[发明专利]一种脊椎特征点自动识别方法

摘要

本发明公开了一种脊椎特征点自动识别方法，属于医学图像处理领域。构建过程为通过CT图片进行脊椎三维模型建模和切割；获得要进行特征点识别的特定椎体；对椎体进行网格划分，使得椎体由细小的三角面片构成；对椎体模型的每个顶点，自适应计算每个顶点的邻域面积，称该顶点为其邻域内核心点；计算处于邻域面积内部的顶点法向量；计算核心点所处邻域内所有顶点与核心点法向量夹角总和；对所有核心点的夹角和进行降序排序；对所有核心点根据一定抑制区间进行非极大值抑制；最后获得该椎体的特征点。本发明主要是针对脊椎特定的外形结构进行特征点识别方法。可用于外科医学领域中与脊椎相关的研究。

主权项

一种脊椎特征点自动识别方法，其特征在于，包括以下步骤：步骤一，对人体脊椎的CT图像进行三维重建，得到脊椎的三维模型，对该三维模型进行切割，获得要提取特征点的椎体；步骤二，对要提取特征点的椎体模型进行网格划分；步骤三，确定划分后网格中每个顶点法向量计算时的阈值环数，具体过程包括：步骤S30，对于网格中的每一个顶点，按照下面的公式计算其自适应邻域面积：上式中，n是椎体模型上的顶点总数，a‑ring(vi)是指网格化后模型中顶点vi周围a环范围，cj为顶点vi周围a环范围内的一个三角面片，area(cj)为三角面片cj的面积，a的取值为[1,4]；步骤S31，按照下述循环算法确定顶点的阈值环数ki：a.令ki＝1；b.计算顶点vi周围ki环内所有三角片面的面积之和d；c.如果d＜自适应邻域面积，则ki＝ki+1，并返回步骤b，否则得到ki；步骤四，计算每个顶点的法向量；步骤五，计算每个顶点周围阈值环数范围内其他顶点与该顶点法向量夹角总和；步骤六，对所有顶点的按照步骤五计算出的法向量夹角总和进行降序排列；步骤七，对所有顶点进行非极大值抑制；步骤八，输出脊椎模型特征点。