[發明專利]一種胼胝體及小腦蚓部的一體化定位及分割方法

在審

• 申請號: 202011158540.4
• 申請日: 2020-10-26
• 公開（公告）號: CN112258536A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 劉斌;王淇鋒
• 申請（專利權）人: 大連理工大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/149;G06T7/00
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

1.一種胼胝體及小腦蚓部的一體化定位及分割方法，其特征在于包括：

獲取人腦超聲圖像的胼胝體初始搜索區域、胼胝體平均模板以及小腦蚓部圖像中的小腦蚓部平均模板，基于獲取的信息采用聚類方式得到胼胝體初始搜索結果；

對胼胝體初始搜索結果進行擴充并將擴充后的結果作為搜索范圍、以胼胝體平均模板為搜索依據進行模板尺寸自適應的滑動窗口搜索，將相似度大于設定閾值的圖像進行聚類得到胼胝體精準搜索結果；

對胼胝體精搜索結果進行檢測，判斷該結果對應人腦超聲圖像區域是否為胼胝體區域，若符合檢測標準，則認為得到胼胝體最終搜索結果，若不符合標準，則再以精搜索區域為搜索范圍，進行一次模板尺寸自適應的滑動窗口搜索，最終確定胼胝體位置作為胼胝體最終搜索結果；

基于胼胝體最終搜索結果，確定小腦蚓部圖像初始搜索區域，再以小腦蚓部初始搜索區域為搜索范圍、以小腦蚓部平均模板為搜索依據采用自適應的滑動窗口搜索方式獲取小腦蚓部初始搜索結果；

在人腦超聲圖像中，以基準點Center以及小腦蚓部初始搜索結果確定包含小腦蚓部的扇形范圍區域，對該扇形區域進行圖像增強處理，并獲取其中的輪廓信息，對點集進行篩選獲取可能是小腦蚓部輪廓的點集，并取點集的外接矩形區域作為小腦蚓部精搜索范圍區域；將該小腦蚓部精搜索范圍為搜索區域，以小腦蚓部平均模板圖像為搜索依據、采用新圖像相似度比較算法進行自適應模板尺寸滑動窗口搜索從而得到小腦蚓部精搜索結果；

根據小腦蚓部精搜索結果、從人腦超聲圖像中截取小腦蚓部圖像對小腦蚓部進行輪廓擬合，得到小腦蚓部擬合輪廓；根據擬合輪廓周圍像素值信息對其進行調整得到小腦蚓部初始輪廓；再根據輪廓上各點與小腦蚓部圖像中心點連線上的像素值分布規律，依據弦高和角度的閾值判斷方法對小腦蚓部初始輪廓進行迭代，最終得到小腦蚓部精確輪廓。

2.根據權利要求1所述的方法，其特征還在于：所述獲取胼胝體初始搜索結果時采用如下方式：在人腦超聲圖像上以胼胝體初始搜索區域為搜索范圍、以胼胝體平均模板為搜索依據進行模板尺寸自適應的滑動窗口搜索，將相似度大于設定閾值的圖像進行聚類得到胼胝體初始搜索結果。

3.根據權利要求1所述的方法，其特征還在于：獲取小腦蚓部初始搜索結果時：

首先基于胼胝體最終搜索結果進行主動輪廓模型算法迭代、分割胼胝體并得到其輪廓和位置信息；

根據胼胝體的輪廓和位置信息確定其幾何中心點位置、并將該位置作為基準點Center；并根據人腦生理結構信息確定小腦蚓部位于胼胝體左下或右下位置，框選出胼胝體左下與右下兩個區域，分別求得兩個矩形區域的像素均值并比較，選擇像素均值小的區域作為小腦蚓部初始搜索區域，并記錄小腦蚓部相對胼胝體方向位置信息Loc；

在人腦超聲圖像上，以小腦蚓部初始搜索區域為搜索范圍、以小腦蚓部平均模板為搜索依據、進行模板尺寸自適應的滑動窗口搜索，統計滑動窗口圖像和模板圖像的相似度并比較，將相似度大于設定閾值的滑動窗口圖像的中心點進行聚類；選取最大類所包含的點集的幾何中心作為小腦蚓部初始搜索結果的中心，并以自適應后的小腦蚓部平均模板尺寸作為小腦蚓部初始搜索結果。

4.根據權利要求1所述的方法，其特征還在于：所述胼胝體平均模板和小腦蚓部平均模板采用如下方式獲?。?/p>

對N張人腦超聲圖像手工分割，獲得N張包含胼胝體區域的矩形圖像以及N張包含小腦蚓部區域的正方形圖像，再對這兩組圖像分別進行降噪和增強處理；將這些圖像轉化成相同尺寸并輸入對抗神經網絡進行訓練，分別得到一張包含胼胝體平均特征信息的矩形圖像以及一張包含小腦蚓部平均特征信息的正方形圖像，將這兩張圖像分別作為胼胝體平均模板和小腦蚓部平均模板。