基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割方法及其系統(tǒng)的制作方法
【專利摘要】本發(fā)明適用于醫(yī)學(xué)圖像處理【技術(shù)領(lǐng)域】，提供了一種本發(fā)明的目的在于提供一種基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割的方法及其系統(tǒng)，所述方法包括如下步驟：A、提取磁共振圖像的軟骨檢測區(qū)域；B、計算所述軟骨檢測區(qū)域內(nèi)片狀結(jié)構(gòu)特征函數(shù)；C、對所述軟件檢測區(qū)域內(nèi)的片狀結(jié)構(gòu)進(jìn)行灰度增強(qiáng)；D、進(jìn)行閾值連通以提取軟骨。借此，本發(fā)明提高了磁共振圖像軟骨自動分割技術(shù)上算法研發(fā)的效率，以及分割算法對不同質(zhì)量數(shù)據(jù)的適應(yīng)性。
【專利說明】基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割方法及其系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及醫(yī)學(xué)圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割的方法及其系統(tǒng)。
【背景技術(shù)】
[0002]在MRI (Magnetic Resonance Imaging,核磁共振成像)圖像中，關(guān)節(jié)軟骨和軟骨周邊組織的區(qū)分比較模糊，其對比度很低，且軟骨厚度較薄，并且從圖像上看軟骨在某些部位和韌帶等組織是處于灰度連通狀態(tài)的，這些都為關(guān)節(jié)軟骨的自動分割造成極大的困難。
[0003]在近期的研究中，關(guān)于軟骨自動分割的算法探究一直在進(jìn)行，一些關(guān)于軟骨自動或半自動分割的方法也被提出，其中大部分的軟骨分割算法都是基于統(tǒng)計形狀模型或模式識別方面的。國內(nèi)目前還沒有關(guān)節(jié)軟骨自動或半自動分割的相關(guān)專利。
[0004]目前的軟骨自動分割算法主要包括體像素分類和統(tǒng)計形態(tài)模型這兩大類。在體像素分類這類算法中，主要是依靠機(jī)器學(xué)習(xí)算法將軟骨邊界和圖像背景分開，如KNN(Κ-Nearest Neighbours, K最鄰近節(jié)點(diǎn)算法)常被用于軟骨分割。對于這種依靠機(jī)器學(xué)習(xí)的分類算法，需要大量的訓(xùn)練樣本，并且需要專家手動分割出許多關(guān)節(jié)樣本，樣本圖像的質(zhì)量和效果將影響機(jī)器學(xué)習(xí)的效果，這樣會消耗算法開發(fā)者大量的時間和精力。
[0005]統(tǒng)計形態(tài)模型在骨分割和軟骨分割上有較好的效果，這種方法同樣需要專業(yè)人士分割出大量的骨骼和軟骨，并需要訓(xùn)練數(shù)據(jù)集來獲得一個初始化效果。但這種方法在一些關(guān)節(jié)有軟骨病癥的情況下分割精度不高。
[0006]在哈爾濱工業(yè)大學(xué)的一篇名為《使用變分方法的半自動膝關(guān)節(jié)軟骨分割》(作者:趙云鵬計算機(jī)科學(xué)與技術(shù)學(xué)院2010年9月)的論文中，作者為軟
[0007]骨的半自動分割提供了一個交互式操作的分割框架。該方法選擇了基于可變模型的邊界尋找方法對軟骨進(jìn)行分割。這種方法屬于交互式的半自動分割方法，需要手動描繪一些輪廓，需要消耗較多時間。
[0008]在新加坡南洋理工大學(xué)一篇名為《Automatic knee cartilage segmentationfrom mult1-contrast MR images using support vector machine classification withspatial dependencies)) (Authors:Kunlei Zhang, Wenmiao Lu, Pina MarziIiano)(〈〈基于空間相關(guān)性和支持矢量機(jī)的針對多對比磁共振圖像的膝關(guān)節(jié)軟骨自動分割方法》作者:Kunlei Zhang, Wenmiao Lu, Pina Marziliano)的論文中，作者使用支持矢量機(jī)的方法對軟骨進(jìn)行提取。對于用提取特征進(jìn)行分類的方法，需要搜集大量的樣本并進(jìn)行學(xué)習(xí)訓(xùn)練，若要達(dá)到對不同質(zhì)量數(shù)據(jù)都有較好的適應(yīng)性是有很大難度的。
[0009]綜上可知，現(xiàn)有的基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割的技術(shù)在實(shí)際使用上顯然存在不便與缺陷，所以有必要加以改進(jìn)。

【發(fā)明內(nèi)容】

[0010]針對上述的缺陷，本發(fā)明的目的在于提供一種基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割的方法及其系統(tǒng)，以實(shí)現(xiàn)提高了磁共振圖像軟骨自動分割技術(shù)上算法研發(fā)的效率，以及分割算法對不同質(zhì)量數(shù)據(jù)的適應(yīng)性。
[0011]為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割的方法，所述方法包括如下步驟:
[0012]A、提取磁共振圖像的軟骨檢測區(qū)域；
[0013]B、計算所述軟骨檢測區(qū)域內(nèi)片狀結(jié)構(gòu)特征函數(shù)；
[0014]C、對所述軟件檢測區(qū)域內(nèi)的片狀結(jié)構(gòu)進(jìn)行灰度增強(qiáng)；
[0015]D、進(jìn)行閾值連通以提取軟骨。
[0016]根據(jù)所述的方法，所述步驟A包括:
[0017]Al、設(shè)定磁共振圖像中關(guān)節(jié)骨骼區(qū)域的灰度閾值范圍，統(tǒng)計整個磁共振圖像每個像素點(diǎn)在半徑鄰域R內(nèi)的各個點(diǎn)的灰度值；
[0018]A2、若在上述像素點(diǎn)半徑鄰域內(nèi)的各個點(diǎn)的灰度值都在骨骼閾值范圍內(nèi)，則將上述像素點(diǎn)設(shè)為I ;其余情況則設(shè)為0，獲得到圖像X ；
[0019]A3、估計軟骨最大厚度，根據(jù)軟骨厚度將所述圖像X做N次膨脹運(yùn)算，獲得圖像Y ；
[0020]A4、在所述圖像Y上選取關(guān)節(jié)骨骼上的一個像素點(diǎn)，提取與這個像素點(diǎn)有連通關(guān)系的區(qū)域，標(biāo)記為區(qū)域Z，所述區(qū)域Z為所述關(guān)節(jié)軟骨的檢測區(qū)域。
[0021]根據(jù)所述的方法，所述步驟B包括:
[0022]B1、構(gòu)造高斯濾波器G。，σ為高斯濾波器方差，對高斯濾波器G。求二階導(dǎo)數(shù)，用G0的二階導(dǎo)數(shù)與所述磁共振圖像區(qū)域Z中的各個像素點(diǎn)進(jìn)行卷積得到Ixx、Ixy、Ixz、Iyy、Iyz、
1.丄ζζ，



[0023]B2、構(gòu)成Hessian矩陣
【權(quán)利要求】
1.一種基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割的方法，其特征在于，所述方法包括如下步驟: A、提取磁共振圖像的軟骨檢測區(qū)域； B、計算所述軟骨檢測區(qū)域內(nèi)片狀結(jié)構(gòu)特征函數(shù)； C、對所述軟件檢測區(qū)域內(nèi)的片狀結(jié)構(gòu)進(jìn)行灰度增強(qiáng)； D、進(jìn)行閾值連通以提取軟骨。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟A包括: Al、設(shè)定磁共振圖像中關(guān)節(jié)骨骼區(qū)域的灰度閾值范圍，統(tǒng)計整個磁共振圖像每個像素點(diǎn)在半徑鄰域R內(nèi)的各個點(diǎn)的灰度值； A2、若在上述像素點(diǎn)半徑鄰域內(nèi)的各個點(diǎn)的灰度值都在骨骼閾值范圍內(nèi)，則將上述像素點(diǎn)設(shè)為I ;其余情況則設(shè)為O，獲得到圖像X ; A3、估計軟骨最大厚度，根據(jù)軟骨厚度將所述圖像X做N次膨脹運(yùn)算，獲得圖像Y ； A4、在所述圖像Y上選取關(guān)節(jié)骨骼上的一個像素點(diǎn)，提取與這個像素點(diǎn)有連通關(guān)系的區(qū)域，標(biāo)記為區(qū)域Z，所述區(qū)域Z為所述關(guān)節(jié)軟骨的檢測區(qū)域。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟B包括: B1、構(gòu)造高斯濾波器G。，σ為高斯濾波器方差，對高斯濾波器G。求二階導(dǎo)數(shù)，用G。的二階導(dǎo)數(shù)與所述磁共振圖像區(qū)域Z中的各個像素點(diǎn)進(jìn)行卷積得到Ixx、Ixy, Ixz, Iyy, Iyz, Izz ； B2、構(gòu)成Hessian矩陣
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟C包括: Cl、對所述區(qū)域Z內(nèi)像素點(diǎn)的片狀結(jié)構(gòu)特征函數(shù)L( λ )進(jìn)行歸整化處理； C2、將所述區(qū)域Z內(nèi)像素點(diǎn)按照各個像素點(diǎn)的片狀結(jié)構(gòu)特征函數(shù)進(jìn)行灰度增強(qiáng)，使屬于片狀結(jié)構(gòu)的區(qū)域得到增強(qiáng)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟D包括: D1、設(shè)定灰度增強(qiáng)后所述關(guān)節(jié)軟骨的大致灰度閾值范圍； D2、選取所述關(guān)節(jié)軟骨上的一個種子點(diǎn)，提取與所述種子點(diǎn)有閾值連通關(guān)系的部分，該部分為圖像中所述關(guān)節(jié)軟骨的分割數(shù)據(jù)。
6.一種基于圖像片狀結(jié)構(gòu)增強(qiáng)的關(guān)節(jié)軟骨分割的系統(tǒng)，其特征在于，所述系統(tǒng)包括: 提取模塊，用于提取磁共振圖像的軟骨檢測區(qū)域； 計算模塊，用于計算所述軟骨檢測區(qū)域內(nèi)片狀結(jié)構(gòu)特征函數(shù)； 增強(qiáng)模塊，用于對所述軟件檢測區(qū)域內(nèi)的片狀結(jié)構(gòu)進(jìn)行灰度增強(qiáng)； 連通模塊，用于進(jìn)行閾值連通以提取軟骨。
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述提取模塊包括: 統(tǒng)計子模塊，用于設(shè)定磁共振圖像中關(guān)節(jié)骨骼區(qū)域的灰度閾值范圍，統(tǒng)計整個磁共振圖像每個像素點(diǎn)在半徑鄰域R內(nèi)的各個點(diǎn)的灰度值； 第一獲取子模塊，用于若在上述像素點(diǎn)半徑鄰域內(nèi)的各個點(diǎn)的灰度值都在骨骼閾值范圍內(nèi)，則將上述像素點(diǎn)設(shè)為I ;其余情況則設(shè)為O，獲得到圖像X ; 第二獲取子模塊，用于估計軟骨最大厚度，根據(jù)軟骨厚度將所述圖像X做N次膨脹運(yùn)算，獲得圖像Y; 提取子模塊，用于在所述圖像Y上選取關(guān)節(jié)骨骼上的一個像素點(diǎn)，提取與這個像素點(diǎn)有連通關(guān)系的區(qū)域，標(biāo)記為區(qū)域Z，所述區(qū)域Z為所述關(guān)節(jié)軟骨的檢測區(qū)域。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述計算模塊包括: 構(gòu)造子模塊，用于構(gòu)造高斯濾波器G。，σ為高斯濾波器方差，對高斯濾波器G。求二階導(dǎo)數(shù)，用G。的二階導(dǎo)數(shù)與所述磁共振圖像區(qū)域Z中的各個像素點(diǎn)進(jìn)行卷積得到Ixx、Ixy、Ixz、

排序子模塊，用于構(gòu)成Hessian矩陣
9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述增強(qiáng)模塊包括: 規(guī)整子模塊，用于對所述區(qū)域Z內(nèi)像素點(diǎn)的片狀結(jié)構(gòu)特征函數(shù)L(X)進(jìn)行歸整化處理； 增強(qiáng)子模塊，用于將所述區(qū)域Z內(nèi)像素點(diǎn)按照各個像素點(diǎn)的片狀結(jié)構(gòu)特征函數(shù)進(jìn)行灰度增強(qiáng)，使屬于片狀結(jié)構(gòu)的區(qū)域得到增強(qiáng)。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述連通模塊包括: 設(shè)定子模塊，用于設(shè)定灰度增強(qiáng)后所述關(guān)節(jié)軟骨的大致灰度閾值范圍； 選取子模塊，用于選取所述關(guān)節(jié)軟骨上的一個種子點(diǎn)，提取與所述種子點(diǎn)有閾值連通關(guān)系的部分，該部分為圖像中所述關(guān)節(jié)軟骨的分割數(shù)據(jù)。
【文檔編號】G06T5/00GK103456004SQ201310325364
【公開日】2013年12月18日 申請日期:2013年7月30日 優(yōu)先權(quán)日:2013年7月30日
【發(fā)明者】葉建平, 田毅, 張吉帥, 劉長春 申請人:深圳市旭東數(shù)字醫(yī)學(xué)影像技術(shù)有限公司