和形变程度进行准确的预测具有 重要的意义。对所述理想中线15的漂移进行预测，首先需要建立一个模型来模拟所述血肿 14与所述理想中线15之间的相互作用，本发明通过对传统的Voigt模型进行改进，获得改 进型的Voigt-非线性（Nonlinear，NL)模型，以模拟所述血肿14与所述理想中线15之间 的相互作用，其可包括如下步骤：
[0127] (1)建立改进型的Voigt-NL模型，以获取所述血肿与所述理想中线的应力-应变 表达式。
[0128] 具体为，在生理范围内，各种软组织都有应力-应变滞后环、应力松弛和蠕变现 象，因而所述软组织都可视为粘弹性材料，且是高度非线性的粘弹性材料。借助简单的力学 模型，所述脑组织12的粘弹性可分别用两个基本的力学元件进行描述，即理想弹簧和理想 黏壶。其中，所述理想弹簧的力学性质符合胡克定律，用来模拟弹性形变，所述理想黏壶则 服从牛顿流体定律，用来模拟黏性形变。所述理想弹簧和所述理想黏壶可以串联也可以并 联，或者组成更复杂的多元件模型。
[0129] 请一并参阅图6,在生物力学领域，有许多经典的力学模型，如Maxwell模型、 Voigt模型和Kelvin模型。考虑到脑组织12的粘弹特性和分析的便利性，本发明采用 Voigt模型进行模拟计算，在Voigt模型中，理想弹簧与理想黏壶是并联的，所述理想弹簧 的应变与所述理想黏壶的应变相等，均为ε，而所述Voigt模型的总应力σ则为理想弹簧 的应力与理想黏壶的应力〇 2之和，8卩〇 〇 1+〇2，所述理想弹簧与所述理想黏壶的 应力-应变方程分别为：
[0130] σ .= Κ ε (4-1?
[0131] (4-2:)
[0132] 兵干，R 73所还埋忠泮黄的弹性系数，μ为所述理想黏壶的黏性系数，则总应 力-应变方程为：
[0133] σ =〇j+ σ 2 (5-1)
[0134]
(5-2)
[0135] 由式（5-1)及（5-2)即可获得所述Voigt模型的总应力-应变方程：
[0136] …
, (6) k
[0137] 其中τ为松弛时间，且Τ= 。
[0138] 在实际情况中，由于所述脑组织12的解剖特性，脑出血后所述血肿14的压力与所 述脑组织12的应变并不是线性的，而是非线性的，因而传统的Voigt模型无法满足模拟要 求。针对上述问题，本发明提出一种改进型Voigt-NL模型，以模拟所述血肿14的压力与所 述脑组织12的应变的非线性关系，具体为：
[0139] 首先，用所述血肿与所述理想中线之间的引力来表示所述理想中线受到所述血肿 的压力，获得所述改进型Voigt-NL模型的应力。
[0140] 在本发明实施例中，考虑颅骨的刚性，对于离颅骨较近的所述脑组织12在受到所 述血肿14的挤压的同时，承受的颅骨的反作用力也较大，此时应变较小；反之，远离颅骨的 所述脑组织12受到颅骨的反作用力则较小，应变较大。因此，所述应力的表达式需要进行 调整，以将所述应力的大小与距离联系起来。所述改进型的Voigt-NL模型采用所述血肿14 与所述理想中线15之间的引力G(P，Q)来间接表示所述理想中线15受到所述血肿14的压 力为：
[0141] (7)
[0142] 其中P为所述血肿14的重心，Q为所述理想中线15漂移前占据的像素，Mp、M# 别为所述重心P所在的像素和Q点所在的像素的质量，r为两个像素的欧式距离，g为引力 常数。
[0143] 然后，引入距离调和项对所述应力进行调节，获得所述应力-应变表达式。
[0144] 由于引力和压力的受力方向相反，压力越大，则引力越小，反之，压力越小，则引力 越大，根据所述脑中矢状线的临床影像特征可知，越靠近所述血肿14的脑中矢状线的漂移 越大，越远离所述血肿14的脑中矢状线的漂移越小。因此，所述改进型的Voigt-NL模型还 增加了相应的距离调和项F(r)，根据上述受力分析，所述距离调和项F(r)采用了高斯距离 调和，即：
[0145]
(8)
[0146] 其中，r。为所述理想中线15与所述血肿14的重心P距离最近的点与重心P的欧 式距离（即所述理想中线15与所述重心P的最短距离），δ为重心P与理想中线15上各 点的距离的均方差，Α为调制因子。如此，调整后的应力表达式为：
[0147] σ=F(r)*G(P,Q) (9)
[0148] 结合式（6)至式（9)，则所述改进型的Voigt-NL模型的应力-应变表达式为：
[0149]
(10)
[0150] (2)计算所述改进型Voigt-NL模型的参数。
[0151] 在本发明实施例中，在得到上述的式（10)后，所述处理器装置还需获取所述改进 型Voigt-NL模型中的各个参数，以进行后续的计算及预测。具体为：在本发明实施例中，应 力G(P，Q)的计算参考了万有引力的计算公式，所述改进型Voigt-NL模型中，所述血肿14 的重心P和所述理想中线15上的像素Q对应万有引力的两个质点，由于计算所述血肿14 的各个像素与所述理想中线15上的各个像素Q之间的引力的合力非常复杂，所述改进型 Voigt-NL模型采用所述血肿14的重心P来替代整个血肿区域，而用所述血肿14占据的像 素的数目来替代质点的质量，如所述血肿14在所述第二颅脑图像30上一共占据了 100个 像素，则将所述血肿14的质量设置为100, 为像素Q的质量（即只有一个像素），取值Q =1。根据实验结果，所述改进型Voigt-NL模型对g的取值采用经验值，取值为g= 1，同 样，对于调制因子A，通过实验采用经验值，取A= 0. 035,K为所述脑组织12的弹性模量， 取值为K= 6. 67X10 4,μ为所述脑组织12的黏性系数，取值μ= 0. 0075 ;时间参数t取 值t= 1000。
[0152] (3)根据所述改进型Voigt-NL模型模拟所述血肿与所述脑组织的相互作用关系， 对所述理想中线的漂移进行计算，以获得漂移后的脑中矢状线。
[0153] 在本发明实施例中，在获得所述改进型Voigt-NL模型的所有参数之后，所述处理 器装置首先计算所述距离调和项F(r)，并对所述距离调和项F(r)进行归一化后，根据式 (10)，逐点计算所述理想中线15上各个点的应变ε，具体为：
[0154] 首先，逐点计算所述血肿14的重心Ρ到所述理想中线15上各点％的距离r1;
[0155] 然后，根据所述距离&及所述应力-应变方程，计算各点的应变，即各点的漂移距 离，从而获得漂移后的脑中矢状线。
[0156] 请一并参阅图7,在本发明实施例中，根据大脑镰的解剖位置和形变特性（呈现 较强的刚性），所述理想中线15上前端的预定比例（如1/12左右）的线段和后端的预定 比例（如1/6左右）的线段的距离调和项F(r)设置为一固定的常数，即F(r)的最小值 4(1 -并根据式（1〇)计算这两条线段上各点的漂移距离，所述漂移距离即为所 述应变。然后，所述处理器装置再次根据式（10)，分别计算所述理想中线15的剩下线段的 各个点的漂移距离（此时的距离调和项由式（8)给出），并根据计算得到的漂移距离分别计 算出漂移后各点的坐标位置，即得到漂移后的脑中矢状线16(以下记为漂移中线），如图7 所示。
[0157] 请一并参阅图8(a)至图8(b)，其中，图8(a)为手动绘制的漂移后的脑中矢状线 17,图8(b)为根据所述改进型Voigt-NL模型预测得到的漂移后的脑中矢状线16。可以看 出，根据所述改进型Voigt-NL模型预测得到的漂移后的脑中矢状线16与手动绘制的漂移 后的脑中矢状线17的漂移和形变大体保持一致。
[0158]S104,根据灰度对称特征以及形状对称特征，对所述漂移后的脑中矢状线进行修 正，以获得修正后的漂移中线。
[0159] 具体为，在本发明实施例中，由于所述脑组织12并不是均匀的粘弹性材料，且所 述理想中线15的形变除了依赖于所述血肿14的大小与位置外，还依赖于所述血肿14的成 像时间，因此本发明实施例还将结合灰度对称特征以及形状对称特征，对所述漂移中线16 进行调整，以使所述漂移中线16更接近理想的预测结果，具体为：
[0160] (1)根据小孔成像的原理，确定邻域窗口的大小。
[0161] 请一并参阅图9,由于在计算所述血肿14对所述理想中线15产生形变的过程中， 所述血肿14用其重心P替代，而不是通过对所述血肿14上的各个点进行积分来表示，因而 理想的预测结果应该在实际的预测结果（即所述漂移中线16)附近一定大小的邻域窗口18 之内。本发明借鉴小孔成像的原理来确定所述邻域窗口18的大小，以对所述漂移中线16 进行修正，使其更接近理想的预测结果，具体为：
[0162] 首先，连接所述血肿14的重心P和所述理想中线15上的点兑，并将连线延长，从 而该连线与所述血肿14的边界分别交于点队和点B2。
[0163] 然后，以应变ε为焦距，以％为小孔，分别计算BJPB2关于所述小孔(^的镜像点 。2和C1〇
[0164] 其中，点与Q i的线段的长度为％1:，重心P到所述理想中线15上的点％的线段 的长度为％，Q/CjljQi的线段的长度分别为，且这些长度满足如下关系式：
[0165]
[0166]
[0167] 最后，以点(^和C2为邻域窗口18的对角点，确定所述邻域窗口18。
[0168] 其中，所述邻域窗口为以点(^和C2为为对角点的矩形或正方形，可以看出，所述理 想中线15漂移后的点位于所述邻域窗口18内。
[0169] (2)计算灰度对称系数及形状对称系数。
[0170] 具体为，临床上，对称性的判断主要是与中矢状面镜像的对比，其中，对比主要是 进行灰度特征和形状特征的对比。如图10所示，图10为所述第二颅脑图像30在一垂直于 所述理想中线15的行上的像素灰度和形状的特征的对称性分析结果。在计算局部对称系 数时，现有的方法大多是简单的进行图像的翻转求得灰度差，这样很大程度上丢失了图像 的形状信息。在本发明实施例中，局部对称系数的计算，不但考虑了灰度对称系数，同时也 考虑了形状对称系数，这里以梯度对称代表形状对称，因此，所述局部对称系数的计算包括 两个部分：灰度对称系数和梯度对称系数，其计算过程如下：
[0171] 首先，计算所述灰度对称系数。
[0172] 请一并参阅图11，在本发明实施例中，所述处理器装置将二维图像在像素（x，y) 处的灰度记为f(X，y)，像素P的坐标表示为（xp，yp)，则所述计算灰度对称系数可包括：
[0173] 首先，取一像素所在列作为垂直方向的对称轴，依次求与该对称轴水平对称的各 个像素的灰度差。
[0174]计算时，所述处理器装置选择合适的邻域大小（如可取为7)，以像素p的所在列作 为垂直方向对称轴，依次求与该对称轴水平对称的各个像素的灰度差，如当像素q的坐标 表示为（xP-i，yP)，则该像素q关于所述对称轴对称的像素V的坐标为（xP+i，yP)，则像素q的灰度差f_d(q)为：
[0175]f_d(q) = ||f(xp-i,yp)-f(xp+i,yp) | (12)
[0176] 然后，根据所述邻域内各点与各像素的距离进行高斯加权。
[0177] 计算公式为：
[0178]
(13)