【摘要】 本发明基于组合稀疏模型的先验形状建模方法，属于医学图像分割技术领域，采用先验形状建模，针对特定的组织器官建立一个由临床数据收集而来的形状库，该形状库由不同病人的图像数据的已经分割好的形状组成，以建立这些病人的相应器官的金标准，步骤为：步骤1：通过对金标准表面上点的采样，将形状表面做网格化的预处理，形状库中的网格化后的形状为模型的训练数据；步骤2：将网格化后的形状用稀疏形状组合模型表示，形状库中的每个形状，其对应网格上所有顶点的坐标排列成一个列向量，整个形状库得到一个矩阵D；步骤3：对稀疏形状组合模型进行最优化求解得到相应参数；步骤4：将求解得到的参数，通过反变换得到所需的先验形状。 【专利类型】发明授权 【申请人】苏州迪凯尔医疗科技有限公司 【申请人类型】企业 【申请人地址】215000 江苏省苏州市江苏工业园区星湖街218号生物纳米园02幢303单元 【申请人地区】中国 【申请人城市】苏州市 【申请人区县】昆山市 【申请号】CN201210074274.6 【申请日】2012-03-20 【申请年份】2012 【公开公告号】CN102760236B 【公开公告日】2014-10-01 【公开公告年份】2014 【授权公告号】CN102760236B 【授权公告日】2014-10-01 【授权公告年份】2014.0 【IPC分类号】G06K9/62; G06T7/00 【发明人】顾力栩 【主权项内容】1.一种基于组合稀疏模型的先验形状建模方法，采用先验形状建模，针对特定的组织器官建立一个由临床数据收集而来的形状库，该形状库由不同病人的图像数据的已经分割好的形状组成，以建立这些病人的相应器官的金标准，其特征在于，通过以下步骤实现： 步骤1：通过对金标准表面上点的采样，将形状表面做网格化的预处理，形状库中的网格化后的形状为模型的训练数据； 步骤2：将网格化后的形状用稀疏形状组合模型表示，形状库中的每个形状，其对应网格上所有顶点的坐标排列成一个列向量，整个形状库得到一个矩阵D； 步骤3：对稀疏形状组合模型进行最优化求解得到相应参数； 步骤4：将求解得到的参数，通过反变换得到所需的先验形状， 其步骤2中，将一个待处理的形状y近似表示成形状库中的形状的线性组合，线性组合无法表示出的部分，即线性组合表示结果与该器官的实际形状的差异，则视为噪声e，用? 表示各个形状的组合系数， 和e值通过使如下损失函数最小化得到： 公式1, 其中 是一个按照参数 对y进行空间位置变换的运算，按照参数 将y对齐到形状库D中的平均形状， 表示向量的L1范数， 和 分别控制了 和e的稀疏程度，通过松弛化处理， 是一个连续而且具有凸性的函数，通过对上式的求解计算出 和 ，用 代替y，再将 按照变换 的反变换进行变换，以作为y的先验形状; 所述的将形状表面做网格化的预处理是指：将要建立的某一特定的组织器官的形状库，通过对临床数据的收集，将大量病人的三维图像中的特定的组织器官由临床专家手工分割出来，以建立这些病人的相应器官的金标准，金标准被认为是与实际的器官完全吻合的，得到的金标准是一个二值图像，为了反映形状信息，只需要将金标准的表面提取出来，通过对金标准表面上点的采样，得到一系列标记点和三角形面片组成的网格表面，即以网格表示形状，特定的组织器官对应的网格由网格上每个顶点的空间坐标和顶点之间的拓扑关系决定，通过Prcrustes分析完成在对形状进行稀疏组合表示之前的预处理; 最优化求解目标函数的方法为：所述的形状库中的第i个形状，其对应网格上所有顶点的坐标依据这些顶点的拓扑结构按顺序排列成一个列向量，记做 ，其中n是顶点数量与坐标维数的乘积，当形状库中包含k个形状，那么该形状库表示成矩阵D的形式 ，同时形状库之外的一个待处理的形状也表示成列向量 ； 当形状库中的形状为k>n的情况，输入形状能被训练数据的稀疏线性组合表示，用公式2体现： , ? 公式2, 其中 表示向量的L0范数，即向量中非零元素的个数，k1是预先定义的稀疏数； 在模型中将误差看作一个稀疏向量： ，于是公式2修正为： , ? 公式3, 其中k2是误差e的稀疏数； 由于L0范数的非连续性，因此通过L1范数松弛处理将公式3变为： 公式4, 其中 和 分别控制了 和e的稀疏程度，通过松弛化处理，? 是一个连续而且具有凸性的函数，为最终的最优化目标函数。 【当前权利人】苏州迪凯尔医疗科技有限公司 【当前专利权人地址】江苏省苏州市江苏工业园区星湖街218号生物纳米园02幢303单元 【专利权人类型】有限责任公司(自然人投资或控股) 【统一社会信用代码】9132059456434890XA 【引证次数】4.0 【他引次数】4.0 【家族引证次数】4.0 【家族被引证次数】17

未经允许不得转载：http://www.zhongzhencnc.com/1790784212.html