[发明专利]基于深度置信网络和三维模型的胎儿正中矢状面自动检测方法有效
申请号: | 201510688066.9 | 申请日: | 2015-10-21 |
公开(公告)号: | CN105405119B | 公开(公告)日: | 2018-07-13 |
发明(设计)人: | 余锦华;聂思晴;汪源源 | 申请(专利权)人: | 复旦大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/13 |
代理公司: | 上海正旦专利代理有限公司 31200 | 代理人: | 陆飞;盛志范 |
地址: | 200433 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 自动检测 正中矢状面 三维模型 置信 图像块 矢状 胎儿 三维 图像分割技术 对称性检测 边缘检测 二维问题 霍夫变换 建立模型 平面检测 三维数据 使用方向 胎儿超声 问题简化 中心切面 自动搜索 网络 面对称 二维 | ||
1.基于深度置信网络和三维模型的胎儿正中矢状面自动检测方法,其特征在于具体步骤如下:
(1)首先,利用深度置信网络从三维超声数据的中心切面上自动找到一个完整包含头颅的图像块,定位头颅的大致位置;
(2)然后,利用方向Kirsch边缘检测和霍夫变换从步骤(1)得到的图像块中找到一个最贴合胎儿头颅的圆,定位胎儿头颅的准确位置和大小;
(3)最后,建立三维模型,从步骤(2)得到的头颅位置和大小出发,寻找一个最对称的二维平面区域及其对称轴,其对称面即为正中矢状面。
2.根据权利要求1所述的胎儿正中矢状面自动检测方法,其特征在于步骤(1)的具体过程为:
(1)首先从训练数据的中心切面上选取训练所需图像块,图像块分为两类:第一类完整包含头颅,第二类不包含头颅或只包含部分头颅;
(2)将图像块作为深度置信网络的输入;整个网络被视作一个二分类器,用以判断图像块属于第一类或第二类;网络分为5层,每层的节点数依次为p1,p2,p3,p4,p5,其中,第1层节点数p1为图像块的像素点个数,第5层的节点数p5为类的个数,即取2;第2-4层的节点数p2、p3、p4,具体可以调整;
(3)对网络进行训练,首先在每两层之间用受限玻尔兹曼机进行预训练,得到初始权重;假设输入层为v,输出层为h,则能量E(v,h)定义为:
其中,wij为输入层和输出层之间的权重,vi和hj分别为输入层和输出层的节点,bi和bj分别为输入层和输出层的偏置,i=1…Nv,j=1…Nh,Nv和Nh分别为输入层和输出层节点个数;
(4)利用过程(3)得到的初始权重,将整个网络串联起来,使用BP神经网络算法对整体权重进行微调;
(5)训练完成后,使用遍历搜索测试图像中所有图像块,计算每一个图像块属于第一类的概率,选取概率最大的图像块为最终输出结果:
I(x,y)=argmaxI(x,y)Phead(I(x,y)|W) (2)
其中,W={W1,W2,W3,W4}是整个DBN网络中的全部权重,Wi是第i层和i+1层之间的权重;
经过上述过程,得到中心切面上一个完整包含头颅的图像块,即获得头颅的大致位置。
3.根据权利要求2所述的胎儿正中矢状面自动检测方法,其特征在于步骤(2)的具体过程为:
对于已得到的包含完整头颅的图像块进行处理:首先使用直方图均衡对图像进行预处理,以提高图像的对比度;然后应用方向Kirsch边缘检测得到图像块的边缘图;将图像分为上、下、左、右、左上、左下、右上、右下8个部分,对于每个部分应用相应方向的Kirsch算子;根据方向不同针对性地应用Kirsch算子,以有效地减弱指向其他方向的边缘,排除一定干扰;最后,对边缘图进行霍夫检测,获得一个与头颅最为贴合的圆,即得到了头颅的准确大小R和位置(a,b);所述霍夫检测的约束如下:
其中,Rmin和Rmax分别是头颅可能的最小和最大半径,图像块大小为Mpatch×Npatch。
4.根据权利要求3所述的胎儿正中矢状面自动检测方法,其特征在于步骤(3)的具体过程为:
鉴于正中矢状面将头颅对称地分开,两平面交线即为对称轴;建立一个包含6个参数的三维模型,用于描述正中矢状面、对称性平面及平面上的对称轴与对称区域,其中(x,y,z)是对称区域中心点的坐标,r是对称区域大小,θ是对称平面上对称轴与x轴的夹角,是对称性平面与xz-平面的夹角;此时,仅在包含头颅的长方体中进行搜索,长方体的位置和大小由步骤(2)得到的头颅位置和大小决定;
假设一幅图像为f(x,y),对称性计算采用的是反射对称性计算公式:
其中,(t,s)是初始(x,y)绕x轴旋转θ得到的新坐标,L=2r,与对称区域的大小有关;
为增加鲁棒性,用高斯窗赋予对称区域权重:
鉴于需要寻找一个较大的对称性区域,增加一个与区域半径有关的权重:
其中,即由式(5)得到的与区域半径权重无关的区域对称性SG,SSD是与区域半径有关的对称性;其中RL是一个与目标区域半径有关的参数,u(r)为单位阶跃函数;
此时,正中矢状面方程为:
其中,参数为参数此时刻的参数值;相应对称性平面方程为:
由此,得到由完整6个参数定义的对称性如下:
其中,是由所确定的对称性平面,此时仅在包含头颅的长方体中进行搜索,长方体的大小为Mvol×Nvol×Lvol,Mvol、Nvol和Lvol分别为长方体在x轴、y轴和z轴方向上的长度;
在搜索参数组使得(9)式的S最大时,使用邻域搜索法,需要搜索的参数为y通过公式(8)计算;令Nk(k=1,2,…,kmax)是X的邻域,邻域搜索法的具体步骤如下:
(1)根据步骤(1)得到的结果,初始化(x0,z0,r0,y0),则∈R5是初始参数组,n=0;
(2)选取利用计算yn+1;
(3)如果S(Xn+1)>S(Xn),则返回步骤(2),否则
如果,S(X′n+1)>S(Xn),返回步骤(2),否则Xn即为最终得到的参数组;
经过上述过程,得到最终的参数组Xn,再由公式(7),即得到最终的正中矢状面方程。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学,未经复旦大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510688066.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种采用气动平衡的立式抽油机
- 下一篇:一种涵道风扇