[发明专利]X射线头影测量图像结构特征点自动定位方法及系统

说明书

本发明公开了一种X射线头影测量图像结构特征点自动定位方法，包括双层回归森林模型训练：将从训练图像中提取的外观特征作为输入，训练第一层回归森林模型；将第一层回归森林模型作用于训练图像，获得训练图像对应的第一层偏移距离图；将从第一层偏移距离图中提取的外观特征和训练图像的外观特征作为输入，训练第二层回归森林模型；利用训练好的双层回归森林模型，对待检测图像结构特征点定位。本发明构建双层回归森林模型，通过双层回归森林模型对X射线头影测量图像结构特征点进行自动定位，相较于传统的人工定位，提高了效率，解决了时间，同时大大提高了准确性。

技术领域

本发明涉及一种X射线头影测量图像结构特征点自动定位方法及系统，属于医学图像结构特征点自动定位领域。

背景技术

X射线头影测量图像分析技术是现代口腔正畸、正颌治疗和颌面部手术的基础。该技术首先需标记出X射线头影测量图像中牙颌及颅面的19个结构特征点(即目标特征点)位置，然后测量和计算这些标志点之间的角度、距离或比例，再通过和正常人相关数据的分析比对拟定治疗计划。由此可见，结构特征点位置的准确率对口腔疾病的临床诊断、治疗和手术决策有着重要影响。

而在口腔临床治疗中，仍然采用人工方式定位X射线头影测量图像中结构特征点。人工定位不仅工作量大、消耗时间长，而且不同医生的临床经验、个人精力和所受压力的差异性也会直接影响到标志点定位的准确性，因此，发展精确的X射线头影测量图像结构特征点自动定位方法具有重要的临床价值。

发明内容

本发明提供了一种X射线头影测量图像结构特征点自动定位方法及系统，解决了人工定位工作量大、耗时长、准确性不足的问题。

为了解决上述技术问题，本发明所采用的技术方案是：

X射线头影测量图像结构特征点自动定位方法，包括以下步骤：

双层回归森林模型训练：

将从训练图像中提取的外观特征作为输入，训练第一层回归森林模型；

将第一层回归森林模型作用于训练图像，获得训练图像对应的第一层偏移距离图；

将从第一层偏移距离图中提取的外观特征和训练图像的外观特征作为输入，训练第二层回归森林模型；

利用训练好的双层回归森林模型，对待检测图像结构特征点定位。

训练第一层回归森林模型的过程为：

从训练图像像素中随机选取若干个作为采样点；

提取每个采样点的外观特征；

以采样点的外观特征及其到目标特征点的二维坐标偏移向量为输入，训练第一层回归森林模型。

将第一层回归森林模型作用于训练图像，获得训练图像对应的第一层偏移向量图，利用L2范数将第一层偏移向量图转换成第一层偏移距离图。

将1：1的第一层偏移距离图外观特征和训练图像外观特征作为输入，训练第二层回归森林模型。

将训练好的双层回归森林模型作用于待检测图像，生成待检测图像对应的第二层偏移距离图，使用回归投票方式求待检测图像中目标特征点坐标。

双层回归森林模型作用于待检测图像的过程为：

从待检测图像的每个像素点中提取外观特征；

将像素点中提取外观特征输入第一层回归森林模型，得到待检测图像对应的第一层偏移向量图；

利用L2范数，将待检测图像对应的第一层偏移向量图转换成第一层偏移距离图；

将从第一层偏移距离图中提取的像素点的外观特征和待检测图像中像素点的外观特征输入第二层回归森林模型，得到待检测图像对应的第二层偏移距离图。