[发明专利]一种从脑部CT图像中确定中矢面的方法及系统

权利要求书

1.一种从脑部CT图像中确定中矢面的方法，其特征在于，包括：

步骤S10：根据获取的用户输入的所述脑部CT图像中的一个或多个大脑组织像素点，利用区域生长法确定所述脑部CT图像中的大脑组织；

步骤S20：生成对应于所述大脑组织的最小有向包围盒；

步骤S30：确定所述最小有向包围盒在沿脑部对称方向的中心对称面，所述中心对称面为所述脑部CT图像的中矢面；

在所述步骤S30之后，还包括：

步骤S40：平移和/或旋转所述中心对称面，以确定多个过程对称面；

步骤S50：针对所述中心对称面和/或所述过程对称面：

确定位于所述中心对称面和/或所述过程对称面的一侧的大脑组织为第一半脑，确定位于所述中心对称面和/或所述过程对称面的另一侧的大脑组织为第二半脑；

获取所述第一半脑和所述第二半脑之间的互信息数据；

S60：确定最大的互信息数据对应的所述中心对称面或所述过程对称面为所述脑部CT图像的中矢面；

所述步骤S50中，获取所述第一半脑和所述第二半脑之间的互信息数据，包括：

根据式(2)确定所述第一半脑的像素点和所述第二半脑的像素点之间的互信息数据I(A,B)，其中，式(2)为：

I(A,B)＝H(A)+H(B)-H(A,B)，

其中，根据式(3)确定所述第一半脑的像素点的熵H(A)，式(3)为：

根据式(4)确定所述第二半脑的像素点的熵H(B)，式(4)为：

根据式(5)确定所述第一半脑的像素点和所述第二半脑的像素点之间的联合熵H(A,B)，其中，式(5)为：

其中，p_A(a)为描述所述第一半脑的像素点的灰度的随机变量A的概率分布；p_B(b)为描述所述第二半脑的像素点的灰度的随机变量B的概率分布为；p_AB(a,b)为A与B的联合概率分布。

2.根据权利要求1所述的方法，其特征在于，所述步骤S10，包括：

步骤S110：根据从所述脑部CT图像中获取的一个大脑组织像素点，利用预先设定的区域范围，确定灰度阈值；或

根据从所述脑部CT图像中获取的多个大脑组织像素点，利用预先设定的多个区域范围，确定灰度阈值；

步骤S120：根据至少一个 所述大脑组织像素点，利用26邻域扩展方法和所述灰度阈值，确定全部的脑部CT图像中的大脑组织像素点，所述全部的大脑组织像素点构成所述脑部CT图像中的大脑组织。

3.根据权利要求2所述的方法，其特征在于，所述步骤S120，包括：

针对每一个大脑组织像素点：

以所述大脑组织像素点为中心点，确定所述大脑组织像素点对应的26个邻域像素点；

针对每一个邻域像素点：

若所述邻域像素点的灰度与作为中心点的所述大脑组织像素点的灰度的差异不大于所述灰度阈值，则所述邻域像素点为一个大脑组织像素点。

4.根据权利要求1所述的方法，其特征在于，所述步骤S20包括：

步骤S210：确定所述大脑组织的边界点；

步骤S220：根据所述边界点，确定用于重建坐标系的基；

步骤S230：根据所述基，重建坐标系，得到新坐标系，并确定所述大脑组织在所述新坐标系下的新边界点，所述新边界点为对应于所述大脑组织的最小有向包围盒的边界点；

步骤S240：根据所述新边界点，确定最小有向包围盒的中心点和各边边长。

5.根据权利要求4所述的方法，其特征在于，所述步骤S220包括：

根据式(1)确定所述边界点的协方差矩阵，其中，式(1)为：

采用施密特方法确定所述协方差矩阵的特征向量，所述特征向量为用于重建坐标系的基。