CN104200196A - 一种x射线透视图像中导针位置自动识别方法 - Google Patents

Abstract

本发明涉及一种基于医疗X射线透视图像中导针位置自动识别方法。该方法在获取X射线透视图像的图像轮廓后，通过概率霍夫变换算法检测图像轮廓中的线段，然后从检测到的线段中对置入骨面的导针或套筒两侧边缘的相互平行或近似平行的线段对进行识别，再根据线段对的中心线在X射线透视图像中绘制套筒或导针的延长线从而实现X射线透视图像中导针位置自动识别。本发明该方法能够显著减少X射线暴露时间、显著缩短手术时间、减少对病人的二次伤害；同时能够提高手术导针定位的准确度、提高手术效率。

Description

一种X射线透视图像中导针位置自动识别方法

技术领域

本发明涉及一种图像处理技术领域，特别是一种骨科微创手术在透视时的X射线透视图像中导针位置自动识别方法。

背景技术

自1983年英国外科医生Wickham首次提出“微创外科(Minimally Invasive Surgery，MIS)”的概念以来，微创技术及理论在骨科中的运用不断发展成熟，成为现代骨科发展的重要方向。一所医院的骨科有没有微创骨科，微创技术覆盖的领域是否全面是衡量该医院或学科核心竞争力的标尺。微创是指微小损伤，是以最小的侵袭和最少的生理干扰达到外科疗效的新型外科技术。它不光具有小的切口，重要的是具有更佳的内环境稳定状态，更轻的全身反应，更短的愈合时间，更少的瘢痕愈合，以及更好的心理效应。关节镜技术是骨科最早使用的微创技术。腔镜技术是骨科快速发展的另一个领域脊柱外科使用的微创技术。微创骨科的来源主要还取决于临床实践，微创观念做指导，微创技术做保证，二者缺一不可，手术操作的微创化是保证治疗过程微损伤的根本。

在骨科微创领域中另一个值得重视的是骨折治疗微创观念的产生，正是在这一观点的指导下，各种髓内针技术、外固定技术得到了不断的发展和改进，术中无须塑形，植入体内后与骨表面接触面积小，对血供影响小，有利于骨折愈合，使原本非常棘手的骨质疏松症患者骨折和假体周围骨折的钢板固定获得良好的临床疗效。骨科微创手术对内置物的位置都有严格的要求，通常需要在骨折部位置入若干克氏针作为内置物(如空心螺钉)的引导装置或骨折固定装置，克氏针也可以称之为克氏针导针或直接称为导针。目前这一操作需要在X射线引导下进行。一般操作步骤是，首先医生根据经验将导针经皮插入至骨面，经X射线透视验证，如图1a所示的导针置入前(导针置入至骨面)的透视图像，通过该透视图像并根据人眼判断导针位置是否正确，如果正确则继续置入，如若错误则调整位置，然后再次进行验证；如此反复直至位置正确，如图1b所示的导针置入后的透视图像。由于在导针置入前，人眼不能根据如图1a所示的透视图像精确预测导针置入的位置，所以在置入导针过程中，通常还需要多次反复验证和调整才能保证置入位置精确，这样就严重增加了X射线暴露时间。

发明内容

本发明针对骨科微创手术中基于X射线透视图像在导针精确定位和处理时间等方面存在的缺陷或不足，提供一种X射线透视图像中导针位置自动识别方法，通过对X射线透视图像中置入骨面的导针或套筒两侧边缘的线段对的识别，绘制导针(或套筒)的延长线，实现导针位置自动识别。能够显著减少X射线暴露时间，减少对病人及医生的健康危害；同时能够提高手术路径的准确度、减少对病人的二次伤害、显著缩短手术时间、提高手术效率。

本发明的技术方案如下：

一种X射线透视图像中导针位置自动识别方法，其特征在于，所述方法在获取X射线透视图像的图像轮廓后，通过概率霍夫变换算法检测图像轮廓中的线段，然后从检测到的线段中对置入骨面的导针或套筒两侧边缘的相互平行或近似平行的线段对进行识别，再根据线段对的中心线在X射线透视图像中绘制套筒或导针的延长线从而实现X射线透视图像中导针位置自动识别。

所述方法先对X射线透射图像进行圆半径检测后再通过边缘检测算子获取X射线透视图像的图像轮廓。

所述边缘检测算子采用Sobel算子。

在检测到图像轮廓中的线段后，将线段的两端点分别至圆心的距离与圆半径的比较的方式过滤掉非目标边缘的线段。

所述非目标边缘的线段包括离圆周远的线段和两端都在圆周或接近圆周上的线段。

从检测到的线段中通过比较检测到的线段斜率并根据线段端点和中点间的距离以及两线段围成区域中的多个选取点的像素值实现对置入骨面的导针或套筒两侧边缘的相互平行或近似平行的线段对的识别。

在线段对识别后利用几何方法计算线段对的中心线和线段间宽度，再对线段对进行过滤和整合，所述整合包括对于利用不同线段对的位置相似所判断的同一目标边缘的多组线段对只保留宽度最大的线段对。

所述方法采用Sobel算子利用阈值计算的方式进行边缘检测以获取X射线透视图像的图像轮廓，在图像轮廓中的线段检测或线段对的识别失败后，再返回Sobel算子将计算的阈值自增后再进行边缘检测以重新获取X射线透视图像的图像轮廓，然后再进行线段检测和线段对的识别，实现循环。

所述方法通过概率霍夫变换算法针对图像轮廓的像素点识别出其经过的直线并根据二维的累加器统计所述直线被识别的次数确定图像空间中的直线以及确定线段的长度。

所述圆半径检测是以X射线透视图像中圆心位置基准采用圆半径值自增的方式根据圆周上的像素值得到圆半径。

本发明的技术效果如下：

本发明提供的一种X射线透视图像中导针位置自动识别方法，针对骨科微创手术在透视时显示的X射线透视图像，先获取该透视图像的图像轮廓，再通过概率霍夫变换算法检测图像轮廓中的线段，然后从检测到的线段中对置入骨面的导针或套筒两侧边缘的相互平行或近似平行的线段对进行识别，最后根据线段对的中心线在X射线透视图像中绘制套筒或导针的延长线从而实现X射线透视图像中导针位置自动识别。该导针位置自动识别算法能够有效解决现有技术在导针置入前由于人眼判断导针位置不准确造成的导针反复置入和调整的问题，在将导针和套筒置入至骨面后即可通过本发明的方法在X射线透视图像中绘制套筒或导针的延长线，根据该延长线可精度确定导针位置的合理性，为后续的骨科微创手术步骤提供了基准，能够显著减少X射线暴露时间，减少对病人及医生的健康危害；同时能够提高手术路径的准确度、减少对病人的二次伤害、显著缩短手术时间、提高手术效率。

优选地，在检测到图像轮廓中的线段后，将线段的两端点分别至圆心的距离与圆半径的比较的方式过滤掉非目标边缘的线段，也就是利用线段两端点和圆关系过滤掉图像轮廓中不可能是所求导针或套筒边缘的线段，比如过滤掉离圆周远的线段和两端都在圆周或接近圆周上的线段，在过滤掉非目标边缘的线段后，剩下目标边缘线段，再从目标边缘线段中进行线段对的识别，上述方式能够进一步提高导针位置自动识别的效率。

优选地，对线段对的识别是从检测到的线段中识别置入骨面的导针或套筒两侧边缘的线段对，通过比较检测到的线段斜率，保证两条线段相互平行或近似平行；通过比较线段端点和中点间的距离，保证两条线段不会相隔过远；通过比较两线段围成区域中的多个选取点的像素值，保证线段之间的是较黑的导针或套筒，上述方式为准确识别套筒或导针两侧边缘的线段对提供了保证，进一步提高了导针位置的自动识别的精度以及提高手术路径的准确度。

附图说明

图1a为现有骨科微创手术透视时导针置入至骨面的透视图像，图1b为导针置入后的透视图像。

图2为本发明X射线透视图像中导针位置自动识别方法的优选流程图。

图3为本发明X射线透视图像中导针位置自动识别方法的另一种优选流程图。

图4为本发明X射线透视图像中导针位置自动识别方法的识别结果示意图。

具体实施方式

下面结合附图对本发明进行说明。

本发明涉及一种X射线透视图像中导针位置自动识别方法，该方法是在获取X射线透视图像的图像轮廓后，通过概率霍夫变换算法检测图像轮廓中的线段，然后从检测到的线段中对置入骨面的导针或套筒两侧边缘的相互平行或近似平行的线段对进行识别，再根据线段对的中心线在X射线透视图像中绘制套筒或导针的延长线从而实现X射线透视图像中导针位置自动识别。下面对本发明的X射线透视图像中导针位置自动识别方法的具体步骤进行详细说明，其优选流程如图2所示。

1、图像载入，该图像为骨科微创手术在透视时所显示的X射线透视图像，其实质为计算机图像。

2、圆半径检测

对X射线透射图像进行圆半径检测，以X射线透视图像中圆心位置基准采用圆半径值自增的方式根据圆周上的像素值得到圆半径。也就是说，默认图像(即X射线透视图像)中圆心位置即图像正中心，首先将圆半径设置为足够小的值，逐渐自增(+1)，每次自增后检测圆周上被选取若干点的像素值，当像素值都足够黑时停止自增，即获得圆半径。

3、获得图像轮廓

通过边缘检测算子获取X射线透视图像的图像轮廓，该边缘检测算子可以采用Sobel算子或Canny算子。该实施例是利用Sobel算子利用阈值计算的方式进行边缘检测以获取X射线透视图像的图像轮廓。Sobel算子是一离散性差分算子，用来运算图像亮度函数的梯度的近似值。在图像的任何一点使用此算子，产生对应的梯度矢量或其法矢量。该算子包含两组3x3的矩阵，分别为横向和纵向，将其与图像作平面卷积，即可分别得出横向和纵向的亮度差分近似值。如果以A代表原始图像，Gx和Gy分别代表经横向和纵向边缘检测的图像，其公式如下：

$\mathrm{Gx}=\left[\begin{array}{ccc}+1& 0& -1\\ +2& 0& -2\\ +1& 0& -1\end{array}\right]*A$ $\mathrm{Gy}=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ +1& +2& +1\end{array}\right]*A$

用Gx和Gy的绝对值之和计算梯度向量的L1距离G：

G＝|Gx|+|Gy|

对L1距离G的大小进行阈值化后可以得到二值的边缘图，阈值化参数值第一次采用默认，在重返本步骤时每次计算的阈值自增(+1)，阈值自增后再进行边缘检测可以重新获取X射线透视图像的图像轮廓。

4、线段检测

利用概率霍夫变换算法检测图像轮廓中可能是导针(或套筒)边缘的线段。其原理是针对图像轮廓中随机挑选的像素点，识别出所有可能经过它的直线，用二维的累加器(p,θ)统计特定的直线被识别的次数，一旦累加器中某项达到给定最小值后扫描沿对应直线的像素点并移除所有经过的点，从而确定图像空间中的直线，同时确定线段的长度。具体地：

该算法在图像空间和极坐标变换空间之间做了一个映射。极坐标下直线的参数方程为：

p＝xcosθ+ysinθ

则图像空间中的一个点(x₀,y₀)对应极坐标变换空间中为下列正弦曲线：

p＝x₀cosθ+y₀sinθ

图像空间中的一条直线：

p₀＝xcosθ₀+ysinθ₀

对应着变换空间过点(p₀，θ₀)的一个正弦曲线族；

算法随机获取图像上的前景点，映射到极坐标变换空间中的一条曲线，极坐标变换空间中的曲线交点意味着对图像空间中的直线进行投票，变换空间中越多的曲线交于一点(p₀，θ₀)，意味着图像空间中对应的直线

p₀＝xcosθ₀+ysinθ₀的存在性越明显。

当极坐标变换空间中同一点经过的曲线数达到最小投票数(该最小投票数为自定义参数，即为可以确认直线存在所需投票数的下限)，将其在图像空间中对应的直线找出，用在直线上搜索点的方法确定线段的起点和终点，当在图像空间中确定该线段之后，记录该线段参数并在图像中删除该线段，以免重复统计。

5、线段筛除

线段筛除为优选步骤，是在检测到图像轮廓中的线段后，将线段的两端点分别至圆心的距离与圆半径的比较的方式过滤掉非目标边缘的线段。可利用线段两端点与圆关系的规则过滤掉不可能是所求的图像轮廓中的导针(或套筒)边缘的线段，即过滤掉非目标边缘的线段。筛除规则主要为两端点不要都离圆周较远，也不要两端点都在圆周或很接近圆周上。计算方法是将线段两端点分别与圆心求距离，再与圆半径比较，经过这一步骤可以过滤掉大多数非目标边缘的线段。比如说，圆半径在240像素～260像素之间时，线段的两端点距离圆周超过12像素～13像素时可认为是非目标边缘的线段。

6、线段对识别

从检测到的线段中利用规则识别可能是置入骨面的所求导针(或套筒)边缘的线段对。识别规则包括比较检测到的线段斜率，保证两条线段平行或大致平行；比较线段端点及中点间距离，保证两条线段不会相隔过远，比如线段对相对应的端点间距离不应超过60像素，中点间距离不应超过50像素；比较两线段围成区域若干选取点的像素值，保证线段之间的是较黑的导针(或套筒)等。

7、线段对计算

利用几何方法计算线段对的中心线与线段间宽度。

8、线段对过滤和整合

线段对过滤和整合为优先步骤，过滤和整合步骤中都用到了线段对的宽度。过滤主要是过滤掉宽度过窄或过宽的线段对，保留的线段对宽度通常在5像素～40像素之间；整合包括利用不同线段对的位置相似来判断不同线段对可能表示同一目标边缘，判断为表示同一目标边缘的多组线段对只保留其中宽度最大的线段对。完成了这一步即可以认为是完成了置入骨面的导针(或套筒)的识别。

9、绘制套筒或导针的延长线

根据最终识别到的线段对的中心线，在X射线透视图像中绘制套筒或导针的延长线从而实现X射线透视图像中导针位置自动识别。该识别结果如图4所示，图4中的黑线为绘制的导针(或套筒)的延长线。

图3为本发明X射线透视图像中导针位置自动识别方法的另一种优选流程图。进一步，本发明所述方法还优选地利用返回策略。其中，如果在上述步骤3获得图像轮廓之后的步骤中失败，如步骤4没有检测到线段或步骤5所有线段都被筛除或步骤6没有识别到线段对或步骤8线段对都被过滤掉，则返回步骤3获得图像轮廓中，同时将Sobel算子边缘检测所计算的阈值自增(+1)，再继续该步骤3以及以后的步骤重新计算，直到能运行完所有步骤并且获得结果为止，如图3所示。也就是说，将计算的阈值自增后再进行边缘检测以重新获取X射线透视图像的图像轮廓，然后再进行线段检测、线段筛除和线段对的识别等等步骤，实现循环。如果运算的阈值已经自增到某一值仍无法识别，则停止循环，返回整个识别步骤失败信息。

优选地，在骨科微创手术中应用本发明所述的X射线透视图像中导针位置自动识别方法的操作如下：

1)首先利用常规手术方法进行骨折复位、消毒铺单等工作；

2)选择合适的入路，切开皮肤，分离皮下组织，将导针(或套筒)经切口插入，直至骨面；

3)选择合适的方位进行X射线透视，X射线透视图像能够清晰显示手术部位骨性结构和导针(或套筒)，并且利用图像传输设备将图像载入计算机系统，此时的X射线透视图像如图1a所示；

4)通过本发明的X射线透视图像中导针位置自动识别方法自动计算识别导针(或套筒)及其延长线的位置和导针(或套筒)宽度，并将透视图像和相应的延长线显示出来，如图4所示；

5)最后医生根据延长线准确判断导针(或套筒)的位置是否合理，如果不合理，调整导针(或套筒)的位置后，重新透视并采用本发明的X射线透视图像中导针位置自动识别方法计算延长线，直至位置满意为止。

根据微创手术要求，利用本发明的X射线透视图像中导针位置自动识别方法也可以进行其它方位的透视验证。自动识别的导针(或套筒)的位置合理后，将导针置入骨内合适深度。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (10)

1.一种X射线透视图像中导针位置自动识别方法，其特征在于，所述方法在获取X射线透视图像的图像轮廓后，通过概率霍夫变换算法检测图像轮廓中的线段，然后从检测到的线段中对置入骨面的导针或套筒两侧边缘的相互平行或近似平行的线段对进行识别，再根据线段对的中心线在X射线透视图像中绘制套筒或导针的延长线从而实现X射线透视图像中导针位置自动识别。

2.根据权利要求1所述的方法，其特征在于，所述方法先对X射线透射图像进行圆半径检测后再通过边缘检测算子获取X射线透视图像的图像轮廓。

3.根据权利要求2所述的方法，其特征在于，所述边缘检测算子采用Sobel算子。

4.根据权利要求3所述的方法，其特征在于，在检测到图像轮廓中的线段后，将线段的两端点分别至圆心的距离与圆半径的比较的方式过滤掉非目标边缘的线段。

5.根据权利要求4所述的方法，其特征在于，所述非目标边缘的线段包括离圆周远的线段和两端都在圆周或接近圆周上的线段。

6.根据权利要求1所述的方法，其特征在于，从检测到的线段中通过比较检测到的线段斜率并根据线段端点和中点间的距离以及两线段围成区域中的多个选取点的像素值实现对置入骨面的导针或套筒两侧边缘的相互平行或近似平行的线段对的识别。

7.根据权利要求6所述的方法，其特征在于，在线段对识别后利用几何方法计算线段对的中心线和线段间宽度，再对线段对进行过滤和整合，所述整合包括对于利用不同线段对的位置相似所判断的同一目标边缘的多组线段对只保留宽度最大的线段对。

8.根据权利要求3所述的方法，其特征在于，所述方法采用Sobel算子利用阈值计算的方式进行边缘检测以获取X射线透视图像的图像轮廓，在图像轮廓中的线段检测或线段对的识别失败后，再返回Sobel算子将计算的阈值自增后再进行边缘检测以重新获取X射线透视图像的图像轮廓，然后再进行线段检测和线段对的识别，实现循环。

9.根据权利要求1所述的方法，其特征在于，所述方法通过概率霍夫变换算法针对图像轮廓的像素点识别出其经过的直线并根据二维的累加器统计所述直线被识别的次数确定图像空间中的直线以及确定线段的长度。

10.根据权利要求2所述的方法，其特征在于，所述圆半径检测是以X射线透视图像中圆心位置基准采用圆半径值自增的方式根据圆周上的像素值得到圆半径。