具体实施方式

下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本实施例中提供了一种头部对称轴识别方法，如图1所示，该方法包括：

步骤101，识别目标头部医学图像中脑组织区域对应的脑组织边缘链码以及链码切割点，并依据所述脑组织边缘链码与所述链码切割点的位置关系，提取所述脑组织边缘链码中的前段上矢状窦链码和后段上矢状窦链码；

本申请实施例中的目标头部医学图像具体可以是患者的头部CT图像或者MR图像，具体可以是CT平扫(NCCT)、CT灌注成像(CTP)、CT血管成像(CTA)，也可以是MR灌注成像(PWI)、MR弥散成像(DWI)等，为避免患者脑部组织病变或图像质量影响组织清晰度造成的头部对称轴识别准确性差，本申请实施例通过识别脑组织区域的轮廓获得脑组织边缘链码，从而对脑组织边缘链码进行分析，识别出头部对称轴，不再依赖于脑组织内部图像，即使患者有脑部组织病变或者图像不清晰，由于是依据脑组织边缘链码进行对称轴识别，故也不会影响识别准确性。

在上述实施例中，首先，得到目标头部医学图像后，识别图像中脑组织区域的轮廓，获取脑组织区域轮廓对应的脑组织边缘链码，并识别出脑组织区域中的链码切割点，该链码切割点具体可以为脑组织区域的质心或中心等位置，链码切割点用于实现对脑组织边缘链码的切割。在具体应用场景中，可以绘制一条通过链码切割点的水平线，通过水平线将脑组织边缘链码切割为两部分，每个部分均包含上矢状窦，其中，上半部分作为前段上矢状窦链码，下半部分作为后段上矢状窦链码。需要说明的是，目标头部医学图像一般是对患者脑部进行多个断层的扫描得到的，即目标头部医学图像一般包含多个断层图像，上述的脑组织区域可以是需要进行对称轴识别的任意一个断层对应的脑组织区域，后续通过对该断层对应的脑组织边缘链码进行分析，确定该断层脑组织区域的头部对称轴，或者，上述的脑组织区域也可以是指定的几个断层对应的脑组织区域，通过对指定的几个断层对应的脑组织边缘链码进行分析，实现对每个断层脑组织区域的对称轴识别。

步骤102，根据所述前段上矢状窦链码中各点的前段曲率值确定前段候选角点，以及根据所述后段上矢状窦链码中各点的后段曲率值确定后段候选角点；

其次，对于某个断层的前段上矢状窦链码和后段上矢状窦链码，分别从前段上矢状窦链码、后段上矢状窦链码上各点中找出前段候选角点、后段候选角点，以便后续利用这些候选角点进行对称轴识别。以确定前段候选角点为例，可以按照角点检测方法，计算前段上矢状窦链码中每个点的曲率值，

即前段曲率值，从而依据各点的前段曲率值来筛选前段候选角点。其中，计算前段曲率值时可以选择一个预设前段弦长参数，也可以选择多个预设前段弦长参数。若选择一个则可以依据各点的前段曲率值大小，将其中值较大的若干个点(或者值大小超过预设值的点)作为前段候选角点；若选择多个则可以将每个点的多个前段曲率值做乘积得到各点的曲率积，并将其中曲率积较大的若干个点(或者值大小超过一定值的点)作为前段候选角点。通过上述方式可以找到前段上矢状窦链码中弯曲程度较大位置的点，即前段候选角点，如图2所示，由人体头部构造可知，前段上矢状窦边缘弯曲程度最大位置的点和后段上矢状窦边缘弯曲程度最大位置的点位于头部对称轴所在直线。然后再利用相似的方法找到后段上矢状窦链码上的后段候选角点，以便后续在前段候选角点和后段候选角点中分别筛选出一个前段目标角点和一个后段目标角点，从而进行对称轴识别。

步骤103，检测所述前段候选角点在所述前段上矢状窦链码中的第一位置特征，并基于所述第一位置特征确定前段目标角点，以及检测所述后段候选角点在所述后段上矢状窦链码中的第二位置特征，并基于所述第二位置特征确定后段目标角点；

进一步，在确定某断层脑组织区域对于的前段候选角点和后段候选角点之后，应从前段、后段候选角点中分别选出最终用于确定对称轴的一个前段目标角点和一个后段目标角点。在具体应用场景中，以前段候选角点为例，可以检测前段候选角点在前段上矢状窦链码的位置的凹凸性特征，即第一位置特征，即前段候选角点在前段上矢状窦轮廓上是凹点还是凸点，如图2所示，依据对称轴与前段上矢状窦边缘的交点以及对称轴与后段上矢状窦边缘的角点应为凹点这一特性，对前段候选角点进行筛选，剔除其中的凸点，只保留凹点，筛选出属于凹点的前段候选角点作为前段目标角点。其中，如果这一步骤筛选后的前段候选角点包括多个，应从多个角点中按预定规则选出一个作为前段目标角点，例如选择位于前段上矢状窦链码中靠近中心位置的角点作为前段目标角点，又例如选择曲率值最大的角点作为前段目标角点。另外，可以按照上述相似的方式在后段侯选角点中选择一个后段目标角点。

步骤104，依据所述前段目标角点与所述后段目标角点的连线，确定所述脑组织区域对应的头部对称轴。

最后，可以将某个断层对应的前段目标角点与后段目标角点的连线作为该断层对应的头部对称轴，另外，为实现快速识别多个断层对应的头部对称轴，在具体应用场景中，也可以利用多个断层对应的前段目标角点与后段目标角点的连线，拟合出对称轴识别面，从而利用识别面实现对全部断层的头部对称轴的识别。

通过应用本实施例的技术方案，从目标头部医学图像中脑组织区域中识别出脑组织边缘链码以及链码切割点，并依据链码切割点将脑组织边缘链码切割为前段上矢状窦链码和后段上矢状窦链码，进一步依据对前段上矢状窦链码和后段上矢状窦链码各点的曲率值，找出前段候选角点和后段候选角点，并基于前段候选角点在前段上矢状窦链码中、后段候选角点在后段上矢状窦链码中的凹凸性位置特征，筛选候选角点中的凹点，分别作为前段目标角点和后段目标角点，最后依据前段目标角点和后段目标角点的连线确定脑组织区域对应的头部对称轴。本申请实施例利用前段上矢状窦和后段上矢状窦连线为头部对称轴的特征，选取不易受脑组织病变以及图像质量影响的脑组织区域轮廓的脑组织边缘链码，利用脑组织边缘链码体现的上矢状窦特征，识别其中的前段目标角点和后段目标角点，实现对称轴的确定，解决了因脑组织病变或图形质量影响组织清晰度带来的对称轴识别不准确的问题，提高了头部对称轴识别的准确性和鲁棒性，且角点识别是在一维数据即链码上进行，识别速度快、效率高。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了另一种头部对称轴识别方法，如图3所示，该方法包括：

步骤201，获取所述目标头部医学图像，分别对每个断层的图像进行轮廓识别，确定多个断层的脑组织区域，其中，所述目标头部医学图像包括CT图像和/或MR图像；

在上述实施例中，获取患者的CT/MR图像，在进行CT/MR成像扫描时，一般按照多个断层分别进行扫描，具体可以选择CT平扫(NCCT)、CT灌注成像(CTP)、CT血管成像(CTA)，也可以是MR灌注成像(PWI)、MR弥散成像(DWI)等，图像中需包含脑部上矢状窦结构，此为对称轴确定的主要依据。可以通过主动轮廓模型算法提取脑组织掩膜，即某层原始图像中去除原始头像头骨和头骨外部组织得到的蒙版，具体可以通过主动轮廓模型算法将颅骨之内的组织所占像素标记为1，其余部分标记为0，取标记为1的像素点作为脑组织区域。

步骤202，获取多个断层中脑组织区域面积最大的第一候选断层，并将与所述第一候选断层前、后各自相邻的至少两个断层以及所述第一候选断层作为第一目标层；获取多个断层中脑组织区域面积与预设面积相差最小的第二候选断层，并将与所述第二候选断层前、后各自相邻的至少两个断层以及所述第二候选断层作为第二目标层；

在上述实施例中，为了实现快速对每个断层的对称轴进行识别，通过选取第一目标层和第二目标层，从而对第一目标层和第二目标层对应的脑组织边缘链码进行分析的方式，确定对称轴识别面，实现头部对称轴识别。在具体应用场景中，计算每个断层对应的脑组织区域面积，并取其中面积最大脑组织区域所在层作为第一候选断层，为了提高对称轴识别的准确性，可以将第一候选断层及其前后两层一起作为第一目标层，以便后续在多个第一目标层对应的链码中选择目标角点，从而实现对称轴的识别。另外，在多个断层中选择与预设面积相差最小的第二候选断层，并将第二候选断层及其前后两层一起作为第二目标层，预设面积具体可以通过对每个断层的脑组织面积进行统计确定，例如将面积大小排名在前10％的断层作为第二候选层，预设面积也可以是最大脑组织区域面积与特定系数的乘积确定，例如预设面积为最大脑组织区域面积*90％，预设面积也可以依据经验或历史数据确定，在此不作限定。

步骤203，识别所述第一目标层以及所述第二目标层对应的脑组织区域的脑组织边缘链码以及链码切割点，并依据所述脑组织边缘链码与所述链码切割点的位置关系，提取所述脑组织边缘链码中的前段上矢状窦链码和后段上矢状窦链码；

可选地，步骤203中确定各目标层的脑组织边缘链码中的前段上矢状窦链码和后段上矢状窦链码的方式，具体可以包括：将所述脑组织边缘链码中在所述链码切割点对应的水平线之上以及之下的部分，分别确定为所述前段上矢状窦链码和所述后段上矢状窦链码，其中，所述链码切割点包括所述脑部组织区域的质心；按预设比例分别截取所述前段上矢状窦链码以及所述后段上矢状窦链码的中间部分。

在上述实施例中，对于第一目标层和第二目标层中的每个断层来说，先确定脑组织区域的质心，将该质心作为该层的链码切割点，以链码切割点的位置为准绘制一条水平线，脑组织边缘链码中在水平线之上的部分作为前段上矢状窦链码，之下的部分作为后段上矢状窦链码，进一步，由于最终用于识别对称轴的前段目标角点一般不会位于前段上矢状窦链码的两端，同理后段目标角点一般也不会位于后段上矢状窦链码的两端，因此为了减少计算量可以按预设比例对前段上矢状窦链码进行截取，保留中间部分，例如保留中间70％部分作为有效部分，同理也截取后段上矢状窦链码的中间部分。

步骤204，获取多个预设前段弦长参数以及多个预设后段弦长参数；依据所述多个预设前段弦长参数，分别计算所述前段上矢状窦链码中各点的多个前段曲率值，并基于多个前段曲率值对应的曲率积确定所述前段候选角点；依据所述多个预设后段弦长参数，分别计算所述后段上矢状窦链码中各点的多个后段曲率值，并基于多个后段曲率值对应的曲率积确定所述后段候选角点；

在上述实施例中，由于弦长参数对后续角点选取的影响较大，因此为了避免弦长参数选取不当对后续对称轴识别造成较大影响，可以针对前段、后段上矢状窦链码分别选取多个弦长参数，例如选取3个预设前段弦长参数和3个预设后段弦长参数，前段预设弦长参数分别为Lf1，Lf2，Lf3，具体可以选择Lf1＝10，Lf2＝15，Lf3＝20，后段预设弦长参数分别为Lb1，Lb2，Lb3。具体可以选择Lb1＝4，Lb2＝8，Lb3＝12。利用CPDA角点检测方法，分别得到不同前段预设弦长参数对应的前段上矢状窦链码上各点的前段曲率值hf1，hf2，hf3，以及不同后段预设现场参数对应的后段上矢状窦链码上各点的后段曲率值hb1，hb2，hb3，进而计算前段上矢状窦链码上各点的前段曲率值对应的曲率积Hf＝hf1*hf2*hf3，以及后段上矢状窦链码上各点的后段曲率值对应的曲率积Hb＝hb1*hb2*hb3。进一步依据Hf、Hb分别筛选前段上矢状窦链码上的前段候选角点和后段上矢状窦链码上的后段候选角点。

步骤205，检测所述前段候选角点在所述前段上矢状窦链码中的第一位置特征，并基于所述第一位置特征确定前段目标角点，以及检测所述后段候选角点在所述后段上矢状窦链码中的第二位置特征，并基于所述第二位置特征确定后段目标角点；

可选地，步骤205具体可以包括：

步骤205-1，分别确定每个预设前段弦长参数对应的预设前段距离以及每个预设后段弦长参数对应的预设后段距离；

步骤205-2，在所述前段上矢状窦链码上选取与任一前段候选角点两侧相距所述预设前段距离的多组第一参考点，每组第一参考点包括两个；

步骤205-3，基于多组第一参考点，分别建立第一直线以及通过所述任一前段候选角点且与所述第一直线垂直的第二直线，并在至少一组第一参考点对应的所述第一直线与第二直线的交点在所述脑组织区域内时，确定所述任一前段候选角点的第一位置特征为凸点特征；

步骤205-4，删除具有凸点特征的前段候选角点后，筛选出具有最大曲率积的前段目标角点；

在上述步骤205-1至205-4中，依据每层图像对应的各个候选角点的凹凸性对候选角点进行筛选。对于前段上矢状窦链码上某个前段候选角点，在其两侧分别选取相距预设前段距离处的第一参考点，其中预设前段距离为预设前段弦长参数与预设系数的乘积，例如预设前段距离为1/2预设前段弦长参数，多个预设前段弦长参数对应有多个预设前段距离，相应地可以得到多组第一参考点。对于每组第一参考点，求通过两个第一参考点的第一直线L1，继续求通过该前段候选角点且与直线L1垂直的直线L2。如果L1和L2的交点在脑组织区域内，那么将该前段候选角点的第一位置特征标记为凸点特征。对于任意一个前段候选角点来说，只要按照某个预设前段弦长参数计算出的该前段候选角点的第一位置特征为凸点特征，该前段候选角点就被删除掉，进一步在剩余的前段候选角点中选出曲率积最大的一个作为前段目标角点，确定每层对应的前段上矢状窦链码中属于凹点位置，并且凹陷程度最大的点。

例如，对于链码上某个候选点在其两侧分别选取距离其弦长参数1/2处的点，求通过两点的直线L1，继续求通过候选点且与直线方程L1垂直的直线L2。直线L1和L2的交点若落在本层脑组织区域内即此候选点在当前弦长参数下的凹凸标记为-1，否则为+1。不同弦长参数下，至少存在一个凹凸标记为-1，即此候选点为凸点，否则为凹点。由于上矢状窦在边缘链码上的特征应为凹点，因此根据标记将凹点保留。每一层的前后链码点中选取曲率积最大的凹点作为本层的前后上矢状窦对应角点。

步骤205-5，在所述后段上矢状窦链码上选取与任一后段候选角点两侧相距所述预设后段距离的多组第二参考点，其中，每组第二参考点包括两个；

步骤205-6，基于多组第二参考点，分别建立第三直线以及通过所述任一后段候选角点且与所述第三直线垂直的第四直线，并在至少一组第二参考点对应的所述第三直线与第四直线的交点在所述脑组织区域内时，确定所述任一后段候选角点的第二位置特征为凸点特征；

步骤205-7，删除具有凸点特征的后段候选角点后，筛选出具有最大曲率积的后段目标角点。

其中步骤205-5至205-7确定后段目标角点的方式，与步骤205-2至步骤205-4相似，在此不再赘述。

步骤206，依据所述第一目标层中各前段目标角点在对应的前段上矢状窦链码中的相对位置，过滤所述前段目标角点，以及依据所述第一目标层中各后段目标角点在对应的后段上矢状窦链码中的相对位置，过滤所述后段目标角点，以使过滤后的第一目标层中各前段目标角点的相对位置差以及各后段目标角点的相对位置差均小于预设差值；依据所述第二目标层中各前段目标角点在对应的前段上矢状窦链码中的相对位置，过滤所述前段目标角点，以及依据所述第二目标层中各后段目标角点在对应的后段上矢状窦链码中的相对位置，过滤所述后段目标角点，以使过滤后的第二目标层中各前段目标角点的相对位置差以及各后段目标角点的相对位置差均小于预设差值；

步骤207，依据所述第一目标层中的各前段目标角点的曲率值，确定所述第一目标层的第一前段目标角点，以及依据所述第一目标层中各后段目标角点的曲率值，确定所述第一目标层的第一后段目标角点；依据所述第二目标层中各前段目标角点的曲率值，确定所述第二目标层的第二前段目标角点，以及依据所述第二目标层中各后段目标角点的曲率值，确定所述第二目标层的第二后段目标角点；

在步骤206至步骤207中，以确定第一目标层对应的第一前段目标角点为例，分别求出第一目标层中包含的各断层对应的前段目标角点在所在链码中的相对位置，依据第一目标层对应的全部前段目标角点的相对位置，进行前段目标角点的过滤。具体应将相对位置接近的前段目标角点保留下来，以使保留的第一目标层中各前段目标角点的相对位置差的相对位置差均小于预设差值。进一步将剩余前段目标角点中曲率积(曲率积为各前段弦长参数对应的曲率值的乘积)最大的一个作为第一目标层对应的第一前段目标角点af。相应地，按照与上述相似的方式计算出第一目标层对应的第一后段目标角点ab，以及第二目标层对应的第二前段目标角点bf和第二后段目标角点bb。

步骤208，确定第一目标层对应的第一前段目标角点与第一后段目标角点之间的第一连线以及第二候选组对应的第二前段目标角点与第二后段目标角点之间的第二连线；依据所述第一连线和所述第二连线，建立对称轴识别面；获取所述对称轴识别面与各断层对应的脑组织区域的交线，将所述交线确定为各断层的头部对称轴。

在上述实施例中，确定第一前段目标角点af和第一后段目标角点ab的第一连线La，以及第二前段目标角点bf和第二后段目标角点bb的第二连线Lb，标准图像输入下Lb和La位于同一平面内，可以确定一平面，将该平面作为对称轴识别面，在一些特殊的应用场景下，如果Lb和La不共面，可以通过旋转Lb使其和La处于同一平面上，并将该平面作为对称轴识别面，不同断层脑组织区域与对称轴识别面的交线，即为该层脑组织区域对应的头部对称轴。从而通过对少量断层的脑组织区域的分析确定两组目标角点(即第一前段目标角点和第一后段目标角点、以及第二前段目标角点和第二后段目标角点)，实现对全部断层的头部对称轴的识别，提高了对称轴识别效率。

进一步的，作为图1方法的具体实现，本申请实施例提供了一种头部对称轴识别装置，如图4所示，该装置包括：

脑组织识别模块，用于识别目标头部医学图像中脑组织区域对应的脑组织边缘链码以及链码切割点，并依据所述脑组织边缘链码与所述链码切割点的位置关系，提取所述脑组织边缘链码中的前段上矢状窦链码和后段上矢状窦链码；

候选角点确定模块，用于根据所述前段上矢状窦链码中各点的前段曲率值确定前段候选角点，以及根据所述后段上矢状窦链码中各点的后段曲率值确定后段候选角点；

目标角点确定模块，用于检测所述前段候选角点在所述前段上矢状窦链码中的第一位置特征，并基于所述第一位置特征确定前段目标角点，以及检测所述后段候选角点在所述后段上矢状窦链码中的第二位置特征，并基于所述第二位置特征确定后段目标角点；

对称轴识别模块，用于依据所述前段目标角点与所述后段目标角点的连线，确定所述脑组织区域对应的头部对称轴。

可选地，所述脑组织识别模块，具体用于：

将所述脑组织边缘链码中在所述链码切割点对应的水平线之上以及之下的部分，分别确定为所述前段上矢状窦链码和所述后段上矢状窦链码，其中，所述链码切割点包括所述脑部组织区域的质心；

按预设比例分别截取所述前段上矢状窦链码以及所述后段上矢状窦链码的中间部分。

可选地，所述候选角点确定模块，具体用于：

获取多个预设前段弦长参数以及多个预设后段弦长参数；

依据所述多个预设前段弦长参数，分别计算所述前段上矢状窦链码中各点的多个前段曲率值，并基于多个前段曲率值对应的曲率积确定所述前段候选角点；

依据所述多个预设后段弦长参数，分别计算所述后段上矢状窦链码中各点的多个后段曲率值，并基于多个后段曲率值对应的曲率积确定所述后段候选角点。

可选地，所述目标角点确定模块，具体用于：

分别确定每个预设前段弦长参数对应的预设前段距离以及每个预设后段弦长参数对于的预设后段距离；

在所述前段上矢状窦链码上选取与任一前段候选角点两侧相距所述预设前段距离的多组第一参考点，每组第一参考点包括两个；

基于多组第一参考点，分别建立第一直线以及通过所述任一前段候选角点且与所述第一直线垂直的第二直线，并在至少一组第一参考点对应的所述第一直线与第二直线的交点在所述脑组织区域内时，确定所述任一前段候选角点的第一位置特征为凸点特征；

删除具有凸点特征的前段候选角点后，筛选出具有最大曲率积的前段目标角点；

在所述后段上矢状窦链码上选取与任一后段候选角点两侧相距所述预设后段距离的多组第二参考点，其中，每组第二参考点包括两个；

基于多组第二参考点，分别建立第三直线以及通过所述任一后段候选角点且与所述第三直线垂直的第四直线，并在至少一组第二参考点对应的所述第三直线与第四直线的交点在所述脑组织区域内时，确定所述任一后段候选角点的第二位置特征为凸点特征；

删除具有凸点特征的后段候选角点后，筛选出具有最大曲率积的后段目标角点。

可选地，所述目标头部医学图像包括多个断层的图像；所述对称轴识别模块，具体用于：

确定第一目标层对应的第一前段目标角点与第一后段目标角点之间的第一连线以及第二候选组对应的第二前段目标角点与第二后段目标角点之间的第二连线；

依据所述第一连线和所述第二连线，建立对称轴识别面；

获取所述对称轴识别面与各断层对应的脑组织区域的交线，将所述交线确定为各断层的头部对称轴。

可选地，所述第一目标层包括多层，所述第二目标层包括多层；所述装置还包括：

目标层获取模块，用于所述识别目标头部医学图像中脑组织区域对应的脑组织边缘链码以及链码切割点之前，获取所述目标头部医学图像，分别对每个断层的图像进行轮廓识别，确定多个断层的脑组织区域，其中，所述目标头部医学图像包括CT图像和/或MR图像；以及，

获取多个断层中脑组织区域面积最大的第一候选断层，并将与所述第一候选断层前、后各自相邻的至少两个断层以及所述第一候选断层作为第一目标层；以及，

获取多个断层中脑组织区域面积与预设面积相差最小的第二候选断层，并将与所述第二候选断层前、后各自相邻的至少两个断层以及所述第二候选断层作为第二目标层；

相应地，所述脑组织识别模块，具体用于：

识别所述第一目标层以及所述第二目标层对应的脑组织区域的脑组织边缘链码以及链码切割点。

可选地，所述装置还包括：

目标角点筛选模块，用于所述构建对称轴识别面之前，依据所述第一目标层中各前段目标角点在对应的前段上矢状窦链码中的相对位置，过滤所述前段目标角点，以及依据所述第一目标层中各后段目标角点在对应的后段上矢状窦链码中的相对位置，过滤所述后段目标角点，以使过滤后的第一目标层中各前段目标角点的相对位置差以及各后段目标角点的相对位置差均小于预设差值；以及，

依据所述第二目标层中各前段目标角点在对应的前段上矢状窦链码中的相对位置，过滤所述前段目标角点，以及依据所述第二目标层中各后段目标角点在对应的后段上矢状窦链码中的相对位置，过滤所述后段目标角点，以使过滤后的第二目标层中各前段目标角点的相对位置差以及各后段目标角点的相对位置差均小于预设差值；以及，

依据所述第一目标层中的各前段目标角点的曲率值，确定所述第一目标层的第一前段目标角点，以及依据所述第一目标层中各后段目标角点的曲率值，确定所述第一目标层的第一后段目标角点；以及，

依据所述第二目标层中各前段目标角点的曲率值，确定所述第二目标层的第二前段目标角点，以及依据所述第二目标层中各后段目标角点的曲率值，确定所述第二目标层的第二后段目标角点。

需要说明的是，本申请实施例提供的一种头部对称轴识别装置所涉及各功能单元的其他相应描述，可以参考图1至图3方法中的对应描述，在此不再赘述。

基于上述如图1至图3所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述如图1至图3所示的头部对称轴识别方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

基于上述如图1至图3所示的方法，以及图4所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图3所示的头部对称轴识别方法。

可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现从目标头部医学图像中脑组织区域中识别出脑组织边缘链码以及链码切割点，并依据链码切割点将脑组织边缘链码切割为前段上矢状窦链码和后段上矢状窦链码，进一步依据对前段上矢状窦链码和后段上矢状窦链码各点的曲率值，找出前段候选角点和后段候选角点，并基于前段候选角点在前段上矢状窦链码中、后段候选角点在后段上矢状窦链码中的凹凸性位置特征，筛选候选角点中的凹点，分别作为前段目标角点和后段目标角点，最后依据前段目标角点和后段目标角点的连线确定脑组织区域对应的头部对称轴。本申请实施例利用前段上矢状窦和后段上矢状窦连线为头部对称轴的特征，选取不易受脑组织病变以及图像质量影响的脑组织区域轮廓的脑组织边缘链码，利用脑组织边缘链码体现的上矢状窦特征，识别其中的前段目标角点和后段目标角点，实现对称轴的确定，解决了因脑组织病变或图形质量影响组织清晰度带来的对称轴识别不准确的问题，提高了头部对称轴识别的准确性和鲁棒性，且角点识别是在一维数据即链码上进行，识别速度快、效率高。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。