[发明专利]一种基于统计形状模型的肾皮质定位方法

说明书

本发明公开了一种基于统计形状模型的肾皮质定位方法，包括训练阶段和肾皮质定位阶段，其特征在于，所述训练阶段通过对训练数据集中的每一个三维CT图像的肾脏进行人工标记L1、L2，将L1、L2标记区域的二值数据对应转化成表面数据M1、M2，并计算出肾皮质内表面数据，建立肾皮质统计形状模型。本发明在训练阶段，建立了肾皮质统计形状模型，以统计肾皮质的变化方式。利用迭代模型形变算法，以提高肾皮质定位的准确性和快速性。

技术领域

本发明属于医疗影像算法领域，具体涉及一种基于统计形状模型的肾皮质定位方法。

背景技术

肾皮质是肾脏的重要组成部分，大概有1.9％的成年人被诊断患有脏的疾病，其中相当一部分的人死于肾炎，肾病综合症、肾变病等这些和肾皮质相关的病，因此关于肾皮质的诊断研究在肾病的研究中具有非常重要的意义。

现有的医疗影像技术可以对肾皮质的识别定位做得不好，主要原因在于：肾脏不同于肝脏等其他器官，肾脏的解剖结构比较复杂。肾脏有四个解剖结构，其中肾皮质和肾柱是相连的，并且肾皮质和肾柱对光有着类似的反射强度，因此在医疗造影时比较难于分辨。加之肾脏和相邻的器官，比如说肝脏、脾脏在影像中经常会重叠在一起，因此在医疗造影时比较难以精确建模。现有的基于学习算法的定位方法不能精确对肾皮质进行定位，并且模型训练效率不高。因此我们需要开发出一种准确，快速的肾皮质定位方法。

发明内容

本发明目的是：提供一种准确，快速的基于统计形状模型的肾皮质定位方法。

本发明的技术方案是：一种基于统计形状模型的肾皮质定位方法，包括训练阶段和肾皮质定位阶段，其特征在于，所述训练阶段通过对训练数据集中的每一个三维CT图像的肾脏进行人工标记L1、L2，将L1、L2标记区域的二值数据对应转化成表面数据M1、M2，并计算出肾皮质内表面数据，建立肾皮质统计形状模型。

进一步的，所述肾皮质定位阶段通过对测试CT图像使用阈值分割算法对初始分割肾脏，确定肾脏的初始质心坐标，并将肾皮质平均形状平移到该点，计算得到肾皮质的位置数据。

进一步的，所述肾皮质定位阶段还包括利用迭代模型形变算法对肾皮质形状进行处理。

进一步的，所述训练阶段方法具体为：

(1)在训练阶段，对训练数据集中的每一个三维CT图像的肾脏进行人工标记，同一类为L1，将整个肾脏标记为另外一类L2；

(2)使用marching cube算法将L1、L2标记区域的二值数据对应转化成表面数据M1、M2；使用quadric error metric算法将表面数据M1、M2中的顶点简化为同样数目N_o，对训练数据集中所有的简化表面数据M1、M2使用minimum descriptionlength算法找到表面数据上顶点的一一对应关系，即表面数据顶点对应；然后，在训练数据集中任选一个图像的M1、M2作为参考表面数据，使用相似性变换(similarity transformation)算法将其他图像的表面数据M1、M2分别与参考表面数据的M1、M2对齐；设表示第k图像表面数据M1上第n_o(n_o＝1,2,…,N_o)顶点的坐标，表示顶点坐标，对应后的表面数据M1所有顶点坐标可以表示为向量表示第k图像表面数据M2上第n_o(n_o＝1,2,…,N_o)顶点的坐标，表示顶点坐标，对应后的表面数据M2所有顶点坐标可以表示为向量假设任选一个图像的M1、M2作为参考表面数据是训练集中第j图像的表面数据，相似性变换可记为T_k→j，那么，第k图像表面数据M1的顶点进行相似性变换后顶点坐标可以表示为向量同理，M2的顶点进行相似性变换后顶点坐标可以表示为向量对表面数据M1变换后的表面数据，求其平均形状：

对表面数据M2变换后的表面数据，求其平均形状：