[发明专利]基于脑部数据统计分析的立体图像生成方法及系统

说明书

本发明提出了一种基于脑部数据统计分析的立体图像生成方法及系统，所述方法包括以下步骤：步骤S1：接收SPM输出的第一平面图像，计算得到激活区域的参数数据；步骤S2：根据激活区域的参数数据计算第一平面图像中特征像素的凸凹参数，根据该特征像素的凸凹参数计算该第一平面图像上每个像素对应的凸凹参数；步骤S3：将第一平面图像上各像素对应的凸凹参数转化为偏移参数，对第一平面图像上每个像素进行偏移，得到第二平面图像；步骤S4：合并所述第一平面图像和第二平面图像，生成立体图像。本发明实现了直观显示不同区域的脑部数据的变化，便于识别脑部的增高减低区域，提高脑部数据统计分析的准确度及分析效率。

技术领域

本发明涉及医学检测技术领域，特别涉及一种基于脑部数据统计分析的立体图像生成方法及系统。

背景技术

随着医学技术的发展，医学影像技术已经越来越多地被应用到实际医学研究及临床治疗中。而神经影像SPM（Statistical Parametric Mapping）软件是由UCL(UniversityCollege London)的Wellcome Trust Centre中心的成员及其合作者开发的应用于神经影像的软件。SPM是用来验证功能影像数据假说的一种能创建和评估的空间的统计方法，其主要目的是对被试间或者被试内的不同成像结果作比较，得出一个具有统计学意义的结果，SPM指的是统计参数图像，也就是这个软件的最终输出。它对所有成像数据的每一个像素点都分别计算，得出包含有每个像素点参数值的图像，这个参数图像是许多单次扫描图像所包含信息的精简和压缩。目前SPM版本可用来分析fMRI（Functional Magnetic ResonanceImaging，功能磁共振成像），PET(Positron Emission Tomography，正电子发射断层扫描)，SPECT（单光子发射计算机化断层显像），EEG（electroencephalo- graph，脑电图）和MEG（magnetoencephalogram，脑磁图）。

SPM的主要贡献是解决了不同图像数据间的比较问题，给出了具有统计学意义的结果。对大多数的成像技术(比如fMRI，PET，EEG等)所得的数据，我们都会遇到两个关键的问题，第一是不知道应该用什么统计模型来处理分析：首先，难以判断所采集数据的分布形式；其次，成像技术的空间分辨率不够高，使得每个体素都包含了周围组织的信息；另外，数据预处理过程中的对齐，又使得每个体素和周围的体素产生了更大的关联。鉴于上述原因，我们无法用普通的统计分布模型(比如泊松分布，高斯分布等)来处理这些数据。第二是由于体素之间的关联性，我们在做多组图像数据的比较时，有必要对结果作矫正。

发明内容

本发明的目的是提出一种基于脑部数据统计分析的立体图像生成方法及系统，能直观显示不同区域的脑部数据的变化，便于识别脑部的增高减低区域，提高脑部数据统计分析的准确度及有效性。

为达到上述目的，本发明提出了一种基于脑部数据统计分析的立体图像生成方法，包括以下步骤：

步骤S1：接收SPM输出的第一平面图像，计算得到激活区域的参数数据；

步骤S2：根据激活区域的参数数据计算第一平面图像中特征像素的凸凹参数，根据该特征像素的凸凹参数计算该第一平面图像上每个像素对应的凸凹参数；

步骤S3：将第一平面图像上各像素对应的凸凹参数转化为偏移参数，对第一平面图像上每个像素进行偏移，得到第二平面图像；

步骤S4：合并所述第一平面图像和第二平面图像，生成立体图像。

进一步，在上述的基于脑部数据统计分析的立体图像生成方法中，所述步骤S3还包括：

根据所述参数数据的变化趋势，以第一颜色或第二颜色显示第一平面图像上进行偏移的像素区域，得到第二平面图像。

进一步，在上述的基于脑部数据统计分析的立体图像生成方法中，所述步骤S3具体包括：