基于脑部ct图像的图模型展示方法
【技术领域】
[0001] 本发明属于医疗信息技术领域，具体涉及一种基于脑部CT图像的图模型展示方 法。
【背景技术】
[0002] 近年来面向医学图像的研宄成为医学和计算机交叉学科研宄的热点。随着医疗数 字化设备的快速发展，医学信息数据库被广泛使用。病人的结构化文本信息，以及大量的非 结构化医学图像信息，为医学图像的数据挖掘提供了丰富的数据资源，从而使医学图像可 以有效地辅助医师对病理变化区域进行检测、定位以及判断它的良恶性，因此医学图像被 广泛应用于临床诊断过程中。然而，具有不同知识背景的医生即使对同一张医学图像可能 存在不同的判断，所以，对医学图像进行建模，将医学图像所蕴含的图像信息以及空间信息 用图这种关系结构表示出来，然后在图上进行一系列的数据额挖掘的操作，客观地辅助医 生做出更好地诊断结果。因此基于脑部CT图模型具有较高的学术价值和实际应用前景。
[0003] 目前，国内外存在一些图像表示的方法，主要包括2DString(Two_Dimensional String)、9D_SPA(9-DirectionSPannngArea)、RAG(RegionAdjacencyGraph)、Irregular pyramid等，这些图像表示方法是针对一般图像建立的模型，没有考虑医学领域知识。而在 医学图像表示方法中，KumarA?等在Medicalimageanalysis发表的论文Agraph-based approachfortheretrievalofmulti-modalitymedicalimages中提出一个 CAPP(Complete-AnatomyProximal-Pathology)图模型，但此模型是用于多模态的胸腔图 像上，没有考虑脑部CT图像的特有性质。HuangM?等在Computationalandmathematical methodsinmedicine发表的论文Retrievalofbraintumorswithregion-specific bag-〇f-visual-wordsrepresentationsincontrast-enhancedMRIimages中提出一个 Region-SpecificBoW模型，但此模型中没有考虑感兴趣区域（ROIs,ReginsOfInterest) 之间的空间关系。因此提出一种基于脑部CT图像的、既能表示图像信息又能表示图像结构 的模型是一个亟待解决的问题。
【发明内容】
[0004] 本发明的目的是提出一种基于脑部CT图像的图模型展示方法。
[0005] 本发明的目的是这样实现的：
[0006] (1)待建模图像提出建模请求：待建模图像为原始脑部CT图像；
[0007] (2)图像预处理：首先，提取大脑颅内部分；其次，矫正大脑角度同时提取脑中 线ML;然后，按照颅内部分的垂直方向的外接矩阵裁剪图像；最后，归一化图像大小为 RowXColumn；
[0008] (3)R0Is的分割和标记：首先先后分割侧脑室、灰度呈现较黑的病变区域和灰度 呈现较白的病变区域，然后用不同的灰度值分别标记三类ROIs;
[0009] (4)确定R0I所处区域：脑中线ML和图像水平中线LL将颅内部分分为左上、左下、 右上、右下四个区域，每个ROI处于这四个坐标区域中的一个区域或者跨越多个区域，根据R0I的像素坐标和ML、LL的关系确定R0I所处区域；
[0010] (5)确定R0I的区域优先级：根据R0I所处区域和ML、LL的空间关系给每个R0I 定义一个区域优先级；
[0011] (6)顶点的建立以及顶点上特征向量的定义：根据ROIs建立顶点集V，同时计算顶 点的特征向量集Fv;
[0012] (7)边的建立规则以及边上特征向量的定义：根据顶点对应的R0I所属类别、R0I 所处区域以及R0I与其他区域R0I之间的关系建立边集E，同时计算边的特征向量集Fe;
[0013](8)展示结果：展示一幅脑部CT图像的TRVL图G= (V，E，Fv，FE)，其中，V为顶点 集，E为边集，Fv为顶点的特征向量集，FE为边的特征向量集。
[0014] 所述的R0IS分割为：首先，利用贝叶斯理论将像素灰度值的分类结果和依据脑室 图谱的分割结果相结合的方法在脑部CT图像中提取侧脑室；然后，对颅内部分执行全局阈 值方法，得到阈值T1，根据T1对图像二值化，得到灰度呈现较黑的病变区域；最后，对颅内 部分除去已分割的ROIs的像素执行全局阈值方法，得到阈值T2,根据T2对图像二值化，得 到灰度呈现较白的病变区域。
[0015] 所述的R0I所处区域为：首先判断R0I和ML位置关系R0I在ML的左侧、右侧或者 跨越ML，脑中线ML是客观存在的，根据R0I的像素坐标和ML的像素坐标即可得到；然后判 断R0I和LL的位置关系R0I在LL的上部、下部或者跨越LL，LL和图像的大小有关，而图像 大小的归一化处理使直接根据R0I的像素坐标和LL的像素坐标判断存在误差，为此引入两 个变量yJPy2,yfy_+1y-lnJ/3,y2=y1 /3,其中y为R0I的最大纵坐 标，ymijR〇i的最小纵坐标，如果yi和y2均小于R〇w/2,则此R〇i处于ll上部，如果y兩y2均大于R〇w/2,则此R0I处于LL下部，否则，此R0I跨越LL，根据这两步即可判断R0I所 属区域。
[0016] 所述的R0I的区域优先级为：如果R0I处于一个区域，则1. 1)R0I所处的区域是此 R0I的第一优先级区域，记为Areal;1.2)R0I所在区域关于LL对称的区域是此R0I的第二 优先级区域，记为Area2 ;1. 3)R0I所在区域关于ML对称的区域是此R0I的第三优先级区 域，记为Area3 ;1.4)最后一个区域为此R0I的第四优先级区域，记为Area4,如果R0I跨越 多个区域，则2. 1)R0I跨越的区域均为此R0I的第一优先级区域，记为Areal;2. 2)其他区 域为此R0I的第二优先级区域，记为Area2。
[0017] 所述的顶点的建立以及顶点上特征向量的定义为：每个ROIi定义为一个顶点vi， 即ROIi和顶点￥1是--对应关系；顶点vi上的特征向量记为Fv(Vi)，则Fv(Vi) = (lab_ vertex,area_vertex,s_vertex,leng_vertex,ht_vertex,c_vertex,r_vertex)；其中，lab_vertex为顶点对应的ROI所属类别，area_vertex是顶点对应的ROI所处区域，s_ vertex是顶点对应的R0I内的像素个数，leng_vertex是顶点对应的R0I中两个像素点之 间的最大距离，ht_vertex是顶点对应的R0I的同质系数，c_vertex是顶点对应的R0I的质 心，r_vertex是顶点对应的R0I的圆滑度。
[0018]所述的边的建立规则以及边上特征向量的定义为：任意两个顶点\和v」之间边 的存在性满足如下规则：（3. 1)若顶点Vi对应的ROIi是侧脑室且ROIi处于一个区域，若在 R〇Ii的第一、二、三优先级区域中存在ROIs且这些ROIs都是侧脑室，则vi与每个R0I对应 的顶点之间建边，否则若ROlj^第四优先级区域存在ROIs是侧脑室，vi与每个ROI对应的 顶点建边；如果顶点Vi对应的ROIi是侧脑室且ROIi跨越多个区域，若在ROIi的第一优先级 区域中存在ROIs且这些ROIs都是侧脑室，则Vi与每个R0I对应的顶点之间建边，否则若 ROlj^第二优先级区域存在ROIs是侧脑室，vi与每个R0I对应的顶点建边；（3. 2)如果vi 对应的ROIi是病变区域，则vi与至少一个v」之间存在边。v」满足如下两个条件：（I)v」对 应的ROIj是侧脑室；（II)如果R0I 第一优先级区域存在R0I」且R0I」是侧脑室，则v1与 '之间建边，否则查看R〇Ii的下一优先级区域，直到此优先级区域存在R0I」且R0I」是侧脑 室，则V#Vj之间建边。
[0019] 本发明的有益效果在于：
[0020] 本发明提出一种基于脑部CT图像的TRVL图模型展示方法，此模型是依据侧脑室 之间的空间关系以及病变区域对侧脑室的影响建立的拓扑关系图，它不仅准确地表示大脑 颅内侧脑室之间的关系，同时也展现了病变区域对侧脑室的影响等病理信息，很好地将图 像信息转变为计算机视觉信息。<