一种基于平均曲率流的脊椎特征点自动识别方法与流程

技术特征：

1.一种基于平均曲率流的脊椎特征点自动识别方法，其特征在于，步骤如下：

步骤一，对人体脊椎的CT图像进行三维重建，得到所需标注特征点的椎体三维模型；

步骤二，对步骤一得到的椎体模型进行网格划分；

步骤三，手动选取模型上某点，计算在手动选取点周围极小半径为R的球形空间内每个顶点的平均曲率值；

步骤四，选取手动选取点周围平均曲率最大的n个点；

步骤五，对平均曲率最大的n个点，分别与选取点作内积，夹角最小的即为所求的点。

2.根据权利要求1所述的一种基于平均曲率流的脊椎特征点自动识别方法，其特征在于，所述步骤四和步骤五中的n≤5。

3.根据权利要求1所述的一种基于平均曲率流的脊椎特征点自动识别方法，其特征在于，所述步骤三的具体过程如下：

步骤3-1，按照如下步骤计算出椎体模型上每个顶点的泰森多边形区域面积A_M:

a.遍历脊椎三维图像表面的三角面片，获得其三个顶点的坐标v0、v1和v2，并得出边向量e0＝v1-v0，e1＝v2-v1，e2＝v0-v2；

b.根据向量的点积公式，将边向量(e1,e2)、(e2,e0)和(e0,e1)分别带入，可以得到三角面片各个顶角的度数，再根据cell的拓扑关系，计算脊椎图像三维表面上每个点邻域三角形对应的角度和其中#f为三角形面片的个数；

c.计算由这三个顶点组成的三角形的面积A，同理根据cell的拓扑关系可得到每个点附近三角形的面积A_M；

步骤3-2，按照如下公式计算每个顶点的法向量：

上式中，k_i-ring(v_i)表示顶点vi周围的ki环邻域范围，c_j为处于该邻域范围内的每个三角面片，area(c_j)表示c_j的面积，(x_i,y_i,z_i)为计算所得的向量和，表示三角面片c_j的单位法向量；

步骤3-3，利用以下公式遍历计算范围内每个点的平均曲率值：

$k_H\left(p_i\right)=\frac{1}{4A_M}\underset{j\∈N\left(i\right)}{\Σ}({\mathrm{cot\α}}_{ij}+{\mathrm{cot\β}}_{ij})\<p_j-p_i,n\>$

其中，

α_ij和β_ij是两相对角，它们所在两三角形以其对的边为公共边。

4.根据权利要求1或2所述的一种基于平均曲率流的脊椎特征点自动识别方法，其特征在于，所述步骤五的具体过程如下：

步骤5-1，利用以下公式计算平均曲率值最大的n个点与手动选取点的两个向量内积：

＜p_i-O,p₀-O＞＝x_ix₀+y_iy₀+z_iz₀

其中，O为坐标系原点，p₀为手动选取点，p_i为平均曲率值最大的n个点之一；

步骤5-2，利用以下公式计算两向量的夹角θ：

$\mathrm{\θ}=arccos\frac{\<p_i-O,p_0-O\>}{\left|\right|p_i-O\left|\right|\·\left|\right|p_0-O\left|\right|};$

与手动选取点夹角最小的点即为经过修正后的特征点。