[发明专利]一种基于统计形状模型的肾皮质定位方法

摘要

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。

主权项

1.一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，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；所述训练阶段方法具体为：/n(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，将肾脏中的肾柱、肾髓质、肾锥体、肾小盏、肾大盏、肾窦、肾盂、肾乳头标记为同一类L1，将整个肾脏标记为另外一类L2；/n(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：/n /n对表面数据M2变换后的表面数据，求其平均形状：/n /nN表示训练数据集中图像的总数；/n(3)将第k图像相似性变换后顶点坐标向量和向量联合成也将平均形状按同样方式联合成平均肾皮质使用奇异值分解(SVD)求得N个特征值λ_k(k＝1,2,…,N)和N个特征向量[p_ok p_ik]，p_ok表示第k个特征向量也即肾皮质外表面的变化模式，p_ik表示第k个特征向量也即肾皮质内表面的变化模式；那么，一一对应后的第k图像肾皮质外表面数据可以表示为/n /n一一对应后的第k图像肾皮质内表面数据可以表示为/n /n其中，表示对应的相似性逆变换。/n