[发明专利]基于体配准的眼眶骨组织分割方法

权利要求书

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.采用迭代最近点算法进行初始对齐。

7.根据权利要求6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，p_i为四面体网格中的点，T为位移变换矩阵，K(p_i)为三维头骨体素网格中p_i所对应的点。

8.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。

9.根据权利要求8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：

min E_def＝E_corr+αE_deform+βE_dis+γE_S

式中α、β和γ为设定的加权参数；E_corr＝||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；E_deform＝(t-t₀)^TL(t-t₀)，L为四面体网格数据的拉普拉斯算子且v_j为四面体网格数据中第j个四面体在初始状态t₀的体积，G_j为变形梯度算子；E_dis＝||t-t_prev||²，t_prev为上一次迭代过程中更新的四面体网格的位置；F_j为第j个四面体的变形梯度，I为单位矩阵。