【技术实现步骤摘要】
一种CT图像的内直肌和视神经分割方法及系统
本专利技术涉及医学图像处理的
，尤其涉及一种CT图像的内直肌和视神经分割方法，以及CT图像的内直肌和视神经分割系统。
技术介绍
立体定向放射外科(StereotacticRadiosurgery，SRS)和图像引导手术(Image-guidedsurgery，IGS)是颅底肿瘤治疗中常用的两种技术。由于骨密度高，在颅底手术的筹划阶段和术中，CT是主要的成像方式。在临床中，外科医生必须依靠丰富的临床经验，准确定位CT图像中的脑结构，避免手术器械对颅底关键结构(神经、眼球、眼眶内的肌肉等)造成损伤。然而，这种手术对病人来说是非常危险的。因此，CT图像中前视觉通路(视神经，视束和视交叉)和内直肌的自动分割对于提高手术的准确性和减少对其他解剖结构的损伤至关重要。近年来，分割方法得到了广泛的发展，可以分为图谱配准和统计形状模型基础方法。Bekes等人提出了一种基于几何模型的方法来分割CT图像中的眼球，晶状体，视神经和视交叉。它需要交互选定种子点来初始化分割。HuoY等人提出了一...
【技术保护点】
1.一种CT图像的内直肌和视神经分割方法，其特征在于：其包括以下步骤：/n(1)构建统计形状模型：统计形状模型由训练数据集构成，其中前视觉通路和内直肌的形状是手动勾画的；/n(2)基于MR/CT图像融合的分割：通过将统计形状模型拟合到MR图像的分割结果来获得参考MR图像的形状，通过弹性配准将CT图像与MR图像融合，以获得前视觉通路和内直肌的初始分割结果；/n(3)多特征约束分割细化：从目标CT图像获得多特征约束表面，在将初始分割结果拟合到表面之后，分割在CT图像中不可见的结构，包括视束和视交叉。/n
【技术特征摘要】
1.一种CT图像的内直肌和视神经分割方法，其特征在于：其包括以下步骤：
(1)构建统计形状模型：统计形状模型由训练数据集构成，其中前视觉通路和内直肌的形状是手动勾画的；
(2)基于MR/CT图像融合的分割：通过将统计形状模型拟合到MR图像的分割结果来获得参考MR图像的形状，通过弹性配准将CT图像与MR图像融合，以获得前视觉通路和内直肌的初始分割结果；
(3)多特征约束分割细化：从目标CT图像获得多特征约束表面，在将初始分割结果拟合到表面之后，分割在CT图像中不可见的结构，包括视束和视交叉。
2.根据权利要求1所述的CT图像的内直肌和视神经分割方法，其特征在于：所述步骤(1)中，为了构建统计形状模型，训练数据集的形状对应关系：
形状对应表示为MR数据集中的形状点集之间的稠密映射，通过成对的非刚性配准获得两种形状的对应关系；对于MR数据集通过分组形状配准获得无偏点对应关系，并且通过分组级的方式获得相似性度量形状配准表示为公式(1)：
其中N是训练数据的数量，d(.)是欧氏距离，gij是数据集中第i个和第j个形状之间的连接关系；
所有形状之间的连接关系由图形模型表示，然后通过图形模型的指导实现分组级配准；
获得形状对应关系在此基础上，使用广义普式分析对齐形状。
3.根据权利要求2所述的CT图像的内直肌和视神经分割方法，其特征在于：所述步骤(1)中采用主成分分析构建训练形状的统计形状模型，对矩阵进行特征值分解，其中的每个元素被矢量化然后排列在一起，并且特征向量根据特征值的降序排列，前几个特征向量用于模拟形状数据，统计形状模型为公式(2)：
其中P表示矢量化矩阵vec(P)，矢量化平均形状和主要特征模式所构成矩阵Φ的是从训练数据集中预先计算的，其中b表示模型的参数。
4.根据权利要求3所述的CT图像的内直肌和视神经分割方法，其特征在于：所述步骤(2)中，从训练数据中随机选择参考MR图像Iref及其对应的分割图像；通过将统计形状模型拟合到参考MR图像Iref的分割表面IT来获得参考形状，这个过程称为表面拟合，表示为公式(3)：
其中DT是IT的距离变换，表示统计形状模型上的点的坐标，diag(λ)表示由特征值λ组成的对角矩阵；b被约束在由β和λ定义的超矩形中，其中λi是λ的第i个元素，bi是b中的第i个参数；公式(3)中的第一项是从变换的形状模型上的每个点到表面IT的距离的总和，并且用于描述配准误差，第二项是统计形状模型变形的正则化项，用于惩罚模型变形的程度。
5.根据权利要求4所述的CT图像的内直肌和视神经分割方法，其特征在于：所述步骤(2)中通过3D图像弹性配准获得将参考MR图像Iref映射到目标CT图像Itar的变形场，...
【专利技术属性】
技术研发人员：陈晓红，杨健，胡国语，
申请(专利权)人：首都医科大学附属北京同仁医院，北京理工大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。