(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210791510.X (22)申请日 2022.07.05 (71)申请人 深圳大学 地址 518000 广东省深圳市南 山区粤海街 道南海大道3 688号 (72)发明人 李光　 (74)专利代理 机构 重庆百润洪知识产权代理有 限公司 5 0219 专利代理师 娄会敏 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/00(2017.01) G06V 10/25(2022.01) G06V 10/74(2022.01) G06V 10/77(2022.01) (54)发明名称 一种基于混合现实技术的医学影像自动分 割算法 (57)摘要 本发明涉及信息处理技术领域， 包括一种基 于混合现实技术的医学影像自动分割算法， 首先 进行数据预处理， 具体包括图像校正和图像配 准， 再进行图像确定性纤维追踪和概率性纤维追 踪， 用于提取图像结构和连接信息； 进行图像分 割， 基于图像特征得到感兴趣区每个体素点到全 脑之间的连接； 利用矩阵对算法对 连接值进行提 取的结果进行下采样表示， 构建感兴趣分割脑区 在个体空间水平上的连接矩阵， 并基于连接信息 进行相关性 分析， 结果作为聚类分割算法的特征 输入； 通过PCA算 法重构映射， 通过L2范数最小 化 原始输入x和重构向量之间的距离， 最终求解映 射W； 通过SC算法进行模型建立和训练； 输入特征 图像。 本发明具有较好的一致性， 具有良好的分 割效果。 权利要求书1页 说明书3页 附图1页 CN 114972386 A 2022.08.30 CN 114972386 A 1.一种基于混合现实技术的医学影像自动分割算法， 其特征在于， 具体按以下步骤执 行； S1:首先进行数据预处理， 具体包括图像校正和图像配准， 再进行图像确 定性纤维追踪 和概率性纤维追踪， 用于提取图像结构和连接信息； S2:进行图像分割， 基于图像特征得到感兴趣 区每个体素点到全脑之间的连接； 利用矩 阵对算法对连接值进 行提取的结果进 行下采样表 示， 构建感兴趣分割脑区在个体空间水平 上的连接矩阵， 并基于连接信息进行相关性分析， 结果作为聚类分割算法的特 征输入； S3:通过PCA算法重构映射， 通过L2范数最小化原始输入x和重构向量之间的距离， 最终 求解映射W； S4:通过SC算法进行模型建立和训练； S5:输入特征图像， 进行图像分割； S6:进行结果对比验证。 2.根据权利要求1所述的一种基于混合现实技术的医学影像自动分割算法， 其特征在 于， 在步骤S1中， 基于变换规则实现图像之间的相互映射， 如式(1)； 其中， Ii和Ij表示给定的图像； F(.)表示图像的映射函数； m表示变换的相似度测量； 配 准的目标 是通过优化 算法在实现m()最大的基础上找到映射变换函数。 3.一种基于混合现实技术的医学影像自动 分割算法， 其特征在于， 在步骤S6中， 结果对 比验证具体包括将 图像分割结果配准到标准空间， 计算组水平上的图像最大概率分割结 果， 估算图像分割结果的分割模式一 致性， 并和SCN方法的结果进行对比评估； 如式(2)； 其中， Q表示被试数量， 通过反向配准将个体弥散空间的分割结果转换到得到标准空间 的被试Mq的分割结果areai， i表示第i类图像分区。 4.根据权利1所述的一种基于混合现实技术的医学影像自动分割算法， 其特征在于， 在 进行图像校正时， 首先， 基于磁共振图像提取出未施加扩散梯度脉冲的参考图像(b0像)， 然 后以b0像为标准， 基于高斯过程对扩散信号建模， 通过涡流校正对图像切片的扭曲和运动 失真信号进行调整纠正， 最后计算体素 的扩散张量模型， 得到不同方向上 的特征值和每一 个体素的张量估计和弥散属性分布。 5.根据权利1所述的一种基于混合现实技术的医学影像自动分割算法， 其特征在于， 在 图像标准化的处理过程中， 具体采用图像标准化工具A NTs， 基于均方差、 互相关和交互信息 可以实现多模态条件下的图像 配准。 6.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述程序被主控制 器执行时实现如权利要求1 ‑4中任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 114972386 A 2一种基于混合现实技术的医学影像自动分割算法 技术领域 [0001]本发明涉及影像处理技术领域， 具体为一种基于混合现实技术的医学影像自动分 割算法。 背景技术 [0002]医学影像处理包括对获得的影像进行亮度、 对比度、 边缘增强、 放大、 剪接等处理， 使影像达到最佳质量的调节过程， 学图像是反 映人体内部结构的图像， 是现代医疗诊断的 主要依据之一。 目前， 医学图像处理任务主要集中在图像检测、 图像分割、 图像配准及图像 融合四个方面。 [0003]医学图像数据具有可获得、 质量高、 体量大、 标准统一等特点， 使人工智能在其中 的应用较为成熟。 利用图像处理技术对图像进行分析和处理， 实现对 人体器官、 软组织和病 变体的位置检测、 分割提取、 三维重建和三维显示， 可以对感兴趣区域(Region  of  Interest,ROI)进行定性甚至定量的分析， 从而大大提高临床诊断的效率、 准确性和可靠 性， 在医疗教学、 手术规划、 手术仿真及各种医学研究中也能起重要的辅助作用。 所以就需 要一种基于混合现实技 术的医学影 像自动分割算法。 发明内容 [0004]本发明的目的在于提供一种基于混合现实技 术的医学影 像自动分割算法； [0005]本发明是这样实现的， 本发明提供一种基于混合现实技术的医学影像自动分割算 法； [0006]S1:首先进行数据 预处理， 具体包括图像校正和图像配准， 再进行图像确定性纤维 追踪和概 率性纤维追踪， 用于提取图像结构和连接信息； [0007]S2:进行图像分割， 基于图像特征得到感兴趣区每个体素点到全脑之间的连接； 利 用矩阵对算法对连接值进 行提取的结果进 行下采样表示， 构建感兴趣分割脑区在个体空间 水平上的连接矩阵， 并基于连接信息进行相关性分析， 结果作为聚类分割算法的特 征输入； [0008]S3:通过PCA算法重构映射， 通过L2范数最小化原始输入x和重构向量之间 的距离， 最终求解映射W； [0009]S4:通过SC算法进行模型建立和训练； [0010]S5:输入特征图像， 进行图像分割； [0011]S6:进行结果对比验证。 [0012]进一步， 在步骤S1中， 基于变换规则实现图像之间的相互映射， 如式(1)； [0013] [0014]其中， Ii和 Ij表示给定的图像； F(.)表示图像的映射函数； m表示变换的相似度测 量； 配准的目标 是通过优化 算法在实现m()最大的基础上找到映射变换函数。 [0015]进一步， 在步骤S6中， 结果对比验证具体包括将图像分割结果配准到标准空间， 计 算组水平上的图像最大概率分割结果， 估算图像分割结果的分割模式一致性， 并和S CN方法说　明　书 1/3 页 3 CN 114972386 A 3