CN106683085A - Ct图像脊椎和硬脊膜自动化检测方法 - Google Patents

Ct图像脊椎和硬脊膜自动化检测方法 Download PDF

Info

Publication number
CN106683085A
CN106683085A CN201611207918.9A CN201611207918A CN106683085A CN 106683085 A CN106683085 A CN 106683085A CN 201611207918 A CN201611207918 A CN 201611207918A CN 106683085 A CN106683085 A CN 106683085A
Authority
CN
China
Prior art keywords
image
images
vertebra
region
window
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.)
Pending
Application number
CN201611207918.9A
Other languages
English (en)
Inventor
于金辉
吴凯琳
张秉炜
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201611207918.9A priority Critical patent/CN106683085A/zh
Publication of CN106683085A publication Critical patent/CN106683085A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开的CT图像脊椎和硬脊膜自动化检测方法。利用输入的一系列脊椎横断面扫描CT图像自动进行检测，过滤多余信息，提取骨骼所在部分，自动检测出每张图片中脊椎和硬脊膜所在的位置。用该方法方便快捷，不需要额外操作，可以避免传统的手工判断所需的繁复枯燥的处理过程。本方法对于一系列输入，每次进行检测时，使用上次检测结果作为初始结果，在初试结果附近进行查找，减少了查找范围，大大提高了效率。

Description

CT图像脊椎和硬脊膜自动化检测方法
技术领域
本发明涉及医学影像图片处理技术领域，尤其涉及医学影像的脊椎和硬脊膜检测及其辅助诊断，具体是一种CT图像脊椎和硬脊膜自动化检测方法。
背景技术
随着医学技术的迅速发展，CT影像技术也越来越多的运用到各个领域，关于脊椎的医疗诊断也已广泛的使用了CT影像技术。脊椎的检测通常在诊断椎间盘病变，脊柱骨病，脊柱损伤等疾病时进行。由于需要使用CT辅助诊断脊椎的患者众多，每位患者也有多个需要诊断的CT图像，如何在数量众多的CT图像中快速、准确地判断出脊椎及脊椎相关部分已成为亟待解决的问题。
传统的根据脊椎横断面CT图像进行的脊椎位置的判断通常使用人工方法进行，费时费力，使得医生的工作量加大。
随着计算机的使用，处理脊椎CT图像成为一种趋势。对于一系列的CT图像的处理是一个非常枯燥的重复操作，通过计算机的辅助处理可以使繁复机械化的操作变得简单快捷。
发明内容
本发明的目的是提供一种对一系列CT图像中的脊椎和硬脊膜部分进行检测的方法，通过该方法，用户只需要输入一系列的CT图像，便可以自动对每张CT图像进行检测，快速自动地判断出每张图片中脊椎和硬脊膜所在的位置。
为了实现上述目的，本发明的技术解决方案是，通过对输入的图像序列进行处理，去掉多余信息，提取骨骼部分，设置查找窗口查找符合条件的区域，可以达到自动判断图片中脊椎和硬脊膜所在的位置的目的；通过将上一次查找结果作为本次查找的初始区域，在初始区域附近查找符合条件的区域，可以达到快速查找到一系列CT图像中所有脊椎和硬脊膜所在的位置的目的。
本发明的CT图像脊椎和硬脊膜自动化检测方法，具体包括以下步骤：
1)用户输入脊椎从上至下一系列的横断面的CT图像；
2)对图像进行预处理，去掉CT图像中的文字信息，并转为灰度图；
3)对图像进行处理，增加骨骼和其他部分的区分度；
4)提取骨骼区域，求每个区域的质心和面积；
5)对第一张CT图像，在CT图像下半部分寻找面积最大的骨骼区域，记录为对下一张CT图像进行查找的初始区域；对其他CT图像，在初始区域附近进行查找，寻找各图像中面积最大的骨骼区域，即获得所有图像中脊椎所在区域；
6)对每一张CT图像，在其脊椎所在区域中，找到灰度最小的一块区域，则为硬脊膜所在区域，此区域中最暗的部分为硬脊膜。
上述技术方案中，所述的对图像进行处理，增加骨骼和其他部分的区分度，包括如下步骤：
1)对预处理后的图片进行中值模糊操作；
2)根据经验取阈值，保留灰度大于阈值的部分，去除多余的信息；
3)对图像进行均值处理，计算输入图像的直方图，直方图归一化，计算直方图积分，进行直方图均衡化；
4)对进行均值处理后的图像再做一次中值模糊；
5)做形态学上的开操作，首先对图像进行一个腐蚀操作，再接着做一个膨胀操作；
6)加强图像的对比度。
所述的提取骨骼区域，具体包括如下步骤：
1)根据经验设定灰度阈值，保留图像中灰度大于该值的部分，去除其余非骨骼部分；
2)使用边缘检测算法提取骨骼部分的边缘，对提取出的边缘进行填充，得到多个骨骼区域，求每个骨骼区域的质心和大小。
所述的步骤5)中在第一张CT图中查找面积最大的骨骼区域的方法，具体为：
在图像中央设定一个查找窗口，不断移动该窗口，计算该窗口内包含的所有骨骼区域的面积，找出包含骨骼区域的面积总和最大的窗口，设为第一窗口，在该窗口内面积最大的那块骨骼区域即为脊椎。
所述的查找灰度最小的一块区域，具体是在第一窗口内进行查找。
本发明的有益效果在于：
1.可以根据输入的CT图像自动进行检测，自动过滤多余信息，提取骨骼所在部分，自动检测出每张图片中脊椎和硬脊膜所在的位置。与传统的手工判断相比，可以大大提高判断的效率。
2.本方法简便异性，操作快捷，用户只需要输入CT图像，不需要做更多的操作，不需要对使用者进行培训，就能方便快捷的使用。
3.该方法对于一系列输入，每次进行检测时，使用上次检测结果作为初始结果，在初试结果附近进行查找，减少了查找范围，大大提高了效率。
附图说明
图1是本发明的CT图像脊椎和硬脊膜自动化检测流程图；
图2是增加骨骼与其他部分区分度处理的流程图；
图3是提取骨骼部分的流程图；
图4是脊椎横断面CT图像示例图。
具体实施方式
以下结合附图进一步说明本发明。
本发明的CT图像脊椎和硬脊膜自动化检测流程如图1所示，该流程依次有如下步骤：
1)用户输入输入脊椎横断面从上至下的一系列的CT图像A；
2)对于第i次处理，取出第i张图像Ai，图像Ai进行预处理，去掉CT图像中的文字信息(如图4中a区域)，得到去掉文字信息的图像Bi；
3)对图像Bi进行处理，增加骨骼和其他部分的区分度，得到图像Ci；
4)提取骨骼区域，求每个区域的质心和大小，得到图像Di；
5)过滤掉检测时的板子部分(如图4中b区域)。通过对步骤4中求得的骨骼区域的边缘进行协方差的计算，去掉协方差比较小的部分，即可过滤掉检测时的板子部分，得到过滤后的图像Ei；
7)对第一张对于过滤后的图像Ei，在CT图像下半部分寻找面积最大的骨骼区域，记录为下一次查找的初始区域；对其他过滤后的图像，在初始区域附近一次进行查找，获得所有图像中脊椎所在区域；
6)对每一张CT图像，在其脊椎所在区域中，找到灰度最小的一块区域，则为硬脊膜所在区域，此区域中最暗的部分为硬脊膜。
本发明中，所述的对图像进行预处理，包括如下步骤：
1)去掉CT图像中原有的文字信息部分，留下需要处理的部分，即对于图像中每一个像素点P，处理前的值为(r,g,b)，那么处理后P的值可由以下方程确定：
2)将处理后的图片转换成灰度图，得到去掉文字信息的图像Bi；
本发明中，所述的对图像进行处理，增加骨骼和其他部分的区分度，包括如下步骤：
1)对去掉文字信息的图像Bi进行中值模糊操作，使得图像变得平滑，得到平滑后的图像Bi1；
2)根据经验取阈值，如取阈值160，留下灰度大于160的部分，去掉多余的信息，即对于图像Bi1中每一个像素点X，处理前的值为x，那么处理后X的值可由以下方程确定：
对图像Bi1中的每个像素点进行处理，得到去掉多余信息的图像Bi2；
3)对图像Bi2进行均值处理，计算输入图像的直方图，直方图归一化，计算直方图积分，进行直方图均衡化，得到均值处理后的图像Bi3；
4)对进行均值处理后的图像Bi3再做一次中值模糊，得到中值模糊后的图像Bi4；
5)中值模糊后的图像Bi4做形态学上的开操作，首先对图像进行一个腐蚀操作，再接着做一个膨胀操作，消除细小的物体，得到开操作后的图像Bi5；
6)加强图像的对比度，首先，对图像中的像素进行从[0,255]到[0,1]的映射，对映射后的像素做平方处理，然后再对平方后的像素进行从[0,1]到[0,255]的映射，使得数值小的像素处理后数值更小，数值大的像素处理后更大，增加不同数值的像素间的区分度，即对于图像Bi4中每一个像素点X，处理前的值为x，那么处理后x的值可由以下方程确定：
7)最终得到增加骨骼和其他部分的区分度的图像Ci
本发明中，所述的提取骨骼部分，包括如下步骤：
1)根据经验取阈值，如取阈值180，留下灰度大于180的部分，去除灰度小于180的部分，，即对于图像Ci中每一个像素点X，处理前的值为x，那么处理后X的值可由以下方程确定：
2)使用边缘检测算法提取骨骼部分的边缘，对提取出的边缘进行填充，得到多个骨骼区域，求每个骨骼区域的质心和大小。
本发明中，所述的查找面积最大的区域，包括如下步骤：
1)如果是第一次查找，则设初始区域为空，否则，则将上一次查找得到的脊椎区域作为初始查找区域；
2)如果初始查找区域为空，则转3)；否则，转4)；
3)在图像中央设定一个80*80的窗口，在这个图像下半部分区域进行查找，不断移动该窗口，计算该窗口内灰度值大于125的像素点的总数，得到该窗口内骨骼区域的面积，直到找到含有的骨骼区域的面积最大的窗口，在该窗口内面积最大的那块骨骼区域即为脊椎；
4)在初始区域附近且在图像下半部分区域进行查找，不断移动该窗口，计算该窗口内灰度值大于125的像素点的总数，得到该窗口内骨骼区域的面积，直到找到含有的骨骼区域的面积最大的窗口，在该窗口内面积最大的那块骨骼区域即为脊椎；
本发明中，所述的查找灰度最小的一块区域，包括如下步骤：
1)在第一窗口中央设定一个40*40的窗口；
2)在第一窗口内进行查找，不断移动该窗口，计算该窗口内灰度值，得到该窗口内较暗的区域，直到找到脊椎所在区域中灰度值最小的一块区域，此时该窗口所在区域则为脊椎所在区域。

Claims (5)

1.CT图像脊椎和硬脊膜自动化检测方法，其特征在于，包括以下步骤：
1)用户输入脊椎从上至下一系列的横断面CT图像；
2)对图像进行预处理，去掉CT图像中的文字信息，并转为灰度图；
3)对图像进行处理，增加骨骼和其他部分的区分度；
4)提取骨骼区域，求每个区域的质心和面积；
5)对第一张CT图像，在CT图像下半部分寻找面积最大的骨骼区域，记录为对下一张CT图像进行查找的初始区域；对其他CT图像，在初始区域附近进行查找，寻找各图像中面积最大的骨骼区域，即获得所有图像中脊椎所在区域；
6)对每一张CT图像，在其脊椎所在区域中，找到灰度最小的一块区域，则为硬脊膜所在区域，此区域中最暗的部分为硬脊膜。
2.按照权利要求1所述的CT图像脊椎和硬脊膜自动化检测方法，其特征在于，所述的对图像进行处理，增加骨骼和其他部分的区分度，包括如下步骤：
1)对预处理后的图片进行中值模糊操作；
2)根据经验取阈值，保留灰度大于阈值的部分，去除多余的信息；
3)对图像进行均值处理，计算输入图像的直方图，直方图归一化，计算直方图积分，进行直方图均衡化；
4)对进行均值处理后的图像再做一次中值模糊；
5)做形态学上的开操作，首先对图像进行一个腐蚀操作，再接着做一个膨胀操作；
6)加强图像的对比度。
3.按照权利要求1所述的CT图像脊椎和硬脊膜自动化检测方法，其特征在于，所述的提取骨骼区域，具体包括如下步骤：
1)根据经验设定灰度阈值，保留图像中灰度大于该值的部分，去除其余非骨骼部分；
2)使用边缘检测算法提取骨骼部分的边缘，对提取出的边缘进行填充，得到多个骨骼区域，求每个骨骼区域的质心和大小。
4.按照权利要求1所述的CT图像脊椎和硬脊膜自动化检测方法，其特征在于，所述的步骤5)中在第一张CT图中查找面积最大的骨骼区域的方法，具体为：
在图像中央设定一个查找窗口，不断移动该窗口，计算该窗口内包含的所有骨骼区域的面积，找出包含骨骼区域的面积总和最大的窗口，设为第一窗口，在该窗口内面积最大的那块骨骼区域即为脊椎。
5.按照权利要求1所述的CT图像脊椎和硬脊膜自动化检测方法，其特征在于，所述的查找灰度最小的一块区域，具体是在第一窗口内进行查找。
CN201611207918.9A 2016-12-23 2016-12-23 Ct图像脊椎和硬脊膜自动化检测方法 Pending CN106683085A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611207918.9A CN106683085A (zh) 2016-12-23 2016-12-23 Ct图像脊椎和硬脊膜自动化检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611207918.9A CN106683085A (zh) 2016-12-23 2016-12-23 Ct图像脊椎和硬脊膜自动化检测方法

Publications (1)

Publication Number Publication Date
CN106683085A true CN106683085A (zh) 2017-05-17

Family

ID=58871506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611207918.9A Pending CN106683085A (zh) 2016-12-23 2016-12-23 Ct图像脊椎和硬脊膜自动化检测方法

Country Status (1)

Country Link
CN (1) CN106683085A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220646A (zh) * 2017-05-25 2017-09-29 杭州健培科技有限公司 一种去背景干扰的医学图像文字识别增强方法
CN107862699A (zh) * 2017-09-22 2018-03-30 中国科学院深圳先进技术研究院 骨骼ct图像的骨骼边缘提取方法、装置、设备及存储介质
CN109035326A (zh) * 2018-06-19 2018-12-18 北京理工大学 基于亚像素图像识别的高精度定位技术
CN110634124A (zh) * 2018-06-22 2019-12-31 合肥欣奕华智能机器有限公司 一种区域检测的方法及设备
WO2023121810A1 (en) * 2021-12-22 2023-06-29 Orthofix Us Llc Image-based implant length determination and associated systems, devices, and methods

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537939A (zh) * 2014-12-31 2015-04-22 佛山市中医院 一种椎弓根螺钉植入的虚拟方法及装置
CN104899926A (zh) * 2015-07-06 2015-09-09 上海联影医疗科技有限公司 医学图像分割方法和装置
CN105405129A (zh) * 2015-10-31 2016-03-16 上海联影医疗科技有限公司 医学图像的重建方法及其装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537939A (zh) * 2014-12-31 2015-04-22 佛山市中医院 一种椎弓根螺钉植入的虚拟方法及装置
CN104899926A (zh) * 2015-07-06 2015-09-09 上海联影医疗科技有限公司 医学图像分割方法和装置
CN105405129A (zh) * 2015-10-31 2016-03-16 上海联影医疗科技有限公司 医学图像的重建方法及其装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚沛延: "基于CT图像的脊椎骨组织分割", 《计算机工程及应用》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220646A (zh) * 2017-05-25 2017-09-29 杭州健培科技有限公司 一种去背景干扰的医学图像文字识别增强方法
CN107220646B (zh) * 2017-05-25 2020-04-14 杭州健培科技有限公司 一种去背景干扰的医学图像文字识别增强方法
CN107862699A (zh) * 2017-09-22 2018-03-30 中国科学院深圳先进技术研究院 骨骼ct图像的骨骼边缘提取方法、装置、设备及存储介质
CN109035326A (zh) * 2018-06-19 2018-12-18 北京理工大学 基于亚像素图像识别的高精度定位技术
CN110634124A (zh) * 2018-06-22 2019-12-31 合肥欣奕华智能机器有限公司 一种区域检测的方法及设备
WO2023121810A1 (en) * 2021-12-22 2023-06-29 Orthofix Us Llc Image-based implant length determination and associated systems, devices, and methods

Similar Documents

Publication Publication Date Title
CN106683085A (zh) Ct图像脊椎和硬脊膜自动化检测方法
CN109472781B (zh) 一种基于串行结构分割的糖尿病视网膜病变检测系统
Sopharak et al. Simple hybrid method for fine microaneurysm detection from non-dilated diabetic retinopathy retinal images
CN100382108C (zh) 脸图像候选区域检索方法、检索系统
CN111368643B (zh) 一种大肠杆菌动态生长监测方法
CN107506770A (zh) 糖尿病视网膜病变眼底照相标准图像生成方法
US9501823B2 (en) Methods and systems for characterizing angle closure glaucoma for risk assessment or screening
CN106548176B (zh) 基于自适应引导滤波的指静脉图像增强方法
CN107368792A (zh) 一种基于滤波器以及主干边缘的指静脉识别方法及系统
CN112184617A (zh) 一种基于深度学习的脊椎mri影像关键点检测方法
CN102982542A (zh) 一种基于相位一致性的眼底图像血管分割方法
de Souza Jr et al. Automatic frontal sinus recognition in computed tomography images for person identification
CN111126162A (zh) 一种识别图像中炎症细胞的方法、装置及存储介质
CN110909631A (zh) 一种手指静脉图像roi提取和增强方法
CN113237881A (zh) 一种特定细胞的检测方法、装置和病理切片检测系统
Sachdeva et al. Automatic segmentation and area calculation of optic disc in ophthalmic images
CN107122710B (zh) 一种基于散射卷积网络的手指静脉特征提取方法
CN110543802A (zh) 眼底图像中左右眼识别方法与装置
Iwahori et al. Automatic polyp detection from endoscope image using likelihood map based on edge information
Aggarwal et al. Automatic localization and contour detection of Optic disc
CN113269756A (zh) 基于多尺度匹配滤波与粒子群优化视网膜血管分割方法、装置
CN107358224B (zh) 一种白内障手术中虹膜外轮廓检测的方法
Oliveira et al. Automatic detection of microaneurysm based on the slant stacking
Abdel-Latif et al. Achieving Information Security by multi-Modal Iris-Retina Biometric Approach Using Improved Mask R-CNN
Patil et al. Glaucoma Detection using Convolutional Neural Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170517

RJ01 Rejection of invention patent application after publication