基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法【專利摘要】本發明公開了基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法，包括建模訓練部分和定位部分，建模訓練部分包括選用10-20組三維體數據作為訓練數據；插值校準選取切片；繪制標記點；利用三維主動輪廓模型建模，得到了一個模型包括腹腔外輪廓、腎皮質外表面和腎皮質內表面三個部分；將腎臟輪廓存入了R-table。定位部分包括搜索定位和定位腎皮質；搜索定位即利用三維哈弗變換將存在R-table中的腎臟輪廓去定位整個腎臟的重心點；定位腎皮質時，將三維主動輪廓模型建模所得到的模型放在已找到的腎臟重心位置，并進行參數化調整小范圍在重心點搜索，直至得到定位結果。本發明能夠快速有效的定位出腎皮質的具體位置。【專利說明】基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法【
技術領域：
】[0001]本發明涉及基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法，屬于醫學圖像處理與分析【
技術領域：
】。【
背景技術：
】[0002]腎皮質是腎臟中最為重要的功能結構，與大多數腎病腎功能障礙密切相關，但由于腎皮質在CT或MRI圖像中，內與腎髓質、腎盂，外與比鄰器官在灰度上相近，在肉眼觀察和計算機分割時都較為困難。[0003]Coots和Taylor首先提出統計點分布模型(PDM)并且使用在2維的圖像分割中。其貢獻在于發明了一種簡單自動的從一系列匹配點中學習模型參數的方法。之后Kelemen用參數化表面表示的方法建立了一種三維統計外觀模型。類似PDM外形和邊界上的灰度信息可用模型對應的描述出來。之后，Pizer提出了多尺度的三維外形模型，可以由粗到精的多尺度描述邊界位置。[0004]上面提到的方法均只用到了物體外觀邊界上的信息。Coots提出了一種叫做主動輪廓模型(AAM)的更有效分割方法，使用了邊界和內部紋理信息，更多的信息提供了更準確的分割，并在2維的心臟MR(磁共振)圖像驗證。之后愛華大學米蘭桑卡小組提出了三維主動輪廓模型(3DAAM)分割方法，完成了在三維提數據上的整體定位分割。但是這些都是迭代搜索方法，在大范圍的區域搜索時耗時很多，且容易出現錯誤。[0005]哈佛變換最早用在檢測簡單的圖形，例如直線。Rabbani改進開發了一種可以追蹤封閉環形的哈佛變換。之后Kourosh發明了可以在2維/三維數據中追蹤任意圖形的哈佛變換方法。哈佛變換雖然快速可靠，但只能定位物體的中心位置，無法對圖像進行分割。【
發明內容】[0006]針對現有技術存在的不足，本發明目的是提供一種能夠快速有效定位出腎皮質具體位置的基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法。[0007]為了實現上述目的，本發明是通過如下的技術方案來實現:[0008]本發明的基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法，包括建模訓練部分和定位部分；[0009]建模訓練部分包括以下幾個步驟:[0010](1-1)選用10-20組三維體數據作為訓練數據；[0011](1-2)插值校準選取切片:[0012]在訓練數據中挑選出整個腎臟所在區域的所有二維CT圖像，并選取頂部和底部各一張切片；在挑選出的切片中，線性插值的選取出32張切片；[0013](1-3)繪制標記點:[0014]在選取出的切片中，均在腹腔外輪廓、腎臟皮質內輪廓和腎臟皮質外輪廓處分別以相等間隔畫上5-20個標記點，并把標記點對應的保存入32個文件中，然后，給32個文件順序標號，將二維的標記點整合在一起成為三維標記點并存在一個體標記點文件中；[0015](1-4)利用三維主動輪廓模型建模，得到了一個模型包括腹腔外輪廓、腎皮質外表面和腎皮質內表面三個部分；[0016](1-5)在訓練過程中，選取腎皮質外表面作為參考面，以表面的法方向a，b為索弓丨，將腎臟的重心點到表面點的方向α、β和長度I存放入R-table，即將腎臟輪廓存入了R-table；[0017]定位部分包括搜索定位和定位腎皮質；[0018]搜索定位時，對待測數據每個像素點求梯度，以每個像素的梯度方向為索引，在Rtable中查找，得到參考點與當前點的角度和距離關系，建立與待測圖像大小相同的投票矩陣，在所得參考位置記一票，做完所有點后，投票矩陣中票數最多點即為腎臟重心點，即利用三維哈弗變換將存在R-table中的腎臟輪廓去定位整個腎臟的重心點；[0019]定位腎皮質時，將步驟(1-4)中三維主動輪廓模型建模所得到的模型放在已找到的腎臟重心位置，并進行參數化調整小范圍在重心點搜索，直至得到定位結果。[0020]步驟(1-4)中三維主動輪廓模型訓練具體包括以下幾個步驟:[0021](I)計算三維標記點的分布模型，把每組訓練數據中的標記點描述成線性組合特征向量并得到腹腔外輪廓、腎皮質外表面和腎皮質內表面的平均輪廓，其中，bs是輪廓，PST為把非特征矩陣轉換為特征矩陣的轉換矩陣，Xi指第i組三維標記點向量，Xa指Xi的平均值；[0022](2)對平均輪廓做三角刨分，把每組訓練數據對應位置與腹腔外輪廓、腎皮質外表面和腎皮質內表面三個輪廓的平均模型對應起來，在每個對應位置取出5到20個像素點，可以得到與輪廓無關的紋理向量；[0023](3)對每組紋理向量做歸一化，與平均紋理向量ga對應起來，對應的方法為每個測試數據都描述為以ga為中心的形式；[0024](4)對每個歸一化過后的紋理向量做主成分分析；[0025](5)把每個主成分分析后的紋理向量表述成線性特征向量的形式【權利要求】1.基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法，其特征在于，包括建模訓練部分和定位部分；所述建模訓練部分包括以下幾個步驟:(1-1)選用10-20組三維體數據作為訓練數據；(1-2)插值校準選取切片:在所述訓練數據中挑選出整個腎臟所在區域的所有二維CT圖像，并選取頂部和底部各一張切片；在挑選出的切片中，線性插值的選取出32張切片；(1-3)繪制標記點:在選取出的切片中，均在腹腔外輪廓、腎臟皮質內輪廓和腎臟皮質外輪廓處分別以相等間隔畫上5-20個標記點，并把標記點對應的保存入32個文件中，然后，給32個文件順序標號，將二維的標記點整合在一起成為三維標記點并存在一個體標記點文件中；(1-4)利用三維主動輪廓模型建模，得到了一個模型包括腹腔外輪廓、腎皮質外表面和腎皮質內表面三個部分；(1-5)在訓練過程中，選取腎皮質外表面作為參考面，以表面的法方向a，b為索引，將腎臟的重心點到表面點的方向α、β和長度I存放入R-table，即將腎臟輪廓存入了R-table；所述定位部分包括搜索定位和定位腎皮質；搜索定位時，對待測數據每個像素點求梯度，以每個像素的梯度方向為索引，在Rtable中查找，得到參考點與當前點的角度和距離關系，建立與待測圖像大小相同的投票矩陣，在所得參考位置記一票，做完所有點后，投票矩陣中票數最多點即為腎臟重心點，即利用三維哈弗變換將存在R-table中的腎臟輪廓去定位整個腎臟的重心點；定位腎皮質時，將步驟(1-4)中三維主動輪廓模型建模所得到的模型放在已找到的腎臟重心位置，并進行參數化調整小范圍在重心點搜索，直至得到定位結果。2.根據權利要求1所述的基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法，其特征在于，步驟(1-4)中三維主動輪廓模型訓練具體包括以下幾個步驟:(1)計算三維標記點的分布模型，把每組訓練數據中的標記點描述成線性組合特征向量^=〃7(>?<:1)，并得到腹腔外輪廓、腎皮質外表面和腎皮質內表面的平均輪廓，其中，bs是輪廓，pst為把非特征矩陣轉換為特征矩陣的轉換矩陣，Xi指第i組三維標記點向量，\指\的平均值；(2)對所述平均輪廓做三角刨分，把每組訓練數據對應位置與腹腔外輪廓、腎皮質外表面和腎皮質內表面三個輪廓的平均模型對應起來，在每個對應位置取出5到20個像素點，可以得到與輪廓無關的紋理向量；(3)對每組所述紋理向量做歸一化，與平均紋理向量ga對應起來，對應的方法為每個測試數據都描述為以ga為中心的形式；(4)對每個歸一化過后的紋理向量做主成分分析；(5)把每個主成分分析后的紋理向量表述成線性特征向量的形式瓜)，其中，bg為所得特征矩陣，PgT為把非特征矩陣轉換為特征矩陣的轉換矩陣；(6)把線性組合特征向量bs和線性特征向量bg組合起來:3.根據權利要求2所述的基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法，其特征在于，利用三維哈弗變換定位腎臟的重心，具體包括以下幾個步驟:(1)選用12-20組三維體數據作為待測數據；(2)對任一待測數據的像素灰度值求梯度值；(3)設定梯度閾值，濾除梯度值小于梯度閾值的像素點；(4)以梯度方向為索引，在R-table中搜索對應的方向和長度，可計算出對應參考點4.根據權利要求3所述的基于三維主動輪廓模型和三維哈弗變換的三維腎皮質定位方法，其特征在于，定位腎皮質具體包括以下幾個步驟:(1)將三維主動輪廓模型訓練所得外觀整體模型放在搜索得到的腎臟所在的重心點位置，計算目標圖像gs和三維主動輪廓模型gm之間的像素插值gs-gm;(2)計算上述插值的均方值誤差E；(3)計算三維主動輪廓模型參數C、δc相應的預測梯度值；(4)設系數k=l,計算新的三維主動輪廓模型參數c〃=c_kδc；(5)基于新得到的參數c"計算此時的gs_gm，并計算均方值誤差E"；(6)假如E"比原E小，則轉入步驟(2)；否則將k設為1.5，0.5，0.25，0.125執行第5步，直到E"小于預設均方值誤差結束定位過程，即得到定位結果。【文檔編號】G06T7/60GK103679805SQ201310699381【公開日】2014年3月26日申請日期:2013年12月19日優先權日:2013年12月19日【發明者】陳新建,金超,向德輝申請人:蘇州大學