[發明專利]一種對錐束CT圖像進行牙列分割的方法

有效

• 申請號: 201610157705.3
• 申請日: 2016-03-18
• 公開（公告）號: CN107203998B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 裴玉茹;艾興勝;查紅彬;許天民
• 申請（專利權）人: 北京大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 張肖琪

1.一種對錐束CT圖像進行牙列分割的方法，針對錐束CT圖像中的感興趣體圖像進行牙列分割，得到牙列表面模型；包括如下步驟：

1)針對錐束CT圖像中的感興趣體圖像區域定義圖結構；所述圖結構中，結點集合對應感興趣體圖像區域中所有的體素；邊連接集合為感興趣體圖像區域中相鄰體素之間的邊連接；所述圖結構中，采用基于上下文的體素特征描述子，通過體素的表觀計算相鄰體素之間的相似度，用于表示體素的上下文特征差異；所述體素特征描述子向量中的元素對應當前體素的包圍圖像塊與模式中的采樣體素的包圍圖像塊之間的像素灰度差異累計；圖結構中邊連接上的權重通過體素上下文特征描述差異和灰度差異的加權組合得到；

所述上下文的體素描述子在當前體素的一個半徑為的包圍球體中通過隨機采樣生成一個模式P，所述模式P由采樣得到的體素集合表示；所述體素特征描述子向量f(v_i)中的元素對應當前體素的包圍圖像塊與模式P中的采樣體素的包圍圖像塊之間的像素灰度差異累計，表示為式11：

f(v_i)＝{d_p(C(v_i),C(v_i+γ))|v_i+γ∈P} (式11)

式11中，f(v_i)表示當前體素v_i的特征描述子向量；C(v_i)表示體素v_i的包圍圖像塊，d_p為圖像塊的灰度差異；γ為當前體素與模式P中采樣體素之間的位移；C(v_i+γ)表示模式中的采樣體素的包圍圖像塊；其中，圖像塊的灰度差異d_p定義為式12：

式12中，d_p為圖像塊的灰度差異；C(v_i)與C(v_k)分別表示體素v_i與v_k的包圍圖像塊；δ_v為包圍體素塊中體素的位移；v_i+δ_v屬于圖像塊C(v_i)；I(v_i+δ_v)為體素v_i+δ_v的灰度；I(v_k+δ_v)為體素v_k+δ_v的灰度；

所述圖像塊的灰度差異再通過圖像的線性卷積算子計算得到：對差異圖像V-V(γ)進行卷積，通過式13得到：

d_p＝(V-V(γ))²*G (式13)

式13中，d_p為圖像塊的灰度差異；γ為體素v_i與模式中一個采樣體素之間的位移向量；對體圖像進行平移操作得到V(γ)；V-V(γ)為差異圖像；G為卷積核；

圖結構中邊連接上的權重通過上下文特征描述差異與灰度差異的加權組合得到，如式14：

式14中，W_ij為體素i與相鄰體素j之間邊連接的權重；α為常數系數用于調節上下文特征以及體素灰度對于權重計算的影響；I_i與I_j對應第i個與第j個體素的灰度，f_i與f_j對應第i個與第j個體素的上下文描述；Ψ為圖結構的邊連接集合；

2)根據牙列分布情況定義類別標簽集合，針對步驟1)所述感興趣體圖像中所有的體素，采用隨機游走方法進行牙列的初始分割，得到所述所有體素的類別，對所述所有體素進行類別標記；

步驟2)采用隨機游走方法對感興趣體圖像區域中所有的體素的類別進行標記，得到牙列的初始分割結果；具體通過最小化式21的能量函數得到感興趣體圖像中體素類別標記：

式21中，E_rw(X)表示基于隨機游走算法的圖像分割能量；|S|為系統類別標簽的個數；表示第i個結點被分為第s類的概率；系統中每個結點對均對應一個|S|維的概率向量，其中第i個結點所屬的類別定義為表示預先由用戶交互定義的結點概率，當第i個結點被用戶交互定義為第s類，則取值為1，否則為0；n_L是用戶預先交互標注的體素個數；n_V為感興趣體圖像中所有體素的個數；μ₁與μ₂為常數；上述目標函數式21可轉化為矩陣形式，其中L為拉普拉斯矩陣，在給定步驟1)中通過式14得到的相似度矩陣W后，拉普拉斯矩陣L＝D-W；其中，對角線矩陣D中元素定義為D_ii＝∑_jW_ij；H為對角線指示矩陣，當VOI中的第i個結點被預先標注時，H的元素H_ii＝1；X與表示VOI中所有體素對應的類別概率以及所組成的矩陣；

3)根據步驟2)得到的所有體素的類別，利用其中屬于牙列的表面體素定義牙列的表面形態，生成初始分割得到的表面體素集；進一步利用三維可變形模型，通過非剛性變形配準擬合所述牙列表面體素集合，得到三維可變形模型的非剛性變換參數，用于擬合所述初始分割得到的表面體素集；

4)基于三維可變形模型定義柔化約束，再基于柔化約束下的隨機游走方法進行牙列分割，得到感興趣體圖像區域中所有體素的類別標簽；

所述基于柔化約束下的隨機游走方法進行牙列分割，包括如下步驟：

41)通過設定與體圖像分割結果擬合后的三維模型表面內部體素更有可能屬于牙列，根據體素結點概率定義柔化約束；柔化約束的能量項定義為式42：

其中，表示第i個結點被分為第s類的概率；X表示VOI中所有體素對應的類別概率所組成的矩陣；|S|表示系統中類別個數；n_V為感興趣區域中體素的個數；為定義的柔化約束；對應感興趣區域中所有體素的柔化約束所構成的矩陣；

42)設定柔化約束下的感興趣體圖像的標簽擴散能量為式43：

E_rwsc(X)＝λ₁E_rw+λ₂E_sc (式43)

其中，E_rw與E_sc分別為隨機游走的能量項和柔化約束的能量項；

將式43中的能量函數的一階導數設為0，得到關于體素結點概率向量的線性系統如式44，

其中L為拉普拉斯矩陣；H為對角線指示矩陣，當VOI中的第i個結點被預先標注時，H的元素H_ii＝1；X與表示VOI中所有體素對應的類別概率以及用戶定義的先驗概率所組成的矩陣；對應感興趣區域中所有體素的柔化約束所構成的矩陣；λ₁與λ₂為常數系數；μ₁與μ₂為常數；表示單位矩陣；

43)利用共軛梯度方法求解線性系統，該線性系統需要求解|S|-1次，其中|S|為系統類別標簽的個數；通過求解線性系統得到感興趣體圖像中所有體素的類別標簽；

5)通過迭代修正過程對牙列分割進行迭代修正，結合步驟4)所述柔化約束下的類別標簽擴散和步驟3)所述三維可變形模型的非剛性配準過程，改進單次柔化約束下隨機游走方法所得到的體圖像分割結果。