CN105960203A - 图像处理方法 - Google Patents

图像处理方法 Download PDF

Info

Publication number
CN105960203A
CN105960203A CN201480074841.5A CN201480074841A CN105960203A CN 105960203 A CN105960203 A CN 105960203A CN 201480074841 A CN201480074841 A CN 201480074841A CN 105960203 A CN105960203 A CN 105960203A
Authority
CN
China
Prior art keywords
vertebral body
intervertebral
geometry
image
centrage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480074841.5A
Other languages
English (en)
Other versions
CN105960203B (zh
Inventor
中矢知宏
西野和義
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shimadzu Corp
Original Assignee
Shimadzu Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shimadzu Corp filed Critical Shimadzu Corp
Publication of CN105960203A publication Critical patent/CN105960203A/zh
Application granted granted Critical
Publication of CN105960203B publication Critical patent/CN105960203B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明的图像处理方法在步骤(S1)中提取发生弯曲或旋转偏移并在颈椎和骨盆之间延伸的长边方向的椎体的中心线，在步骤(S2)中，基于在步骤(S1)中提取出的该中心线来通过几何学变换将椎体修正为直线状，通过执行步骤(S3)的椎体检测算法来提取在步骤(S2)中修正后的椎体的区域。这样，在步骤(S2)中修正后的椎体的区域成为直线状，因此即使在修正前的原始图像中的椎体自身的弯曲、摄影位置的偏移、旋转偏移之类的不利条件下，椎体检测算法也为简单的算法。通过几何学变换将椎体修正为直线状，由此能够以简单的算法在修正后的图像中准确地提取椎体的区域，能够通过步骤(S2)中的几何学变换的逆变换(步骤(S4))在修正前的原始图像中也准确地提取椎体的区域。

Description

图像处理方法
技术领域
本发明涉及一种进行图像处理的图像处理方法，特别是涉及一种自动提取椎体的区域的技术。
背景技术
在自动提取椎体的区域的图像处理方法中，是使用由X射线透视摄影装置、骨密度测定装置等得到的拍入了脊柱的医用图像来进行的。以下，采用骨密度测定装置为例进行说明。
在骨密度测定装置中，例如进行DXA(Dual Energy X-Ray Absorptiometry：双能X射线骨密度测量法)法这样的使用了具有两个不同的能量峰的X射线束的测定。具体地说，在使被检体(患者)躺在床上并屈膝的状态下拍摄腰椎，获得选择性地仅拍入了骨骼的图像(X射线衰减图像)。为了求出骨盐定量等骨密度，需要准确地求出各个椎体的面积，该骨盐定量是表示固定量的骨骼中含有的(钙、磷等)矿物质成分在骨骼中所含有的量的指标。因此，提出了一种自动提取椎体的区域的技术(例如参照专利文献1、2，非专利文献1、2)。
在区域的提取中，检测横向轮廓(边线)，并检测彼此相邻的椎体间的边界线，由此分别提取各个椎体。此外，脊柱如图6所示那样在颈椎和骨盆之间上下延伸，除了椎体A以外，在彼此相邻的椎体A间还存在椎间(椎间盘)C。通过在椎间C的中心划线来检测椎体A间的边界线。以往，考虑根据腰椎的轮廓(边线)的缩颈位置、椎间的像素值(在监视器中显示像素值的情况下通过灰度处理而成为“亮度”)低的情况或椎体与椎体之间的明暗、椎体上下端的边缘信息等来检测椎体间的边界。此外，在本说明书中，只要没有特殊说明，就将像素值和亮度等同地对待。
专利文献1：日本特表2004-509722公报
专利文献2：日本特开2009-207727号公报
非专利文献1：“Prodigy for Bone Health，”[online]，GE healthcare公司，因特网<URL：http://www3.gehealthcare.com/en/Products/Categories/Bone_Health/DXA/Prodigy_for_Bone_Health#tabs/tab4EA97F28C16A4A7FBDAF86CC8F673F6B>
非专利文献2：“Raising the bar in skeletal health imaging，”[online]，HOLOGIC公司，因特网<URL：http://www.hologic.com/en/skeletal/osteoporosis-assessment/discovery/>
发明内容
发明要解决的问题
然而，在这些检测处理中，实际上存在以下问题：在椎体弯曲、旋转而偏移等情况下，需要与各种图案对应。此外，在椎体弯曲的情况中还包括椎体的位置(与椎体对应的像素)从图像中心平行移动地偏移的情况。
即使是能够进行理想的椎体图像的区域提取的算法，也不能在以下情况下准确地提取椎体的区域，该情况是指如上所述的椎体发生弯曲的情况、即使是正常的椎体也由于摄影位置偏移而以向旋转方向偏移的状态进行了拍摄的情况(发生了旋转偏移的情况)等。
本发明是鉴于这种情况而完成的，其目的在于提供一种能够准确地提取椎体的区域的图像处理方法。
用于解决问题的方案
本发明为了实现这种目的而采用如下结构。
即，本发明的进行图像处理的图像处理方法，其特征在于，包括以下工序：中心线提取工序，提取发生弯曲或旋转偏移并在颈椎和骨盆之间延伸的长边方向的椎体的中心线；几何学变换工序，基于在所述中心线提取工序中提取出的该中心线来通过几何学变换将椎体修正为直线状；椎体区域提取工序，提取在所述几何学变换工序中修正后的椎体的区域；以及逆变换工序，通过所述几何学变换工序中的所述几何学变换的逆变换，从在所述椎体区域提取工序中提取出的该椎体的区域获得修正前的原始图像中的椎体的区域。
根据本发明的图像处理方法，在中心线提取工序中提取发生弯曲或旋转偏移并在颈椎和骨盆之间延伸的长边方向的椎体的中心线。由于椎体发生弯曲或旋转偏移，因此提取出的椎体的中心线也发生弯曲或旋转偏移。因此，在几何学变换工序中，基于在中心线提取工序中提取出的该中心线来通过几何学变换将椎体修正为直线状。在椎体区域提取工序中提取在几何学变换工序中修正后的椎体的区域。这样，在几何学变换工序中修正后的椎体的区域成为直线状，因此即使在修正前的原始图像中的椎体自身的弯曲、摄影位置的偏移、旋转偏移之类的不利条件下，在椎体区域提取工序中使用的算法也为简单的算法。由此，通过几何学变换将椎体修正为直线状，由此能够以简单的方法在修正后的图像中准确地提取椎体的区域，能够通过几何学变换工序中的几何学变换的逆变换在修正前的原始图像中也准确地提取椎体的区域。因而，提取性能(检测性能)提高。另外，在区域提取工序中使用的算法为简单的算法，因此还发挥以下效果：用户以手动方式进行修正的修正频率减少，吞吐量提高，提取椎体的区域的算法的通用性也提高。
在上述发明的图像处理方法中，优选的是，还包括平滑化工序，在该平滑化工序中对所述原始图像进行平滑化，在中心线提取工序中，在平滑化工序中进行平滑化后的该图像中以行为单位搜索像素值的峰，通过排列具有该峰的像素来提取中心线。在原始图像中叠加有噪声成分，因此在平滑化工序中对原始图像进行平滑化，在中心线提取工序中，在平滑化工序中进行平滑化后的该图像中以行为单位搜索像素值的峰，通过排列具有该峰的像素来提取中心线，由此能够降低噪声的影响，从而易于提取中心线。当然，未必需要对原始图像进行平滑化，也可以从原始图像自身提取中心线。
在上述的这些发明的图像处理方法中，优选的是，还包括椎间提取工序，在该椎间提取工序中基于在中心线提取工序中提取出的中心线的法线方向的线来提取椎间，通过几何学变换工序中的几何学变换的逆变换来获得修正前的原始图像中的椎间。通过基于中心线的法线方向的线来提取椎间，能够在修正后的图像中准确地提取椎间，并且能够在修正前的原始图像中也准确地提取椎间。
更为优选的是，在上述的椎间提取工序中，基于在几何学变换工序中被修正为直线状的中心线的法线方向的线来提取椎间，通过几何学变换工序中的几何学变换的逆变换从在椎间提取工序中提取出的该椎间获得修正前的原始图像中的椎间。即，在几何学变换工序中，中心线也被修正为直线状，因此该被修正为直线状的中心线的法线方向的线在与在颈椎和骨盆之间延伸的长边方向正交的水平方向(短边方向)上延伸。这样，被修正为直线状的中心线的法线方向的线在水平方向上延伸，因此即使在修正前的原始图像中的椎体自身的弯曲、摄影位置的偏移、旋转偏移之类的不利条件下，在椎间提取工序中使用的算法也为简单的算法。由此，能够在基于被修正为直线状的中心线的法线方向的线提取椎间时以简单的算法准确地提取该椎间，能够通过几何学变换工序中的几何学变换的逆变换在修正前的原始图像中也准确地提取椎间。因而，与提取椎体的区域的情况同样地，在椎间的情况下，提取性能(检测性能)也提高。另外，在椎间提取工序中使用的算法为简单的算法，因此还发挥以下效果：用户以手动方式进行修正的修正频率减少，吞吐量提高，提取椎间的算法的通用性也提高。
发明的效果
根据本发明所涉及的图像处理方法，在中心线提取工序中提取发生弯曲或旋转偏移并在颈椎和骨盆之间延伸的长边方向的椎体的中心线，在几何学变换工序中，基于在中心线提取工序中提取出的该中心线来通过几何学变换将椎体修正为直线状，在椎体区域提取工序中提取在几何学变换工序中修正后的椎体的区域。这样，在几何学变换工序中修正后的椎体的区域成为直线状，因此即使在修正前的原始图像中的椎体自身的弯曲、摄影位置的偏移、旋转偏移之类的不利条件下，在椎体区域提取工序中使用的算法也为简单的算法。由此，通过几何学变换将椎体修正为直线状，由此能够以简单的算法在修正后的图像中准确地提取椎体的区域，能够通过几何学变换工序中的几何学变换的逆变换在修正前的原始图像中也准确地提取椎体的区域。
附图说明
图1是实施例所涉及的图像处理装置的框图。
图2是表示实施例所涉及的图像处理方法的流程的一系列的流程图。
图3是与图2的步骤S1的中心线检测(平滑化)有关的示意图。
图4是与图2的步骤S1的中心线检测(几何学变换中的基于中心候选点的多项式近似)有关的示意图。
图5是与图2的步骤S2的几何学变换(根据近似式变换为直线的几何学变换)有关的示意图。
图6是脊柱中的椎体和椎间的示意图。
具体实施方式
以下，参照附图来说明本发明的实施例。图1是实施例所涉及的图像处理装置的框图。在图1中，采用以下情况为例进行说明：使用由骨密度测定装置得到的拍入了脊柱的X射线衰减图像来进行图像处理。
图1所示的图像处理装置1由GPU(Graphics Processing Unit：图形处理单元)、中央运算处理装置(CPU)或者能够根据程序数据来变更内部所使用的硬件电路(例如逻辑电路)的可编程逻辑设备(例如FPGA(Field Programmable Gate Array：现场可编程门阵列))以及输入部等构成，该输入部由以鼠标、键盘、操纵杆、跟踪球、触摸面板等为代表的指示设备构成。
在本实施例中，如图1所示，图像处理装置1具备平滑化处理部11、中心线提取部12、几何学变换部13、椎体区域和椎间提取部14以及逆变换部15，并具备输出显示各图像的显示部16。在图1中，在显示部16中输出显示有由逆变换部15得到的拍入了椎体的区域、椎间的图像，但实际上，在显示部16中还输出显示有由平滑化处理部11、中心线提取部12、几何学变换部13、椎体区域和椎间提取部14得到的各图像。在图2之后详细叙述平滑化处理部11、中心线提取部12、几何学变换部13、椎体区域和椎间提取部14以及逆变换部15的具体的功能。
接着，一并参照上述图1以及图2～图5对平滑化处理部11、中心线提取部12、几何学变换部13、椎体区域和椎间提取部14以及逆变换部15的具体的功能进行说明。图2是表示实施例所涉及的图像处理方法的流程的一系列的流程图，图3是与图2的步骤S1的中心线检测(平滑化)有关的示意图，图4是与图2的步骤S1的中心线检测(几何学变换中的基于中心候选点的多项式近似)有关的示意图，图5是与图2的步骤S2的几何学变换(根据近似式变换为直线的几何学变换)有关的示意图。
此外，由于是椎体的图像，因此在椎体区域中像素值(亮度)变高而发白地拍入，在除此以外的背景区域中像素值(亮度)变低而发黑地拍入，但为了便于图示，在图3的(a)、图5的(a)以及图5的(b)中用阴影线示意性地表示为发生了黑白反转的图像。由此，像素值(亮度)低的背景区域用空白来图示，除此以外的像素值(亮度)比较低的区域用右上斜线的阴影线来图示，像素值(亮度)比较高的区域(例如后述的椎弓根、棘突起)用交叉射线的阴影线来图示。另外，在图3的(b)、图4中，在平滑化后的图像中也示意性地表示为发生了黑白反转的图像。在图3～图5中对骨盆省略图示。另外，在图3～图5中，将水平方向设为x方向(在此将右方向设为正方向)，将在颈椎和骨盆之间延伸的长边方向设为上下的y方向(将朝向骨盆的方向设为正方向)。
此外，在图3～图5中，将弯曲的椎体作为例子。另外，在图3的(a)、图5的(a)以及图5的(b)中用轮廓图示了椎体的区域、椎间，但实际上，希望留意的是只有在执行图2的步骤S3的椎体检测算法之后，椎体的区域、椎间才能作为轮廓而被提取出。
在用骨密度测定装置进行摄影的情况下，首先，如图1所示，在使被检体(患者)M躺在床B上并屈膝的状态下使具有两个不同的能量峰的X射线束朝向腰椎照射来获取X射线衰减图像。此外，也可以使用由X射线透视摄影装置获取到的拍入了脊柱的X射线图像。使用由骨密度测定装置获取到的X射线衰减图像或者由X射线透视摄影装置获取到的X射线图像来进行下述的图像处理。
(步骤S1)中心线检测
如图2的流程图所示，平滑化处理部11(参照图1)对X射线衰减图像或者X射线图像进行平滑化处理。平滑化处理如果是公知的处理则不特别地进行限定。图3的(a)的椎体图像是平滑化处理前的原始图像(X射线衰减图像或X射线图像)，图3的(b)的椎体图像是平滑化后的图像。
在椎体上部(椎体的颈椎侧)的左右呈现被称为“椎弓根”的区域。该椎弓根在椎体上部几乎一定会看到，且其像素值比周边的像素值高。在图3的(a)中设为椎弓根R。还包括图5的(a)、图5的(b)在内，在图3的(a)的图像中如上述那样发生黑白反转并用阴影线示意性地图示，因此发白地拍入实际的椎弓根R处的像素。
另外，在椎体中央呈现被称为“棘突起(spinous process)”的区域。与椎弓根R同样地，该棘突起的像素值也比周围的像素值高。在图3的(a)中设为棘突起SP。还包括图5的(a)、图5的(b)在内，在图3的(a)的图像中如上述那样发生黑白反转并用阴影线示意性地图示，因此发白地拍入实际的棘突起SP处的像素。
实际的椎弓根R、棘突起SP处的像素值高，因此通过平滑化处理而发白地拍入实际的椎体的中央部分。还包括图4在内，在图3的(b)的图像中，如上述那样发生黑白反转并示意性地图示，因此发黑地图示了平滑化后的图像中的椎体的中央部分。
接着，在平滑化后的图像中，中心线提取部12(参照图1)以行为单位(以像素行为单位)搜索像素值的峰，如图4的(a)所示那样标绘具有峰值的坐标(像素)(在图4中在标绘图中用“白圆”标注)。排列在各坐标处标绘出的像素(中心候选点)并进行多项式近似(包括一次在内的最大五次左右的多项式近似)，将在进行搜索的次数内误差最小的曲线设为中心线，由此提取该中心线。在图4的(b)中将提取出的中心线设为中心线CL。该步骤S1相当于本发明的平滑化工序和中心线提取工序。
(步骤S2)几何学变换
在步骤S1中提取出的中心线CL随着弯曲的椎体而如图4的(b)所示那样弯曲。因此，几何学变换部13(参照图1)基于该中心线CL来通过几何学变换将椎体修正为直线状。具体地说，如图5的(a)所示那样将中心线CL叠加于原始图像，如图5的(b)所示那样将中心线CL修正为直线状，与此同时也将椎体修正为直线状。
如图5的(c)所示那样将椎体图像的水平方向(x方向)的像素数设为XSIZE。例如，在想要向图像中央移动的情况下，以使在步骤S1中得到的中心线CL向x＝XSIZE/2的直线靠近的方式进行几何学变换。以行为单位分别运算中心线CL向x＝XSIZE/2的直线靠近的移动量，根据运算出的移动量使像素以行为单位分别移动，由此整个椎体也被修正为直线状。
此时，对于上下的y方向，也可以根据x方向的移动量来决定与y方向有关的移动量。根据与y方向有关的移动量使像素分别向上下移动，由此能够使从图5的(a)的水平方向倾斜的椎体的边界线如图5的(b)那样返回到水平方向。此外，基于被修正为直线状的中心线CL的法线方向如后述那样提取椎间，因此未必需要也决定与y方向有关的移动量。该步骤S2相当于本发明的几何学变换工序。
(步骤S3)椎体检测算法执行
椎体区域和椎间提取部14(参照图1)针对在步骤S2中修正后的图像执行椎体检测算法，将椎体(vertebral body)的区域作为轮廓(在图3的(a)、图5的(a)、图5的(b)中用附图标记VB标注)来提取，并且将椎间(intervertebral disk)作为轮廓(在图3的(a)、图5的(a)、图5的(b)中用附图标记ID标注)来提取。基于椎体检测算法的椎体的区域、椎间的提取处理如果是公知的处理，则不特别地进行限定。
为了提取在步骤S2中修正后的椎体的区域，例如在进行了二值化处理之后，例如基于使用形态学运算中的收缩处理(也被称为“侵蚀处理”)等进行细线化处理而得到的图像来提取椎体的区域的轮廓VB。此外，例如基于进行像Sobel(索贝尔)滤波器、Roberts(罗伯茨)滤波器、拉普拉斯滤波器那样的取像素值的差分的一次微分或者取像素值的差分的进一步的差分的二次微分等强调处理而得到的图像，来提取椎体的区域的轮廓VB。
另外，为了提取椎间，基于在步骤S1中提取并在步骤S2中被修正为直线状的中心线CL的法线方向的线来进行。例如与提取椎体的区域的情况同样地，基于进行二值化处理、细线化处理等强调处理而得到的图像、或者进行像Sobel(索贝尔)滤波器、Roberts(罗伯茨)滤波器、拉普拉斯滤波器那样的取像素值的差分的一次微分或者取像素值的差分的进一步的差分的二次微分等强调处理而得到的图像，来提取椎弓根R的区域。而且，将与被修正为直线状的中心线CL的法线方向的线平行且与椎弓根R的颈椎侧相接的线设为该椎弓根R所属的椎体的上边。
在像这样提取出椎体的上边的情况下，提取在该椎体中椎体的与颈椎侧相邻的下边的情况不被特别地限定。例如，按被修正为直线状的中心线CL的法线方向的每条线，将用左右的椎弓根R沿水平方向分割得到的各像素值的平均值的大小关系进行比较，由此提取椎体的下边。将由像这样提取出的椎体的上边和在该椎体中椎体的与颈椎侧相邻的下边围成的区域作为椎间来提取。将由椎体的上边和椎体的下边围成的边作为椎间的轮廓ID来提取。
如上所述，椎体检测算法使用公知的算法即可，为简单的算法。由此，椎体检测算法的通用性提高。该步骤S3相当于本发明的椎体区域提取工序和椎间提取工序。
(步骤S4)逆变换
逆变换部15(参照图1)通过步骤S2中的几何学变换的逆变换从在步骤S3中提取出的椎体的区域获得修正前的原始图像中的椎体的区域。另外，与获取修正前的原始图像中的椎体的区域的情况同样地，逆变换部15通过步骤S2中的几何学变换的逆变换(该步骤S4)从在步骤S3中提取出的椎间获得修正前的原始图像中的椎间。
具体地说，根据在步骤S2中求出的移动量使像素分别向与步骤S2相反的方向移动，由此使椎体的区域和椎间返回到原始图像的位置。通过这种逆变换得到的椎体的区域的轮廓VB和椎间的轮廓ID如图3的(a)所示那样。该步骤S4相当于本发明的逆变换工序。
根据本实施例所涉及的图像处理方法，在步骤S1的中心线检测中提取发生弯曲的在颈椎和骨盆之间延伸的长边方向的椎体的中心线CL。由于椎体发生弯曲，因此提取出的椎体的中心线CL也发生弯曲。因此，在步骤S2的几何学变换中，基于在步骤S1的中心线检测中提取出的该中心线CL来通过几何学变换将椎体修正为直线状。通过执行步骤S3的椎体检测算法来提取在步骤S2的几何学变换中修正后的椎体的区域。这样，在步骤S2的几何学变换中修正后的椎体的区域成为直线状，因此即使在修正前的原始图像中的椎体自身的弯曲、摄影位置的偏移、旋转偏移之类的不利条件下，在步骤S3中使用的算法(椎体检测算法)也为简单的算法。由此，通过几何学变换将椎体修正为直线状，由此能够以简单的算法在修正后的图像中准确地提取椎体的区域，能够通过步骤S2中的几何学变换的逆变换(步骤S4)在修正前的原始图像中也准确地提取椎体的区域。因而，提取性能(检测性能)提高。另外，由于在步骤S3中使用的算法(椎体检测算法)为简单的算法，因此还发挥以下效果：用户以手动方式进行修正的修正频率减少，吞吐量提高，提取椎体的区域的算法(椎体检测算法)的通用性也提高。
此外，在专利文献2：日本特开2009-207727号公报中提及了椎体的中心线(用“中心線”标注)是曲线的情况，但并未提到将该曲线修正为直线状。
在本实施例中，优选的是，在步骤S1的中心线检测(平滑化)中对原始图像进行平滑化，在步骤S1的中心线检测(几何学变换中的基于中心候选点的多项式近似)中，在步骤S1的中心线检测(平滑化)中进行平滑化后的该图像中以行为单位搜索像素值的峰，通过排列具有该峰的像素(中心候选点)来提取中心线CL。在原始图像中叠加有噪声成分，因此在步骤S1的中心线检测(平滑化)中对原始图像进行平滑化，在步骤S1的中心线检测(几何学变换中的基于中心候选点的多项式近似)中，在步骤S1的中心线检测(平滑化)中进行平滑化后的该图像中以行为单位搜索像素值的峰，通过排列具有该峰的像素来提取中心线CL，由此能够降低噪声的影响，从而易于提取中心线CL。
在本实施例中，优选的是，基于在步骤S1的中心线检测中提取出的中心线CL的法线方向的线，通过执行步骤S3的椎体检测算法来提取椎间，通过步骤S2中的几何学变换的逆变换(步骤S4)来获得修正前的原始图像中的椎间。基于中心线CL的法线方向的线来提取椎间，由此能够在修正后的图像中准确地提取椎间，并且能够在修正前的原始图像中也准确地提取椎间。
在本实施例中，更为优选的是，基于在步骤S2的几何学变换中被修正为直线状的中心线CL的法线方向的线，通过执行步骤S3的椎体检测算法来提取椎间，通过步骤S2中的几何学变换的逆变换(步骤S4)从通过执行步骤S3的椎体检测算法而提取出的该椎间获得修正前的原始图像中的椎间。即，在步骤S2的几何学变换中，中心线CL也被修正为直线状，因此该被修正为直线状的中心线CL的法线方向的线在与在颈椎和骨盆之间延伸的长边方向正交的水平方向(短边方向)上延伸。这样，被修正为直线状的中心线CL的法线方向的线在水平方向上延伸，因此即使在修正前的原始图像中的椎体自身的弯曲、摄影位置的偏移、旋转偏移之类的不利条件下，在步骤S3中使用的算法(椎体检测算法)也为简单的算法。由此，能够在基于被修正为直线状的中心线CL的法线方向的线提取椎间时以简单的算法准确地提取该椎间，能够通过步骤S2中的几何学变换的逆变换(步骤S4)在修正前的原始图像中也准确地提取椎间。因而，与提取椎体的区域的情况同样地，在椎间的情况下，提取性能(检测性能)也提高。另外，在步骤S3中使用的算法(椎体检测算法)为简单的算法，因此还发挥以下效果：用户以手动方式进行修正的修正频率减少，吞吐量提高，提取椎间的算法(椎体检测算法)的通用性也提高。
本发明并不限定于上述实施方式，能够如下述那样变形实施。
(1)在上述实施例中，椎体图像是腰椎图像，但也能够适用于腰椎以外的区域中的椎体、包括腰椎的区域。
(2)在上述实施例中，适用于弯曲的椎体，但也能够适用于发生了旋转偏移的椎体。在该情况下，通过运算由旋转偏移产生的旋转角度，使各个像素向与该旋转角度相反的方向进行旋转移动，由此将整个椎体也修正为与图像的y方向平行。当然，也能够适用于弯曲且发生了旋转偏移的椎体。
(3)在上述实施例中，对原始图像进行了平滑化，但在噪声的影响少的情况下未必需要对原始图像进行平滑化，也可以从原始图像自身提取中心线。
(4)在上述实施例中，基于提取出的中心线的法线方向的线来提取椎间，但未必需要提取椎间。另外，即使在提取椎间时也未必需要基于中心线的法线方向的线来进行，通过执行上述椎体检测算法，不使用中心线的法线方向的线就能够提取椎间。另外，也可以与有无修正无关地将水平方向(x方向)始终设为扫描的方向来提取椎间。但是，在准确地提取椎间的情况下，优选如上述实施例那样使用中心线的法线方向的线来提取椎间。
(5)在上述实施例中，基于被修正为直线状的中心线的法线方向的线来提取椎间，通过几何学变换的逆变换从提取出的该椎间得到修正前的原始图像中的椎间，但并不限定于该顺序。也可以在修正前先提取椎间，之后通过几何学变换将提取出的该椎间与中心线一起进行修正，之后通过几何学变换的逆变换重新获得修正前的原始图像中的椎间。但是，如上述实施例那样基于被修正为直线状的中心线的法线方向的线来提取椎间是能够以简单的算法准确地提取该椎间的，因此优选基于被修正为直线状的中心线的法线方向的线来提取椎间。
产业上的可利用性
如上所述，本发明适用于通过DXA法来测定椎体(例如腰椎)的骨密度的情况等。
附图标记说明
CL：中心线；VB：椎体的区域的轮廓；ID：椎间的轮廓。

Claims (4)

1.一种图像处理方法，用于进行图像处理，其特征在于，包括以下工序：
中心线提取工序，提取发生弯曲或旋转偏移并在颈椎和骨盆之间延伸的长边方向的椎体的中心线；
几何学变换工序，基于在所述中心线提取工序中提取出的该中心线来通过几何学变换将椎体修正为直线状；
椎体区域提取工序，提取在所述几何学变换工序中修正后的椎体的区域；以及
逆变换工序，通过所述几何学变换工序中的所述几何学变换的逆变换，从在所述椎体区域提取工序中提取出的该椎体的区域获得修正前的原始图像中的椎体的区域。
2.根据权利要求1所述的图像处理方法，其特征在于，
还包括平滑化工序，在该平滑化工序中对所述原始图像进行平滑化，
在所述中心线提取工序中，在所述平滑化工序中进行平滑化后的该图像中以行为单位搜索像素值的峰，通过排列具有该峰的像素来提取所述中心线。
3.根据权利要求1或2所述的图像处理方法，其特征在于，
还包括椎间提取工序，在该椎间提取工序中基于在所述中心线提取工序中提取出的所述中心线的法线方向的线来提取椎间，
通过所述几何学变换工序中的所述几何学变换的逆变换来获得修正前的所述原始图像中的椎间。
4.根据权利要求3所述的图像处理方法，其特征在于，
在所述椎间提取工序中，基于在所述几何学变换工序中被修正为直线状的所述中心线的法线方向的线来提取所述椎间，
通过所述几何学变换工序中的所述几何学变换的逆变换，从在所述椎间提取工序中提取出的该椎间获得修正前的所述原始图像中的椎间。
CN201480074841.5A 2014-02-03 2014-02-03 图像处理方法 Expired - Fee Related CN105960203B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/052461 WO2015114834A1 (ja) 2014-02-03 2014-02-03 画像処理方法

Publications (2)

Publication Number Publication Date
CN105960203A true CN105960203A (zh) 2016-09-21
CN105960203B CN105960203B (zh) 2019-03-12

Family

ID=53756442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480074841.5A Expired - Fee Related CN105960203B (zh) 2014-02-03 2014-02-03 图像处理方法

Country Status (3)

Country Link
JP (1) JP6152897B2 (zh)
CN (1) CN105960203B (zh)
WO (1) WO2015114834A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108888284A (zh) * 2018-05-18 2018-11-27 沈阳东软医疗系统有限公司 图像调整方法、装置及设备、存储介质
CN109223032A (zh) * 2017-07-11 2019-01-18 中慧医学成像有限公司 一种三维超声成像检测脊柱变形的方法
CN114693604A (zh) * 2022-03-07 2022-07-01 北京医准智能科技有限公司 脊椎医学影像处理方法、装置、设备及存储介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6698392B2 (ja) * 2016-03-22 2020-05-27 富士フイルム株式会社 画像処理装置、放射線画像撮影システム、画像処理方法、及び画像処理プログラム
CA3161947A1 (en) * 2019-12-04 2021-06-10 Data Integrity Advisors, Llc System and method for determining radiation parameters
JP7494678B2 (ja) * 2020-09-17 2024-06-04 株式会社島津製作所 医用画像処理装置、医用画像処理方法、および、学習モデルの学習方法
JP2023154994A (ja) * 2022-04-08 2023-10-20 キヤノン株式会社 画像処理装置、画像処理装置の作動方法、およびプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002150303A (ja) * 2000-08-14 2002-05-24 Siemens Corporate Res Inc デジタルラジオグラフィにおける脊椎軸及び脊椎境界の自動検出
US20020136437A1 (en) * 2000-01-27 2002-09-26 Olivier Gerard Method and system for extracting spine geometrical data
JP2009201872A (ja) * 2008-02-29 2009-09-10 Fujifilm Corp 胸部画像回転装置および方法並びにプログラム
WO2012061452A1 (en) * 2010-11-02 2012-05-10 Siemens Medical Solutions Usa, Inc. Automatic image-based calculation of a geometric feature

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4940340B2 (ja) * 2009-11-27 2012-05-30 富士フイルム株式会社 椎骨セグメンテーション装置、方法及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020136437A1 (en) * 2000-01-27 2002-09-26 Olivier Gerard Method and system for extracting spine geometrical data
JP2002150303A (ja) * 2000-08-14 2002-05-24 Siemens Corporate Res Inc デジタルラジオグラフィにおける脊椎軸及び脊椎境界の自動検出
JP2009201872A (ja) * 2008-02-29 2009-09-10 Fujifilm Corp 胸部画像回転装置および方法並びにプログラム
WO2012061452A1 (en) * 2010-11-02 2012-05-10 Siemens Medical Solutions Usa, Inc. Automatic image-based calculation of a geometric feature

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109223032A (zh) * 2017-07-11 2019-01-18 中慧医学成像有限公司 一种三维超声成像检测脊柱变形的方法
CN109223032B (zh) * 2017-07-11 2022-02-08 中慧医学成像有限公司 一种三维超声成像检测脊柱变形的方法
CN108888284A (zh) * 2018-05-18 2018-11-27 沈阳东软医疗系统有限公司 图像调整方法、装置及设备、存储介质
CN114693604A (zh) * 2022-03-07 2022-07-01 北京医准智能科技有限公司 脊椎医学影像处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
JPWO2015114834A1 (ja) 2017-03-23
WO2015114834A1 (ja) 2015-08-06
CN105960203B (zh) 2019-03-12
JP6152897B2 (ja) 2017-06-28

Similar Documents

Publication Publication Date Title
CN105960203A (zh) 图像处理方法
WO2017141958A1 (ja) 脊柱配列推定装置、脊柱配列推定方法及び脊柱配列推定プログラム
US9940735B2 (en) System and method for generating a CT slice image
JP5486197B2 (ja) 椎骨中心検出装置および方法並びにプログラム
Zhang et al. 3-D reconstruction of the spine from biplanar radiographs based on contour matching using the hough transform
JP2019520954A (ja) 脊柱の弯曲角度を測定する方法及びデバイス
JP2004105739A (ja) コンピュータ支援骨密度測定装置
JP7016944B2 (ja) ３次元超音波画像の表示方法
CN107072607B (zh) 图像处理装置
JP6492553B2 (ja) 画像処理装置及びプログラム
Anitha et al. Automatic extraction of vertebral endplates from scoliotic radiographs using customized filter
EP2995255B1 (en) Image processing device
US9922418B2 (en) Image processing device
Giannoglou et al. Review of advances in Cobb angle calculation and image-based modelling techniques for spinal deformities
Fitzgerald et al. Three-dimensional radiographic analysis of two distinct Lenke 1A curve patterns
Moura et al. Real-scale 3D models of the scoliotic spine from biplanar radiography without calibration objects
Wojciechowski et al. Automated measurement of parameters related to the deformities of lower limbs based on x-rays images
CN106999133B (zh) 医疗用x射线测量装置
KR102204515B1 (ko) 가변영상단면 투영법을 이용한 엑스선 영상화 방법 및 이를 적용한 엑스선 영상화 장치
WO2018198206A1 (ja) Ｘ線撮像装置
JP6482457B2 (ja) 骨代謝解析支援プログラム及び方法
Luković et al. Optical methods for the estimation and 2D classification of idiopathic scoliosis
Cervinka et al. A new algorithm to improve assessment of cortical bone geometry in pQCT
Zheng et al. Automated detection and segmentation of cylindrical fragments from calibrated C-arm images for long bone fracture reduction
Brehler Intra-operative visualization and assessment of articular surfaces in C-arm computed tomography images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190312