资源类型：
申请人：
首都医科大学附属北京同仁医院
;
北京理工大学
;
当前专利权人：
首都医科大学附属北京同仁医院
;
北京理工大学
;
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
一种CT图像的内直肌和视神经分割方法与系统，可以有效地定位CT中未清晰成像的视交叉和视神经束，可以有效地弥补多模态融合中缺乏局部信息的弱点而显著提高分割精度。方法包括：(1)构建统计形状模型：统计形状模型由训练数据集构成，其中前视觉通路和内直肌的形状是手动勾画的；(2)基于MR/CT图像融合的分割：通过将统计形状模型拟合到MR图像的分割结果来获得参考MR图像的形状，通过弹性配准将CT图像与MR图像融合，以获得前视觉通路和内直肌的初始分割结果；(3)多特征约束分割细化：从目标CT图像获得多特征约束表面，在将初始分割结果拟合到表面之后，分割在CT图像中不可见的结构，包括视束和视交叉。
主权项：
1.一种CT图像的内直肌和视神经分割方法，其特征在于：其包括以下步骤： (1)构建统计形状模型：统计形状模型由训练数据集构成，其中前视觉通路和内直肌的形状是手动勾画的； (2)基于MR/CT图像融合的分割：通过将统计形状模型拟合到MR图像的分割结果来获得参考MR图像的形状，通过弹性配准将CT图像与MR图像融合，以获得前视觉通路和内直肌的初始分割结果； (3)多特征约束分割细化：从目标CT图像获得多特征约束表面，在将初始分割结果拟合到表面之后，分割在CT图像中不可见的结构，包括视束和视交叉； 所述步骤(2)中，从训练数据中随机选择参考MR图像Iref及其对应的分割图像；通过将统计形状模型拟合到参考MR图像Iref的分割表面IT来获得参考形状，这个过程称为表面拟合，表示为公式(3)： 其中DT是IT的距离变换，表示统计形状模型上的点的坐标，diag(λ)表示由特征值λ组成的对角矩阵；b被约束在由β和λ定义的超矩形中，其中λi是λ的第i个元素，bi是b中的第i个参数；公式(3)中的第一项是从变换的形状模型上的每个点到表面IT的距离的总和，并且用于描述配准误差，第二项是统计形状模型变形的正则化项，用于惩罚模型变形的程度； 所述步骤(2)中通过3D图像弹性配准获得将参考MR图像Iref映射到目标CT图像Itar的变形场，使用B样条拟合参数化变形场； 通过求解最优变换T可以实现两个图像的弹性配准，并根据公式(4)计算： 在获得优化变换后，获得MR和CT图像之间的变形场；然后，将参考形状变换为目标图像，以实现MR和CT图像的融合；相应的结果被视为前视觉通路和内直肌的初始化分割结果。
