基于腦部ct圖像的圖模型展示方法
【技術領域】
[0001] 本發明屬于醫療信息技術領域，具體涉及一種基于腦部CT圖像的圖模型展示方 法。
【背景技術】
[0002] 近年來面向醫學圖像的研宄成為醫學和計算機交叉學科研宄的熱點。隨著醫療數 字化設備的快速發展，醫學信息數據庫被廣泛使用。病人的結構化文本信息，以及大量的非 結構化醫學圖像信息，為醫學圖像的數據挖掘提供了豐富的數據資源，從而使醫學圖像可 以有效地輔助醫師對病理變化區域進行檢測、定位以及判斷它的良惡性，因此醫學圖像被 廣泛應用于臨床診斷過程中。然而，具有不同知識背景的醫生即使對同一張醫學圖像可能 存在不同的判斷，所以，對醫學圖像進行建模，將醫學圖像所蘊含的圖像信息以及空間信息 用圖這種關系結構表示出來，然后在圖上進行一系列的數據額挖掘的操作，客觀地輔助醫 生做出更好地診斷結果。因此基于腦部CT圖模型具有較高的學術價值和實際應用前景。
[0003] 目前，國內外存在一些圖像表示的方法，主要包括2DString(Two_Dimensional String)、9D_SPA(9-DirectionSPannngArea)、RAG(RegionAdjacencyGraph)、Irregular pyramid等，這些圖像表示方法是針對一般圖像建立的模型，沒有考慮醫學領域知識。而在 醫學圖像表示方法中，KumarA?等在Medicalimageanalysis發表的論文Agraph-based approachfortheretrievalofmulti-modalitymedicalimages中提出一個 CAPP(Complete-AnatomyProximal-Pathology)圖模型，但此模型是用于多模態的胸腔圖 像上，沒有考慮腦部CT圖像的特有性質。HuangM?等在Computationalandmathematical methodsinmedicine發表的論文Retrievalofbraintumorswithregion-specific bag-〇f-visual-wordsrepresentationsincontrast-enhancedMRIimages中提出一個 Region-SpecificBoW模型，但此模型中沒有考慮感興趣區域（ROIs,ReginsOfInterest) 之間的空間關系。因此提出一種基于腦部CT圖像的、既能表示圖像信息又能表示圖像結構 的模型是一個亟待解決的問題。
【發明內容】
[0004] 本發明的目的是提出一種基于腦部CT圖像的圖模型展示方法。
[0005] 本發明的目的是這樣實現的：
[0006] (1)待建模圖像提出建模請求：待建模圖像為原始腦部CT圖像；
[0007] (2)圖像預處理：首先，提取大腦顱內部分；其次，矯正大腦角度同時提取腦中 線ML;然后，按照顱內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；
[0008] (3)R0Is的分割和標記：首先先后分割側腦室、灰度呈現較黑的病變區域和灰度 呈現較白的病變區域，然后用不同的灰度值分別標記三類ROIs;
[0009] (4)確定R0I所處區域：腦中線ML和圖像水平中線LL將顱內部分分為左上、左下、 右上、右下四個區域，每個ROI處于這四個坐標區域中的一個區域或者跨越多個區域，根據R0I的像素坐標和ML、LL的關系確定R0I所處區域；
[0010] (5)確定R0I的區域優先級：根據R0I所處區域和ML、LL的空間關系給每個R0I 定義一個區域優先級；
[0011] (6)頂點的建立以及頂點上特征向量的定義：根據ROIs建立頂點集V，同時計算頂 點的特征向量集Fv;
[0012] (7)邊的建立規則以及邊上特征向量的定義：根據頂點對應的R0I所屬類別、R0I 所處區域以及R0I與其他區域R0I之間的關系建立邊集E，同時計算邊的特征向量集Fe;
[0013](8)展示結果：展示一幅腦部CT圖像的TRVL圖G= (V，E，Fv，FE)，其中，V為頂點 集，E為邊集，Fv為頂點的特征向量集，FE為邊的特征向量集。
[0014] 所述的R0IS分割為：首先，利用貝葉斯理論將像素灰度值的分類結果和依據腦室 圖譜的分割結果相結合的方法在腦部CT圖像中提取側腦室；然后，對顱內部分執行全局閾 值方法，得到閾值T1，根據T1對圖像二值化，得到灰度呈現較黑的病變區域；最后，對顱內 部分除去已分割的ROIs的像素執行全局閾值方法，得到閾值T2,根據T2對圖像二值化，得 到灰度呈現較白的病變區域。
[0015] 所述的R0I所處區域為：首先判斷R0I和ML位置關系R0I在ML的左側、右側或者 跨越ML，腦中線ML是客觀存在的，根據R0I的像素坐標和ML的像素坐標即可得到；然后判 斷R0I和LL的位置關系R0I在LL的上部、下部或者跨越LL，LL和圖像的大小有關，而圖像 大小的歸一化處理使直接根據R0I的像素坐標和LL的像素坐標判斷存在誤差，為此引入兩 個變量yJPy2,yfy_+1y-lnJ/3,y2=y1 /3,其中y為R0I的最大縱坐 標，ymijR〇i的最小縱坐標，如果yi和y2均小于R〇w/2,則此R〇i處于ll上部，如果y兩y2均大于R〇w/2,則此R0I處于LL下部，否則，此R0I跨越LL，根據這兩步即可判斷R0I所 屬區域。
[0016] 所述的R0I的區域優先級為：如果R0I處于一個區域，則1. 1)R0I所處的區域是此 R0I的第一優先級區域，記為Areal;1.2)R0I所在區域關于LL對稱的區域是此R0I的第二 優先級區域，記為Area2 ;1. 3)R0I所在區域關于ML對稱的區域是此R0I的第三優先級區 域，記為Area3 ;1.4)最后一個區域為此R0I的第四優先級區域，記為Area4,如果R0I跨越 多個區域，則2. 1)R0I跨越的區域均為此R0I的第一優先級區域，記為Areal;2. 2)其他區 域為此R0I的第二優先級區域，記為Area2。
[0017] 所述的頂點的建立以及頂點上特征向量的定義為：每個ROIi定義為一個頂點vi， 即ROIi和頂點￥1是--對應關系；頂點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為頂點對應的ROI所屬類別，area_vertex是頂點對應的ROI所處區域，s_ vertex是頂點對應的R0I內的像素個數，leng_vertex是頂點對應的R0I中兩個像素點之 間的最大距離，ht_vertex是頂點對應的R0I的同質系數，c_vertex是頂點對應的R0I的質 心，r_vertex是頂點對應的R0I的圓滑度。
[0018]所述的邊的建立規則以及邊上特征向量的定義為：任意兩個頂點\和v」之間邊 的存在性滿足如下規則：（3. 1)若頂點Vi對應的ROIi是側腦室且ROIi處于一個區域，若在 R〇Ii的第一、二、三優先級區域中存在ROIs且這些ROIs都是側腦室，則vi與每個R0I對應 的頂點之間建邊，否則若ROlj^第四優先級區域存在ROIs是側腦室，vi與每個ROI對應的 頂點建邊；如果頂點Vi對應的ROIi是側腦室且ROIi跨越多個區域，若在ROIi的第一優先級 區域中存在ROIs且這些ROIs都是側腦室，則Vi與每個R0I對應的頂點之間建邊，否則若 ROlj^第二優先級區域存在ROIs是側腦室，vi與每個R0I對應的頂點建邊；（3. 2)如果vi 對應的ROIi是病變區域，則vi與至少一個v」之間存在邊。v」滿足如下兩個條件：（I)v」對 應的ROIj是側腦室；（II)如果R0I 第一優先級區域存在R0I」且R0I」是側腦室，則v1與 '之間建邊，否則查看R〇Ii的下一優先級區域，直到此優先級區域存在R0I」且R0I」是側腦 室，則V#Vj之間建邊。
[0019] 本發明的有益效果在于：
[0020] 本發明提出一種基于腦部CT圖像的TRVL圖模型展示方法，此模型是依據側腦室 之間的空間關系以及病變區域對側腦室的影響建立的拓撲關系圖，它不僅準確地表示大腦 顱內側腦室之間的關系，同時也展現了病變區域對側腦室的影響等病理信息，很好地將圖 像信息轉變為計算機視覺信息。<