一種基于高斯曲率流的脊椎特征點自動識別方法技術

一種基于高斯曲率流的脊椎特征點自動識別方法，首先，對人體脊椎的CT圖像進行三維重建，得到所需標注特征點的椎體三維模型，對步驟一得到的椎體模型進行網格劃分；其次，手動選取模型上某點，計算在手動選取點周圍極小半徑為R的球形空間內每個頂點的平均曲率值；最后，選取手動選取點周圍高斯曲率最大的n個點，對高斯曲率最大的n個點，分別與選取點作內積，夾角最小的即為所求的點，能夠提高特征點標注的精確度，從而提高數據測量精確度，具有精確度高、易于實現的特點。

An automatic recognition method of spine feature points based on Gauss curvature flow

An automatic identification method, the feature points of Gauss spine curvature flow based on the first, CT images of the human spine were reconstructed to obtain the required labeling of vertebral 3D model feature points, mesh model step by the vertebral body; secondly, manually select a point on the model, calculate the average curvature for each vertex sphere of the R value in the manual selection of points around the minimum radius; finally, select the manual selection of n points around the point of maximum Gauss curvature, n points of maximum curvature and Gauss, respectively selected as the inner product, minimum angle is required, can improve the accuracy of feature point and annotation. To improve the accuracy of measurement data, has the characteristics of high accuracy, easy to implement.

【技術實現步驟摘要】
一種基于高斯曲率流的脊椎特征點自動識別方法
本專利技術屬于醫學圖像處理
，特別涉及一種基于高斯曲率流的脊椎特征點自動識別方法。
技術介紹
脊椎位于背部正中，是人體的支撐骨骼，對人體的內臟有著重要的保護作用。由于近年來人們的生活和工作方式的改變，人們長期保持同一種姿勢，致使脊椎的負擔加重，脊椎疾病的發病率越來越高，但是因為脊椎復雜的結構以及脊椎手術本身的特點導致脊椎手術的難度很高，而且伴隨著很大的風險。脊椎模型的精確定位和配準問題仍然是還沒有解決的診療難題。在脊椎模型的定位和配準中，主要任務是特征點的定位。為了標注特征點，一般是采用純手動的標注的方法。這種方法標注出特征點不準確，導致數據的精度不高，模型匹配不準確。
技術實現思路
為了克服上述現有技術的不足，本專利技術的目的在于提出一種基于高斯曲率流的脊椎特征點自動識別方法，能夠有效提高特征點標注的準確性，從而提高數據測量精確度，具有精確度高、易于實現的特點。為了實現上述目的，本專利技術采用的技術方案是：一種基于高斯曲率流的脊椎特征點自動識別方法，步驟如下：步驟一，對人體脊椎的CT圖像進行三維重建，得到所需標注特征點的椎體三維模型；步驟二，對步驟一得到的椎體模型進行網格劃分；步驟三，手動選取模型上某點，計算在手動選取點周圍極小半徑為R的球形空間內每個頂點的高斯曲率值的絕對值；步驟四，選取手動選取點周圍高斯曲率最大的n個點；步驟五，對高斯曲率最大的n個點，分別與選取點作內積，夾角最小的即為所求的點。所述步驟四和步驟五中的n≤5。所述步驟三的具體過程如下：步驟3-1，按照如下步驟計算出椎體模型上每個頂點的泰森多邊形區域面積AM：a.遍歷脊椎三維圖像表面的三角面片，獲得其三個頂點的坐標v0、v1和v2，并得出邊向量e0＝v1-v0，e1＝v2-v1，e2＝v0-v2；b.根據向量的點積公式，將邊向量(e1,e2)、(e2,e0)和(e0,e1)分別帶入，得到三角面片各個頂角的度數，再根據cell的拓撲關系，計算脊椎圖像三維表面上每個點鄰域三角形對應的角度和其中#f為三角形面片的個數；c.計算由這三個頂點組成的三角形的面積A，同理根據cell的拓撲關系可得到每個點附近三角形的面積AM；步驟3-2，利用以下公式遍歷計算范圍內每個點的高斯曲率值：其中，#f表示以點xi為頂點的三角形的數目，AM為包含點xi的泰森多邊形區域的面積。所述步驟五的具體過程如下：步驟5-1，利用以下公式計算高斯曲率值最大的n個點與手動選取點的兩個向量內積：＜pi-O,p0-O＞＝xix0+yiy0+ziz0其中，O為坐標系原點，p0為手動選取點，pi為平均曲率值最大的n個點之一；步驟5-2，利用以下公式計算兩向量的夾角θ：與手動選取點夾角最小的點即為經過修正后的特征點。與現有技術相比，本專利技術具有以下有益效果：經過對手動選取點的高斯曲率修正后獲得的特征點的精度比較高，且容易實現；算法只對手動選取的特征點周圍r范圍內n個頂點進行運算，效率較高；使用高斯曲率值自適應計算得到的特征點，經過對手動選取點的修正，較之前通過計算高斯曲率值手動選取特征點，更加趨近于真實特征點；較之通過平均曲率選取特征點，因為某個特征點的高斯曲率值遠遠大于其平均曲率值，固本改進算法能很好地避免由于人為因素產生的偏差，大大提高了特征點標注的準確性，對脊柱高發疾病的診斷和治療具有一定的參考價值。附圖說明圖1為本專利技術方法的流程圖。圖2(a)為三維重建得到人體脊椎模型正面圖，2(b)為三維重建得到人體脊椎模型背面圖。圖3(a)為模型區域生長分割原始圖像，3(b)為模型區域生長分割結果圖。圖4(a)為腰段L1-L3節模型建立效果圖，4(b)為腰段L1節腰段L1節。圖5(a)為腰椎L1節模型俯視圖，5(b)為腰椎L1節模型主視圖。圖6為將椎體模型導入到mimics中的顯示。圖7(a)為腰椎L1-L3節體網格模型實體單元表示，7(b)為腰椎L1-L3節體網格模型節點表示。圖8為脊椎腰骶段的右側面觀特征點標記圖。圖9為脊椎腰骶段的上面觀特征點標記圖。圖10(a)為采用高斯曲率手動選擇特征點結果的仰視圖，10(b)為采用高斯曲率手動選擇特征點結果的左視圖，(c)為采用高斯曲率手動選擇特征點結果的右視圖。圖11(a)為采用文獻“三維脊椎模型特征點標注的研究與實現”選擇特征點結果的仰視圖，11(b)為采用文獻“三維脊椎模型特征點標注的研究與實現”選擇特征點結果的左視圖，11(c)為采用文獻“三維脊椎模型特征點標注的研究與實現”選擇特征點結果的右視圖。圖12(a)為采用本方法自適應選擇特征點結果的仰視圖，12(b)為采用本方法自適應選擇特征點結果的左視圖，12(c)為采用本方法自適應選擇特征點結果的右視圖。圖13為泰森多邊形法示意圖。具體實施方式下面結合附圖和實施例對本專利技術作進一步詳細說明。參見圖1，一種基于高斯曲率流的脊椎特征點自動識別方法，包括以下步驟：步驟一，對人體脊椎的CT圖像進行三維重建，得到所需標注特征點的椎體三維模型。參見圖2、圖3、圖4，對脊椎CT數據進行增強和閾值提取，分割出目標椎體的范圍。對椎體的分割可以使用mimics軟件實現，如圖5、圖6所示。在模型構建過程中，可以采用圖像增強，圖像閾值分割和區域生長算法，去噪點等步驟保證模型的準確。步驟二，對步驟一得到的椎體模型進行網格劃分。設置對椎體進行網格劃分的參數，利用mimics軟件生成模型的三角面片格式，如圖7所示。利用該方式生成的三角面片能夠自動優化局部復雜結構的網格劃分，在保證整體網格質量的同時，降低網格數量，簡化操作流程。步驟三，在針對算法開發的特征點標注軟件中，使用鼠標選取特征點，脊椎采樣特征點的定義如圖8、圖9所示。計算在手動選取點周圍極小半徑為R的球形空間內每個頂點的高斯曲率值kG。步驟3-1，按照如下步驟計算出椎體模型上每個頂點的泰森多邊形區域面積AM:遍歷脊椎三維圖像表面的三角面片，獲得其三個頂點的坐標v0、v1和v2，并得出邊向量e0＝v1-v0，e1＝v2-v1，e2＝v0-v2。根據向量的點積公式，將邊向量(e1,e2)、(e2,e0)和(e0,e1)分別帶入，可以得到三角面片各個頂角的度數θj，再根據cell的拓撲關系，計算脊椎圖像三維表面上每個點鄰域三角形對應的角度和計算由這三個頂點組成的三角形的面積A，同理根據cell的拓撲關系可得到每個點附近三角形的面積AM，計算公式如下：步驟3-2，利用以下公式遍歷計算范圍內每個點的高斯曲率值：其中，#f表示以點xi為頂點的三角形的數目，AM為包含點xi的泰森多邊形區域的面積，θj所表示的角度如圖13所示，表示點xi鄰域三角形對應的角度和，近似為點xi鄰域法線映射到單位球上的面積，再除以相應區域的面積就刻畫了該點附近曲面的彎曲程度；步驟四，在手動選取點周圍半徑為R的球形空間內，選取高斯曲率最大的5個點作為候選特征點。以手動選取點為中心，首先確定一個半徑R，對半徑R內的球形空間內所有頂點的高斯曲率值，進行降序排序，取得高斯曲率值最大的5個點作為候選特征點。步驟五，對5個候選特征點，分別與手動選取點作內積，夾角最小的為所求的點。利用以下公式分別計算高斯曲率值最大的5個點與手動選取點的內積。＜pi-O,p0-O＞＝x本文檔來自技高網...

【技術保護點】
一種基于高斯曲率流的脊椎特征點自動識別方法，其特征在于，步驟如下：步驟一，對人體脊椎的CT圖像進行三維重建，得到所需標注特征點的椎體三維模型；步驟二，對步驟一得到的椎體模型進行網格劃分；步驟三，手動選取模型上某點，計算在手動選取點周圍極小半徑為R的球形空間內每個頂點的高斯曲率值的絕對值；步驟四，選取手動選取點周圍高斯曲率最大的n個點；步驟五，對高斯曲率最大的n個點，分別與選取點作內積，夾角最小的即為所求的點。

【技術特征摘要】
1.一種基于高斯曲率流的脊椎特征點自動識別方法，其特征在于，步驟如下：步驟一，對人體脊椎的CT圖像進行三維重建，得到所需標注特征點的椎體三維模型；步驟二，對步驟一得到的椎體模型進行網格劃分；步驟三，手動選取模型上某點，計算在手動選取點周圍極小半徑為R的球形空間內每個頂點的高斯曲率值的絕對值；步驟四，選取手動選取點周圍高斯曲率最大的n個點；步驟五，對高斯曲率最大的n個點，分別與選取點作內積，夾角最小的即為所求的點。2.根據權利要求1所述的一種基于高斯曲率流的脊椎特征點自動識別方法，其特征在于，所述步驟四和步驟五中的n≤5。3.根據權利要求1所述的一種基于高斯曲率流的脊椎特征點自動識別方法，其特征在于，所述步驟三的具體過程如下：步驟3-1，按照如下步驟計算出椎體模型上每個頂點的泰森多邊形區域面積AM:a.遍歷脊椎三維圖像表面的三角面片，獲得其三個頂點的坐標v0、v1和v2，并得出邊向量e0＝v1-v0，e1＝v2-v1，e2＝v0-v2；b.根據向量的點積公式，將邊向量(e1,e2)、(e2,e0)和(e0,e1)分別帶入，可以得到三角面片各個頂角的度數，再根據cel...

【專利技術屬性】
技術研發人員：惠宇，武君勝，魚濱，賀偉，楊柳，杜靜，李航，
申請(專利權)人：西北工業大學，
類型：發明
國別省市：陜西,61