技术特征：
1.一种基于图谱的颅底缺失解剖特征点的重建方法，其特征在于，所述方法包括以下步骤：步骤一：图像预处理，过程如下：对正常受试者的ct数据进行滤波、去噪，将ct数据分为训练集与测试集，用传统大津分割方法(otsu)对训练集进行头骨分割，并且把分割结果中的挡板去除，测试集数据不做处理；步骤二：用深度学习训练头骨分割模型并进行头骨分割，过程如下：用基于深度学习的颅骨自动分割算法对已处理的ct训练集进行训练得到头骨分割模型，用该模型对测试集数据进行头骨分割得到头骨数据；步骤三：配准分割得到的头骨数据，过程如下：以其中一个分割后的头骨模型作为基准，将所有分割结果配准到该模型空间；步骤四：取特征点，过程如下：根据医生对手术路径规划的需要，取出所有分割结果中相同部位的特征点；步骤五：获得颅骨特征点图谱，过程如下：将取出的相同部位的特征点进行体素叠加，得到特征点图谱；步骤六：配准颅骨特征点图谱与患者颅骨，过程如下：将基准分割结果配准到患者颅骨空间，得到转换矩阵mat，将mat作用于颅骨特征点图谱并与患者颅骨进行叠加融合，能够得到特征点图谱在具体患者颅骨中的位置映射，可视化叠加融合后的图像，便可以得到二者的差异，可视化缺失的解剖特征点，通过调节两者的颜色与透明度进行区分；步骤七：解剖特征点形变定量分析，过程如下：在完成标准颅骨特征点图谱与患者颅骨的配准融合后，通过距离测量对医生标注的解剖特征点间的距离进行计算，实现病变挤压导致颅骨形变的定量测量分析。2.如权利要求1所述的一种基于图谱的颅底缺失解剖特征点的重建方法，其特征在于，所述的步骤五中，创建颅骨特征点图谱，以其中一个分割后的头骨模型作为基准，将所有分割结果配准到该模型空间，得到配准到同一空间下的所有分割结果，取出不同分割结果中所需的相同部位的特征点，将这些特征点图像进行体素叠加得到特征点图谱；颅骨特征点图谱是对设定数量正常受试者的颅骨特征点分割数据进行配准并显示颅骨特征点形状概率分布，从而生成颅骨特征点图谱。3.如权利要求1或2所述的一种基于图谱的颅底缺失解剖特征点的重建方法，其特征在于，所述的步骤七中，进行解剖特征点形变定量分析，在已经完成配准融合的三维图像上利用距离差对医生标注的解剖特征点间的距离及特征点与肿瘤的距离进行测量，实现肿瘤挤压导致颅底解剖特征点形变的定量测量分析。
技术总结
一种基于图谱的颅底缺失解剖特征点的重建方法，首先，用基于深度学习的颅骨自动分割算法对去除挡板的颅骨分割图像进行训练，得到颅骨分割模型；其次，将训练好的颅骨分割模型用于测试集，把得到的分割结果统一配准到基准分割结果得到同一空间下的配准结果；然后，取出所有分割结果中相同部位的特征点，将这些特征点进行体素叠加得到特征点图谱；最后，完成颅骨特征点图谱与患者颅骨的配准融合，可视化二者的特征点差异，并且可以通过测量对医生标注的解剖特征点间的距离及特征点与肿瘤之间的距离进行定量分析。本发明能够重建出更加精确的解剖特征点的位置，实现解剖特征点形变定量分析，对于医生对肿瘤的定位及手术路径的规划具有参考价值。划具有参考价值。划具有参考价值。
技术研发人员：冯远静 蒋陈盛 朱辉 曾庆润 谢雷 黄家浩 盛轩硕 陈升炜
受保护的技术使用者：浙江工业大学
技术研发日：2021.12.21
技术公布日：2022/3/25