(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 20221025817 7.6 (22)申请日 2022.03.16 (71)申请人 西安市儿童医院 地址 710003 陕西省西安市莲湖区西举院 巷69号 申请人 西安电子科技大 学 (72)发明人 郝跃文　赵得胜　刘彦芳　刘继欣　 (74)专利代理 机构 陕西电子 工业专利中心 61205 专利代理师 田文英　王品华 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/762(2022.01) G06V 10/30(2022.01) G06K 9/62(2022.01) (54)发明名称 基于聚类去噪的感兴趣脑区纤维束提取系 统及方法 (57)摘要 本发明公开一种基于聚类去噪的感兴趣纤 维束提取系统及方法。 本发明的实现步骤是： 纤 维束提取模块在标准模板上追踪全脑纤维束后， 通过计算每条纤维束到ROI的距离， 提取经过 ROI 的感兴趣纤维束集合； 聚类去噪模块利用纤维束 聚类方法对感兴趣纤维束集合聚类后， 再去除聚 类后感兴趣纤维束集合中的噪声纤维束； 纤维束 反变换模块将去噪后的感兴趣纤维束集合反变 换到个体图像， 得到每名个体的感兴趣纤维束集 合。 本发明利用聚类去除噪声纤维， 将标准模板 中经过ROI的感兴趣纤维束 集合反变换到个体图 像， 能够准确、 稳定、 真实提取每名个体的DTI图 像中的感兴趣纤维束， 具有去噪充分、 效果稳定 的优点。 权利要求书3页 说明书9页 附图4页 CN 114627283 A 2022.06.14 CN 114627283 A 1.一种基于聚类去噪的感兴趣脑区纤维束提取系统， 包括纤维束提取模块、 聚类去噪 模块、 纤维束反变换模块， 其中： 所述的纤维束提取模块， 用于对标准模板 中的各向异性FA图像进行全脑范围内确定性 纤维束示踪， 得到全脑范围内至少100条纤维束以及每条纤维束上所有采样点的三维空间 坐标； 利用 距离公式， 计算每条纤维束上每个采样点到感兴趣脑区ROI上每个体素点的距 离， 将所有距离值中的最小值作为该纤维束到感兴趣脑区ROI的距离； 将标准模板中单位体 素点的斜对角长度设定为距离阈值； 将纤维束到感兴趣脑 区ROI的距离小于距离阈值的所 有纤维束， 组成经 过感兴趣脑区ROI的感兴趣纤维束集 合； 所述的聚类去噪模块， 用于将每条纤维束的第一个采样点作为该纤维束的头部采样 点， 将感兴趣纤维束集合中所有纤维束的头部采样点组成头部采样点集合； 将每条纤维束 的正中间的采样点作为该纤维束的中部采样点， 将感兴趣纤维束集合中所有纤维束的中部 采样点组成中部采样点集合； 将每条纤维束的末尾的采样点作为该纤维束的尾部采样点， 将感兴趣纤维束集合中所有纤维束的尾部采样点组成尾部采样点集合； 对头部采样点集 合、 中部采样点集合、 尾部采样点集合依次进行密度聚类； 整合三次聚类的结果， 得到聚类 后的感兴趣纤维束集合； 将聚类后的感兴趣纤维束集合中纤维束 条数少于20条的一类纤维 束集合视为噪声并删除， 得到去噪后感兴趣纤维束集 合； 所述的纤维束反变换模块， 用于利用三次配准方法， 计算每名个体原始弥散张量成像 DTI图像到标准模板的精确配准参数图像； 利用图像配准软件， 计算每名个体的精确配准参 数图像对应的反变换参数图像， 将反变换参数图像应用于去 噪后感兴趣纤维束集合， 使其 反变换到每名个 体的原始弥散张量成像DTI图像中， 得到每名个 体的感兴趣纤维束集 合。 2.根据权利要求1所述感兴趣脑区纤维束提取系统 的一种基于聚类去噪的感兴趣脑区 纤维束提取方法， 其特征在于， 对标准模板上经过感兴趣脑区ROI的感兴趣纤维束集合进 行 聚类， 利用聚类结果去除噪声纤维束， 将去 噪后感兴趣纤维束集合从标准模板反变换到个 体图像， 该提取 方法的步骤 包含如下： 步骤1， 在标准模板上追踪全脑纤维束： 纤维束提取模块对标准模板中的各向异性FA图像进行全脑范围内确定性纤维束示踪， 得到全脑范围内至少10 0条纤维束以及每条纤维束上 所有采样点的三维空间坐标； 步骤2， 计算每条纤维束到感兴趣脑区ROI的距离： 纤维束提取模块利用距离公式， 计算每条纤维束上每个采样点到感兴趣脑区ROI上每 个体素点的距离， 将所有距离值中的最小值作为该纤维束到感兴趣脑区ROI的距离； 步骤3， 提取 经过感兴趣脑区ROI的感兴趣纤维束集 合： 第3.1步， 纤维束提取模块将标准模板中单位体素点的斜对角长度设定为距离阈值； 第3.2步， 将纤维束到感兴趣脑区ROI的距离小于距离阈值的所有纤维束， 组成经过感 兴趣脑区ROI的感兴趣纤维束集 合； 步骤4， 利用聚类方法对感兴趣纤维束集 合聚类： 第4.1步， 聚类去噪模块将每条纤维束的第一个采样点作为该纤维束的头部采样点， 将 感兴趣纤维束集 合中所有纤维束的头 部采样点组成头 部采样点 集合； 第4.2步， 将每条纤维束的正中间的采样点作为该纤维束的中部采样点， 将 感兴趣纤维 束集合中所有纤维束的中部采样点组成中部采样点 集合；权　利　要　求　书 1/3 页 2 CN 114627283 A 2第4.3步， 将每条纤维束的末尾的采样点作为该纤维束的尾部采样点， 将感兴趣纤维束 集合中所有纤维束的尾部采样点组成尾部采样点 集合； 第4.4步， 对头部采样点集合、 中部采样点集合、 尾部采样点集合依次进行密度聚类， 整 合三次聚类的结果， 得到聚类后感兴趣纤维束集 合； 步骤5， 去除聚类后感兴趣纤维束集 合中的噪声纤维束： 聚类去噪模块将聚类后的感兴趣纤维束集合中纤维束条数少于20条的一类纤维束集 合视为噪声并删除， 得到去噪后感兴趣纤维束集 合； 步骤6， 将去噪后感兴趣纤维束集 合反变换到个 体图像： 第6.1步， 纤维束反变换模块利用三次配准方法， 得到每名个体原始弥散张量成像DTI 图像到标准模板的精确配准 参数图像； 第6.2步， 利用图像配准软件， 计算每名个体的精确配准参数图像对应的反变换参数图 像， 将反变换参数图像应用于去 噪后感兴趣纤维束集合， 使其反变换到每名个体的原始弥 散张量成像DTI图像中， 得到每名个 体的感兴趣纤维束集 合。 3.根据权利要求2所述的基于聚类去噪的感兴趣脑区纤维束提取方法， 其特征在于， 步 骤2中所述的距离公式如下： 其中， Dijk表示第i条纤维束上第j个采样点到标准模板上感兴趣脑区ROI上第k个体素 点的距离， xtij、 ytij、 zij表示第i条纤维束上第j个采样点的三维空间坐标， xrk、 yrk、 zrk表示 标准模板上感兴趣脑区ROI上第k个 体素点的三维空间坐标。 4.根据权利要求2所述的基于聚类去噪的感兴趣脑区纤维束提取方法， 其特征在于， 第 4.4步中所述的密度聚类的步骤如下： 第1步， 依据参数核心点周围最小半径ε， 寻找每个采样点的相邻采样点， 将所有与采样 点距离小于等于 ε 的其 他采样点作为该采样点的相邻采样点， ε 的取值范围为[0.5,10] mm； 第2步， 判断每个采样点是核心点还是边缘点， 如果采样点的相邻采样点个数大于或等 于MinPts， 则将该采样点判定为核心点， 否则， 将该采样点判定为边缘点， 参数MinPts的取 值范围为[1,10 0]； 第3步， 依据每个采样点的属性进行分类， 将每个核心点与其相邻采样点分为一类； 对 于每个边缘点， 判断该边缘点的相邻采样点中是否有核心 点， 如果有核心点， 则该边缘点与 其相邻采样点中的核心点分为 一类， 如果没有 核心点， 则该边 缘点自成一类。 5.根据权利要求2所述的基于聚类去噪的感兴趣脑区纤维束提取方法， 其特征在于， 第 6.1步中所述 三次配准方法的步骤如下： 第1步， 利用图像配准软件， 利用每名个体原始弥散张量成像DTI图像计算得到每名个 体的FA图像， 将每名个体的FA图像配准到该名个体对应的标准模板的FA图像上， 将配准后 的所有个 体的FA图像中的像素 取平均值， 得到第一张平均图像； 第2步， 将每名个体的FA图像逐个配准到第一张平均图像上， 将配准后的所有FA图像 中 的像素取平均值， 得到第二张平均图像； 第3步， 将每名个体的FA图像逐个配准到第二张平均图像上， 将配准后的所有FA图像 中 的像素取平均值， 得到第三张平均图像；权　利　要　求　书 2/3 页 3 CN 114627283 A 3