一種脊椎特征點自動識別方法
【技術領域】
[0001] 本發明屬于醫學圖像處理領域，尤其設及到脊椎部位的特征點識別和標定的方 法。
【背景技術】
[0002] 特征點是計算機視覺和圖像處理的一個概念，特征點是指圖像中某個具體的點存 在著區別于該點周圍的其他點的特征信息。具體的應用領域對特征點的定義不同；在二維 圖像中，特征點可W概括為角點，邊緣和脊。在=維模型中，特征點一般可W定義為外凸點， 內凹點，模型邊緣。特征點標定是指識別并且標記出給定對象上符合特征點定義的特殊點 集。特征點標定是圖像處理和應用的重點研究領域，將特征點標定應用到醫學圖像能夠為 醫學診斷提供參考數據，避免人為因素導致的失誤。脊椎是人體的重要支撐骨骼，特征點標 定可W應用到脊椎的診療中的病灶定位，椎體測量，虛擬手術等過程中。
[0003] 然而由于椎體結構復雜，目前脊椎特征點識別的主要集中在手動和半自動方面。 手動方法操作步驟主要是依靠操作者的經驗，通過特定儀器，直接在給定的椎體上面標記 出特征點的位置。半自動主要是在手動操作的基礎上，計算機通過高斯曲率等方法對人為 手動標記的位置進行微調，從而降低手動特征點標定的誤差。該兩種方法對操作人員和儀 器的要求高，且效率低。因此，研究脊椎特征點自動標定算法尤為必要。
[0004] 由于脊椎結構復雜，使得直接將=維模型特征點自動標定算法應用到脊椎模型中 無法達到令人滿意的效果。具體原因是：
[0005] 1.脊椎存在椎孔，椎孔的存在會導致椎孔表面的法向量與正常模型的法向量相 反。
[0006] 2.單個椎體模型的中屯、點可能存在不在模型內部的情況。當模型中屯、點位于模型 外部時，會導致傳統=維特征點標定中點法向量的計算存在較大偏差。
【發明內容】
[0007] 針對上述現有技術中存在的問題，本發明的目的在于，提供一種脊椎特征點自動 識別方法，準確、快速、自動、有效地完成脊椎特征點的識別過程。
[000引為了實現上述任務，本發明采用W下技術方案：
[0009] -種脊椎特征點自動識別方法，包括W下步驟：
[0010] 步驟一，對人體脊椎的CT圖像進行=維重建，得到脊椎的=維模型，對該=維模 型進行切割，獲得要提取特征點的椎體；
[0011] 步驟二，對要提取特征點的椎體模型進行網格劃分；
[0012] 步驟S，確定劃分后網格中每個頂點法向量計算時的闊值環數；
[0013] 步驟四，計算每個頂點的法向量；
[0014] 步驟五，計算每個頂點周圍闊值環數范圍內其他頂點與該頂點法向量夾角總和；
[0015] 步驟六，對所有頂點的按照步驟五計算出的法向量夾角總和進行降序排列；
[0016] 步驟走，對所有頂點進行非極大值抑制；
[0017] 步驟八，輸出脊椎模型特征點。
[0018] 進一步地，所述的步驟S的具體過程如下：
[0019] 步驟S30,對于網格中的每一個頂點，按照下面的公式計算其自適應鄰域面積：
[0020]
[002。 上式中，n是該椎體模型上頂點總數，a-ring(Vi)是指網格化后模型中頂點Vi周圍a環范圍，Cj為頂點Vi周圍a環范圍內的一個S角面片，area(Cj)為S角面片Cj的面積，a 的取值為山4];
[0022] 步驟S31，按照下述循環算法確定頂點的闊值環數ki:
[0023]a.令ki=l;
[0024] b.計算頂點Vi周圍ki環內所有；角片面的面積之和d ;
[00幼C.如果d<自適應鄰域面積，則ki=k1+1，并返回步驟b，否則得到ki。
[0026] 進一步地，步驟四中，頂點法向量的計算公式如下：
[0027]
[002引上式中，ki-ring(Vi)表示頂點Vi周圍的ki環鄰域范圍，area(cj)表示S角面片cj的面積，為計算出來的向量和，犀岸示立角面片Cj斯單位法向量，'\為頂點Vi 的法向量。
[0029] 進一步地，步驟五中，法向量夾角總和D(Vi)的計算公式如下：
[0030]
[00引]上式中，ki-ring(Vi)表示頂點Vi周圍ki環鄰域范圍，Vj為處于ki環鄰域范圍內 除了^^1之外的每個頂點，兩^為頂點^^1的法向量，或^.為頂點^^,斯法向量。
[0032] 進一步地，步驟走中，非極大值抑制的具體過程為：
[0033] 對于兩個頂點距離小于抑制范圍r的情況，保留特征值D(Vi)最大的點，舍棄特征 值較小的點；特征值D(Vi)最大的點即為特征點。
[0034] 本發明具有W下技術特點：
[00巧]1.特征點提取過程全自動，無需手動提取，算法效率較高。該方法通過輸入建模好 的椎體模型，能夠自動標記出椎體模型中特征點的位置；此外，該方法每個頂點只需計算一 次，算法復雜度與模型頂點數量成線性關系，算法效率高。
[0036] 2.本方法針對脊椎的結構特點進行專口優化。已有的=維模型特征點自動標定方 法中，頂點向量是定義為頂點與模型中屯、原點的向量差。當模型中屯、原點位于模型外部時， 該種方式定義出來的頂點向量無法準確地表達頂點的變化程度，從而無法篩選出模型中的 特征點。本方法通過把模型頂點法向量定義為周圍=角面片向量的矢量疊加，能夠有效地 解決模型椎孔和模型中屯、點外置的問題。
[0037] 3.實驗表明該方法對脊椎模型，尤其是腰椎模型上進行特征點識別上能夠達到較 好的效果。
【附圖說明】
[0038] 圖1為本發明方法的流程圖；
[0039] 圖2為ScanIP模塊計算時的示意圖；
[0040] 圖3為構建出來的腰椎L3 S維模型；
[0041] 圖4為腰椎L3的網格化后的S維模型；
[0042] 圖5為a環鄰域范圍的說明圖；
[0043] 圖6 (a)為定義特征點斜俯視圖；
[0044] 圖6化）為定義特征點斜仰視圖；
[0045] 圖6 (C)為定義特征點俯視圖；
[0046] 圖6(d)為定義特征點仰視圖；
[0047] 圖6 (e)為定義特征點左視圖；
[0048] 圖6(f)為定義特征點右視圖；
[0049] 圖6(g)為定義特征點后視圖；
[0050] 圖6化）為定義特征點前視圖；
[0051] 圖7 (a)為本方法結果俯視圖；
[0052] 圖7(b)為本方法結果仰視圖；
[0053] 圖7(c)為本方法結果左視圖；
[0054] 圖7(d)為本方法結果右視圖；
[00巧]圖7 (e)為本方法結果后視圖；
[0056] 圖7(f)為本方法結果前視圖；
[0057] 圖8 (a)為方法1結果俯視圖；
[005引圖8化）為方法1結果仰視圖；
[0059] 圖8 (C)為方法1結果左視圖；
[0060] 圖8 (d)為方法1結果右視圖；
[006。圖8(e)為方法1結果后視圖；
[0062] 圖8訊為方法1結果前視圖；
[0063] 圖9 (a)為方法2結果俯視圖；
[0064] 圖9化）為方法2結果仰視圖；
[0065] 圖9(C)為方法2結果左視圖；
[0066] 圖9 (d)為方法2結果右視圖；
[0067] 圖9 (e)為方法2結果后視圖；
[006引圖9訊為方法2結果前視圖；
【具體實施方式】
[0069] 為了使本發明的目的，技術方案及優點更加清楚，W下結合實例，對本發明進行進 一步詳細說明。
[0070] 結合本方法的流程圖1，分別展示應用本方法在人體腰椎L3上特征點識別的過 程和結果。該模型在論文（WangY,化B,DaiJ.T虹ee-DimensionalFiniteElement ForceAnalysisandSimulationofHumanSpinalLumbarSegment[J].Journalof ConvergenceInformationTechnology, 2013, 8(4).)中得到驗證。
[0071] 步驟一，對人體脊椎的CT圖像進行=維重建，得到脊椎的=維模型，對該=維模 型進行切割，獲得要提取特征點的椎體；
[007引如圖2所示，對CT數據進行增強和闊值提取后，分割出目標椎體的范圍，得到如圖 3所示的S維模型。具體構建和分割過程，可通過simpleware軟件的Scan IP模塊進行進行， 在構建過程中，利用前期圖像增強，中期圖像闊值分割和區域生長算法，后期去噪點S個步 驟保證模型的準確。
[0073] 步驟二，對要提取特征點的椎體進行網格劃分；
[0074] 將單個椎體設置網格相應的參數，利用simpleware軟件的ScanIP模塊生成模型 的=角面片格式。利用該方式生成的=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。本例中，利用ScanIP模塊將腰椎 L3表面數據轉化為網格后輸出Ascii碼格式的S化文件。劃分后的網格模型如圖4所示。
[0075] 步