基于腦部ct圖像的圖模型展示方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于醫(yī)療信息技術(shù)領(lǐng)域，具體涉及一種基于腦部CT圖像的圖模型展示方 法。
【背景技術(shù)】
[0002] 近年來(lái)面向醫(yī)學(xué)圖像的研宄成為醫(yī)學(xué)和計(jì)算機(jī)交叉學(xué)科研宄的熱點(diǎn)。隨著醫(yī)療數(shù) 字化設(shè)備的快速發(fā)展，醫(yī)學(xué)信息數(shù)據(jù)庫(kù)被廣泛使用。病人的結(jié)構(gòu)化文本信息，以及大量的非 結(jié)構(gòu)化醫(yī)學(xué)圖像信息，為醫(yī)學(xué)圖像的數(shù)據(jù)挖掘提供了豐富的數(shù)據(jù)資源，從而使醫(yī)學(xué)圖像可 以有效地輔助醫(yī)師對(duì)病理變化區(qū)域進(jìn)行檢測(cè)、定位以及判斷它的良惡性，因此醫(yī)學(xué)圖像被 廣泛應(yīng)用于臨床診斷過(guò)程中。然而，具有不同知識(shí)背景的醫(yī)生即使對(duì)同一張醫(yī)學(xué)圖像可能 存在不同的判斷，所以，對(duì)醫(yī)學(xué)圖像進(jìn)行建模，將醫(yī)學(xué)圖像所蘊(yùn)含的圖像信息以及空間信息 用圖這種關(guān)系結(jié)構(gòu)表示出來(lái)，然后在圖上進(jìn)行一系列的數(shù)據(jù)額挖掘的操作，客觀地輔助醫(yī) 生做出更好地診斷結(jié)果。因此基于腦部CT圖模型具有較高的學(xué)術(shù)價(jià)值和實(shí)際應(yīng)用前景。
[0003] 目前，國(guó)內(nèi)外存在一些圖像表示的方法，主要包括2DString(Two_Dimensional String)、9D_SPA(9-DirectionSPannngArea)、RAG(RegionAdjacencyGraph)、Irregular pyramid等，這些圖像表示方法是針對(duì)一般圖像建立的模型，沒(méi)有考慮醫(yī)學(xué)領(lǐng)域知識(shí)。而在 醫(yī)學(xué)圖像表示方法中，KumarA?等在Medicalimageanalysis發(fā)表的論文Agraph-based approachfortheretrievalofmulti-modalitymedicalimages中提出一個(gè) CAPP(Complete-AnatomyProximal-Pathology)圖模型，但此模型是用于多模態(tài)的胸腔圖 像上，沒(méi)有考慮腦部CT圖像的特有性質(zhì)。HuangM?等在Computationalandmathematical methodsinmedicine發(fā)表的論文Retrievalofbraintumorswithregion-specific bag-〇f-visual-wordsrepresentationsincontrast-enhancedMRIimages中提出一個(gè) Region-SpecificBoW模型，但此模型中沒(méi)有考慮感興趣區(qū)域（ROIs,ReginsOfInterest) 之間的空間關(guān)系。因此提出一種基于腦部CT圖像的、既能表示圖像信息又能表示圖像結(jié)構(gòu) 的模型是一個(gè)亟待解決的問(wèn)題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提出一種基于腦部CT圖像的圖模型展示方法。
[0005] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0006] (1)待建模圖像提出建模請(qǐng)求：待建模圖像為原始腦部CT圖像；
[0007] (2)圖像預(yù)處理：首先，提取大腦顱內(nèi)部分；其次，矯正大腦角度同時(shí)提取腦中 線ML;然后，按照顱內(nèi)部分的垂直方向的外接矩陣裁剪圖像；最后，歸一化圖像大小為 RowXColumn；
[0008] (3)R0Is的分割和標(biāo)記：首先先后分割側(cè)腦室、灰度呈現(xiàn)較黑的病變區(qū)域和灰度 呈現(xiàn)較白的病變區(qū)域，然后用不同的灰度值分別標(biāo)記三類ROIs;
[0009] (4)確定R0I所處區(qū)域：腦中線ML和圖像水平中線LL將顱內(nèi)部分分為左上、左下、 右上、右下四個(gè)區(qū)域，每個(gè)ROI處于這四個(gè)坐標(biāo)區(qū)域中的一個(gè)區(qū)域或者跨越多個(gè)區(qū)域，根據(jù)R0I的像素坐標(biāo)和ML、LL的關(guān)系確定R0I所處區(qū)域；
[0010] (5)確定R0I的區(qū)域優(yōu)先級(jí)：根據(jù)R0I所處區(qū)域和ML、LL的空間關(guān)系給每個(gè)R0I 定義一個(gè)區(qū)域優(yōu)先級(jí)；
[0011] (6)頂點(diǎn)的建立以及頂點(diǎn)上特征向量的定義：根據(jù)ROIs建立頂點(diǎn)集V，同時(shí)計(jì)算頂 點(diǎn)的特征向量集Fv;
[0012] (7)邊的建立規(guī)則以及邊上特征向量的定義：根據(jù)頂點(diǎn)對(duì)應(yīng)的R0I所屬類別、R0I 所處區(qū)域以及R0I與其他區(qū)域R0I之間的關(guān)系建立邊集E，同時(shí)計(jì)算邊的特征向量集Fe;
[0013](8)展示結(jié)果：展示一幅腦部CT圖像的TRVL圖G= (V，E，F(xiàn)v，F(xiàn)E)，其中，V為頂點(diǎn) 集，E為邊集，F(xiàn)v為頂點(diǎn)的特征向量集，F(xiàn)E為邊的特征向量集。
[0014] 所述的R0IS分割為：首先，利用貝葉斯理論將像素灰度值的分類結(jié)果和依據(jù)腦室 圖譜的分割結(jié)果相結(jié)合的方法在腦部CT圖像中提取側(cè)腦室；然后，對(duì)顱內(nèi)部分執(zhí)行全局閾 值方法，得到閾值T1，根據(jù)T1對(duì)圖像二值化，得到灰度呈現(xiàn)較黑的病變區(qū)域；最后，對(duì)顱內(nèi) 部分除去已分割的ROIs的像素執(zhí)行全局閾值方法，得到閾值T2,根據(jù)T2對(duì)圖像二值化，得 到灰度呈現(xiàn)較白的病變區(qū)域。
[0015] 所述的R0I所處區(qū)域?yàn)椋菏紫扰袛郣0I和ML位置關(guān)系R0I在ML的左側(cè)、右側(cè)或者 跨越ML，腦中線ML是客觀存在的，根據(jù)R0I的像素坐標(biāo)和ML的像素坐標(biāo)即可得到；然后判 斷R0I和LL的位置關(guān)系R0I在LL的上部、下部或者跨越LL，LL和圖像的大小有關(guān)，而圖像 大小的歸一化處理使直接根據(jù)R0I的像素坐標(biāo)和LL的像素坐標(biāo)判斷存在誤差，為此引入兩 個(gè)變量yJPy2,yfy_+1y-lnJ/3,y2=y1 /3,其中y為R0I的最大縱坐 標(biāo)，ymijR〇i的最小縱坐標(biāo)，如果yi和y2均小于R〇w/2,則此R〇i處于ll上部，如果y兩y2均大于R〇w/2,則此R0I處于LL下部，否則，此R0I跨越LL，根據(jù)這兩步即可判斷R0I所 屬區(qū)域。
[0016] 所述的R0I的區(qū)域優(yōu)先級(jí)為：如果R0I處于一個(gè)區(qū)域，則1. 1)R0I所處的區(qū)域是此 R0I的第一優(yōu)先級(jí)區(qū)域，記為Areal;1.2)R0I所在區(qū)域關(guān)于LL對(duì)稱的區(qū)域是此R0I的第二 優(yōu)先級(jí)區(qū)域，記為Area2 ;1. 3)R0I所在區(qū)域關(guān)于ML對(duì)稱的區(qū)域是此R0I的第三優(yōu)先級(jí)區(qū) 域，記為Area3 ;1.4)最后一個(gè)區(qū)域?yàn)榇薘0I的第四優(yōu)先級(jí)區(qū)域，記為Area4,如果R0I跨越 多個(gè)區(qū)域，則2. 1)R0I跨越的區(qū)域均為此R0I的第一優(yōu)先級(jí)區(qū)域，記為Areal;2. 2)其他區(qū) 域?yàn)榇薘0I的第二優(yōu)先級(jí)區(qū)域，記為Area2。
[0017] 所述的頂點(diǎn)的建立以及頂點(diǎn)上特征向量的定義為：每個(gè)ROIi定義為一個(gè)頂點(diǎn)vi， 即ROIi和頂點(diǎn)￥1是--對(duì)應(yīng)關(guān)系；頂點(diǎn)vi上的特征向量記為Fv(Vi)，則Fv(Vi) = (lab_ vertex,area_vertex,s_vertex,leng_vertex,ht_vertex,c_vertex,r_vertex)；其中，lab_vertex為頂點(diǎn)對(duì)應(yīng)的ROI所屬類別，area_vertex是頂點(diǎn)對(duì)應(yīng)的ROI所處區(qū)域，s_ vertex是頂點(diǎn)對(duì)應(yīng)的R0I內(nèi)的像素個(gè)數(shù)，leng_vertex是頂點(diǎn)對(duì)應(yīng)的R0I中兩個(gè)像素點(diǎn)之 間的最大距離，ht_vertex是頂點(diǎn)對(duì)應(yīng)的R0I的同質(zhì)系數(shù)，c_vertex是頂點(diǎn)對(duì)應(yīng)的R0I的質(zhì) 心，r_vertex是頂點(diǎn)對(duì)應(yīng)的R0I的圓滑度。
[0018]所述的邊的建立規(guī)則以及邊上特征向量的定義為：任意兩個(gè)頂點(diǎn)\和v」之間邊 的存在性滿足如下規(guī)則：（3. 1)若頂點(diǎn)Vi對(duì)應(yīng)的ROIi是側(cè)腦室且ROIi處于一個(gè)區(qū)域，若在 R〇Ii的第一、二、三優(yōu)先級(jí)區(qū)域中存在ROIs且這些ROIs都是側(cè)腦室，則vi與每個(gè)R0I對(duì)應(yīng) 的頂點(diǎn)之間建邊，否則若ROlj^第四優(yōu)先級(jí)區(qū)域存在ROIs是側(cè)腦室，vi與每個(gè)ROI對(duì)應(yīng)的 頂點(diǎn)建邊；如果頂點(diǎn)Vi對(duì)應(yīng)的ROIi是側(cè)腦室且ROIi跨越多個(gè)區(qū)域，若在ROIi的第一優(yōu)先級(jí) 區(qū)域中存在ROIs且這些ROIs都是側(cè)腦室，則Vi與每個(gè)R0I對(duì)應(yīng)的頂點(diǎn)之間建邊，否則若 ROlj^第二優(yōu)先級(jí)區(qū)域存在ROIs是側(cè)腦室，vi與每個(gè)R0I對(duì)應(yīng)的頂點(diǎn)建邊；（3. 2)如果vi 對(duì)應(yīng)的ROIi是病變區(qū)域，則vi與至少一個(gè)v」之間存在邊。v」?jié)M足如下兩個(gè)條件：（I)v」對(duì) 應(yīng)的ROIj是側(cè)腦室；（II)如果R0I 第一優(yōu)先級(jí)區(qū)域存在R0I」且R0I」是側(cè)腦室，則v1與 '之間建邊，否則查看R〇Ii的下一優(yōu)先級(jí)區(qū)域，直到此優(yōu)先級(jí)區(qū)域存在R0I」且R0I」是側(cè)腦 室，則V#Vj之間建邊。
[0019] 本發(fā)明的有益效果在于：
[0020] 本發(fā)明提出一種基于腦部CT圖像的TRVL圖模型展示方法，此模型是依據(jù)側(cè)腦室 之間的空間關(guān)系以及病變區(qū)域?qū)?cè)腦室的影響建立的拓?fù)潢P(guān)系圖，它不僅準(zhǔn)確地表示大腦 顱內(nèi)側(cè)腦室之間的關(guān)系，同時(shí)也展現(xiàn)了病變區(qū)域?qū)?cè)腦室的影響等病理信息，很好地將圖 像信息轉(zhuǎn)變?yōu)橛?jì)算機(jī)視覺(jué)信息。<