一种实现大脑白质快速分割和纤维簇数据分析的方法

摘要

本发明公开了一种实现大脑白质快速分割和纤维簇数据分析的方法，本发明将全部纤维距离数据问题替换为近邻纤维距离数据从而实现算法加速，其中寻找近邻纤维采用二叉树的方法，进而使纤维密度ρ和因子dc的计算量明显降低，解决了现有技术耗时相对较长的问题，但是很好地保证了分类准确率。

主权项

一种实现大脑白质快速分割和纤维簇数据分析的方法，其特征在于，所述实现大脑白质快速分割和纤维簇数据分析的方法包括：步骤100，大脑纤维簇数据预处理，利用现有的医学图像处理工具将大脑三维图像数据转化为tensor图像,在tensor图像中标注出需要进行聚类和分割的大脑纤维簇，并将每条纤维均分为p‑1段，找出相应的p个节点，记录这p个节点位置，作为该纤维的表示，即将纤维离散化表示成f＝(x₁,x₂,...,x_p‑1,x_p)；步骤200，对步骤100所得的纤维数据进行纤维的聚类和分割，包括以下过程：步骤201，计算每两条纤维之间的距离得到距离矩阵distMat；步骤202，找到每条纤维的K近邻；步骤203，计算dc因子；步骤204，计算每条纤维的密度，作为该纤维的一个描述子；步骤205，将纤维按密度值降序排列，在比纤维i密度高的纤维中选取与纤维i距离最近的纤维，记录下该纤维的序号，并将相应的最小距离值作为纤维i的另一个描述子δ；步骤206，选取聚类中心；步骤207，对纤维进行分类；步骤208，根据类中各纤维的密度值设定对应类中的边界密度值，假设类中有m个不同的密度值，将类中所有纤维的密度值按升序排列，选取第(5％*m)个值作为该类的边界纤维密度，类中低于边界密度值的纤维被设定为异常值。