[發明專利]一種基于圖片相似度計算的腦纖維視角自動選擇方法

在審

• 申請號: 201911409311.2
• 申請日: 2019-12-31
• 公開（公告）號: CN111242169A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 劉義鵬;曾東旭;蔣哲臣;孫國道;蔣莉;梁榮華
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于圖片相似度計算的腦纖維視角自動選擇方法，包括以下步驟：1)導入異常纖維樣本數據和待判定纖維數據，使用ParaView軟件繪制成三維圖像；2)運行自動視角旋轉腳本，分別繞不同方向軸、以不同角度大小來進行圖像旋轉，并記錄每次旋轉之后的一組對比圖片；3)通過計算每組圖片的相似度，尋找差異最大的視角；4)獲取差異最大的視角之后，對圖片進行降維處理和聚類分析；5)獲得聚類結果之后，根據結果來對纖維數據進行抽象，對原始的纖維數據進行抽象簡化，提取重要信息，從而達到分析纖維結構特征的目的。本發明可以幫助研究人員快速定位纖維異常區域并進行分析。

技術領域

本發明涉及腦科學領域，是一種基于圖片相似度計算的腦纖維視角自動選擇方法，通過機器學習技術輔助腦神經纖維分析。

背景技術

水分子彌散是核磁共振技術的基礎，DWI、DTI與HARDI無創檢測技術均以水分子彌散擴散為基礎發展而來。人們可以通過對纖維的跟蹤獲得腦部的大量纖維，但是由于纖維結構錯綜復雜，并且相互存在遮擋，通常無法直觀分析腦纖維的組織結構。如何對大量纖維進行聚類和更直觀地渲染是亟待解決的問題。纖維聚類為提升對腦纖維的特征分析提供了參考，更好地展示纖維束之間的空間關系。合理的纖維聚類方式可以在很大程度上去除信息干擾與噪聲，準確地描述纖維束的走向，從而幫助人們理解相互混合纖維的空間聯系，展示出不同纖維束之間的連接關系。

由于纖維是一種具有密集分布屬性的數據，在三維空間中繪制之后通常會出現互相遮擋的情況，這會對尋找纖維異常區域、研究纖維空間結構特征造成巨大的影響。通常需要不停地調整觀察的視角來獲取最佳的觀察角度，而手動旋轉視角并觀察正常纖維與異常纖維的對比需要耗費大量的時間，而且沒有量化準則，不同人、同一個人不同次觀察的結果都會有差異，對纖維的分析及疾病診斷都會有很大的影響。如何能夠快速尋找最佳視角，使得正常纖維和異常纖維所展現出來的差異最明顯，是亟待解決的問題。以這個視角為基準，定位異常區域會更加快捷。

發明內容

為了解決現有技術的不足，本發明提供一種基于圖片相似度計算的腦纖維視角自動選擇方法，利用圖片相似度計算原理計算未知纖維和異常纖維相似度，從而獲取適合醫生的具有研究價值的觀測角度，并通過降維聚類分析來進一步探索纖維結構特征，可以幫助研究人員快速定位纖維異常區域并進行分析。

本發明解決其技術問題所采用的技術方案是：

一種基于圖片相似度計算的腦纖維視角自動選擇方法，所述方法包括以下步驟：

1)導入異常纖維樣本數據和待判定纖維數據，使用ParaView軟件繪制成三維圖像；

2)編寫自動視角旋轉腳本，分別繞不同方向軸、以不同角度大小來進行圖像旋轉，并記錄每次旋轉之后的一組對比圖片；

3)使用直方圖計算方式法和尺度不變特征計算方法計算每組圖片的相似度，尋找差異最大的視角；

4)獲取差異最大的視角之后，對圖片進行聚類分析。由于纖維數據量較大，此處通過降維處理以損失一些次要信息的代價換取更加精簡的數據，然后進行后續的聚類分析；

5)獲得聚類結果之后，根據結果來對纖維數據進行抽象，對原始的纖維數據進行抽象簡化，提取重要信息，從而達到分析纖維結構特征的目的。

進一步，所述步驟3)中，利用圖片相似度計算來尋找與標準樣本對比差異最大的視角，自動定位最有研究價值的三維空間視角，解決手動尋找最佳研究視角工作繁瑣且無法定量的問題。

再進一步，所述步驟3)的過程如下：

3.1)圖像直方圖包含豐富的圖像信息，能夠用來描述圖像中顏色的全局分布，它統計了每一個強度值具有的像素個數，直方圖為圖像的灰度直方圖，總體分布規則為“左黑右白”，左邊代表暗部，右邊代表亮部，而中間則代表過度區域，縱向上的高度代表像素密集程度，其越高則代表的就是分布在這個亮度上的像素越多；