基于体配准的眼眶骨组织分割方法技术

本发明专利技术公开了一种基于体配准的眼眶骨组织分割方法，包括获取需要进行分眼眶骨组织分割的CT图像；对CT图像和眼眶骨组织的四面体网格模型标准数据进行处理；对处理后的数据进行初始对齐；对初始对齐后的四面体网格数据进行变换；变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。本发明专利技术提供的这种基于体配准的眼眶骨组织分割方法，在数据处理阶段采用创新的下采样操作，提高了采样效率同时减少噪音数据对配准及分割结果的影响；同时，在变换过程中以误差驱动的方式完成形状变形，提升了眼眶骨组织的分割效果，而且本发明专利技术方法的分割精度高，方法简单快捷。

Orbital bone segmentation based on volume registration

【技术实现步骤摘要】
基于体配准的眼眶骨组织分割方法
本专利技术属于图像处理领域，具体涉及一种基于体配准的眼眶骨组织分割方法。
技术介绍
三维医学图像骨组织分割在医学图像处理领域具有非常重要的研究价值，精确的医学图像分割为临床诊断提供了清晰的解剖信息，用于进一步对其病理、生理、解剖等方面信息的分析和计算。医学图像分割技术是一种根据观测到的灰度值和已知的结构信息对像素或体素进行分类处理的方法。传统医学图像分割需要领域专家进行手动分割，具有费时、分割结果不可重现的缺点，花费大量人力资源，且效率低下。目前骨组织自动分割主要分为三类，基于灰度信息分割方法、基于分类和聚类法的分割方法以及基于图谱分割的分割方法。第一类是基于灰度信息分割方法：在CT图像中，由于骨相比周围的软组织有更高的密度，因此基于灰度信息分割法是一种最为普遍应用的骨分割方法。阈值分割是该类分割方法中的代表。其结果常出现错误连接、边界不连续以及孔洞现象。第二类是基于分类和聚类法的分割方法，分类是指用已知样本集训练得到其特征实现对新样本划分的过程，属于有监督的统计分析方法，而聚类是指通过自我迭代训练的实现自身划分的过程，属于无监督的统计方法。与阈值分割方法不同的是，分类和聚类方法可以较好的结合图像的空间信息，因此对噪音具有更强的鲁棒性。但它们只用了空间信息，没有利用局部几何信息，可能会有误差。第三类是基于图谱分割的分割方法，图谱划分理论作为一种新型的工具被应用到图像分割，是由有经验的标记专家手工标注的图像数据，通过将各个图谱用配准操作映射到待分割图像所在的图像空间中，得到图谱与待分割图像的空间对应关系，图谱中的各组织器官的分割情况即待分割图像的分割结果。图谱分割方法的分割精度依赖于前期配准结果和后期标记的选择，也是图谱分割方法的一大挑战。
技术实现思路
本专利技术的目的在于提供一种分割精度高且简单快捷的基于体配准的眼眶骨组织分割方法。本专利技术提供的这种基于体配准的眼眶骨组织分割方法，包括如下步骤：S1.获取需要进行分眼眶骨组织分割的CT图像；S2.对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据；S3.对步骤S2得到的处理后的数据进行初始对齐；S4.对步骤S3得到的初始对齐后的四面体网格数据进行变换，得到与对齐后的三维头骨体素坐标最匹配的变换后的四面体网格数据；S5.步骤S4得到的变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。步骤S2所述的对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据，具体为采用如下步骤进行处理：A.根据CT图像数据的阈值强度，提取出三维头骨体素坐标；B.采用tetgen分析得到眼眶骨组织的四面体网格模型标准数据的mesh格式的模型文件。步骤A所述的根据CT图像数据的阈值强度，提取出三维头骨体素坐标，具体为采用3-邻域、5-邻域和9-邻域运算确定三维头骨体素坐标。步骤B所述的眼眶骨组织的四面体网格模型标准数据为对眼眶骨组织进行标记后的四面体网络模型标准数据。步骤S3所述的对步骤S2得到的处理后的数据进行初始对齐，具体为对处理后的数据，采用主成分分析算法(PCA算法)进行初始对齐。所述的采用主成分分析算法进行初始对齐，具体为采用如下还进行初始对齐：a.对输入的三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据进行位移变换，从而保证输入数据的重心与原点重合；b.统一比例变换，从而使得输入数据到原点的距离都归一化；c.建立协方差矩阵，选定该协方差矩阵最大特征值所对应的特征向量为主方向；d.采用迭代最近点(ICP)算法进行初始对齐。步骤d所述的采用迭代最近点算法进行初始对齐，具体为采用如下算式作为迭代最近点算法的误差公式f(p)：式中i为第i个顶点的标号，s1为模型的统一比例因子，R为旋转变换矩阵，pi为四面体网格中的点，T为位移变换矩阵，K(pi)为三维头骨体素网格中pi所对应的点。步骤S4所述的对步骤S3得到的初始对齐后的四面体网格数据进行变换，得到与对齐后的三维头骨体素坐标最匹配的变换后的四面体网格数据，具体为采用Kd-tree(k-dimensional树)算法对初始对齐后的四面体网格数据进行变换，得到与对齐后的三维头骨体素坐标最匹配的变换后的四面体网格数据。所述的采用Kd-tree算法对初始对齐后的四面体网格数据进行变换，具体为采用如下算式作为目标函数：minEdef＝Ecorr+αEdeform+βEdis+γES式中α、β和γ为设定的加权参数；Ecorr＝||t-s||2，t为四面体网格中的变形顶点，s为三维头骨体素坐标点；Edeform＝(t-t0)TL(t-t0)，L为四面体网格数据的拉普拉斯算子且vj为四面体网格数据中第j个四面体在初始状态t0的体积，Gj为变形梯度算子；Edis＝||t-tprev||2，tprev为上一次迭代过程中更新的四面体网格的位置；Fj为第j个四面体的变形梯度，I为单位矩阵。本专利技术提供的这种基于体配准的眼眶骨组织分割方法，在数据处理阶段采用创新的下采样操作，提高了采样效率同时减少噪音数据对配准及分割结果的影响；同时，在变换过程中以误差驱动的方式完成形状变形，提升了眼眶骨组织的分割效果，而且本专利技术方法的分割精度高，方法简单快捷。附图说明图1为本专利技术方法的方法流程示意图。图2为本专利技术方法的所需输入数据的预处理示意图。图3为本专利技术方法的体配准前的模型初始对齐示意图。图4为本专利技术方法的变形梯度模拟示意图。图5为本专利技术方法的体配准后的模型示意图。图6为本专利技术方法的效果示意图。具体实施方式如图1所示为本专利技术方法的方法流程示意图：本专利技术提供的这种基于体配准的眼眶骨组织分割方法，包括如下步骤：S1.获取需要进行分眼眶骨组织分割的CT图像；S2.对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据；具体为采用如下步骤进行处理：A.根据CT图像数据的阈值强度，提取出三维头骨体素坐标；在具体实施时，可以采用3-邻域、5-邻域和9-邻域运算确定三维头骨体素坐标；即在x-邻域(3-领域，5邻域或9邻域)中求出该邻域的质心坐标，找出距离该质心坐标最近的点代替该邻域盒子的坐标，完成采样操作；三维体素中心集重心为：其中N为立方体中点云数据的个数；B.采用tetgen分析得到眼眶骨组织的四面体网格模型标准数据(具体为对眼眶骨组织进行标记后的四面体网络模型标准数据)的mesh格式的模型文件；S3.对步骤S2得到的处理后的数据本文档来自技高网...

【技术保护点】
1.一种基于体配准的眼眶骨组织分割方法，包括如下步骤：/nS1.获取需要进行分眼眶骨组织分割的CT图像；/nS2.对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据；/nS3.对步骤S2得到的处理后的数据进行初始对齐；/nS4.对步骤S3得到的初始对齐后的四面体网格数据进行变换，得到与对齐后的三维头骨体素坐标最匹配的变换后的四面体网格数据；/nS5.步骤S4得到的变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。/n

【技术特征摘要】
1.一种基于体配准的眼眶骨组织分割方法，包括如下步骤：
S1.获取需要进行分眼眶骨组织分割的CT图像；
S2.对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据；
S3.对步骤S2得到的处理后的数据进行初始对齐；
S4.对步骤S3得到的初始对齐后的四面体网格数据进行变换，得到与对齐后的三维头骨体素坐标最匹配的变换后的四面体网格数据；
S5.步骤S4得到的变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。


2.根据权利要求1所述的基于体配准的眼眶骨组织分割方法，其特征在于步骤S2所述的对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据，具体为采用如下步骤进行处理：
A.根据CT图像数据的阈值强度，提取出三维头骨体素坐标；
B.采用tetgen分析得到眼眶骨组织的四面体网格模型标准数据的mesh格式的模型文件。


3.根据权利要求2所述的基于体配准的眼眶骨组织分割方法，其特征在于步骤A所述的根据CT图像数据的阈值强度，提取出三维头骨体素坐标，具体为采用3-邻域、5-邻域和9-邻域运算确定三维头骨体素坐标。


4.根据权利要求2所述的基于体配准的眼眶骨组织分割方法，其特征在于步骤B所述的眼眶骨组织的四面体网格模型标准数据为对眼眶骨组织进行标记后的四面体网络模型标准数据。


5.根据权利要求1～4之一所述的基于体配准的眼眶骨组织分割方法，其特征在于步骤S3所述的对步骤S2得到的处理后的数据进行初始对齐，具体为对处理后的数据，采用主成分分析算法进行初始对齐。


6.根据权利要求5所述的基于体配准的眼眶骨组织分割方法，其特征在于所述的采用主成分分析算法进行初始对齐，具体为采用如下...

【专利技术属性】
技术研发人员：廖胜辉，张凡荣，刘姝，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43