[发明专利]一种基于高斯过程渐变模型的骨骼医学语义自动提取方法

权利要求书

1.一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，其特征在于，所述方法包括如下步骤：

根据骨骼图像构建网格模型；

通过网格模型得到单骨模板，并标注相应的医学语义；

选择目标网格模型；

将单骨模板与目标网格模型进行拟合；

通过映射在目标网格模型上得到医学语义；

其中，通过映射在目标网格模型上得到医学语义的方法包括如下步骤：

计算目标模型每一个面的质心到模板模型每一个面的质心的距离时间复杂度，为下式：

O(n)＝n²；

通过构建AVL树的方法，将时间复杂度降低为：

O(n)＝log(n)；

将模板模型的每一个面设为一个节点，权值为该面质心的Z坐标值；给予一个精确度pre，以目标模型的某面设为F1，利用AVL树的查找算法查找满足：

|F1.Z-root.Z|＜pre

的第一个节点；

遍历以该节点为根节点的子树，选择出与F1质心欧氏距离最近的模板面，即为F1面的映射结果；

将其他面按上述方式进行映射；

根据映射结果将模板模型上的医学语义映射到目标模型上。

2.根据权利要求1所述的一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，其特征在于：所述网格模型的构建方法包括如下步骤：

获取不同患者的同一块骨骼的电子扫描图像；

将电子扫描图像构建成网格模型。

3.根据权利要求1所述的一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，其特征在于：所述单骨模板的构建方法包括如下步骤：

S3.1将网格模型视作集合A，预配准之后，选择集合A中任意元素构建为高斯模型；

S3.2对集合A中的网格模型分别标注相应的标志点，通过对应标志点，将得到的模型对集合A中所有元素进行变形配准,分别生成相应的模型，视作集合B；

S3.3基于集合B，构建主成分分析PCA模型；

S3.4利用数学方法，将PCA模型生成渐变模型；

S3.5跳转至S3.2，重复执行S3.2、S3.3、S3.4，至少循环10次后跳转至S3.6；

S3.6输出高斯过程渐变模型，即为所需单骨模板。

4.根据权利要求1所述的一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，其特征在于：所述目标网格模型的选择方法包括如下步骤：

将任意一个患者的骨骼所生成的网格模型，作为目标网格模型。

5.根据权利要求1所述的一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，其特征在于：单骨模板与目标网格模型进行拟合的方法包括如下步骤：

选取若干个对应特征点；

选择对应标注点坐标方差范围；

给定拟合误差范围，根据特征点进行拟合。