[发明专利]基于统计形状模型的内耳三维水平集分割方法

权利要求书

1.一种基于统计形状模型的内耳三维水平集分割方法，其特征在于，包括以下步骤：

步骤一：建立内耳的统计形状模型；

步骤二：通过体数据到体数据的刚性配准方法获取内耳的感兴趣区域，然后通过模型到体数据的刚性配准方法将统计形状模型的平均形状模型配准到内耳的感兴趣区域上，获得内耳的初始表面轮廓；

步骤三：利用基于阈值区域的三维水平集分割方法，以内耳的初始表面轮廓作为初始演化表面，进行水平集演化，得到目标轮廓表面；再结合原始脑部MRI体数据最终计算得到需要的内耳轮廓；

所述步骤一具体包括：

步骤1-1：采集足够数量的内耳体数据作为训练样本，再通过3D-Slicer软件将其转换为均匀分布的三角形表面网格数据；

步骤1-2：任意选取训练样本中的一个作为参考表面网格数据，利用普氏分析法将其他训练样本中的训练形状与参考表面网格数据的形状对齐；

步骤1-3：利用3维刚性配准的方法建立所有经步骤1-2对齐处理后的训练样本之间的一对一的点对应关系，再任意选择其中一个训练样本作为参考体数据，其余的训练样本通过使用ITK配准框架配准到参考体数据进行模型拟合，完成所有训练样本的最终对齐配准；

步骤1-4：定义由步骤1-3得到的训练样本S_i的样本总数为N个，其中i∈{0,1,2,......,N-1}，每个训练样本S_i都是一个点云分布的表面网格数据，表示为S_i＝{x₀,y₀,z₀,x₁,y₁,z₁,......,x_K-1,y_K-1,z_K-1}，其中，x,y,z表示训练样本S_i中的数据的坐标点，K表示训练样本S_i的数据的坐标点的总数；然后利用主成分分析法对训练样本S_i进行形状统计分析，得到内耳的统计形状模型v，其数学表达式如下：

其中，v(α₁,......,α_m)是个矢量，α表示每个空间位置点的坐标，为训练样本的平均样本，C是训练样本的协方差矩阵，T表述矩阵转置，u_j是C的特征向量，λ_j是u_j的特征值，即为形状参数，m表示主成分数量；

通过调节形状参数，以获得与训练样本集相似的新的形状个体；

所述步骤二具体包括：

步骤2-1：采集原始脑部MRI体数据作为待分割的测试体数据，从待分割的测试体数据中随机选择一个作为参考测试体数据，再通过手动交互式方法标定一个包含内耳的感兴趣区域矩形立方体掩膜，然后利用刚性配准的方法将该包含内耳的感兴趣区域矩形立方体掩膜自动的由参考测试体数据上传播到其他的待分割的测试体数据上，实现自动获得所有待分割体的测试体数据的内耳的感兴趣区域；

步骤2-2：通过由步骤一建立的内耳的统计形状模型产生多个新的形状个体，并计算得出产生的多个新的形状个体的平均形状模型，再利用模型到体数据的三维刚性配准方法将该平均形状模型配准到内耳的感兴趣区域，获得内耳的初始表面轮廓；

所述步骤三具体包括：

步骤3-1：构建高维水平集函数Ψ(x,t)，驱使高维水平集函数以上述步骤二得到的初始表面轮廓作为初始演化表面进行表面演化，高维水平集函数Ψ(x,t)的表面演化的数学表达式为：

Ψ(x,t＝0)＝±D；

其中是梯度算子，为梯度算子的绝对值，表示Ψ(x,t)对t求微分，x是位置矢量，t表示时间,D是从x到初始演化表面的距离，并且当点x的位置在初始演化表面外部时，D为正值，当点x的位置在初始演化表面内部时，D为负值，F为驱动高维水平集函数Ψ(x,t)进行表面演化的速度函数；

步骤3-2：在速度函数F的驱使下，使高维水平集函数Ψ(x,t)逐步向目标轮廓表面的边界处传播，进行表面演化，到达边界处后停止，完成表面演化；再计算出高维水平集函数Ψ(x,t)的零水平集，从而获得需要的目标轮廓表面Γ(x,t)；

其中速度函数的数学表达式如下：

F＝αP(x)+βk(x)；

其中P(x)是传播项，k(x)是曲率项，α和β是与之对应的权重；

其中，目标轮廓表面Γ(x,t)＝{Ψ(x,t)＝0}；

步骤3-3：将由步骤3-2得到目标轮廓表面作为掩膜与由步骤二采集的原始脑部MRI体数据做乘法计算，实现对采集的原始脑部MRI体数据的分割，最终得到需要的内耳体数据。