1.一种用于通过磁共振（mr）扫描仪根据多参数成像来表征肿瘤组织的方法，所述方法包括：
由所述mr扫描仪来扫描患者，所述扫描包括所述患者的结构、扩散和光谱测量；
在两个或更多个类的肿瘤类型之间对所述患者的肿瘤组织进行分类，所述分类是通过机器学习分类器响应于所述结构、扩散和光谱测量的输入进行的；以及
显示基于所述两个或更多个类而分割的肿瘤组织的图像。
2.根据权利要求1所述的方法，其中扫描包括：以结构测量来进行扫描，所述结构测量包括t1、t2、flair和t1对比后测量中的两个或更多个。
3.根据权利要求1所述的方法，其中扫描包括：以扩散测量来进行扫描，所述扩散测量包括扩散张量成像（dti）轴向扩散率、dti分数各向异性、dti平均扩散率和扩散加权成像（dwi）b0测量中的两个或更多个。
4.根据权利要求1所述的方法，其中扫描包括：以光谱测量来进行扫描，所述光谱测量包括n-乙酰基天门冬氨酸、肌酸、乳酸盐、水、糖浆、肌醇和胆碱测量中的两个或更多个。
5.根据权利要求1所述的方法，其中分类包括：由包括完全连接的神经网络的机器学习分类器来进行分类。
6.根据权利要求1所述的方法，其中分类包括：通过针对与所述测量不同的位置逐片块地应用所述机器学习分类器来进行分类。
7.根据权利要求1所述的方法，其中分类包括：作为增强的、水肿、坏死和腔肿瘤类型进行分类。
8.根据权利要求1所述的方法，其中分类包括：在所述两个或更多个类的肿瘤类型与一类正常组织之间进行分类。
9.根据权利要求1所述的方法，其中分类包括：由所述机器学习分类器响应于所述结构、扩散和光谱测量的输入和正常组织掩码来进行分类。
10.根据权利要求1所述的方法，进一步包括：在被输入到所述机器学习分类器之前，所述患者的结构、扩散和光谱测量被共同配准。
11.根据权利要求1所述的方法，进一步包括定位所述肿瘤组织，其中分类包括：对所述肿瘤组织和邻近所述肿瘤组织的组织进行分类，而不对与邻近所述肿瘤组织的组织间隔开的组织进行分类。
12.根据权利要求1所述的方法，其中扫描包括扫描所述患者的脑部，并且其中分类包括将所述肿瘤组织分类为脑肿瘤组织。
13.根据权利要求1所述的方法，其中使用与肿瘤组织有关的正常组织的加权采样来在片块的训练数据上训练所述机器学习分类器。
14.根据权利要求1所述的方法，进一步包括生成所述分类的置信度图，所述置信度图是在所述机器学习分类器中使用掉落而生成的，其中显示所述图像包括显示所述肿瘤组织的图像和所述置信度图。
15.根据权利要求1所述的方法，显示包括：显示在不同位置处示出了所述两个或更多个类中的不同类的图像。
16.一种用于针对磁共振成像（mri）中的分割进行训练的方法，所述方法包括：
获取训练数据，所述训练数据包括多参数mri扫描，所述扫描包括肿瘤组织的光谱和结构和/或扩散和真值标记；
对神经网络进行机器训练，以基于训练数据对肿瘤组织进行分类；以及
存储经机器训练的神经网络。
17.根据权利要求16所述的方法，其中获取包括：获取还包括正常组织分割的训练数据。
18.根据权利要求16所述的方法，其中机器训练包括：利用神经网络进行机器训练，所述神经网络包括使用利用l2正则化的交叉熵损失函数的完全连接的神经网络。
19.一种用于在磁共振成像（mri）中分割脑组织的系统，所述系统包括：
mri扫描仪，其被配置成扫描患者的脑组织，所述扫描包括mri光谱；
图像处理器，其被配置成通过将以片块形式的来自所述扫描的数据应用于机器学习模型，在不同类型的脑组织之间进行分割，所述机器学习模型基于所述片块逐位置地输出所述分割；
显示器，其被配置成显示所述脑组织的分割。
20.根据权利要求19所述的系统，其中所述mri扫描仪被配置成以包括mri光谱、mri扩散和mri结构的扫描来进行扫描，并且其中，所述图像处理器被配置成以不同类型的脑组织进行分割，所述不同类型的脑组织包括不同类型的肿瘤组织。