>[0076] 图8(a)与图8(b)为手绘的漂移后的理想中线与预测的漂移后的理想中线的对比 示意图。
[0077] 图9是获取邻域窗口的示意图。
[0078]图10是第二颅脑图像的对称性分析示意图。
[0079] 图11是对所述第二颅脑图像进行滤波的示意图。
[0080] 图12是梯度方向直方图计算示意图。
[0081] 图13是对称的两个像素对应的梯度方向直方图示意。
[0082] 图14(a)至图14(c)为对称系数矩阵的示意图。
[0083] 图15(a)至图15(c)为对漂移的脑中矢状线进行修正的示意图。
[0084] 图16是本发明实施例提供的脑中矢状线漂移测量的模块示意图。
[0085]图17是图16所示的图像提取模块的模块示意图。
[0086] 图18是图16所示的处理模块的模块示意图。
[0087]图19是图16所示的修正模块的模块示意图。
【具体实施方式】
[0088] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0089] 请参阅图1，本发明实施例提供一种脑中矢状线漂移测量方法，用于对发生占位性 病变的颅脑的脑中矢状线的漂移进行预测，其至少包括如下步骤：
[0090] S101，获取第一颅脑图像。
[0091] 请一并参阅图2 (a)至图2 (c)，在本发明实施例中，所述第一颅脑图像10可通过对 患者的颜脑进行X射线成像、B超成像、电子计算机断层扫描（ComputedTomography，CT) 成像或者磁共振（MagneticResonanceImaging，MRI)成像等方式获得。所述第一颜脑图 像10包括背景11、皮肤（如头部皮肤和脸部皮肤）、脑组织12、颅骨13和头托等各部分的 信息，由于本发明考虑的是发生占位性病变的颅脑，因而所述脑组织12内还包括相应的血 肿14或肿瘤等其他异物，下文以血肿作为例子进行描述。
[0092]S102,从所述第一颅脑图像中提取出脑组织，并从所述脑组织中提取出血肿及理 想脑中矢状线，以获得所述血肿与所述理想脑中矢状线的相对位置关系。
[0093] 在本发明实施例中，所述血肿14会引起所述脑中矢状线漂移，且所述脑中矢状线 的漂移与所述血肿14在所述脑组织12中的空间位置有关，因而在预测所述脑中矢状线的 漂移时，需先获得所述血肿14与所述脑中矢状线的相对位置关系，具体为：
[0094] (1)从所述第一颅脑图像中提取出所述脑组织。
[0095] 在本发明实施例中，所述脑组织12可通过多种方法从所述第一颅脑图像10中提 取出来，下面以一个例子进行说明：
[0096] 首先，利用模糊C-均值（FCM)聚类算法求出所述第一颅脑图像10的灰度阈值。
[0097] 具体为，如图2(a)所示，在所述第一颅脑图像10中，不同组织的图像的灰度值各 不相同，其灰度值从低到高排列依次为背景11和皮肤、脑组织12、血肿14、颅骨13和头托， 其中，对于CT成像，所述背景11和皮肤一般呈现为黑色，所述颅骨13和头托一般呈现为白 色（灰度值为〇表示纯黑色，灰度值为255表示纯白色），所述脑组织12及所述血肿14的 灰度值则介于所述背景11和皮肤的灰度值与所述颅骨13和头托的灰度值之间。所述FCM 聚类算法选择4个聚类中心，并分别对应上述的四类组织，如第一聚类中心对应所述背景 11和皮肤、第二聚类中心对应所述脑组织12、第三聚类中心对应所述血肿14、第四聚类中 心对应所述颅骨13和头托。处理器装置（如计算机）接收所述第一颅脑图像10,并对所述 第一颅脑图像10进行图像处理后，获取所述第一聚类中心的灰度最大值（下文用Tback表 示）及所述第四聚类中心的灰度均值（下文用Tbone表示），并将Tback和Tbone记为灰度 阈值。
[0098] 其次，根据所述灰度阈值，获得二值化模板，并利用所述二值化模板将所述第一颅 脑图像10二值化，得到所述脑组织12的候选区。
[0099] 具体为，所述二值化模板可用如下的函数进行定义：
[0100]
(1)
[0101] 其中，g(x,y,Z)为所述第一颜脑图像10在坐标点（X，y,Z)处的灰度值，函数 Mark(x, y, z)表示的意义为：所述第一颜脑图像10中，像素的灰度值在Tback和Tbone之 间的像素的灰度值设置为1，而其他像素的灰度值设置为〇(这里定义1为黑色，〇为白色）。 所述二值化模板将所述第一颅脑图像10进行二值化，即可获得如图2(b)所示的二值化脑 模板20。
[0102] 最后，采用形态学方式处理所述二值化脑模板20,以获得第二颅脑图像30,并从 所述第二颅脑图像30提取所述脑组织12。
[0103] 具体为，所述处理器装置先选择一预定大小的结构元，所述结构元为由 Mark(X，y,z)函数定义的小型二值化模板，该结构元可为边长4毫米长的正方形或其他尺 寸的正方形。所述处理器装置根据所述结构元对所述二值化脑模板20进行腐蚀操作，以断 开所述脑组织12与其他组织（如背景11、皮肤、颅骨13等组织）之间的连接。具体为，所 述结构元在所述二值化脑模板20上移动，当所述结构元中的所有黑色点与对应的二值化 脑模板20的像素相同，则将所述二值化脑模板20上的该像素设置为黑色，否则设置为白 色，如此当所述结构元遍历所述二值化脑模板20上的所有像素后，即可获取所述二值化脑 模板20上的最大联通区域，即所述脑组织12的候选区。然后，所述结构元再对所述联通区 域进行膨胀处理，具体为，所述结构元在所述最大联通区域内移动，当所述结构元中只要有 至少一个黑色点与对应的联通区域内的像素相同，则将该像素设置为黑色，否则将该像素 设置为白色，所述处理器装置通过所述膨胀处理即可恢复所述最大联通区的大小。最后，所 述处理器装置再利用空间约束关系去除其他的组织（如肌肉等），从而得到如图2(c)所示 的第二颅脑图像30,所述第二颅脑图像30去除了背景11及颅骨13等组织，并保留了脑组 织12和血肿14,同时确定了所述脑组织12的空间位置信息。
[0104] 需要说明的是，在本发明的其他实施例中，所述脑组织12的提取及所述第二颅脑 图像30的获取还可以有多种方法，本发明不做具体限定。
[0105] (2)利用局部自适应阈值和案例表达的方法，从所述脑组织12中提取所述血肿 14〇
[0106] 请一并参阅图3,在本发明实施例中，在提取所述脑组织12后，所述处理器装置还 需从所述脑组织12中提取出所述血肿14,以获得所述血肿14在所述脑组织12内的空间位 置信息，其可包括如下步骤：
[0107] 首先，利用局部自适应阈值法对所述血肿14进行分割，获得所述血肿14的候选 区。
[0108] 具体为，所述局部自适应阈值是指图像的每个像素在一定的邻域范围内，都能找 到对应的前景与背景的分界阈值，在该方法中，窗口的范围大小的选择自适应的寻找类间 方差最大的邻域（即自适应窗口）。所述脑组织12内的每个像素的局部自适应阈值的计算 公式定义如下：
[0109]
(2)
[0110] 其中，m(x,y)为自适应窗口中的灰度均值，sd(x,y)为自适应窗口的灰度方差， sd_为整个脑组织12的像素所对应自适应窗口的最大方差值，k为调节参数。所述局部自 适应阈值法可将所述脑组织12中大于灰度阈值T(x，y)的像素分割为所述血肿14的候选 像素，然后所述处理器装置再次通过上述的形态学处理（即上述的腐蚀操作、膨胀处理及 空间约束关系处理），得到所述血肿14的候选区。
[0111] 然后，选择案例表达的参数个数和类型，并根据所述参数计算所述血肿14的候选 区与案例库中的案例的相似度，以从所述候选区中确定所述血肿。
[0112] 具体为，在案例表达过程中，主要选择如下16个参数：
[0113] 其中，所述的16个参数包括：表示纹理的5个参数：最大区域、对应脑组织12的 比率、所述血肿14最小区域、大于最小区域的候选数量、在脑组织12中的位置参数；及表示 灰度和形状的11个参数：像素数、边缘像素数、前背景比率、案例中心X坐标、案例中心Y坐 标、案例宽度、长度、长宽比、最小与最大案例长宽比、案例与脑组织平均灰度比、案例与脑 边界的最小距离。
[0114] 在本发明实施例中，所述处理器装置根据所述16个参数，分别计算所述血肿14 的候选区与案例库中的案例的16个距离dish，并将计算获得的16个距离进行加权求和， 最终得到所述血肿14的候选区与案例库中的案例的相似度，其中，所述相似度计算公式如 下：
[0115]
(3)
[0116] 所述处理器装置设定一阈值，当所述血肿14的候选区与案例库中的案例的相似 度simgC]al，SC]Ura^于所述阈值时，则可认定所述血肿14的候选区为血肿，否则认定所述血肿 的候选区不是血肿，从而可从所述脑组织12中提取出所述血肿14,并获得所述血肿14的空 间位置信息，如图3所示。
[0117] (3)基于局部对称性及奇异点剔除的方法，从所述脑组织中提取中矢状面，进而提 取出理想脑中矢状线。
[0118] 请一并参阅图4(a)至图4(c)，在本发明实施例中，所述处理器装置在提取所述脑 组织12及所述血肿14后，还需获得所述颅脑的理想脑中矢状线15 (下面记为理想中线）， 所述理想中线15即所述颅脑在生理状况正常时的脑中矢状线。所述理想中线15可通过如 下步骤进行提取：
[0119] 首先，基于灰度对称性在轴向切片上定位脑纵裂；
[0120] 然后，基于奇异点剔除病变或灰度分布异常的轴向切片；
[0121] 最后，利用最小二乘法对所述轴向切片进行平面拟合，得到中矢状面，所述中矢状 面在轴向切片上的显示即为所述理想中线15。
[0122] 如图4所示，图4给出了不同的颅脑的理想中线15在所述脑组织12中的位置关 系图，可以看出，所述理想中线15大致位于所述脑组织12的中间。
[0123] (4)对所述第二颅脑图像进行旋转，以使所述理想中线位于竖直的位置。
[0124] 请一并参阅图5,在本发明实施例中，在获得所述理想中线15后，所述处理器装置 还需对所述第二颅脑图像30进行旋转，以使所述理想中线15位于基本竖直的位置，如与水 平面保持垂直的位置，以便于进行后续的对称性分析和计算。如图5所示，图5中的左边 为两个未经过旋转的第二颅脑图像30,图5中的右边为两个经过旋转的所述第二颅脑图像 30,从图5上可以看出，在经过旋转以后，两个第二颅脑图像30的理想中线15基本位于竖 直的位置，即与水平面互相垂直。
[0125]S103,利用改进型的Voigt-NL模型预测所述血肿引起所述理想中线的漂移，以获 得漂移后的脑中矢状线。
[0126] 在本发明实施例中，由于所述脑组织12中存在所述血肿14,所述血肿14会对所 述脑组织12造成压迫、挤压等，从而引起所述理想中线15的漂移和形变，由于所述脑中矢 状线的检测和量化是颅脑对称性改变的一个重要的检测手段，同时也是判断颅脑病理改变 严重性的临床指征之一，因而对所述理想中线15的漂移