脑的数据对应的多个特征，进而生成携带有上述多个特征的结合数据，以根据结合数据进行FCD病灶定位。
具体的，上述样本大脑的数据可以包括样本灰质分割图和样本灰白质交界图。上述样本灰质分割图是指样本大脑中大脑灰质的图像；上述样本灰白质交界图则是指样本大脑中大脑灰白质交界的特征图像。在本申请的实施方式中，通过获取大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图，可以从待测对象的数据中确定出待测对象的大脑灰质特征和大脑灰白质交界特征。
其中，上述样本灰质分割图及样本灰白质交界图的获取方式可以根据实际情况进行选择。例如上述终端可以通过获取由云端上传或在本地存储的图像，也可以获取由与上述终端连接的其他设备对样本对象进行采集得到的磁共振图像，然后，对获取到的磁共振图像进行处理得到上述样本灰质分割图及样本灰白质交界图。
步骤S102，获取待测磁共振图像。
其中，待测磁共振图像为待测对象的大脑磁共振图像(Magnetic ResonanceImaging，MRI)。一般地，磁共振图像可以包括T1W磁共振图像(T1-weighted MRI,T1W MRI)、T2W磁共振图像(T2-weighted MRI，T2W MRI)、质子密度加权像(proton density weightedMRI，PdW MRI)、T2-液体衰减反转恢复图(T2-fluid attenuated inversion recoveryMRI，T2-FLAIR MRI)等等。实际应用中，医生可以根据实际需要选取一种或多种磁共振图像进行疾病诊断。而在本申请的实施方式中，上述待测磁共振图像可以包含待测T1W磁共振图像。由上述终端根据待测对象的待测T1W磁共振图像生成辅助进行FCD病灶定位的数据。
同样的，上述待测磁共振图像的获取方式可以根据实际情况进行选择。例如上述终端可以通过获取经云端上传或在本地存储的图像，也可以获取由与上述终端连接的其他设备对待测对象进行采集得到的磁共振图像，然后对获取到的磁共振图像进行处理得到上述待测磁共振图像。
步骤S103，根据待测T1W磁共振图像，确定待测对象的大脑灰质的灰质概率图，及待测对象的大脑灰白质交界的第一灰白质交界图。
其中，上述灰质概率图用于表示T1W磁共振图像中各个立体像素点属于大脑灰质的概率，在灰质概率图中立体像素点的信号值表示该立体像素点属于大脑灰质的概率。上述第一灰白质交界图用于表示T1W磁共振图像中的大脑灰白质交界，在第一灰白质交界图中立体像素点的信号值可以用于判断该立体像素点是否属于灰白质交界对应的立体像素点。
由于T1W磁共振图像是采用小于500ms的重复时间(repetition time，TR)和小于25ms的回波时间(echo time，TE)的序列进行扫描得到的。在取短TR进行扫描时，大脑灰质、大脑白质、脑脊液等长T1组织在给定TR时间内的弛豫量相对较少，长T1组织则因饱和而不能吸收太多的能量，组织间信号强度的变化使图像的T1对比度得到增强。因此，在T1W磁共振图像中脑灰质、大脑白质、脑脊液等不同组织具有不同的信号。在本申请的实施方式中，可以利用T1W磁共振图像各个立体像素点的信号值，确定上述灰质概率图和第一灰白质交界图。
步骤S104，根据灰质概率图和样本灰质分割图确定待测对象的灰质延伸图。
其中，上述灰质延伸图用于辅助判断待测对象是否存在局灶性皮质增厚的现象。皮质厚度是反映大脑皮层上的灰质内表面与外表面之间的距离信息。在本申请的实施方式中，可以根据待测对象的灰质概率图和样本对象的样本灰质分割图，确定上述待测对象的灰质延伸图。在灰质延伸图中，立体像素点的信号值越大，则说明该立体像素点对应位置皮质增厚的可能性越大。
步骤S105，根据第一灰白质交界图和样本灰白质交界图确定待测对象的第二灰白质交界图。
其中，上述第二灰白质交界图用于辅助判断待测对象是否存在大脑灰白质之间边界不清的现象。在本申请的实施方式中，可以根据待测对象的第一灰白质交界图和样本对象的样本灰白质交界图，确定上述待测对象的第二灰白质交界图。而在第二灰白质交界图中，立体像素点的信号值越大则说明该立体像素点对应位置属于大脑灰白质之间边界不清的情况的可能性越大。
步骤S106，根据灰质延伸图和第二灰白质交界图，生成综合特征数据。
在本申请的实施方式中，由于FCD病灶在T1W磁共振图像中的主要表现为局灶性皮质增厚和灰白质之间的边界不清，因此，本申请可以根据灰质延伸图和第二灰白质交界图，生成综合特征数据，该数据结合了T1W磁共振图像中的大脑灰质特征和大脑灰白质交界特征，可以同时判断待测对象的T1W磁共振图像中是否出现局灶性皮质增厚和灰白质之间的边界不清的情况，因此能够更加可靠地辅助进行病灶定位。
其中，上述综合特征数据的形式可以根据实际情况进行选择，例如可以取在灰质延伸图和第二灰白质交界图中同一立体像素点的信号最大值，并利用信号最大值生成特征矩阵，然后将得到的特征矩阵作为综合特征数据。
为了方便进行定位，还可以根据信号最大值生成综合特征图。具体的，在本申请的另一些实施方式中，若上述综合特征数据为综合特征图，则在上述根据灰质延伸图和第二灰白质交界图，生成综合特征数据的过程中，对灰质延伸图中的单个立体像素点的操作，可以包括：将该立体像素点的信号值，和该立体像素点在第二灰白质交界图中对应的立体像素点的信号值中的最大值，确认为该立体像素点在综合特征图对应的立体像素点的信号值。此时在综合特征图中，立体像素点的信号越大，表示该立体像素点对应位置存在局灶性皮质增厚和灰白质之间的边界不清中的至少一种情况的可能性越大。
以上述综合特征数据为综合特征图为例进行说明，获取到综合特征图之后，可以将综合特征图中信号大于预设阈值的区域确认为病灶所在的位置。为了更加精准地得出病灶位置，可以将综合特征图覆盖在T1W磁共振图像上，通过调整对比度和透明度的方式，使得两张图片产生叠加效果，此时可以在叠加后的图像中更清楚地找到病灶位置。亦或者，还可以获取待测对象的脑电图，依据脑电图和综合特征图结合进行病灶定位。
本申请实施例中，同时考虑了T1W磁共振图像中大脑灰质和大脑灰白质交界两个不同的特征，通过对正常人群的样本图像和待测对象的待测T1W磁共振图像进行比对，得到灰质延伸图和第二灰白质交界图，并根据灰质延伸图和第二灰白质交界图生成综合特征数据，由于该综合特征数据结合了大脑灰质的特征和大脑灰白质交界的特征，根据综合特征数据进行病灶定位，能够避免只通过单个特征定位病灶时出现的漏诊问题，因此，本申请的方案提高了用于病灶定位的数据的数据可靠性，进而提高了病灶定位的准确性。
为了进一步提高病灶定位的精确性，在本申请的一些实施方式中，上述待测磁共振图像还包含T2-液体衰减反转恢复图，在生成综合特征数据之后，还可以包括：根据综合特征数据和T2-液体衰减反转恢复图，生成结合数据。
即，在生成综合数据之后，将综合数据与T2-液体衰减反转恢复图进行结合，生成可靠性更高的结合数据。
在本申请的一些实施方式中，由于FCD病灶在T2-液体衰减反转恢复图中的主要表现为白质高信号，在上述T2-液体衰减反转恢复图中立体像素点的信号越大，表示存在白质高信号的可能性越大。因此，在生成综合特征数据之后，上述终端可以进一步根据综合特征数据和T2-液体衰减反转恢复图，生成结合数据。
同样的，上述结合数据的形式可以根据实际情况进行选择，例如可以取在灰质延伸图和第二灰白质交界图中同一立体像素点的信号最大值，并利用信号最大值和在T2-液体衰减反转恢复图中该像素点的信号值求和，根据得到的和生成特征矩阵，然后将得到的特征矩阵作为结合数据。
为了方便进行诊断，在本申请的一些实施方式中，上述终端也可以将立体像素点在综合特征图中的信号值，与在T2-液体衰减反转恢复图中该像素点的信号值求和，将和作为该立体像素点在结合图中的信号值，最终得到一张完整的结合图像。此时在结合图像中，立体像素点的信号越大，表示该立体像素点对应位置存在在T1W磁共振图像中局灶性皮质增厚、在T1W磁共振图像中灰白质之间的边界不清，和在T2-液体衰减反转恢复图中白质高信号三者中至少一种情况的可能性越大。
以上述结合数据为结合图像为例进行说明，当获取到结合图像之后，可以将结合图像中信号大于预设阈值的区域确认为病灶所在的位置。为了更加精准地得出病灶位置，可以将结合图像覆盖在T1W磁共振图像上，通过调整对比度和透明度的方式，使得两张图片产生叠加效果，此时可以在叠加后的图像中更清楚地找到病灶位置。亦或者，还可以获取待测对象的脑电图，依据脑电图和结合图像结合进行病灶定位。
在本申请的一些实施例中，由于结合数据同时体现了在T1W磁共振图像中皮质增厚和灰白质之间的边界不清，以及在T2-液体衰减反转恢复图白质高信号三种不同的特征，因此，数据可靠性较高。在利用结合数据进行病灶定位，能够避免只通过单个特征定位病灶时出现漏诊的问题，进一步提高了病灶定位的准确性。
在本申请的一些实施方式中，如图2所示，上述步骤S101可以包括以下步骤S201至步骤S204。
步骤S201，获取样本大脑的样本T1W磁共振图像。
其中，上述样本T1W磁共振图像可以参看前述待测T1W磁共振图像的获取方式。在本申请的一些实施方式中，通过获取样本大脑的样本T1W磁共振图像，并对样本T1W磁共振图像进行处理，可以得到样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图。
步骤S202，根据样本T1W磁共振图像，确定样本灰质分割图，和样本大脑的大脑白质的样本白质分割图。
在本申请的一些实施方式中，由于在T1W磁共振图像中大脑灰质、大脑白质和脑脊液具有不同的信号，因此可以从T1W磁共振图像中分割出大脑灰质的样本灰质分割图和样本大脑的大脑白质的样本白质分割图。
具体的，如图3所示，在本申请的一些实施方式中，上述根据样本T1W磁共振图像，确定样本灰质分割图，和样本大脑的大脑白质的样本白质分割图，可以包括以下步骤S301至步骤S305。
步骤S301，对样本T1W磁共振图像进行坐标转换，将样本T1W磁共振图像配准到标准模板上，得到第一图像。
具体的，可以对上述样本T1W磁共振图像进行反射转换和变形转换，将其配准(Normalize)到标准模板上，配准后得到第一图像。上述标准模板是指大脑的标准空间模板，例如可以为MNI模板或者Talairach模板。
步骤S302，利用最大期望算法计算第一图像中各个立体像素点为大脑灰质对应的立体像素点的第一概率，和第一图像中各个立体像素点为大脑白质对应的立体像素点的第二概率，以及第一图像中各个立体像素点为脑脊液对应的立体像素点的第三概率。
具体的，以上述标准模板为MNI模板进行说明，在本申请的一些实施方式中，可以获取由MNI模板提供的大脑灰质、大脑白质以及脑脊液概率图作为初始概率值，利用最大期望算法，可以计算出第一图像中各个立体像素点为大脑灰质对应的立体像素点的第一概率，和第一图像中各个立体像素点为大脑白质对应的立体像素点的第二概率，以及第一图像中各个立体像素点为脑脊液对应的立体像素点的第三概率。
需要说明的是，为了减小分割得到的图像的误差，在本申请的一些实施方式中，在得到第一图像后，可以获取大脑掩模，并利用该大脑掩模，去除掩模外的噪声，即去除磁共振影像中颅骨等非大脑结构，得到第二图像。然后计算第二图像中各个立体像素点为大脑灰质对应的立体像素点的第一概率，和各个立体像素点为大脑白质对应的立体像素点的第二概率，以及各个立体像素点为脑脊液对应的立体像素点的第三概率，使得分割结果更加准确。
步骤S303，根据第一概率、第二概率和第三概率，确定第一图像中大脑灰质对应的灰质立体像素点和大脑白质对应的白质立体像素点。
具体的，在本申请的一些实施方式中，对于单个立体像素点，通过步骤S302可以得到该立体像素点的第一概率、第二概率和第三概率。若该立体像素点的第一概率同时大于第二概率和第三概率，则可以将该立体像素点确定为大脑灰质对应的灰质立体像素点。若该立体像素点的第二概率同时大于第一概率和第三概率，则可以将该立体像素点确定为大脑白质对应的白质立体像素点。若该立体像素点的第三概率同时大于第一概率和第二概率，则可以将该立体像素点确定为脑脊髓对应的脑脊髓立体像素点。
步骤S304，从第一图像中保留灰质立体像素点，得到样本灰质分割图。
步骤S305，从第一图像中保留白质立体像素点，得到样本白质分割图。
也就是说，对于第一图像，在确定出各个像素点是属于灰质立体像素点、白质立体像素点或者脑脊髓立体像素点中的一个之后，可以从第一图像中保留灰质立体像素点，进而分割出样本灰质分割图。同样的，也可以从第一图像中保留白质立体像素点，进而分割样本白质分割图。
需要说明的是，若前述计算第一概率、第二概率和第三概率时，是根据第二图像计算得到的，则上述步骤S304和步骤S305，同样可以是从第二图像中保留灰质立体像素点，得到样本灰质分割图，以及从第二图像中保留白质立体像素点，得到样本白质分割图。此时，得到的样本灰质分割图与样本白质分割图精度更高，对应的综合特征数据可靠性也会更高。
步骤S203，根据样本灰质分割图和样本白质分割图，计算样本大脑的大脑灰白质交界的立体像素值边界。
其中，上述立体像素值边界是指大脑灰质与灰白质交界之间的信号边界值和大脑白质与灰白质交界之间的信号边界值。也就是说，当立体像素点的信号位于立体像素值边界的范围之内，则表示该立体像素点属于灰白质交界对应的立体像素点。
为了进一步提高综合特征数据的可靠性，在本申请的一些实施方式中，样本大脑的数量大于1，上述获取样本大脑的样本T1W磁共振图像，包括：分别获取各个样本大脑的样本T1W磁共振图像。即，在本申请的一些实施方式中，需要对多个样本大脑进行分析，得到正常人群的数据，以根据正常人群的数据提取待测对象的特征。
当获取到上述各个样本大脑的样本T1W磁共振图像之后，可以分别计算得到各个样本大脑的样本灰质分割图和样本白质分割图。此时，如图4所示，上述步骤S203可以包括以下步骤S401至步骤S407。
步骤S401，计算在标准模板中同一位置的立体像素点在各个样本对象的样本灰质分割图中信号值的第一信号值均值，得到灰质均值模板。
在本申请的一些实施方式中，对于多个样本对象的样本灰质分割图，在配准到相同的标准模板之后，标准模板中同一位置的立体像素点在不同的样本灰质分割图中会有不同的信号值。对在标准模板中同一位置的立体像素点在各个样本对象的样本灰质分割图中的信号值求均值，可以得到第一信号值均值。该第一信号值均值是指在标准模板中该第一信号值对应的位置上，正常人群的大脑灰质的信号均值。通过分别计算标准模板上各个位置的立体像素点的第一信号值均值，最终可以得到一张灰质均值模板。该灰质均值模板用于表示正常人群的大脑灰质的信号均值。图5示出了一张灰度均值模板。
步骤S402，计算在标准模板中同一位置的立体像素点在各个样本对象的样本灰质分割图中信号值的第一信号值标准差，得到灰质标准差模板。
同样的，在本申请的一些实施方式中，对在标准模板中同一位置的立体像素点在各个样本对象的样本灰质分割图中信号值求取标准差，可以得到第一信号值标准差。该第一信号值标准差是指在标准模板中该第一信号值对应的位置上，正常人群的大脑灰质的信号标准差。通过分别计算标准模板上各个位置的立体像素点第一信号值标准差，最终可以得到一张灰质标准差模板。该灰质均值模板用于表示正常人群的大脑灰质的信号标准差。图6示出了一张灰质标准差模板。
步骤S403，根据灰质均值模板和灰质标准差模板，计算灰白质交界的立体像素值的下限阈值。
具体的，在本申请的一些实施方式中，对于标准模板上的某一位置的立体像素点，可以根据公式计算该位置上立体像素点对应的灰白质交界下限阈值。其中，A表示灰白质交界下限阈值；/>表示灰质均值模板中该位置上立体像素点的信号值；ωx表示第一权重值，用于计算灰质与灰白质交界的边界，其取值可以根据实际情况进行选择，在本申请的一些实施方式中，该第一权重值可以取0.5；σx表示灰质标准差模板中该位置上立体像素点的信号值。即对于某一位置的立体像素点，其灰白质交界的信号值的下限阈值等于第一权重值与该位置立体像素点对应的灰质信号标准差的积，和该位置立体像素点对应的灰质信号均值的和。
步骤S404，计算在标准模板中同一位置的立体像素点在各个样本对象的样本白质分割图中信号值的第二信号值均值，得到白质均值模板。
步骤S405，计算在标准模板中同一位置的立体像素点在各个样本对象的样本白质分割图中信号值的第二信号值标准差，得到白质标准差模板。
相应的，上述步骤S404至步骤S405的具体实现方式可以参看前述步骤S401至步骤S402，步骤S404至步骤S405和步骤S401至步骤S402之间的区别仅在于所使用的图像的不同，即步骤S401至步骤S402中使用的是样本灰质分割图，因此得到的是大脑灰质的灰质均值模板和灰质标准差模板，而步骤S404至步骤S405中使用的是样本白质分割图，因此得到的是大脑白质的白质均值模板和白质标准差模板。
步骤S406，根据白质均值模板和白质标准差模板，计算灰白质交界的立体像素值的上限阈值。
具体的，在本申请的一些实施方式中，对于标准模板上的某一位置的立体像素点，可以根据公式计算该位置上立体像素点对应的灰白质交界上限阈值。其中，A表示灰白质交界上限阈值；/>表示白质均值模板中该位置上立体像素点的信号值；ωy表示第二权重值，用于计算白质与灰白质交界的边界，其取值可以根据实际情况进行选择，在本申请的一些实施方式中，该第二权重值也可以取0.5；σy表示白质标准差模板中该位置上立体像素点的信号值。即对于某一位置的立体像素点，其灰白质交界的信号值的上限阈值等于第二权重值与该位置上的立体像素点对应的白质信号标准差的积，和该位置上的立体像素点对应的白质信号均值的和。
步骤S407，根据下限阈值和上限阈值，确定样本大脑的大脑灰白质交界的立体像素值边界。
在本申请的一些实施方式中，在计算得到下限阈值和上限阈值之后，上述下限阈值和上限阈值分别对应一个立体像素值边界。通过前述说明可知，若某一立体像素点的信号值小于下限阈值，则表示该立体像素点属于灰质或信号值比灰质更低的其他组织对应的立体像素点；若某一立体像素点的信号值大于上限阈值，则表示该立体像素点属于白质或信号值比白质更高的其他组织对应的立体像素点。若某一立体像素点的信号值在立体像素值边界范围内，即大于等于下限阈值且小于等于上限阈值，则表示该立体像素点属于灰白质交界对应的立体像素点。
步骤S204，根据立体像素值边界和样本T1W磁共振图像，确定样本灰白质交界图。
在本申请的一些实施方式中，在确定出立体像素值边界之后，可以根据立体像素值边界，对样本T1W磁共振图像中的每个立体像素点进行处理，以确定每个立体像素点是否属于灰白质交界对应的立体像素点，最终得到样本灰白质交界图。
在本申请的一些实施方式中，上述样本灰白质交界图可以包括样本灰白质均值模板和样本灰白质标准差模板。其中，样本灰白质均值模板用于表示正常人群的大脑灰白质交界的信号均值。样本灰白质标准差模板用于表示正常人群的大脑灰白质交界的信号标准差。
具体的，上述样本灰白质均值模板和样本灰白质标准差模板的获取方式可以根据实际情况进行选择。在本申请的一些实施方式中，如图7所示，上述样本灰白质均值模板和样本灰白质标准差模板的获取方式可以包括以下步骤S701至步骤S703。
步骤S701，分别将多个样本对象的样本T1W磁共振图像中，信号值在立体像素值边界的范围内的立体像素点的信号值设置为N，信号值在立体像素值边界的范围外的立体像素点的信号值设置为0，得到第三图像。
其中，N大于0。
在本申请的一些实施方式中，在获取到像素值边界之后，对单个样本对象的样本T1W磁共振图像，可以检测该样本T1W磁共振图像中立体像素点的信号值是否在立体像素值边界的范围内，若某一立体像素点的信号值在立体像素值边界的范围内，则可以将该信号值设置为N。若某一立体像素点的信号值在立体像素值边界的范围外，则可以将该信号值设置为0。其中，N的取值可以根据实际情况进行选择，在本申请的一些实施方式中，N可以取1，则得到的第三图像为二元图像。从上述说明可以推断出，在得到的第三图像中，信号值大于0的立体像素点即为灰白质交界对应的立体像素点。对各个样本对象的样本T1W磁共振图像均进行上述操作，可以得到多张第三图像。
步骤S702，计算同一位置的立体像素点在各个样本对象的第三图像中信号值的均值，得到样本灰白质均值模板。
在本申请的一些实施方式中，对于多个样本对象的第三图像，在同一位置的立体像素点在不同的第三图像中可能会存在一定差异。因此，对多个样本对象的第三图像在同一位置上的立体像素点的信号值求取平均值，可以得到第三信号值均值。该第三信号值均值是指该第三信号值对应的位置上，正常人群的大脑灰白质交界的信号均值。通过分别计算各个位置的立体像素点的第三信号值均值，最终可以得到一张样本灰白质均值模板。该样本灰白质均值模板上立体像素点的信号值可以用于表示正常人群的大脑灰质的信号均值。图8示出了一张样本灰白质均值模板。
步骤S703，计算同一位置的立体像素点在各个样本对象的第三图像中信号值的标准差，得到样本灰白质标准差模板。
在本申请的一些实施方式中，对于多个样本对象的第三图像，在同一位置的立体像素点在不同的第三图像中可能会存在一定差异。因此，对多个样本对象的第三图像在同一位置上的立体像素点的信号值求取保准差，可以得到第三信号值标准差。该第三信号值标准差是指该第三信号值对应的位置上，正常人群的大脑灰白质交界的信号标准差。通过分别计算各个位置的立体像素点第三信号值标准差，最终可以得到一张样本灰白质标准差模板。该样本灰白质标准差模板上的立体像素点的信号值可以用于表示正常人群的大脑灰质的信号标准差。图9示出了一张样本灰白质标准差模板。
为了使第三图像中的灰白质交界更加明显，在本申请的一些实施方式中，可以对第三图像进行信号增强。具体的，在本申请的一些实施方式中，可以利用常数矩阵，例如大小为5×5×5，常数值为1的立方体矩阵对第三图像进行卷积操作，得到卷积图像。相应的，步骤S702和步骤S703也均可以根据卷积图像得到样本灰白质均值模板和样本灰白质标准差模板。
本申请的实施方式中，通过获取多个样本对象的T1W磁共振图像，并分别对多个样本对象的T1W磁共振图像分别进行处理得到多张样本白质分割图、样本灰质分割图，可以结合多个样本对象的数据，生成灰质均值模板、灰质标准差模板、白质均值模板和白质标准差模板，避免了单个个体可能存在的特异性，能够更精准的表达整个正常人群的大脑灰质特征。同样的，基于灰质均值模板、灰质标准差模板、白质均值模板和白质标准差模板，可以计算得到多个样本对象的第三图像，并依据第三图像可以得到正常人群的样本灰白质均值模板和样本灰白质标准差模板，避免了单个个体可能存在的特异性，能够更精准的表达整个正常人群的大脑灰白质交界特征。
在本申请的一些实施方式中，在获取到待测对象的待测T1W磁共振图像之后，同样需要对待测T1W磁共振图像进行处理。具体的，可以参看前述图2至图7的描述，对待测T1W磁共振图像进行配准之后，可以计算出待测T1W磁共振图像在标准模板上各个立体像素点属于大脑灰质对应的立体像素点的第四概率。将每个立体像素点的第四概率作为立体像素点的信号值，可以得到灰质概率图。图10示出了一张灰质概率图。
参看前述图2至图7中获取第三图像或卷积图像的方式，对待测T1W磁共振图像进行处理也可以得到待测对象的大脑灰白质交界的第一灰白质交界图。
在本申请的一些实施方式中，在确定出灰质均值模板之后，可以根据灰质概率图、灰质均值模板和灰质标准差模板确定待测对象的灰质延伸图。具体的，在本申请的一些实施方式中，在上述根据灰质概率图、样本灰质分割图确定待测对象的灰质延伸图的步骤中，对灰质概率图中的单个立体像素点的操作，可以包括：将该立体像素点的信号值，与在灰质均值模板中该立体像素点对应立体像素点的信号值求第一差值；将第一差值和在灰质标准差模板中与该立体像素点对应立体像素点的信号值求第一商值，并将第一商值作为在灰质延伸图中与该立体像素点对应的立体像素点的信号值。
即利用标准分数(z分数)对灰质概率图、灰质均值模板和灰质标准差模板进行处理。对于灰质延伸图中的单个立体像素点，其信号值其中，c表示该立体像素点在灰质概率图中对应的信号值；/>表示该立体像素点在灰质均值模板中对应的信号值；σc表示该立体像素点在灰质标准差模板中对应的信号值。
在本申请的一些实施方式中，在确定出第一灰白质交界图之后，可以根据第一灰白质交界图、样本灰白质均值模板和样本灰白质标准差模板确定待测对象的第二灰白质交界图。具体的，在上述根据第一灰白质交界图、样本灰白质交界图，确定待测对象的第二灰白质交界图的过程中，对第一灰白质交界图中的单个立体像素点的操作，可以包括：将该立体像素点的信号值，和在样本灰白质均值模板中与该立体像素点对应立体像素点的信号值求第二差值；将第二差值和在样本灰白质标准差模板中与该立体像素点对应立体像素点的信号值求第二商值，并将第二商值作为在第二灰白质交界图中与该立体像素点对应的立体像素点的信号值。
即利用标准分数对第一灰白质交界图、样本灰白质均值模板和样本灰白质标准差模板进行处理。对于第二灰白质交界图中的单个立体像素点，其信号值其中，d表示该立体像素点在灰质概率图中对应的信号值；/>表示该立体像素点在灰质均值模板中对应的信号值；σd表示该立体像素点在灰质标准差模板中对应的信号值。
当上述综合帖子数据为综合特征图时，为了根据综合特征数据和T2-液体衰减反转恢复图，生成结合数据，在本申请的一些实施方式中，可以将T2-液体衰减反转恢复图配准到标准模板上，得到第四图像，并利用标准分数计算第四图像中各个立体像素点的信号值；根据第四图像和综合特征图，生成结合数据。
具体的，上述终端可以在配准T1W磁共振图像时，存储配准时所使用的参数，例如存储位移参数、缩放参数、旋转参数和/或剪切参数等。根据配准T1W磁共振图像时所使用的参数，可以将T2-液体衰减反转恢复图配准到相同的标准模板中，得到第四图像。由于上述综合特征图中的信号值是根据标准分数得到的，因此同样利用标准分数，可以将T2-液体衰减反转恢复图的信号转换至综合特征图的比例。即利用计算第四图像中各个立体像素点的信号值。其中，E表示第四图像中立体像素点的信号值，e表示该立体像素点在T2-液体衰减反转恢复图中对应的信号值；/>表示T2-液体衰减反转恢复图所有立体像素点的平均信号值；σe表示T2-液体衰减反转恢复图所有立体像素点的信号值标准差。
在本申请的一些实施方式中，在得到第四图像之后，可以将综合特征图中某一位置的立体像素点的信号值和在第四图像中该位置的立体像素点的信号值相加，得到叠加信号值，并根据叠加信号值生成上述结合数据。例如，可以生成结合图像，在结合图像中每个立体像素点的信号值等于该立体像素点对应的叠加信号值。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为根据本申请，某些步骤可以采用其它顺序进行。
如图11所示为本申请实施例提供的一种数据生成装置1100的结构示意图，所述数据生成装置1100配置于终端上。所述数据生成装置1100可以包括：样本图像获取单元1101、待测图像获取单元1102、待测图像处理单元1103、第一确定单元1104、第二确定单元1105和数据生成单元1106。
样本图像获取单元1101，用于获取样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图；
待测图像获取单元1102，用于获取待测磁共振图像，所述待测磁共振图像为待测对象的大脑磁共振图像，所述待测磁共振图像包含待测T1W磁共振图像；
待测图像处理单元1103，用于根据所述待测T1W磁共振图像，确定所述待测对象的大脑灰质的灰质概率图，及所述待测对象的大脑灰白质交界的第一灰白质交界图；
第一确定单元1104，用于根据所述灰质概率图和所述样本灰质分割图确定所述待测对象的灰质延伸图；
第二确定单元1105，用于根据所述第一灰白质交界图和所述样本灰白质交界图确定所述待测对象的第二灰白质交界图；
数据生成单元1106，用于根据所述灰质延伸图和所述第二灰白质交界图，生成综合特征数据。
在本申请的一些实施方式中，上述数据生成装置1100还包括结合单元，用于根据所述综合特征数据和所述T2-液体衰减反转恢复图，生成结合数据。
在本申请的一些实施方式中，上述样本图像获取单元1101，还具体用于获取所述样本大脑的样本T1W磁共振图像；根据所述样本T1W磁共振图像，确定所述样本灰质分割图，和所述样本大脑的大脑白质的样本白质分割图；根据所述样本灰质分割图和所述样本白质分割图，计算所述样本大脑的大脑灰白质交界的立体像素值边界；根据所述立体像素值边界和所述样本T1W磁共振图像，确定所述样本灰白质交界图。
在本申请的一些实施方式中，上述样本图像获取单元1101，还具体用于对所述样本T1W磁共振图像进行坐标转换，将所述样本T1W磁共振图像配准到标准模板上，得到第一图像；利用最大期望算法计算所述第一图像中各个立体像素点为大脑灰质对应的立体像素点的第一概率，和所述第一图像中各个立体像素点为大脑白质对应的立体像素点的第二概率，以及所述第一图像中各个立体像素点为脑脊液对应的立体像素点的第三概率；根据所述第一概率、所述第二概率和所述第三概率，确定所述第一图像中大脑灰质对应的灰质立体像素点和大脑白质对应的白质立体像素点；从所述第一图像中保留所述灰质立体像素点，得到所述样本灰质分割图；从所述第一图像中保留所述白质立体像素点，得到所述样本白质分割图。
在本申请的一些实施方式中，上述样本大脑的数量大于1，上述样本图像获取单元1101，还具体用于分别获取各个所述样本大脑的样本T1W磁共振图像；相应的，所述样本图像获取单元还具体用于：计算在标准模板中同一位置的立体像素点在各个所述样本对象的样本灰质分割图中信号值的第一信号值均值，得到灰质均值模板；计算在标准模板中同一位置的立体像素点在各个所述样本对象的样本灰质分割图中信号值的第一信号值标准差，得到灰质标准差模板；根据所述灰质均值模板和所述灰质标准差模板，计算灰白质交界的立体像素值的下限阈值；计算在标准模板中同一位置的立体像素点在各个所述样本对象的样本白质分割图中信号值的第二信号值均值，得到白质均值模板；计算在标准模板中同一位置的立体像素点在各个所述样本对象的样本白质分割图中信号值的第二信号值标准差，得到白质标准差模板；根据所述白质均值模板和所述白质标准差模板，计算灰白质交界的立体像素值的上限阈值；根据所述下限阈值和所述上限阈值，确定所述样本大脑的大脑灰白质交界的所述立体像素值边界。
在本申请的一些实施方式中，上述样本灰白质交界图包括样本灰白质均值模板，上述样本图像获取单元1101，还具体用于分别将多个所述样本对象的样本T1W磁共振图像中，信号值在所述立体像素值边界的范围内的立体像素点的信号值设置为N，信号值在所述立体像素值边界的范围外的立体像素点的信号值设置为0，得到第三图像，其中N大于0；计算同一位置的立体像素点在各个所述样本对象的第三图像中信号值的均值，得到所述样本灰白质均值模板；计算同一位置的立体像素点在各个所述样本对象的第三图像中信号值的标准差，得到所述样本灰白质标准差模板。
在本申请的一些实施方式中，上述第一确定单元1104还具体用于：对所述第一灰白质交界图中的单个立体像素点，将该立体像素点的信号值，与在所述灰质均值模板中该立体像素点对应立体像素点的信号值求第一差值；将所述第一差值和在所述灰质标准差模板中与该立体像素点对应立体像素点的信号值求第一商值，并将所述第一商值作为在所述灰质延伸图中与该立体像素点对应的立体像素点的信号值。
在本申请的一些实施方式中，上述第二确定单元1105还具体用于：对所述第一灰白质交界图中的单个立体像素点，将该立体像素点的信号值，和在所述样本灰白质均值模板中与该立体像素点对应立体像素点的信号值求第二差值；将所述第二差值和在所述样本灰白质标准差模板中与该立体像素点对应立体像素点的信号值求第二商值，并将所述第二商值作为在所述第二灰白质交界图中与该立体像素点对应的立体像素点的信号值。
在本申请的一些实施方式中，上述综合特征数据为综合特征图，上述数据生成单元1106还具体用于：对所述灰质延伸图中的单个立体像素点，将该立体像素点的信号值，和该立体像素点在所述第二灰白质交界图中对应的立体像素点的信号值中的最大值，确认为该立体像素点在所述综合特征图对应的立体像素点的信号值。
在本申请的一些实施方式中，上述综合特征数据为综合特征图；上述结合单元还具体用于将所述T2-液体衰减反转恢复图配准到标准模板上，得到第四图像，并利用标准分数计算所述第四图像中各个立体像素点的信号值；根据所述第四图像和所述综合特征图，生成所述结合数据。
需要说明的是，为描述的方便和简洁，上述数据生成装置1100的具体工作过程，可以参考图1至图10所述方法的对应过程，在此不再赘述。
如图12所示，为本申请实施例提供的一种终端的示意图。该终端12可以包括：处理器120、存储器121以及存储在所述存储器121中并可在所述处理器120上运行的计算机程序122，例如数据生成程序。所述处理器120执行所述计算机程序122时实现上述各个数据生成方法实施例中的步骤，例如图1所示的步骤S101至S106。或者，所述处理器120执行所述计算机程序122时实现上述各装置实施例中各模块/单元的功能，例如图11所示单元1101至1106的功能。
所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器121中，并由所述处理器120执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端中的执行过程。
例如，所述计算机程序可以被分割成：样本图像获取单元、待测图像获取单元、待测图像处理单元、第一确定单元、第二确定单元和数据生成单元。各单元具体功能如下：
样本图像获取单元，用于获取样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图；待测图像获取单元，用于获取待测磁共振图像，所述待测磁共振图像为待测对象的大脑磁共振图像，所述待测磁共振图像包含待测T1W磁共振图像；待测图像处理单元，用于根据所述待测T1W磁共振图像，确定所述待测对象的大脑灰质的灰质概率图，及所述待测对象的大脑灰白质交界的第一灰白质交界图；第一确定单元，用于根据所述灰质概率图和所述样本灰质分割图确定所述待测对象的灰质延伸图；第二确定单元，用于根据所述第一灰白质交界图和所述样本灰白质交界图确定所述待测对象的第二灰白质交界图；数据生成单元，用于根据所述灰质延伸图和所述第二灰白质交界图，生成综合特征数据。
所述终端可包括，但不仅限于，处理器120、存储器121。本领域技术人员可以理解，图12仅仅是终端的示例，并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器120可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器121可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器121也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器121还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器121用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器121还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种数据生成装置，其特征在于，包括：
样本图像获取单元，用于获取样本大脑的大脑灰质的样本灰质分割图，及样本大脑的大脑灰白质交界的样本灰白质交界图；
待测图像获取单元，用于获取待测磁共振图像，所述待测磁共振图像为待测对象的大脑磁共振图像，所述待测磁共振图像包含待测T1W磁共振图像；
待测图像处理单元，用于根据所述待测T1W磁共振图像，确定所述待测对象的大脑灰质的灰质概率图，及所述待测对象的大脑灰白质交界的第一灰白质交界图；
第一确定单元，用于根据所述灰质概率图和所述样本灰质分割图确定所述待测对象的灰质延伸图；
第二确定单元，用于根据所述第一灰白质交界图和所述样本灰白质交界图确定所述待测对象的第二灰白质交界图；
数据生成单元，用于根据所述灰质延伸图和所述第二灰白质交界图，生成综合特征数据；
所述样本图像获取单元还具体用于：获取各个所述样本大脑的样本T1W磁共振图像；根据所述样本T1W磁共振图像，确定所述样本灰质分割图，和所述样本大脑的大脑白质的样本白质分割图；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本灰质分割图中信号值的第一信号值均值，得到灰质均值模板；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本灰质分割图中信号值的第一信号值标准差，得到灰质标准差模板；根据所述灰质均值模板和所述灰质标准差模板，计算灰白质交界的立体像素值的下限阈值；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本白质分割图中信号值的第二信号值均值，得到白质均值模板；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本白质分割图中信号值的第二信号值标准差，得到白质标准差模板；根据所述白质均值模板和所述白质标准差模板，计算灰白质交界的立体像素值的上限阈值；根据所述下限阈值和所述上限阈值，确定所述样本大脑的大脑灰白质交界的所述立体像素值边界；根据所述立体像素值边界和所述样本T1W磁共振图像，确定所述样本灰白质交界图。
2.如权利要求1所述的数据生成装置，其特征在于，所述待测磁共振图像还包含T2-液体衰减反转恢复图；所述数据生成装置还包括结合单元，具体用于：根据所述综合特征数据和所述T2-液体衰减反转恢复图，生成结合数据。
3.如权利要求1所述的数据生成装置，其特征在于，所述样本灰白质交界图包括样本灰白质均值模板，所述样本图像获取单元还具体用于：
分别将多个所述样本大脑的样本T1W磁共振图像中，信号值在所述立体像素值边界的范围内的立体像素点的信号值设置为N，信号值在所述立体像素值边界的范围外的立体像素点的信号值设置为0，得到第三图像，其中N大于0；
计算同一位置的立体像素点在各个所述样本大脑的第三图像中信号值的均值，得到所述样本灰白质均值模板；
计算同一位置的立体像素点在各个所述样本大脑的第三图像中信号值的标准差，得到样本灰白质标准差模板。
4.如权利要求1所述的数据生成装置，其特征在于，所述第一确定单元还具体用于：
对所述灰质概率图中的单个立体像素点，将该立体像素点的信号值，与在所述灰质均值模板中该立体像素点对应立体像素点的信号值求第一差值；
将所述第一差值和在所述灰质标准差模板中与该立体像素点对应立体像素点的信号值求第一商值，并将所述第一商值作为在所述灰质延伸图中与该立体像素点对应的立体像素点的信号值。
5.如权利要求3所述的数据生成装置，其特征在于，所述第二确定单元还具体用于：
对所述第一灰白质交界图中的单个立体像素点，将该立体像素点的信号值，和在所述样本灰白质均值模板中与该立体像素点对应立体像素点的信号值求第二差值；
将所述第二差值和在所述样本灰白质标准差模板中与该立体像素点对应立体像素点的信号值求第二商值，并将所述第二商值作为在所述第二灰白质交界图中与该立体像素点对应的立体像素点的信号值。
6.如权利要求1或2所述的数据生成装置，其特征在于，所述综合特征数据为综合特征图；所述数据生成单元还具体用于：
对所述灰质延伸图中的单个立体像素点，将该立体像素点的信号值，和该立体像素点在所述第二灰白质交界图中对应的立体像素点的信号值中的最大值，确认为该立体像素点在所述综合特征图对应的立体像素点的信号值。
7.如权利要求2所述的数据生成装置，其特征在于，所述综合特征数据为综合特征图；所述结合单元还具体用于：将所述T2-液体衰减反转恢复图配准到标准模板上，得到第四图像，并利用标准分数计算所述第四图像中各个立体像素点的信号值；
根据所述第四图像和所述综合特征图，生成所述结合数据。
8.一种数据生成方法，其特征在于，包括：
获取各个样本大脑的样本T1W磁共振图像；根据所述样本T1W磁共振图像，确定样本灰质分割图，和所述样本大脑的大脑白质的样本白质分割图；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本灰质分割图中信号值的第一信号值均值，得到灰质均值模板；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本灰质分割图中信号值的第一信号值标准差，得到灰质标准差模板；根据所述灰质均值模板和所述灰质标准差模板，计算灰白质交界的立体像素值的下限阈值；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本白质分割图中信号值的第二信号值均值，得到白质均值模板；计算在标准模板中同一位置的立体像素点在各个所述样本大脑的样本白质分割图中信号值的第二信号值标准差，得到白质标准差模板；根据所述白质均值模板和所述白质标准差模板，计算灰白质交界的立体像素值的上限阈值；根据所述下限阈值和所述上限阈值，确定所述样本大脑的大脑灰白质交界的所述立体像素值边界；根据所述立体像素值边界和所述样本T1W磁共振图像，确定所述样本灰白质交界图；
获取待测磁共振图像，所述待测磁共振图像为待测对象的大脑磁共振图像，所述待测磁共振图像包含待测T1W磁共振图像；
根据所述待测T1W磁共振图像，确定所述待测对象的大脑灰质的灰质概率图，及所述待测对象的大脑灰白质交界的第一灰白质交界图；
根据所述灰质概率图和所述样本灰质分割图确定所述待测对象的灰质延伸图；
根据所述第一灰白质交界图和所述样本灰白质交界图确定所述待测对象的第二灰白质交界图；
根据所述灰质延伸图和所述第二灰白质交界图，生成综合特征数据。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求8所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求8所述方法的步骤。
CN202011403611.2A 2020-12-04 2020-12-04 一种数据生成装置、方法、终端和存储介质 Active CN112651924B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011403611.2A CN112651924B (zh) 2020-12-04 2020-12-04 一种数据生成装置、方法、终端和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011403611.2A CN112651924B (zh) 2020-12-04 2020-12-04 一种数据生成装置、方法、终端和存储介质

Publications (2)

Publication Number Publication Date
CN112651924A CN112651924A (zh) 2021-04-13
CN112651924B true CN112651924B (zh) 2024-03-26

Family

ID=75350160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011403611.2A Active CN112651924B (zh) 2020-12-04 2020-12-04 一种数据生成装置、方法、终端和存储介质

Country Status (1)

Country Link
CN (1) CN112651924B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011040473A1 (ja) * 2009-09-29 2011-04-07 大日本印刷株式会社 医用画像処理方法、装置およびプログラム
WO2013049684A1 (en) * 2011-09-30 2013-04-04 Ge Healthcare Limited Variable-depth stereotactic surface projections
CN103826536A (zh) * 2011-09-26 2014-05-28 大日本印刷株式会社 医用图像处理装置、医用图像处理方法、程序
CN105976393A (zh) * 2016-05-30 2016-09-28 北京理工大学 大脑局灶性病变自动探测方法及装置
CN111105421A (zh) * 2019-11-29 2020-05-05 上海联影智能医疗科技有限公司 一种脑白质高信号分割方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011040473A1 (ja) * 2009-09-29 2011-04-07 大日本印刷株式会社 医用画像処理方法、装置およびプログラム
CN103826536A (zh) * 2011-09-26 2014-05-28 大日本印刷株式会社 医用图像处理装置、医用图像处理方法、程序
WO2013049684A1 (en) * 2011-09-30 2013-04-04 Ge Healthcare Limited Variable-depth stereotactic surface projections
CN105976393A (zh) * 2016-05-30 2016-09-28 北京理工大学 大脑局灶性病变自动探测方法及装置
CN111105421A (zh) * 2019-11-29 2020-05-05 上海联影智能医疗科技有限公司 一种脑白质高信号分割方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112651924A (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN111507381B (zh) 图像识别方法及相关装置、设备
Pengas et al. Comparative reliability of total intracranial volume estimation methods and the influence of atrophy in a longitudinal semantic dementia cohort
US9361686B2 (en) Method and apparatus for the assessment of medical images
CN109410221B (zh) 脑灌注图像分割方法、装置、服务器和存储介质
CN111354001B (zh) 脑肿瘤图像分割方法、装置和存储介质
JP2023540910A (ja) 病変検出のための共同訓練を伴う接続機械学習モデル
CN110717905B (zh) 脑部图像检测方法、计算机设备和存储介质
CN108765447B (zh) 一种图像分割方法、图像分割装置及电子设备
CN110598696B (zh) 医学图像扫描定位方法、医学图像扫描方法和计算机设备
CN111462115B (zh) 医学图像显示方法、装置和计算机设备
CN111537931B (zh) 快速磁共振多参数成像方法和装置
CN112435266B (zh) 一种图像分割方法、终端设备及计算机可读存储介质
CN110751187B (zh) 异常区域图像生成网络的训练方法和相关产品
CN116681790B (zh) 一种超声造影图像生成模型的训练方法及图像的生成方法
CN116664713B (zh) 一种超声造影图像生成模型的训练方法及图像的生成方法
CN111178502A (zh) 循环生成对抗网络模型的训练方法、系统以及电子设备
CN114119546A (zh) 检测mri影像的方法及装置
CN112651924B (zh) 一种数据生成装置、方法、终端和存储介质
EP3963545A1 (en) Mri post-processing systems and methods
CN116823663A (zh) 基于神经网络的血管图像处理方法和装置
Ravi et al. Accelerated MRI using intelligent protocolling and subject-specific denoising applied to Alzheimer's disease imaging
CN114494014A (zh) 一种磁共振图像超分辨率重建方法及装置
Huang et al. Synthetic‐to‐real domain adaptation with deep learning for fitting the intravoxel incoherent motion model of diffusion‐weighted imaging
CN113838557A (zh) 一种医学影像三维重建模拟方法及系统
CN111080572A (zh) 白质高信号定位方法、装置、设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant