[发明专利]一种基于图片相似度计算的脑纤维视角自动选择方法

说明书

一种基于图片相似度计算的脑纤维视角自动选择方法，包括以下步骤：1)导入异常纤维样本数据和待判定纤维数据，使用ParaView软件绘制成三维图像；2)运行自动视角旋转脚本，分别绕不同方向轴、以不同角度大小来进行图像旋转，并记录每次旋转之后的一组对比图片；3)通过计算每组图片的相似度，寻找差异最大的视角；4)获取差异最大的视角之后，对图片进行降维处理和聚类分析；5)获得聚类结果之后，根据结果来对纤维数据进行抽象，对原始的纤维数据进行抽象简化，提取重要信息，从而达到分析纤维结构特征的目的。本发明可以帮助研究人员快速定位纤维异常区域并进行分析。

技术领域

本发明涉及脑科学领域，是一种基于图片相似度计算的脑纤维视角自动选择方法，通过机器学习技术辅助脑神经纤维分析。

背景技术

水分子弥散是核磁共振技术的基础，DWI、DTI与HARDI无创检测技术均以水分子弥散扩散为基础发展而来。人们可以通过对纤维的跟踪获得脑部的大量纤维，但是由于纤维结构错综复杂，并且相互存在遮挡，通常无法直观分析脑纤维的组织结构。如何对大量纤维进行聚类和更直观地渲染是亟待解决的问题。纤维聚类为提升对脑纤维的特征分析提供了参考，更好地展示纤维束之间的空间关系。合理的纤维聚类方式可以在很大程度上去除信息干扰与噪声，准确地描述纤维束的走向，从而帮助人们理解相互混合纤维的空间联系，展示出不同纤维束之间的连接关系。

由于纤维是一种具有密集分布属性的数据，在三维空间中绘制之后通常会出现互相遮挡的情况，这会对寻找纤维异常区域、研究纤维空间结构特征造成巨大的影响。通常需要不停地调整观察的视角来获取最佳的观察角度，而手动旋转视角并观察正常纤维与异常纤维的对比需要耗费大量的时间，而且没有量化准则，不同人、同一个人不同次观察的结果都会有差异，对纤维的分析及疾病诊断都会有很大的影响。如何能够快速寻找最佳视角，使得正常纤维和异常纤维所展现出来的差异最明显，是亟待解决的问题。以这个视角为基准，定位异常区域会更加快捷。

发明内容

为了解决现有技术的不足，本发明提供一种基于图片相似度计算的脑纤维视角自动选择方法，利用图片相似度计算原理计算未知纤维和异常纤维相似度，从而获取适合医生的具有研究价值的观测角度，并通过降维聚类分析来进一步探索纤维结构特征，可以帮助研究人员快速定位纤维异常区域并进行分析。

本发明解决其技术问题所采用的技术方案是：

一种基于图片相似度计算的脑纤维视角自动选择方法，所述方法包括以下步骤：

1)导入异常纤维样本数据和待判定纤维数据，使用ParaView软件绘制成三维图像；

2)编写自动视角旋转脚本，分别绕不同方向轴、以不同角度大小来进行图像旋转，并记录每次旋转之后的一组对比图片；

3)使用直方图计算方式法和尺度不变特征计算方法计算每组图片的相似度，寻找差异最大的视角；

4)获取差异最大的视角之后，对图片进行聚类分析。由于纤维数据量较大，此处通过降维处理以损失一些次要信息的代价换取更加精简的数据，然后进行后续的聚类分析；

5)获得聚类结果之后，根据结果来对纤维数据进行抽象，对原始的纤维数据进行抽象简化，提取重要信息，从而达到分析纤维结构特征的目的。

进一步，所述步骤3)中，利用图片相似度计算来寻找与标准样本对比差异最大的视角，自动定位最有研究价值的三维空间视角，解决手动寻找最佳研究视角工作繁琐且无法定量的问题。

再进一步，所述步骤3)的过程如下：

3.1)图像直方图包含丰富的图像信息，能够用来描述图像中颜色的全局分布，它统计了每一个强度值具有的像素个数，直方图为图像的灰度直方图，总体分布规则为“左黑右白”，左边代表暗部，右边代表亮部，而中间则代表过度区域，纵向上的高度代表像素密集程度，其越高则代表的就是分布在这个亮度上的像素越多；