本发明涉及图像处理领域，尤其是一种基于图像处理的鼻咽镜下腭咽闭合度的半自动检测方法。
背景技术：
腭咽闭合功能的评估是腭裂手术效果评价的核心。对于腭裂的治疗不同于唇裂，不单纯以形态恢复为评判标准，而是以重建的腭部形态下的腭咽闭合功能为准，所以，临床上以腭咽闭合度作为效果评价的关键指标。
根据美国颅颌面协会(acpa)建议，腭裂手术前需进行语音和腭咽功能评估，医生根据评估结果结合专业知识和临床经验判断是否需要手术。因此，临床上以腭咽闭合率作为二期手术选择的标准参考。通常腭咽闭合度的计算方法是由专业言语治疗师使用鼻咽内镜观测患者的腭咽口从静息状态到连续性发音状态下收缩关闭的最大程度的比值进行主观估算，根据估算的结果作为参考而选择不同的手术方式。
在发音时，腭咽口的运动包括软腭、两侧咽侧壁和咽后壁的整体收缩运动。其运动方向为：软腭向咽后壁方向移动，两咽侧壁向中心方向移动。若软腭与咽后壁接触，腭咽口没有空隙，则腭咽完全关闭，如若软腭不能与咽后壁接触，两咽侧壁也不能靠拢接触，腭咽口余留间隙，则视为腭咽闭合不全。
尽管鼻咽内镜为目前医疗界首选的客观测量仪器，但由于发音运动为持续性运动，腭咽口开放与关闭呈瞬时交替变化，目前现有技术中尚无可靠的客观测量软件，均以治疗医师的手工测绘为主，具有相当的主观性和不稳定性，其结果甚至会造成误差导致过度医疗。为适应精准医疗的发展需求，临床需要更准确的数字化评估技术，因此实现鼻咽镜下腭咽闭合功能的自动测量，将大大提升腭咽功能诊断的准确性和标准化。
本发明提供的方法采用基于图像处理的半自动分割，实现对腭咽口边界的提取，及腭咽闭合度的计算，为临床医生提供参考数据。
技术实现要素：
本发明针对现有技术存在的上述技术问题，提供一种基于图像处理的鼻咽镜下腭咽闭合度半自动检测方法，为克服人工查看和测绘计算腭咽口闭合度误差大的缺陷，利用图像处理的方法对鼻咽内镜下的腭咽图像进行半自动的分割和提取，从而实现对腭咽闭合度的数字化准确计算和评估。
本发明采用以下技术方案：
一种基于图像处理的鼻咽镜下腭咽闭合度半自动检测方法，具体包括以下步骤：
(1)获取目标图像，由内镜主机采集录制整个检查过程的视频，人工截取被测者发音稳定状态下的视频段，提取该视频中的所有图像帧ii(i＝1,2,3…,n)，其中ii为第i帧图像，n为视频中包含的所有图像帧的总数；
(2)选取基准图像并对腭咽口边界选取人工标记点，根据视频段中的腭咽口运动情况，选定腭咽口静息状态的一帧图像in为参考基准图像，对腭咽口的边界绘制m个标记点，m的取值为12，定义标记点集合为pi，i为图像帧数，该集合中元素为腭咽口上下边界与左右边界标记点，其中腭咽口的上边界选取4个标记点为uk(i)(k＝1,2,3,4)，下边界选取4个标记点为dk(i)(k＝1,2,3,4)，左右边界各2个标记点为lk(i)(k＝1,2)和rk(i)(k＝1,2)；
(3)对图像帧进行预处理，，去除图像中的文字信息和黑色区域；
(3a)首先对视频中的每一帧图像，去除左右及上下边界的黑色区域；
(3b)对图像in1中的白色区域求取连通域并计算连通域面积，找到面积最大的白色区域，求取该白色区域横坐标的最小值lmin与最大值lmax，求取白色区域纵坐标的最小值hmin与最大值hmax；
(3c)在原彩色图像in中，截取图像，满足坐标点的横坐标范围为[lmin,lmax]，纵坐标的范围为[hmin,hmax]，截取的图像为in2；
(3d)对视频中的每帧图像，去除四个角的黑色区域；
(3e)采用相同的方法对其余三个角的填充方法相同，填充后的图像为in3；
(4)对预处理后的图像为in3进行处理，实现对腭咽口下边界的分割：在第n帧图像in中，人工标记下边界的4个点为：dk(n)(k＝1,2,3,4)；对该4个标记点进行二次样条插值，得到拟合曲线ln，该曲线即为in中的腭咽口下边界；
(5)对预处理后的图像为in3进行处理，实现对腭咽口左右边界与上边界的分割：
(5a)对选定的第n帧基准图像in进行人工标记腭咽口边界和预处理后，其人工标记点集合为pn，对其进行水平集演化得到最优wn值下的水平集轮廓cfn：
(5a1)对图像in做高斯平滑滤波，求出图像的特征参数值；
(5a2)根据鼻咽内镜图像中腭咽口内部区域的边界与图像边界之间的距离，设置初始水平集csn，csn表示第n帧图像的初始水平集；
初始水平集csn为一个矩形框，矩形框大小由矩形框与图像边沿的距离wn决定，wn表示第n帧的矩形框与图像边沿的距离。设图像的宽度为width_image，则矩形框的宽度width_rec_box＝width_image-2*wn；设图像的高度为height_image，则矩形框的高度height_rec_box＝height_image-2*wn。
(5a3)对于第n帧图像in，其人工标记点集合为pn，包含12个点，分别为腭咽口的上边界4个点，左边界2个点，右边界2个点，下边界4个点；
分别计算当wn取值为1,2,3,...,20时进行300次演化后的水平集轮廓cfnj，(j＝1,2,...,20)；对于每个水平集轮廓cfnj，分别计算标定点集合pn中每个点到该水平集轮廓的最短距离，并计算这8个最短距离的均值dnj(j＝1,2,3,...,20)；当dnj取最小值时，其对应的水平集轮廓cfn即为第n帧的最优水平集轮廓，并得到该水平集轮廓的参数wn；
(5b)按照正向顺序从第n+1帧到结束帧，对每帧图像进行水平集演化，得到最优wi值下的水平集轮廓cfi，i表示第i帧，并计算每帧图像的腭咽口边界点集合pi，从而计算得到每帧图像中腭咽口的边界；
(5b1)当i>n时，对于第i帧图像，其前一帧图像ii-1中的腭咽口标记点集合为pi-1。分别计算当wi为1,2,3,...,20时进行300次演化后的水平集轮廓cfij(j＝1,2,...,20)；对于每个水平集轮廓cfij，分别计算标定点集合pi-1中每个点到该水平集轮廓的最短距离，并计算这8个最短距离的均值dij(j＝1,2,3,...,20)；当dij取最小值时，其对应的水平集轮廓cfi即为第i帧的最优水平集轮廓，并得到该水平集轮廓对应的参数为wi。
(5b2)由第i-1帧得到腭咽口边界点集合pi-1包含点：u1(i-1)、u2(i-1)、u3(i-1)、u4(i-1)、d1(n)、d2(n)、d3(n)、d4(n)、l1(i-1)、l2(i-1)、r1(i-1)、r2(i-1)，基于cfi和pi-1寻找点u'1(i-1)，该点为水平集轮廓cfi上的一点，且满足点u'1(i-1)到点u1(i-1)的距离最短；同理，寻找到点u'2(i-1)、u'3(i-1)、u'4(i-1)、l'1(i-1)、l'2(i-1)、r'1(i-1)、r'2(i-1)，这8个点与人工标记下边界点d1(n)，d2(n)，d3(n)，d4(n)，即构成第i帧图像上的腭咽口边界点集合pi；
(5c)按照逆向顺序从第n-1帧到起始帧，对每帧图像进行水平集演化，得到最优wi值下的水平集轮廓cfi，i表示第i帧，并计算每帧图像的腭咽口边界点集合pi，从而计算得到每帧图像中腭咽口的边界；
(5c1)当i<n时，对于第i帧图像，其后一帧图像ii+1中的腭咽口标记点集合为pi+1，分别计算当wi为1,2,3,...,20时进行300次演化后的水平集轮廓cfij(j＝1,2,...,20)；对于每个水平集轮廓cfij，分别计算标定点集合pi+1中每个点到该水平集轮廓的最短距离，并计算这8个最短距离的均值dij(j＝1,2,3,...,20)；当dij取最小值时，其对应的水平集轮廓cfi即为第i帧的最优水平集轮廓，并得到该水平集轮廓的参数为wi；
(5c2)由第i+1帧得到腭咽口边界点集合为pi+1包含点：u1(i+1)，u2(i+1)u3(i+1)，u4(i+1)，d1(n)，d2(n)，d3(n)，d4(n)，l1(i+1)，l2(i+1)，r1(i+1)，r2(i+1)；基于cfi和pi+1寻找点u'1(i+1)，该点为水平集轮廓cfi上的一点，且满足点u'1(i+1)到点u1(i+1)的距离最短；同理，寻找到点u'2(i+1)、u'3(i+1)、u'4(i+1)、l'1(i+1)、l'2(i+1)、r'1(i+1)、r'2(i+1)，这8个点与人工标记下边界点d1(n)，d2(n)，d3(n)，d4(n)即构成第i帧图像上的腭咽口边界点集合pi；
(6)对腭咽口边界分割后计算腭咽口面积，对于第i帧图像，计算其腭咽口面积ai；将腭咽口边界集合点12个点，按照逆时针顺序排列，采用公式(1)计算其面积：
xm为按照逆时针顺序排列的腭咽口边界点的第m个点的横坐标，ym为第m个点的纵坐标，xm+1是第m+1个点的横坐标，ym+1是第m+1个点的纵坐标；
(7)腭咽闭合度计算，对视频中的所有图像帧ii(i＝1,2,3…,n)计算对应的腭咽口面积ai后，求取并确定腭咽口面积最大的图像帧，设该帧图像为imax，其对应的腭咽口面积为amax；
按照公式(2)计算每帧图像的腭咽闭合度bi：
bi＝ak/amax(i＝1,2,3…,n)(2)。
进一步的，其中步骤5b具体为对第n帧图像(人工标记点集合为pn)，进行水平集演化得到最优wn值下的水平集轮廓cfn，由pn和cfn计算得到pn+1，作为n+1帧图像的参考标记点集合；
然后第n+1帧图像in+1结合参考标记点集合pn+1，进行水平集演化得到最优wn+1值下的水平集轮廓cf(n+1)，由pn+1和cf(n+1)计算得到pn+2，作为第n+2帧图像的参考标记点集合；
in+2结合参考标记点集合pn+2进行水平集演化得到最优wn+2值下的水平集轮廓cf(n+2)，由pn+2和cf(n+2)计算得到pn+3作为第n+3帧图像的参考标记点集合，以此类推，直到第n帧图像，得到每一帧图像的腭咽口边界集合点。
进一步的，其中步骤5b具体为对第n帧图像(人工标记点集合为pn)，进行水平集演化得到最优wn值下的水平集轮廓cfn，由pn和cfn计算得到pn-1，作为n-1帧图像的参考标记点集合；
然后第n-1帧图像in-1结合参考标记点集合pn-1，进行水平集演化得到最优wn-1值下的水平集轮廓cf(n-1)，由pn-1和cf(n-1)计算得到pn-2，作为第n-2帧图像的参考标记点集合；
in+2结合参考标记点集合pn-2进行水平集演化得到最优wn-2值下的水平集轮廓cf(n-2)，由pn-2和cf(n-2)计算得到pn-3作为第n-3帧图像的参考标记点集合，以此类推，直到第一帧图像，得到每一帧图像的腭咽口边界集合点。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明提供的鼻咽镜下腭咽闭合度半自动检测方法，可以鼻咽内镜获取的腭咽图像进行半自动检测，利用图像处理的方法提取和分割腭咽闭合区域，相比于现有技术中的人工测绘和估算，本发明的检测方法检测结果客观准确，实现较高程度的自动测量；
2、本发明提供的鼻咽镜下腭咽闭合度半自动检测方法，根据腭咽图像的特点，结合参考人工标记点和基于水平集演化的标记点搜索，通过半自动分割方法提取腭咽闭合区域并计算相应的腭咽闭合度，在临床上对腭咽闭合功能的数字化评估提供可靠的参考数据，符合精准医疗的发展需求。
3、本发明提供的鼻咽镜下腭咽闭合度半自动检测方法，创新性高，在参考标记点的选取和水平集演化最优参数的选取上进行改进，提高目标区域的提取准确度和降低算法开销。
附图说明
图1是本发明实施例提供的腭咽闭合度半自动检测方法流程图。
图2是本发明实施例提供的鼻咽内镜原始图像帧。
图3是本发明实施例提供的对图像帧进行预处理的示意图。
图4是本发明实施例提供的腭咽口下边界提取示意图。
图5是本发明实施例提供的图像梯度特征提取示意图。
图6是本发明实施例提供的设置初始水平集轮廓的示意图。
图7是本发明实施例提供的不同演变次数对应的水平集轮廓示意图。
图8是本发明实施例提供的腭咽口边界分割效果示意图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案，下面结合本发明的附图，对本发明的技术方案进行清楚、完整的描述，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。
如图1，本发明提供的鼻咽镜下腭咽闭合度半自动检测方法的具体步骤如下。
(1)获取目标图像，在实际操作中将鼻咽内镜软管从中鼻道插入，到达腭咽口平面后固定，以能清楚看到软腭、咽侧壁和咽后壁为适宜位置，然后引导被测者发音。由内镜主机采集录制整个检查过程的视频，人工截取被测者发音稳定状态下的视频段，该段视频需包含腭咽口的静息状态和连续性发音状态下腭咽口的收缩复位状态。提取该视频中的所有图像帧ii(i＝1,2,3…,n)，其中ii为第i帧图像，n为视频中包含的所有图像帧的总数。
(2)选取基准图像并对腭咽口边界选取人工标记点，根据视频段中的腭咽口运动情况，选定腭咽口静息状态的一帧图像in为参考基准图像，对腭咽口的边界绘制m个标记点。其中m值的选取没有限制，以能大致标记腭咽口的边界信息为标准。本发明提供的实验表明，m的选取在12～20点之间，其计算量较为合理，且能大致表达腭咽口的边界信息。这些标记点将作为基于图像处理技术的腭咽口边界分割算法的参考点。
在本发明的一个实施例中，m的取值为12，定义标记点集合为pi，i为图像帧数，该集合中元素为腭咽口上下边界与左右边界标记点，其中腭咽口的上边界(即对应在解剖结构中的软腭)选取4个标记点为uk(i)(k＝1,2,3,4)；下边界(即对应在解剖结构中的咽后壁)选取4个标记点为dk(i)(k＝1,2,3,4)；左右边界(即对应在解剖结构中的两咽侧壁)各2个标记点为lk(i)(k＝1,2)和rk(i)(k＝1,2)。
如图2所示为腭咽口边界人工标记点的一个示例。该帧图像in提取于一被测者鼻咽内镜视频，为腭咽口静息状态对应的图像帧。
(3)对图像帧进行预处理，由鼻咽内镜设备得到的初始视频段中，包含一些文字信息，且存在一些黑色区域(如图3a所示的鼻咽内镜原始图像帧)，将影响后续基于图像处理技术的腭咽口边界分割算法。因此，对视频中的每帧图像进行预处理，去除图像中的文字信息和黑色区域。
(3a)首先对视频中的每一帧图像，去除左右及上下边界的黑色区域。其具体算法为：以一帧图像in为例，首先对该图像rgb中r通道的图像进行二值化，设置阈值为20，得到图像in1。二值化后的图像如图3b所示。
(3b)对图像in1中的白色区域求取连通域并计算连通域面积。找到面积最大的白色区域，求取该白色区域横坐标的最小值lmin与最大值lmax，求取白色区域纵坐标的最小值hmin与最大值hmax。
(3c)在原彩色图像in中，截取图像，满足坐标点的横坐标范围为[lmin,lmax]，纵坐标的范围为[hmin,hmax]。截取的图像为in2，如图3c所示。
(3d)对视频中的每帧图像，去除四个角的黑色区域。具体算法为：对图像的四个角按照如下步骤进行相同的处理，以图in2中的左上角为例，如图3d所示，对图像in2，计算其左上角黑色直角三角形区域的两条直角边l1,l2的长度，取l＝max(l1,l2)。绘制一个等腰三角形δ1，边长为l，如图3e中方形区域的左上角三角形线条所示。取等腰三角形区域δ2，如图3e中方形区域的右下角三角形区域所示，其斜边与δ1重合。将该等腰三角形区域δ2中的像素点，以其斜边为中心，对称到等腰三角形δ1所示的区域中，完成对左上角黑色区域的填充。
(3e)采用相同的方法对其余三个角的填充方法相同，填充后的图像为in3，其结果如图3f所示。
在发音运动时，腭咽口各部分(软腭、咽侧壁和咽后壁)的运动模式为收缩聚拢再放松复位，回到静息位。其中收缩运动的运动方向为：软腭向咽后壁方向移动，两咽侧壁向中心方向移动。放松复位的运动方向与收缩运动相反。因此在发音运动的视频帧中需要对各运动状态下的腭咽口边界进行提取和分割。
(4)对腭咽口的下边界进行分割：对预处理后的图像为in3进行处理，实现对腭咽口下边界的分割。在鼻咽内镜图像中，咽后壁为腭咽口的下边界。在第n帧图像in中，人工标记的下边界的4个点为：dk(n)(k＝1,2,3,4)。对该4个标记点进行二次样条插值，得到一根拟合的曲线ln，该曲线即为in中的腭咽口下边界。如图4所示为腭咽口下边界示意图。由于腭咽口的运动过程中，咽后壁几乎不会发生运动，因此对于视频中的其他图像帧ii(i＝1,2,3…,n，且i≠n)，腭咽口的下边界均为曲线ln。
(5)对腭咽口的左右边界和上边界进行分割：
对预处理后的图像为in3进行处理，实现对腭咽口左右边界与上边界的分割。
在鼻咽内镜图像中，咽侧壁为腭咽口的左右边界，软腭为腭咽口的上边界。由鼻咽内镜图像可知，腭咽口的左右及上边界信息较为明显。由于鼻咽内窥镜的光照效果，在腭咽口内部，其图像灰度值较低，颜色较暗；在腭咽口外部，其图像灰度值较高，颜色较亮。在腭咽口左右及上边界处，有较为明显的分界线。
因此对腭咽口左右边界与上边界的分割方法具体流程如下：
(5a)对选定的第n帧基准图像in进行人工标记腭咽口边界和预处理后，其人工标记点集合为pn，对其进行水平集演化得到最优wn值下的水平集轮廓cfn。具体计算步骤如下：
(5a1)对图像in做高斯平滑滤波，求出图像的特征参数值，根据该特征参数值求水平集。本实施例中采用的特征参数值是平滑滤波后的鼻咽内镜图像的横向灰度梯度ix、纵向灰度梯度iy以及梯度f：f＝ix2+iy2。如图5所示为图像in3的各特征参数值：a为横向灰度梯度ix，b为纵向灰度梯度iy，c为梯度f。
(5a2)根据鼻咽内镜图像中腭咽口内部区域的边界与图像边界之间的距离，设置初始水平集csn，csn表示第n帧图像的初始水平集。初始水平集csn为一个矩形框(如图6中矩形框所示)，矩形框大小由矩形框与图像边沿的距离wn决定，wn表示第n帧的矩形框与图像边沿的距离。设图像的宽度为width_image，则矩形框的宽度width_rec_box＝width_image-2*wn；设图像的高度为height_image，则矩形框的高度height_rec_box＝height_image-2*wn。
(5a3)对于第n帧图像in，其人工标记点集合为pn，包含12个点，分别为腭咽口的上边界4个点，左边界2个点，右边界2个点，下边界4个点。分别计算当wn取值为1,2,3,...,20时进行300次演化后的水平集轮廓cfnj，j＝1,2,...,20。对于每个水平集轮廓cfnj，分别计算标定点集合pn中每个点到该水平集轮廓的最短距离，并计算这8个最短距离的均值dnj，j＝1,2,3,...,20。当dnj取最小值时，其对应的水平集轮廓cfn即为第n帧的最优水平集轮廓，并得到该水平集轮廓的参数wn。
其中对于演化次数的选取，在根据图像特征参数值和初始水平集csn采用水平集演变算法进行水平集演变时，如图7所示，其中a、b和c分别为演变100次、200次和300次时的水平集轮廓，最终根据得到的最佳的水平集cfn确定演变次数为300次。
(5b)按照正向顺序从第n+1帧到结束帧，对每帧图像进行水平集演化，得到最优wi值下的水平集轮廓cfi，i表示第i帧，并计算每帧图像的腭咽口边界点集合pi，从而计算得到每帧图像中腭咽口的边界。
对第n帧图像(人工标记点集合为pn)，进行水平集演化得到最优wn值下的水平集轮廓cfn，由pn和cfn计算得到pn+1，作为n+1帧图像的参考标记点集合；然后第n+1帧图像in+1结合参考标记点集合pn+1，进行水平集演化得到最优wn+1值下的水平集轮廓cf(n+1)，由pn+1和cf(n+1)计算得到pn+2，作为第n+2帧图像的参考标记点集合。in+2结合参考标记点集合pn+2进行水平集演化得到最优wn+2值下的水平集轮廓cf(n+2)，由pn+2和cf(n+2)计算得到pn+3作为第n+3帧图像的参考标记点集合，以此类推，直到第n帧图像，得到每一帧图像的腭咽口边界集合点。
(5b1)当i>n时，对于第i帧图像，其前一帧图像ii-1中的腭咽口标记点集合为pi-1。分别计算当wi为1,2,3,...,20时进行300次演化后的水平集轮廓cfij，j＝1,2,...,20。对于每个水平集轮廓cfij，分别计算标定点集合pi-1中每个点到该水平集轮廓的最短距离，并计算这8个最短距离的均值dij，j＝1,2,3,...,20。当dij取最小值时，其对应的水平集轮廓cfi即为第i帧的最优水平集轮廓，并得到该水平集轮廓对应的参数为wi。
(5b2)由第i-1帧得到腭咽口边界点集合pi-1包含点：u1(i-1)，u2(i-1)u3(i-1)，u4(i-1)，d1(n)，d2(n)，d3(n)，d4(n)，l1(i-1)，l2(i-1)，r1(i-1)，r2(i-1)。基于cfi和pi-1寻找点u'1(i-1)，该点为水平集轮廓cfi上的一点，且满足点u'1(i-1)到点u1(i-1)的距离最短。同理，寻找到点u'2(i-1)、u'3(i-1)、u'4(i-1)、l'1(i-1)、l'2(i-1)、r'1(i-1)、r'2(i-1)，这8个点与人工标记下边界点d1(n)，d2(n)，d3(n)，d4(n)，即构成第i帧图像上的腭咽口边界点集合pi。
(5c)按照逆向顺序从第n-1帧到起始帧，对每帧图像进行水平集演化，得到最优wi值下的水平集轮廓cfi，i表示第i帧，并计算每帧图像的腭咽口边界点集合pi，从而计算得到每帧图像中腭咽口的边界。
对第n帧图像(人工标记点集合为pn)，进行水平集演化得到最优wn值下的水平集轮廓cfn，由pn和cfn计算得到pn-1，作为n-1帧图像的参考标记点集合；然后第n-1帧图像in-1结合参考标记点集合pn-1，进行水平集演化得到最优wn-1值下的水平集轮廓cf(n-1)，由pn-1和cf(n-1)计算得到pn-2，作为第n-2帧图像的参考标记点集合。in+2结合参考标记点集合pn-2进行水平集演化得到最优wn-2值下的水平集轮廓cf(n-2)，由pn-2和cf(n-2)计算得到pn-3作为第n-3帧图像的参考标记点集合，以此类推，直到第一帧图像，得到每一帧图像的腭咽口边界集合点。
(5c1)当i<n时，对于第i帧图像，其后一帧图像ii+1中的腭咽口标记点集合为pi+1，分别计算当wi为1,2,3,...,20时进行300次演化后的水平集轮廓cfij，j＝1,2,...,20。对于每个水平集轮廓cfij，分别计算标定点集合pi+1中每个点到该水平集轮廓的最短距离，并计算这8个最短距离的均值dij，j＝1,2,3,...,20。当dij取最小值时，其对应的水平集轮廓cfi即为第i帧的最优水平集轮廓，并得到该水平集轮廓的参数为wi。
(5c2)由第i+1帧得到腭咽口边界点集合为pi+1包含点：u1(i+1)，u2(i+1)u3(i+1)，u4(i+1)，d1(n)，d2(n)，d3(n)，d4(n)，l1(i+1)，l2(i+1)，r1(i+1)，r2(i+1)。基于cfi和pi+1寻找点u'1(i+1)，该点为水平集轮廓cfi上的一点，且满足点u'1(i+1)到点u1(i+1)的距离最短。同理，寻找到点u'2(i+1)、u'3(i+1)、u'4(i+1)、l'1(i+1)、l'2(i+1)、r'1(i+1)、r'2(i+1)，这8个点与人工标记下边界点d1(n)，d2(n)，d3(n)，d4(n)即构成第i帧图像上的腭咽口边界点集合pi。
由上述步骤对腭咽口图像进行边界分割效果如图8所示：其中a为人工设置标记点的图像帧，b为前一帧图像及腭咽口边界分割结果，c为后一帧图像及腭咽口边界分割结果。
(6)对腭咽口边界分割后计算腭咽口面积:对于第i帧图像，计算其腭咽口面积ai。将腭咽口边界集合点(12个点)，按照逆时针顺序排列，采用公式(1)计算其面积：
xm为按照逆时针顺序排列的腭咽口边界点的第m个点的横坐标，ym为第m个点的纵坐标，xm+1是第m+1个点的横坐标，ym+1是第m+1个点的纵坐标。
(7)腭咽闭合度计算:对视频中的所有图像帧ii(i＝1,2,3…,n)计算对应的腭咽口面积ai后，求取并确定腭咽口面积最大的图像帧，设该帧图像为imax，其对应的腭咽口面积为amax。按照公式(2)计算每帧图像的腭咽闭合度bi：
bi＝ak/amax(i＝1,2,3…,n)(2)。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。