[发明专利]一种基于局部关键几何信息的脑组织表面变形估计方法

权利要求书

1.一种基于局部关键几何信息的脑组织表面变形估计方法，其特征在于，具体步骤为：

(1)采用分割算法从术前图像中提取目标脑组织并进行三维重建；

(2)提取目标脑组织表面点集作为脑组织初始表面点集，手工提取初始表面上的三维沟回点集；

(3)通过手持式三维激光扫描仪获取变形后脑组织表面点集以及纹理图像；

(4)使用基于B-COSFIRE滤波器的提取算法得到变形后脑表面上的三维沟回点集；

(5)使用CPD-Rigid刚性配准方法对术中脑组织表面横向位移进行补偿；

(6)采用基于沟回特征增强的CPD非刚体配准方法，对初始脑组织表面以及横向位移补偿后的变形后脑组织表面进行非刚性匹配，获得变形前后脑组织表面三维点集对应关系，并计算脑组织表面点集的变形位移场；

步骤(6)的流程为：

(1)将变形前和经刚性配准后的变形后脑组织表面点集分别设定为源点集和目标点集，源点集用X_N*D＝(x₁,…,x_n)^T表示，目标点集用Y_M*D＝(y₁,…,y_m)^T表示，其中N,M分别表示源点集和目标点集中点的数目，D表示点集中点的特征维度；

(2)将目标点集中的点Y_M*D作为高斯混合模型的中心点，源点集中的点X_N*D作为高斯混合模型拟合出的观测点，其中高斯混合模型的概率密度分布写成：P(m)为高斯子模型系数，p(x|m)为高斯子模型概率密度函数；

(3)将变形前三维沟回点集的和经过初配准后的变形后三维沟回点集分别作为源特征点集和目标特征点集，源特征点集用表示，目标特征点集用表示，J,K分别表示源特征点集和目标特征点集中点的数量；

(4)使用提取到的特征点集构建高斯子模型系数P(m)为：

其中，Wi_nm表示权值，由两组特征点集构成的两个高斯混合模型的比值计算得到：

其中，α和β为可以调整的两个权重，和表示由沟回特征点构成的特征高斯混合模型：

(5)用新的高斯子模型系数P(m)替换传统CPD-Nonrigid算法中的系数P(m)＝1/M，然后用EM算法求解高斯混合模型的参数，使目标点集拟合到源点集，进而获得变形前后脑组织表面点集中点与点之间的对应关系以及脑组织表面点集的变形位移场。

2.根据权利要求1所述的脑组织表面变形估计方法，其特征在于，步骤(1)的流程为：采用自动分割与手动分割相结合的分割方法，首先采用自动分割，然后用手动分割方法进行完善；提取出脑组织之后，对提取目标脑组织并进行三维表面重建。

3.根据权利要求1所述的脑组织表面变形估计方法，其特征在于，步骤(4)的流程为：

(1)使用B-COSFIRE滤波器从二位纹理图像中提取脑沟回；

(2)执行开运算操作以平滑沟回图像；

(3)运用骨架提取算法提取脑沟回中心点集；

(4)通过二维纹理特征和对应三维点集的映射关系，获得变形后脑表面上的三维沟回点集。

4.根据权利要求1所述的脑组织表面变形估计方法，其特征在于，步骤(5)的流程为：

(1)将变形前和变形后脑组织表面的三维沟回点集分别作为源点集和目标点集；

(2)使用CPD-Rigid方法对它们进行刚性配准，获得刚体变换矩阵；

(3)将该变换矩阵作用于整个变形后脑组织表面，以补偿变形后脑组织表面发生的横向位移。