本发明总体上涉及图像分析领域。更具体地，本发明涉及用于呈现大脑图像的方法、装置和计算机可读存储介质。
背景技术：
脑成像技术的最新发展加速了脑图像的收集和数据库化。尽管如此，整合和比较大脑数据时仍会出现计算问题。分析和比较的一种方法是将大脑数据映射到标准区域中。然而，如何在映射的同时尽可能保留原始结构上的几何信息成为要解决的一个方面。
技术实现要素：
为了至少解决上面的技术问题，本发明提供一种将大脑图像调和映射到球面的方案，从而便于对脑图像数据的采集、整合和分析，以扩展脑图像的进一步应用。
在一个方面中，本发明提供一种用于呈现大脑图像的方法，包括：
沿构成所述大脑图像的网格的多个顶点形成的闭合曲线将大脑图像切开，以得到两个拓扑圆盘；
将所述两个拓扑圆盘分别调和映射到半个球面上；以及
沿所述闭合曲线拼接两个所述半个球面以得到完整球面，以便将所述大脑图像调和映射到所述完整球面上。
在一个实施例中，前述方法进一步包括通过执行以下操作来获得从起点出发、依次经过n个中间顶点后返回到所述起点的所述闭合曲线：
根据网格信息来计算每个顶点的函数值；
从所有顶点中选择具有全局最小的函数值的顶点作为所述闭合曲线的所述起点；
从与所述起点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第一中间顶点；
针对于第2~第n中间顶点的每个中间顶点，执行以下选择操作，直到返回到所述起点：
从与所述第n-1中间顶点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第n中间顶点，
其中n是大于或等于2的正整数。
在另一个实施例中，所述函数值是基于所述网格的拉普拉斯贝尔特拉米矩阵的最小特征值所对应的特征函数，所述方法包括：根据所述网格的拓扑及网格边的边长来计算基于所述网格的拉普拉斯贝尔特拉米矩阵。
在又一个实施例中，将所述两个拓扑圆盘分别调和映射到半个球面上包括：将所述两个拓扑圆盘分别调和映射到单位圆盘上；以及将得到的两个所述单位圆盘分别球极投影到所述半个球面上。
在又一个实施例中，将拼接两个所述半个球面所得到的完整球面作为所述大脑图像的初始映射，所述方法进一步包括针对所述初始映射来优化其调和能量，以获得校正后的调和映射。
在另外的实施例中，针对所述初始映射来优化其调和能量包括利用梯度下降算法来执行对所述调和能量的优化，以获得具有最小化调和能量的调和映射。
在一个实施例中，对于具有校正的调和映射的球面，所述方法进一步包括：利用所述球面的质心来计算莫比乌斯变换，以修正所述质心；以及优化所述调和能量直到满足预定的能量差阈值，从而将所述大脑图像调和映射到所述完整球面上。
在另一个方面中，本发明提供一种用于呈现大脑图像的装置，包括：
至少一个处理器；以及
至少一个存储器，其用于存储程序指令，当所述程序指令由所述至少一个处理器加载并执行时，使得所述装置执行前述方法及其多个实施例。
在又一个方面中，本发明提供一种计算机可读存储介质，其中存储有用于呈现大脑图像的程序指令，所述程序指令适于由处理器加载并执行前述方法及其多个实施例。
本发明的上述方法、装置和计算机可读存储介质可以应用于多种场景中。例如，其可以提供用于自动特征识别的规范空间、脑对脑注册、脑结构分割、脑表面降噪，形状分析和方便的表面可视化等。进一步，本发明的方案通过将大脑图像调和映射到球面上，促进了对大脑图像数据的采集、整合和分析。
附图说明
通过结合附图，可以更好地理解本发明的上述特征，并且其众多目的，特征和优点对于本领域技术人员而言是显而易见的，其中相同的附图标记表示相同的元件，并且其中：
图1是示出根据本发明实施例的用于呈现大脑图像的方法的简化流程图；
图2是示出根据本发明实施例的用于呈现大脑图像的方法的详细流程图；
图3是示出可以应用于本发明的用于呈现大脑图像的示例大脑原始图像；
图4是示出根据本发明实施例的示例性三角形网格；
图5a是示出根据本发明实施例的沿闭合曲线切开后获得的第一大脑区域；
图5b是示出根据本发明实施例的沿闭合曲线切开后获得的第二大脑区域；
图6a是示出根据本发明实施例获得的第一拓扑圆盘；
图6b是示出根据本发明实施例获得的第二拓扑圆盘；
图7a是示出根据本发明实施例获得的第一半个球面；
图7b是示出根据本发明实施例获得的第二半个球面；
图8a是示出根据本发明实施例获得的拼接后的完整球面；
图8b是示出根据本发明实施例的经调和映射而映射到完整球面上的大脑图像；以及
图9是示出根据本发明实施例的用于呈现大脑图像的装置的框图。
具体实施方式
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。
应当理解，在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本发明。如在本披露说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本披露说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
图1是示出根据本发明实施例的用于呈现大脑图像的方法100的简化流程图。如前所述，方法100可以通过包括例如计算机的各类计算设备来实施，而其中所涉及的大脑图像或者大脑图像数据可以是通过例如核磁共振成像（magneticresonanceimaging，“mri”）技术或设备所获得的图像，例如图3中所示出的示例大脑原始图像。
如图1中所示，在步骤102处，方法100沿构成所述大脑图像的网格的多个顶点形成的闭合曲线将大脑图像切开，以得到两个拓扑圆盘。在一个实施例中，可以根据网格信息来计算每个顶点的函数值，并且从所有顶点中选择具有全局最小的函数值的顶点作为前述闭合曲线的起点。在确定了闭合曲线的起点后，再依次确定从起点出发再回到起点的多个中间顶点。在一个实施例中，所述函数值是基于所述网格的拉普拉斯贝尔特拉米矩阵的最小特征值所对应的特征函数。接着，在步骤104处，方法100将所述两个拓扑圆盘分别调和映射到半个球面上。在一个实施例中，将所述两个拓扑圆盘分别调和映射到半个球面上包括将两个拓扑圆盘分别调和映射到单位圆盘上，以及将得到的两个单位圆盘分别球极投影到所述半个球面上，例如将一个单位圆盘向上球极投影到单位上半球面，而将另一单位圆盘向下球极投影到单位下半球面。最后，在步骤106处，方法100沿所述闭合曲线拼接两个所述半个球面（如前的上半球面和下半球面）以得到完整球面，以便将所述大脑图像调和映射到所述完整球面上。
为了实现上述将大脑图像调和映射到完整球面上，在一个实施例中，方法100可以将拼接后得到的完整球面作为大脑图像的初始映射，并且针对该初始映射来优化其调和能量，以获得校正后的调和映射。对于该具有校正的调和映射的球面，方法100还可以利用球面的质心来计算莫比乌斯变换，以修正质心；以及优化所述调和能量直到满足预定的能量差阈值，从而将所述大脑图像调和映射到所述完整球面上。相比较于现有的脑图像的映射方法，本发明的方案更为稳定并且具有良好的扩展性。
图2是示出根据本发明实施例的用于呈现大脑图像的方法200的详细流程图。这里需要理解的是方法200是图1所示方法100的一种具体实现方式，因此关于方法100所做的描述也同样适用于方法200。
如结合图1所提到的，本发明提出沿构成所述大脑图像的网格的多个顶点形成闭合曲线，以便将大脑图像切开。为此，如图2中所示，在步骤202处，方法200可以根据网格的拓扑及网格边的边长来计算基于网格的拉普拉斯贝尔特拉米矩阵。这里网格的拓扑可以理解为网格的连接关系，具体为三角形网格上各顶点之间的连接关系。当顶点的总数为m为时，则形成一个m×m大小的拉普拉斯贝尔特拉米矩阵。下面结合图4来描述该拉普拉斯贝尔特拉米矩阵。
图4是示出根据本发明实施例的示例性三角形网格。从图4中可以看出，这里示出两个三角形网格，其包括四个顶点
其中：
上述的内边表示该条边为两个三角网格所共用，“
在上述根据所述网格的拓扑及网格边的边长来计算基于所述网格的拉普拉斯贝尔特拉米矩阵后，可以对该矩阵进行计算以获得该矩阵的最小特征值，从而可以确定该最小特征值所对应的特征函数。基于该特征函数，可以获得针对于每个顶点的函数值。由此，在步骤204处，方法200可以从所有顶点中选择具有全局最小的函数值的顶点作为用于分开所述大脑图像的闭合曲线的起点和终点。
在确定闭合曲线的起点和终点后，方法200还需要确定闭合曲线的n个中间顶点。具体地，方法200在步骤206处从与起点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第一中间节点。接着，在步骤208处，方法200针对于第2~第n中间顶点的每个中间顶点，执行以下选择操作，直到返回到所述起点（也即终点）：从与所述第n-1中间顶点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第n中间顶点，这里n可以是大于或等于2的正整数。当完成上述的操作后，方法200在步骤210处即获得从起点出发、依次经过n个中间节点后返回到起点的闭合曲线。
在获得闭合曲线后，方法200在步骤212处沿构成所述大脑图像的网格的多个顶点形成的闭合曲线将大脑图像切开，从而获得如图5a所示出的第一大脑图像区域和如图5b所示出的第二大脑图像区域。接着，可以通过例如欧式调和映射将两个大脑图像区域映射到两个拓扑圆盘上，例如图6a中所示出的第一拓扑圆盘和图6b中所示出的第二拓扑圆盘。接着，在步骤214处，方法200可以将两个拓扑圆盘分别调和映射到单位圆盘上，并且在步骤216处，将得到的两个单位圆盘分别球极投影到半个球面上，从而获得如图7a所示出的第一半个球面和如图7b所示出的第二半个球面。
在得到上述的两个半个球面后，在步骤218处，方法200沿在步骤210处所获得的闭合曲线来拼接两个半球面，以得到完整球面，例如图8a所示出的完整球面。接着，在步骤220处，方法200将得到的完整球面作为所述大脑图像的初始映射，并针对初始映射来优化其调和能量，以获得校正后的调和映射。
为了对初始映射进行校正，例如对闭合曲线周围区域的映射进行调整以令其满足调和映射的条件，在一个实施例中，可以借助于下面的梯度下降算法来优化调和能量
算法：输入（网格
步骤s11：令
步骤s12：对于每个顶点
步骤s13：通过
步骤s14：计算调和能量
步骤s15：如果
由于调和能量具有唯一的最小值，上述算法可以快速地收敛和稳定。
在获得上述具有最小调和能量的调和映射，本发明的方案可以对该球面进行进一步处理。具体地，在步骤222处，方法200可以利用所述球面的质心来计算莫比乌斯变换，以修正该球面的质心。随着前述的修正，方法224还优化调和能量直到满足预定的能量差阈值，从而将大脑图像调和映射到完整球面上。为了便于对步骤222和224的进一步理解，下面将给出实现前述步骤的示例性算法：
算法：输入（网格
步骤s21：令
步骤s22：对于每个顶点
步骤s23：通过
步骤s24：计算莫比乌斯变换
其中
步骤s25：计算调和能量
步骤s26：如果
对于步骤s24，在一些应用场景中，可以利用下面的步骤来替换：
步骤s31：计算质心
步骤s32：对于所有的
步骤s33：对于所有的
通过选择合适的步长，上述替代的步骤可以在每一次的迭代中单调地减小调和能量。
可以看出，通过上述的质心的调整和调和能量的优化，本发明的方法200最终将大脑图像调和映射到完整球面上，从而完成对大脑图像的呈现,例如图8b中所示出的球面。
图9是示出根据本发明实施例的用于呈现大脑图像的装置900的框图。如图9中所示，本发明用于呈现大脑图像的装置900可以包括cpu9011，其可以是通用cpu、专用cpu或者其他信息处理以及程序运行的执行单元。进一步，装置900还可以包括大容量存储器9012和只读存储器（“rom”）9013，其中大容量存储器9012可以配置用于存储各类数据，包括各种脑图像数据、算法数据、中间结果结果和运行装置900所需要的各种程序，rom9013可以配置成存储对于装置900的加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据。
可选地，装置900还可以包括其他的硬件平台或组件，例如示出的tpu（张量处理单元）9014、gpu（图形处理单元）9015、fpga（现场可编程门阵列）9016和mlu（机器学习单元）9017。可以理解的是，尽管在装置900中示出了多种硬件平台或组件，但这里仅仅是示例性的而非限制性的，本领域技术人员可以根据实际需要增加或移除相应的硬件。例如，装置900可以仅包括cpu来实现本发明的用于大脑图像显示的方法。
本发明的装置900还包括通信接口9018，从而可以通过该通信接口9018连接到局域网/无线局域网（lan/wlan）905，进而可以通过lan/wlan连接到本地服务器906或连接到因特网（“internet”）907。替代地或附加地，本发明的装置900还可以通过通信接口9018基于无线通信技术直接连接到因特网或蜂窝网络，例如基于第三代（“3g”）、第四代（“4g”）或第5代（“5g”）的无线通信技术。在一些应用场景中，本发明的装置900还可以根据需要访问外部网络的服务器908以及可能的数据库909，以便获得各种已知的图像模型、数据和模块，并且可以远程地存储各种数据，例如用于呈现大脑图像的各类数据。
装置900的外围设备可以包括显示装置902、输入装置903以及数据传输接口904。在一个实施例中，显示装置902可以例如包括一个或多个扬声器和/或一个或多个视觉显示器，其配置用于对本发明的显示大脑图像的运算过程或者最终结果进行语音提示和/或图像视频显示。输入装置903可以包括例如键盘、鼠标、麦克风、姿势捕捉相机，或其他输入按钮或控件，其配置用于接收大脑图像数据的输入和/或用户指令。数据传输接口904可以包括例如串行接口、并行接口或通用串行总线接口（“usb”）、小型计算机系统接口（“scsi”）、串行ata、火线（“firewire”）、pciexpress和高清多媒体接口（“hdmi”）等，其配置用于与其他设备或系统的数据传输和交互。根据本发明的方案，该数据传输接口904可以接收来自于mri设备的大脑图像或大脑图像数据，并且向装置900传送该脑图像数据或各种其他类型的数据和结果。
本发明的装置900的上述cpu9011、大容量存储器9012、只读存储器rom9013、tpu9014、gpu9015、fpga9016、mlu9017和通信接口9018可以通过总线9019相互连接，并且通过该总线与外围设备实现数据交互。在一个实施例中，通过该总线9019，cpu9011可以控制装置900中的其他硬件组件及其外围设备。
以上结合图9描述了可以用于执行本发明的呈现大脑图像的装置。需要理解的是这里的装置结构仅仅是示例性的，本发明的实现方式和实现实体并不受其限制，而是可以在不偏离本发明的精神下做出改变。
还应当理解，本发明示例的执行指令的任何模块、单元、组件、服务器、计算机、终端或设备可以包括或以其他方式访问计算机可读介质，诸如存储介质、计算机存储介质或数据存储设备（可移除的）和/或不可移动的）例如磁盘、光盘或磁带。计算机存储介质可以包括以用于存储信息的任何方法或技术实现的易失性和非易失性，可移动和不可移动介质，例如计算机可读指令、数据结构、程序模块或其他数据。
基于上文，本发明还公开了一种计算机可读存储介质，其中存储有程序指令，所述程序指令适于由处理器加载并执行：沿构成所述大脑图像的网格的多个顶点形成的闭合曲线将大脑图像切开，以得到两个拓扑圆盘；将所述两个拓扑圆盘分别调和映射到半个球面上；以及，沿所述闭合曲线拼接两个所述半个球面以得到完整球面，以便将所述大脑图像调和映射到所述完整球面上。优选地或附加地，该计算机可读存储介质还可以包括针对初始映射来优化其调和能量，以获得校正后的调和映射，并且使用例如前述的梯度下降算法对该调和能量进行优化的程序指令等。总之，该计算机可读存储介质包括了用于执行结合图1-图8b所述的处理操作的程序指令。
依据以下条款可更好地理解前述内容：
条款1、一种用于呈现大脑图像的方法，包括：
沿构成所述大脑图像的网格的多个顶点形成的闭合曲线将大脑图像切开，以得到两个拓扑圆盘；
将所述两个拓扑圆盘分别调和映射到半个球面上；以及
沿所述闭合曲线拼接两个所述半个球面以得到完整球面，以便将所述大脑图像调和映射到所述完整球面上。
条款2、根据条款1所述的方法，进一步包括通过执行以下操作来获得从起点出发、依次经过n个中间顶点后返回到所述起点的所述闭合曲线：
根据网格信息来计算每个顶点的函数值；
从所有顶点中选择具有全局最小的函数值的顶点作为所述闭合曲线的所述起点；
从与所述起点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第一中间顶点；
针对于第2~第n中间顶点的每个中间顶点，执行以下选择操作，直到返回到所述起点：
从与所述第n-1中间顶点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第n中间顶点，
其中n是大于或等于2的正整数。
条款3、根据条款2所述的方法，其中所述函数值是基于所述网格的拉普拉斯贝尔特拉米矩阵的最小特征值所对应的特征函数，所述方法包括：
根据所述网格的拓扑及网格边的边长来计算基于所述网格的拉普拉斯贝尔特拉米矩阵。
条款4、根据条款1所述的方法，其中将所述两个拓扑圆盘分别调和映射到半个球面上包括：
将所述两个拓扑圆盘分别调和映射到单位圆盘上；以及
将得到的两个所述单位圆盘分别球极投影到所述半个球面上。
条款5、根据条款1-4的任意一项所述的方法，其中将拼接两个所述半个球面所得到的完整球面作为所述大脑图像的初始映射，所述方法进一步包括：
针对所述初始映射来优化其调和能量，以获得校正后的调和映射。
条款6、根据条款5所述的方法，其中针对所述初始映射来优化其调和能量包括：
利用梯度下降算法来执行对所述调和能量的优化，以获得具有最小化调和能量的调和映射。
条款7、根据条款6所述的方法，其中对于具有校正的调和映射的球面，所述方法进一步包括：
利用所述球面的质心来计算莫比乌斯变换，以修正所述质心；以及
优化所述调和能量直到满足预定的能量差阈值，从而将所述大脑图像调和映射到所述完整球面上。
条款8、一种用于呈现大脑图像的装置，包括：
至少一个处理器；以及
至少一个存储器，其用于存储程序指令，当所述程序指令由所述至少一个处理器加载并执行时，使得所述装置执行根据条款1-7的任意一项所述的方法。
条款9、一种计算机可读存储介质，其中存储有用于呈现大脑图像的程序指令，所述程序指令适于由处理器加载并执行根据条款1-7的任意一项所述的方法。
虽然本发明的实施方式如上，但所述内容只是为便于理解本发明而采用的实施例，并非用以限定本发明的范围和应用场景。任何本发明所述技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
1.一种用于呈现大脑图像的方法，包括：
沿构成所述大脑图像的网格的多个顶点形成的闭合曲线将大脑图像切开，以得到两个拓扑圆盘；
将所述两个拓扑圆盘分别调和映射到半个球面上；以及
沿所述闭合曲线拼接两个所述半个球面以得到完整球面，以便将所述大脑图像调和映射到所述完整球面上。
2.根据权利要求1所述的方法，进一步包括通过执行以下操作来获得从起点出发、依次经过n个中间顶点后返回到所述起点的所述闭合曲线：
根据网格信息来计算每个顶点的函数值；
从所有顶点中选择具有全局最小的函数值的顶点作为所述闭合曲线的所述起点；
从与所述起点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第一中间顶点；以及
针对于第2~第n中间顶点的每个中间顶点，执行以下选择操作，直到返回到所述起点：
从与所述第n-1中间顶点相邻的多个顶点中选择具有局部最小的函数值的顶点作为第n中间顶点，
其中n是大于或等于2的正整数。
3.根据权利要求2所述的方法，其中所述函数值是基于所述网格的拉普拉斯贝尔特拉米矩阵的最小特征值所对应的特征函数，所述方法包括：
根据所述网格的拓扑及网格边的边长来计算基于所述网格的拉普拉斯贝尔特拉米矩阵。
4.根据权利要求1所述的方法，其中将所述两个拓扑圆盘分别调和映射到半个球面上包括：
将所述两个拓扑圆盘分别调和映射到单位圆盘上；以及
将得到的两个所述单位圆盘分别球极投影到所述半个球面上。
5.根据权利要求1-4的任意一项所述的方法，其中将拼接两个所述半个球面所得到的完整球面作为所述大脑图像的初始映射，所述方法进一步包括：
针对所述初始映射来优化其调和能量，以获得校正后的调和映射。
6.根据权利要求5所述的方法，其中针对所述初始映射来优化其调和能量包括：
利用梯度下降算法来执行对所述调和能量的优化，以获得具有最小化调和能量的调和映射。
7.根据权利要求6所述的方法，其中对于具有校正的调和映射的球面，所述方法进一步包括：
利用所述球面的质心来计算莫比乌斯变换，以修正所述质心；以及
优化所述调和能量直到满足预定的能量差阈值，从而将所述大脑图像调和映射到所述完整球面上。
8.一种用于呈现大脑图像的装置，包括：
至少一个处理器；以及
至少一个存储器，其用于存储程序指令，当所述程序指令由所述至少一个处理器加载并执行时，使得所述装置执行根据权利要求1-7的任意一项所述的方法。
9.一种计算机可读存储介质，其中存储有用于呈现大脑图像的程序指令，所述程序指令适于由处理器加载并执行根据权利要求1-7的任意一项所述的方法。
技术总结