一種中心矢狀面的提取方法
【專利摘要】本發(fā)明提供一種中心矢狀面的提取方法，包括：提供醫(yī)學圖像及矢狀面方程，所述矢狀面方程包含待定系數(shù)，通過梯度下降法迭代系數(shù)，以確定中心矢狀面方程；其中對任一次所述迭代包括：獲取當前系數(shù)，通過所述當前系數(shù)對應的當前矢狀面將所述醫(yī)學圖像分為兩部分，獲取所述兩部分灰度的均方差測度函數(shù)及所述均方差測度函數(shù)對所述系數(shù)的偏導數(shù)，以迭代所述系數(shù)。本發(fā)明采用適用于求解非線性的梯度下降法對代價函數(shù)，即均方差測度函數(shù)進行迭代，并使用迭代終止時的系數(shù)對應的矢狀面作為中心矢狀面，提高中心矢狀面提取的精準度。
【專利說明】一種中心矢狀面的提取方法
【技術領域】
[0001]本發(fā)明涉及一種醫(yī)學掃描圖像的處理方法，尤其涉及一種中心矢狀面的提取方法。
【背景技術】
[0002]中心矢狀面(mid-sagittal plane, MSP)是醫(yī)學圖像處理領域經(jīng)常使用的一個平面，該平面是一個通過身體腹部與背部的垂直平面。通過所述中心矢狀面將身體分成對稱的左右兩部分。提取初次掃描的3D醫(yī)療圖像的中心矢狀面是確定再次掃描方向的前提。
[0003]文獻1:Babak A.Ardekani, etc, ‘Automatic Detection of theMid-SagittalPlane in 3-D Brain Images’，IEEE transactions on medicalimaging, vol.,16, N).6,December 1997提供的中心矢狀面提取方法，采用單純形下降法優(yōu)化求解了三維頭部圖像的中心矢狀面方程MSP，代價函數(shù)選取為互相關函數(shù)?？紤]到醫(yī)學圖像的復雜性，并且代價函數(shù)一般為MSP中心矢狀面方程參數(shù)的非線性函數(shù)，單純形法是求解線性規(guī)劃問題的常用方法，所以用于求MSP中心矢狀面方程并不是非常適合的。
[0004]文獻2: Bhanu Prakash K.N.,‘Locating a Mid-Sagittal Plane，，United StatesPatent Application Publication,Application number:US2007/0276219 Al提供的中心矢狀面提取方法，通過用優(yōu)化方法尋找相互正交的三個面，其中第一個平面為所求的中心矢狀面。代價函數(shù)選取三個面與各自相平行的臨近數(shù)個面對應點的灰度熵值，同樣采用了基于單純形的Nelder-Mead優(yōu)化方法，并且需要統(tǒng)計三個平面附件的熵值，計算量大。
[0005]文獻 3:Yiwen Wang et al, ‘System and method for consistentdetection ofmid-sagittal planes for magnetic resonance brain scans’， United States PatentApplication Publication,Application number:US2011/7986823B2提供的中心矢狀面提取方法，為了保證從多次掃描檢測出的中心矢狀面的一致性(consistent)，把醫(yī)生或者設備操作者標定的中心矢狀面作為金標準，然后以互信息為代價函數(shù)衡量自動檢測的中心矢狀面同金標準的差異。實現(xiàn)上需要專家檢測中心矢狀面，如果不同病人的MSP第一次掃描，則均需人工檢測時，操作上會非常麻煩。

【發(fā)明內(nèi)容】

[0006]本發(fā)明解決的問題是提供一種中心矢狀面的提取方法，用以簡單快捷地提取中心矢狀面。為了解決上述問題，本發(fā)明提供了一種中心矢狀面的提取方法，包括:
[0007]提供醫(yī)學圖像及矢狀面方程，所述矢狀面方程包括至少一個待定系數(shù)，所述待定系數(shù)通過梯度下降法迭代確定，以確定中心矢狀面方程，實現(xiàn)中心矢狀面的提取；
[0008]其中對任一次所述迭代包括:獲取當前系數(shù)，通過所述當前系數(shù)對應的當前矢狀面將所述醫(yī)學圖像分為兩部分；獲取所述兩部分灰度的均方差測度函數(shù)，及計算所述均方差測度函數(shù)對所述系數(shù)的偏導數(shù)，用以迭代系數(shù)；迭代后的系數(shù)作為下一次迭代的當前系數(shù)。[0009]可選的，對于第一次迭代，通過對所述系數(shù)進行初始化，以獲得所述當前系數(shù)；對于第一次后的迭代，將上一次迭代后獲得的系數(shù)作為當前系數(shù)。
[0010]可選的，所述梯度下降法包括:提供初始的修正步長，并通過設置松弛因子降低所述修正步長，以迭代所述修正步長。
[0011]可選的，還包括:提供步長閾值和最大迭代次數(shù)，當所述修正步長不大于所述步長閾值，或者所述迭代次數(shù)達到所述最大迭代次數(shù)，所述迭代終止，并提取當前迭代后的系數(shù)對應的矢狀面為中心矢狀面。
[0012]可選的，所述初始修正步長的范圍為0.01~0.03，所述松弛因子的范圍為0.6~0.8,所述步長閾值的范圍為所述初始修正步長的0.5%~1.5%,所述最大迭代次數(shù)的范圍為50~150。
[0013]可選的，所述初始修正步長為0.02，所述松弛因子為0.6，所述步長閾值為所述初始修正步長的I%，所述最大迭代次數(shù)為100次。
[0014]可選的，所述均方差測度函數(shù)為
【權利要求】
1.一種中心矢狀面的提取方法，其特征在于，包括: 提供醫(yī)學圖像及矢狀面方程，所述矢狀面方程包括至少一個待定系數(shù)，所述待定系數(shù)通過梯度下降法迭代確定，進而確定中心矢狀面方程，實現(xiàn)中心矢狀面的提??； 其中對任一次所述迭代包括:獲取當前系數(shù)，通過所述當前系數(shù)對應的當前矢狀面將所述醫(yī)學圖像分為兩部分；獲取所述兩部分醫(yī)學圖像灰度的均方差測度函數(shù)，計算所述均方差測度函數(shù)對所述當前系數(shù)的偏導數(shù)，利用所述偏導數(shù)進行迭代，迭代后的系數(shù)作為下一次迭代的當前系數(shù)。
2.如權利要求1所述的中心矢狀面的提取方法，其特征在于，對于第一次迭代，通過對所述系數(shù)進行初始化，以獲得所述當前系數(shù)；對于第一次后的迭代，將上一次迭代后獲得的系數(shù)作為當前系數(shù)。
3.如權利要求1所述的中心矢狀面的提取方法，其特征在于，所述梯度下降法包括如下過程:提供初始的修正步長，并通過設置松弛因子降低所述修正步長，以迭代所述修正步長。
4.如權利要求3所述的中心矢狀面的提取方法，其特征在于，還包括:提供步長閾值和最大迭代次數(shù)，當所述修正步長不大于所述步長閾值，或者所述迭代次數(shù)達到所述最大迭代次數(shù)，所述迭代終止，并提取當前迭代后的系數(shù)對應的矢狀面為中心矢狀面。
5.如權利要求4所述的中心矢狀面的提取方法，其特征在于，所述初始的修正步長的范圍為0.01~0.03,所述松弛因子的范圍為0.6~0.8,所述步長閾值的范圍為所述初始修正步長的0.5%~1.5%，所述最大迭代次數(shù)的范圍為50~150次。
6.如權利要求5所述的中心矢狀面的提取方法，其特征在于，所述初始修正步長為0.02，所述松弛因子為0.6，所述步長閾值為所述初始修正步長的I %，所述最大迭代次數(shù)為100次。
7.如權利要求1所述的中心矢狀面的提取方法，其特征在于，所述均方差測度函數(shù)為
8.如權利要求7所述的中心矢狀面的提取方法，其特征在于，包括:讀取所述像素Pi的灰度值，以所述當前矢狀面為對稱面，計算所述像素Pi的對稱點的坐標作為R(Pi)的坐標。
9.如權利要求8所述的中心矢狀面的提取方法，其特征在于，若所述對稱點的坐標為整數(shù)，則將對應坐標的灰度值作為所述像素點R(Pi)對應的灰度值；若所述對稱點的坐標為非整數(shù)，則在所述醫(yī)學圖像中進行插值，以獲得對應坐標的灰度值作為所述像素點R(Pi)對應的灰度值。
10.如權利要求1所述的中心矢狀面的提取方法，其特征在于，所述矢狀面方程為X=My+Nz+B，其中，所述M、N及B為所述待定的系數(shù)，其中，第i次迭代后的系數(shù)對應為M1、Ni及Bi,第一次迭代的當前系數(shù)為Mq、Nq及B。。
11.如權利要求10所述的中心矢狀面的提取方法，其特征在于，還包括獲取所述醫(yī)學圖像的質(zhì)心坐標，并根據(jù)確定的系數(shù)M、N及所述質(zhì)心坐標，獲取待定系數(shù)B。
12.如權利要求11所述的中心矢狀面的提取方法，其特征在于，若所述質(zhì)心坐標為(x0> y0> Z0)，，所述系數(shù)的初始值為Mci = O, N0 = O,對應的初始矢狀面方程為X = Bci = Xm
13.如權利要求10所述的中心矢狀面的提取方法，其特征在于，所述偏導數(shù)為所述均

方差測度函數(shù)C分別對系數(shù)M、N的偏導數(shù)，分別記為S、T，表達式為
14.如權利要求13所述的中心矢狀面的提取方法，其特征在于，包括:第i次迭代后的
系數(shù)為
15.如權利要求13所述的中心矢狀面的提取方法，其特征在于，包括:i大于I的第i次迭代的當前迭代偏導數(shù)為Si, Ti,上次迭代偏導數(shù)為S卜” Ti+ 若所述(S1-Shh(T1-1V1) <0，則對上次迭代的修正步長進行下降后作為當前迭代的修正步長； 若所述(S1-Shh(T1-1V1) >0，則繼續(xù)采用上次迭代使用的修正步長作為當前迭代的修正步長。
【文檔編號】G06T7/00GK103914826SQ201310007904
【公開日】2014年7月9日 申請日期:2013年1月9日 優(yōu)先權日:2013年1月9日
【發(fā)明者】曹春生, 鄧利芳 申請人:上海聯(lián)影醫(yī)療科技有限公司