[发明专利]一种基于图谱的颅底缺失解剖特征点的重建方法

说明书

一种基于图谱的颅底缺失解剖特征点的重建方法，首先，用基于深度学习的颅骨自动分割算法对去除挡板的颅骨分割图像进行训练，得到颅骨分割模型；其次，将训练好的颅骨分割模型用于测试集，把得到的分割结果统一配准到基准分割结果得到同一空间下的配准结果；然后，取出所有分割结果中相同部位的特征点，将这些特征点进行体素叠加得到特征点图谱；最后，完成颅骨特征点图谱与患者颅骨的配准融合，可视化二者的特征点差异，并且可以通过测量对医生标注的解剖特征点间的距离及特征点与肿瘤之间的距离进行定量分析。本发明能够重建出更加精确的解剖特征点的位置，实现解剖特征点形变定量分析，对于医生对肿瘤的定位及手术路径的规划具有参考价值。

技术领域

本发明涉及医学图像处理，尤其是一种基于图谱的颅底缺失解剖特征点的重建方法。

背景技术

由于手术路径涉及到许多血管、神经等脑组织，所以需要对手术路径有比较好的规划，一般，医生做开颅手术时，是参照颅骨上的特征点进行脑肿瘤的定位和手术入路。但是由于脑肿瘤可能会侵蚀颅骨上的特征点，使得医生难以在术中借助原先颅骨的特征点进行手术，所以需要在术前影像中还原出原先正常颅骨上的特征点，以便于医生作为手术入路的参考点进行路径规划，精准地找到脑肿瘤，完成精确的肿瘤切除工作，达到最好的手术效果。因此，颅骨特征点复现与定量分析在临床诊断、病理分析以及治疗方面具有重要意义

目前，对于颅底缺失的解剖特征点，依旧没有一个较好的重建方法，传统的颅骨修复技术都是以在模型上按照镜像关系重构衬垫物的方式来进行术前模拟，制造修复体原型，而人的左右脑并不是完全对称的，颅底的特征点也并不是完全对称的，利用对称的方法无法完全对缺失的颅底特征点进行复原重建，因此无法给医生提供解剖特征点与肿瘤相对位置信息，无法精确定位肿瘤及制定手术路径。

发明内容

为了克服现有技术的不足，针对目前颅骨修复及重建的镜像对称方法无法完全重建出颅底缺失的解剖特征点，无法为医生提供解剖特征点与肿瘤的相对位置信息，无法精确定位肿瘤及制定手术路径等问题，本发明提出一种基于图谱的颅底缺失解剖特征点的重建方法，能够重建出更加精确的解剖特征点的位置，实现解剖特征点形变定量分析，对于医生对肿瘤的定位及手术路径的规划具有参考价值。

本发明解决其技术问题所采用的技术方案是：

一种基于图谱的颅底缺失解剖特征点的重建方法，所述方法包括以下步骤：

步骤一：图像预处理，过程如下：对正常受试者的CT数据进行滤波、去噪，将CT数据分为训练集与测试集，用传统大津分割方法(OTSU)对训练集进行头骨分割，并且把分割结果中的挡板去除，测试集数据不做处理；

步骤二：用深度学习训练头骨分割模型并进行头骨分割，过程如下：用基于深度学习的颅骨自动分割算法对已处理的CT训练集进行训练得到头骨分割模型，用该模型对测试集数据进行头骨分割得到头骨数据；

步骤三：配准分割得到的头骨数据，过程如下：以其中一个分割后的头骨模型作为基准，将所有分割结果配准到该模型空间；

步骤四：取特征点，过程如下：根据医生对手术路径规划的需要，取出所有分割结果中相同部位的特征点；

步骤五：获得颅骨特征点图谱，过程如下：将取出的相同部位的特征点进行体素叠加，得到特征点图谱；

步骤六：配准颅骨特征点图谱与患者颅骨，过程如下：将基准分割结果配准到患者颅骨空间，得到转换矩阵MAT；将MAT作用于颅骨特征点图谱并与患者颅骨进行叠加融合，能够得到特征点图谱在具体患者颅骨中的位置映射，可视化叠加融合后的图像，便可以得到二者的差异，可视化缺失的解剖特征点，通过调节两者的颜色与透明度进行区分；

步骤七：解剖特征点形变定量分析，过程如下：在完成标准颅骨特征点图谱与患者颅骨的配准融合后，通过距离测量对医生标注的解剖特征点间的距离进行计算，实现病变挤压导致颅骨形变的定量测量分析。