[0057] (7)邊的建立規(guī)則以及邊上特征向量的定義：首先，根據(jù)如下規(guī)則建立邊集E:1) 如果Fv(Vp1) = 255且Vi處于一個(gè)區(qū)域，若R0I1的Areal、Area2和Area3中存在lab_vertex= 255 的ROIs，則Vi與每個(gè)R0I之間建邊，否則v1與R0I^勺Area4 中l(wèi)ab_vertex= 255的每個(gè)R0I建邊；如果Fv (Vi，1) = 255且ROIi跨越多個(gè)區(qū)域，則vi與所有l(wèi)ab_vertex =255的ROIs對(duì)應(yīng)的頂點(diǎn)之間建邊。2)如果Fv (Vi, 1) 255，Vi與至少一個(gè)lab_vertex= 255的頂點(diǎn)Vj之間存在邊。v』滿足如下條件：如果R0I丨的Areal中存在lab_vertex= 255 的ROIsJ』Vi與每個(gè)R0I之間建邊，否則查看ROIi的下一優(yōu)先級(jí)區(qū)域，直到此優(yōu)先級(jí)區(qū)域 存在lab_vertex= 255的ROIs，Vi與每個(gè)R0I之間建邊。這樣的建邊規(guī)則使得建立的圖 是連通圖。然后，計(jì)算每條邊e上的特征向量FE(e) = (d_edge，md_edge，ro_edge}，其中：
[0058]l)d_edge是兩個(gè)ROIs質(zhì)心間的距離。給定兩個(gè)質(zhì)心以=(Ui);和〇2=($2,歹2)，
[0059] 2)md_edge是兩個(gè)ROIs間的最短距離。給定兩個(gè)ROIs:R0I和R0P，md=
[0060] 3)ro_edge=(sin0，cos0 )是兩個(gè)ROIs質(zhì)心連線和水平方向的夾角度量。如 圖 3(c)。
[0061] (8)展示結(jié)果：圖3(f)即為將一幅原始腦部CT圖像轉(zhuǎn)化的一個(gè)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。
【主權(quán)項(xiàng)】
1. 基于腦部CT圖像的圖模型展示方法，其特征在于，包括如下步驟： (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； (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； (3)ROIs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; (4) 確定ROI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) ROI的像素坐標(biāo)和ML、LL的關(guān)系確定ROI所處區(qū)域； (5) 確定ROI的區(qū)域優(yōu)先級(jí)：根據(jù)ROI所處區(qū)域和ML、LL的空間關(guān)系給每個(gè)ROI定義 一個(gè)區(qū)域優(yōu)先級(jí)； (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; (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ROI所屬類別、ROI所處 區(qū)域以及ROI與其他區(qū)域ROI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; (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。2. 根據(jù)權(quán)利要求1所述的基于腦部CT圖像的圖模型展示方法，其特征是，所述的ROIs 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)Tl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。3. 根據(jù)權(quán)利要求1所述的基于腦部CT圖像的圖模型展示方法，其特征是，所述的ROI 所處區(qū)域?yàn)椋菏紫扰袛郣OI和ML位置關(guān)系ROI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)ROI的像素坐標(biāo)和ML的像素坐標(biāo)即可得到；然后判斷ROI和LL的位置關(guān) 系ROI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)ROI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71和y2，yi = Ymin+IYmax-YminI/3，y2 =y | | /3，其中丫_為匪的最大縱坐標(biāo)，y_為匪的最小 縱坐標(biāo)，如果5^和y2均小于R〇w/2,則此ROI處于LL上部，如果y兩y2均大于Row/2,則此ROI處于LL下部，否則，此ROI跨越LL，根據(jù)這兩步即可判斷ROI所屬區(qū)域。4. 根據(jù)權(quán)利要求1所述的基于腦部CT圖像的圖模型展示方法，其特征是，所述的ROI 的區(qū)域優(yōu)先級(jí)為：如果ROI處于一個(gè)區(qū)域，則I.I)ROI所處的區(qū)域是此ROI的第一優(yōu)先級(jí) 區(qū)域，記為Areal;1. 2)ROI所在區(qū)域關(guān)于LL對(duì)稱的區(qū)域是此ROI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ROI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OI的第四優(yōu)先級(jí)區(qū)域，記為Area4,如果ROI跨越多個(gè)區(qū)域，則2.I)ROI 跨越的區(qū)域均為此ROI的第一優(yōu)先級(jí)區(qū)域，記為Areal;2. 2)其他區(qū)域?yàn)榇薘OI的第二優(yōu)先 級(jí)區(qū)域，記為Area2。5. 根據(jù)權(quán)利要求1所述的基于腦部CT圖像的圖模型展示方法，其特征是，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) Vi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ROI內(nèi)的像素個(gè)數(shù)，leng_vertex是頂點(diǎn)對(duì)應(yīng)的ROI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ROI的同質(zhì)系數(shù)，c_vertex是頂點(diǎn)對(duì)應(yīng)的ROI的質(zhì)心，r_vertex是頂 點(diǎn)對(duì)應(yīng)的ROI的圓滑度。6. 根據(jù)權(quán)利要求1所述的基于腦部CT圖像的圖模型展示方法，其特征是，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ROIi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)ROI對(duì)應(yīng)的頂點(diǎn)之間建邊，否 則若ROIj^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)ROI對(duì)應(yīng)的頂點(diǎn)之間建邊，否則若ROI^勺第二優(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；（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)Vj之間存在邊；Vj滿足如下兩個(gè)條件：（I)Vj對(duì)應(yīng)的ROIj是側(cè)腦室； (II)如果ROIj^第一優(yōu)先級(jí)區(qū)域存在ROI」且ROI」是側(cè)腦室，則V1與V」之間建邊，否則查 看ROIi的下一優(yōu)先級(jí)區(qū)域，直到此優(yōu)先級(jí)區(qū)域存在ROI」且ROI」是側(cè)腦室，則V1與V」之間 建邊。
【專利摘要】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。本發(fā)明包括：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；圖像預(yù)處理；ROIs的分割和標(biāo)記；確定ROI所處區(qū)域；確定ROI的區(qū)域優(yōu)先級(jí)；頂點(diǎn)的建立以及頂點(diǎn)上特征向量的定義；邊的建立規(guī)則以及邊上特征向量的定義；展示結(jié)果。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。
【IPC分類】G06T7/00
【公開(kāi)號(hào)】CN104933712
【申請(qǐng)?zhí)枴緾N201510324245
【發(fā)明人】潘海為, 高琳琳, 韓啟龍, 翟霄, 李文博
【申請(qǐng)人】哈爾濱工程大學(xué)
【公開(kāi)日】2015年9月23日
【申請(qǐng)日】2015年6月12日