[发明专利]一种肋骨可视化的肋骨骨折辅助诊断方法

权利要求书

1.一种肋骨可视化的肋骨骨折辅助诊断方法，其特征在于，包括下述过程：

一、获取图片；

二、提取肋骨；

三、人工修正，去掉脊柱、胸骨；

四、展开肋骨；

所述过程一是指：取得原始的人体胸部CT扫描图像；

所述过程二是指：将人体胸部CT扫描图像转化为256阶灰度图像，然后用增强滤波器对肋骨进行增强处理，调整像素值大小取一个范围提取出整个胸部骨骼，整个胸部骨骼包括肋骨、脊柱及胸骨，按照肋骨空间位置大小从上向下标记左右肋骨分支；

过程二具体包括下述步骤：

步骤a：把人体胸部CT扫描图像转化为256色灰度图像

步骤b：然后使用一个增强滤波算子对肋骨区域进行强化，从图像中逐点提取平滑的黑塞矩阵：

其中，所述I是指每点的二阶导数矩阵；

步骤c：黑塞矩阵I通过高斯核的二阶偏导数与原图像进行卷积求得：

其中，G_σ(v)＝exp(-v^Tv/σ²)，v∈R³为高斯核；所述Δ为拉普拉斯算符；所述为步骤a中的256色灰度图像；所述σ是指当前高斯核的标准差；所述T是指向量的转置；所述exp是指自然指数函数；所述*指的是函数间的卷积；所述R³为三维欧氏空间；所述v为欧氏空间中的一个三维向量；

步骤d：求出黑塞矩阵I的特征值λ₁，λ₂，λ₃，且|λ₁|＜|λ₂|＜|λ₃|；

计算每点的增强值：

其中，所述V₀(I)用于表示像素值类似管状结构的程度；所述α、β、c都分别大于0；

步骤e：通过调整像素值范围提取出胸部骨骼，包含肋骨、脊柱及胸骨；

步骤f：按照肋骨空间位置大小从上到下对左右肋骨进行标记；

所述过程三是指：创建三维窗口，用户通过鼠标右键点击划圈标示出不属于肋骨的部分，计算机根据用户的标示将圈内部分去除；

所述过程四是指：泊松曲面重建肋骨轮廓，拉普拉斯网格收缩提取肋骨骨架；应用最近点迭代矫正骨架，对准骨架位置；应用曲面重建算法对每一只肋骨进行展开，得到最终的肋骨可视化展开结果，用于辅助医生进行肋骨病变诊断；其中，

所述泊松曲面重建肋骨轮廓具体为：

输入经过过程三人工修正后提取的肋骨分割结果的表面点集，记为点集合S，该点集合满足任意元素s∈S，且任意元素s都具有两个已知参数：元素s的三维空间中对应的位置s.p、元素s的内法线方向同时，记Vec为三维欧式空间上的向量场，该向量场满足对所有的s∈S，向量场的值在点s.p上的值为而向量场在其余点的值为0；

泊松重建是寻找三维空间上的一个标量函数χ，使得式子最小；其中，符号||·||代表欧氏距离范数；

泊松重建转而求解将作为上述χ的近似解；上式中，Δ代表拉普拉斯算符，为三维空间上的一个标量函数；

最后，泊松重建通过求取同属一个水平集的点集：获得表面重建结果的顶点集合VP，并对VP构造相应八叉树，即获得对应表面重建结果GP，输出的泊松重建的结果记为：GP＝(VP，EP)；

上式中，VP代表待求水平集上的点集，q代表三维欧氏空间中的点，其中|·|代表集合的元素个数；GP代表泊松重建表面网格结果，其中EP是表面网格中边的集合，EP中任意元素是VP中两点间的连线；

所述拉普拉斯网格收缩提取肋骨骨架是指：在提取骨架过程中保持了细节形变，通过估计肋骨上点云邻域建立散乱点之间的连接关系，然后构建拉普拉斯加权矩阵，将所有点作为全局的位置约束，进行点云收缩，对收缩后的点云进行聚类，连接成线得到肋骨骨架；具体为：

对于任意一个表面重建结果G＝(V，E)；其中，V为该表面的顶点集合；E是该表面重建结果中边的集合，是V中点的连线；假设G中的顶点数，即集合V的元素个数为n，记V＝{V₁，...，V_n}，V_i∈R³；定义并计算该表面重建结果的拉普拉斯矩阵为L，对于该表面重建结果G(V，E)，记α_ij和β_ij为边(i，j)∈E的对角，其中(i，j)∈E代表从V_i到V_j的连线包含在E中，i，j分别为V中点的索引；定义角度权重：

w_i，j＝cotα_i，j+cotβ_i，j

通过如下方式计算局部拉普拉斯矩阵L＝{L_i，j}_n×n

上式中，(i，j)中的i和j分别指代当前边的两个顶点的索引；k指代在边(i，k)中不同于当前索引i的那个顶点的索引；L_i，j是指拉普拉斯矩阵第i行第j列的元素；

拉普拉斯网格收缩提取肋骨骨架利用一个迭代过程实现，记上一步骤中得到的肋骨泊松表面重建结果为GP＝G¹＝(V¹，E)，其中G¹，V¹和E分别代表算法初始时的表面重建结果、与之对应的初始顶点集合以及边的集合，V¹＝VP，E＝EP；设初始权重矩阵和

首先计算对应的拉普拉斯矩阵L¹，在第t次迭代过程中，通过已知的第t步的结果其变量分别为第t步的表面重建结果，权重，以及拉普拉斯矩阵，算法重复以下步骤，并更新结果到第t+1次迭代中，直到当前迭代生成的表面重建结果体积为0，迭代过程具体为：

1)更新第t+1步的表面重建结果G^t+1(V^t+1，E)，其中V^t+1是第t+1次更新后的顶点集合，通过求解最小二乘：[W_L^tL^t W_H^t]^TV^t+1＝[0 W_H^tV^t]^T；

其中，大写的T代表向量的转置，V^t为第t次迭代生成的顶点集合，W_L^t以及W_H^t为第t次迭代的权重矩阵；

2)更新第t+1步的权重矩阵为：

其中，和分别是顶点i当前邻域的面积和最初邻域的面积，S_L值可调；

3)通过表面重建结果G^t+1(V^t+1，E)，计算第t+1步的拉普拉斯矩阵L^t+1；

迭代过程结束后，最后生成的表面重建结果为G^∞(V^∞，EP)，并且获得该最后收敛的表面重建结果的骨架V^∞，V^∞为该表面的顶点集合；

所述应用最近点迭代矫正骨架具体是指：对给定两组不同的三维数据点集，其中一个为源数据点集P＝{P₁，...，P_N}，另一个为目标点集Q＝{Q₁，...，Q_M}，其中M≥N，ICP试图找出一种刚性变换，将点集P与目标Q进行匹配，即ICP通过迭代的方法来寻找这样的最佳刚性匹配；

在第m次迭代过程中，ICP算法找到与源数据点集P中的每个点对应的目标点集Q中的点，并且计算最佳的刚性变换T，使得下述距离最小：

所述P_l^m，Q_l^m分别为第m步迭代的点集P，Q中的对应点，为刚体变换，其中R为旋转矩阵，为平移向量，Г代表所有刚性变换的集合，||·||代表欧氏度量，符号代表函数复合；

具体来说ICP主要包括下述步骤：

(1)对每一个P_l^m，计算目标点集Q中对应点使最小；

(2)计算旋转矩阵R^m与平移向量极小化距离：

(3)更新第m+1步源点云中点的位置：

(4)计算欧式度量误差：

(5)如果d^m+1不小于给定的阈值δ，返回到(1)执行，直到d^m+1＜δ或迭代次数大于预设的最大迭代次数为止；

最终，得到的变换为：其中T_m为第m步迭代中求得的刚性变换，s为最终的迭代次数；

因源数据点集P为肋骨骨架内的骨骼点V^∞，而点集Q为与之对应的肋骨二值分割结果，通过上述应用最近点迭代矫正骨架的迭代算法，即实现将肋骨骨架与分割结果对齐。

2.根据权利要求1所述的一种肋骨可视化的肋骨骨折辅助诊断方法，其特征在于，所述过程四中，曲面重建算法展开肋骨具体包括下述步骤：

(1)应用得到的肋骨骨架，均匀选取上面的3D采样点；

(2)在每个采样点上计算基于相邻点和前一点的正交观测方向，在每个点附近采样一个平面；

(3)在每个点上重复上述过程，取一个切片，重复第二步；

(4)把采样的切片相互堆叠在一起形成一个直卷；

(5)重复每根肋骨从而把肋骨展开。