CN106780520B - 一种mri腰椎图像中椎骨的自动提取方法 - Google Patents

一种mri腰椎图像中椎骨的自动提取方法 Download PDF

Info

Publication number
CN106780520B
CN106780520B CN201510791762.2A CN201510791762A CN106780520B CN 106780520 B CN106780520 B CN 106780520B CN 201510791762 A CN201510791762 A CN 201510791762A CN 106780520 B CN106780520 B CN 106780520B
Authority
CN
China
Prior art keywords
image
vertebra
value
lumbar
mri
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.)
Active
Application number
CN201510791762.2A
Other languages
English (en)
Other versions
CN106780520A (zh
Inventor
周兴祥
于全文
汤光宇
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201510791762.2A priority Critical patent/CN106780520B/zh
Publication of CN106780520A publication Critical patent/CN106780520A/zh
Application granted granted Critical
Publication of CN106780520B publication Critical patent/CN106780520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • 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

  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Abstract

发明了一种MRI腰椎图像中椎骨的自动提取方法。本发明涉及医学影像处理技术领域，具体涉及一种MRI(magnetic resonance imaging)腰椎图像中椎骨的自动提取方法。随着医学影像技术的进步，目前MRI已经变为腰椎疾病诊断一个重要手段。传统对于用鼠标定位一位病人1块腰椎椎骨要花费大于10分钟，直接影响了医生诊断工作效率。本发明解决了MRI腰椎图像中椎骨的自动识别提取问题。使用MRI腰椎的T2图像，自动提取椎骨并自动计算出椎骨的面积、宽度、高度和平均灰度，实现了对腰椎疾病的快速定量化诊断，提高了医生对腰椎疾病诊断的效率。

Description

一种MRI腰椎图像中椎骨的自动提取方法
技术领域
本发明涉及医学影像处理技术领域，具体涉及一种MRI(magnetic resonanceimaging)腰椎图像中椎骨的自动提取方法。
背景技术
随着医学影像技术的进步，目前MRI已经变为腰椎疾病诊断一个重要手段。为了实现腰椎椎骨滑动，椎体骨折等病症的定量化诊断，需要将各个椎体准确地从诊断图像中分割和识别出来。然而，仅仅依靠人工的方法完成这项工作也是远远不够的。传统的对椎骨骨折的评估是手动的对每块椎骨标注6个点(四个角和上下边沿的中点)，然后测量前面、中间、后面的椎骨的高度。但是这个过程是相当的耗时。对于用鼠标定位一位病人1块椎骨要花费大于10分钟，对于整个腰椎的定位的耗时将让人很难接受，直接影响了医生诊断工作效率。
发明内容
本发明中，提出了一种MRI腰椎矢状断面图像中椎骨自动分割和识别的方法。该方法解决了MRI腰椎图像中椎骨的自动识别提取问题，提高了医生的诊断工作效率。
为了实现上述目的，本发明的技术方案是：MRI腰椎矢状断面图像中椎骨自动分割和识别的方法，包括步骤：
A1、打开一个患者腰椎检查的全部T2(T2 weighted image)矢状断面的DICOM图像，读取全部的DICOM文件头信息和图像数据到内存，根据DICOM文件头中断层位置信息，自动对图像进行排序后，根据DICOM图像中的窗宽和窗中心数值或是像素最大最小值数值，正规化图像灰度值到0-255的范围内。
A2、根据设定的高斯滤波参数对图像进行滤波，然后设定CANNY算子的高阈值和低阈值，对内存中正规化的灰度图像使用CANNY边界抽出算子进行边界检测处理，得到2值边缘图像。
A3、对2值边缘图像进行标签化处理以后，根据椎骨的形状和灰度特征信息，判断出椎骨所在区域，识别出图像中包含的椎骨的位置和个数，并自动计算出一个图像中每块椎骨的面积、宽度、高度和平均灰度。
所述的MRI腰椎矢状断面图像中椎骨自动分割和识别的方法，其中所述步骤A1包括步骤：
根据内存中DICOM文件头信息中的断层位置信息标签Tag(0020，1041)值，自动对图像根据断层位置进行排序后，再根据DICOM文件头信息中的窗宽Tag(0028，1051)和窗中心Tag(0028，1050)数值，正规化图像灰度到0-255的范围内，如果DICOM文件头信息中的窗宽和窗中心信息不存在，则使用图像中像素的最大值和最小值信息，正规化图像灰度到0-255的范围内。
所述的MRI腰椎矢状断面图像中椎骨自动分割和识别的方法，其中所述步骤A2包括步骤：
采用高斯图像模糊滤波器对步骤A1所得的灰度图像进行平滑处理，过滤掉图像噪声。然后设定CANNY算子的高阈值和低阈值，使用CANNY算子得到边缘线的2值图像并保存到内存中。
所述的MRI腰椎矢状断面图像中椎骨自动分割和识别的方法，其中所述步骤A3包括步骤：
对保存在内存中的步骤A2得到的边缘线的2值图像进行标签化处理，得到各个边缘区域的标签图像。然后根据椎骨的面积的最小值和最大值范围，椎骨四角形特征和T2图像中椎骨领域
灰度高的特点，从标签化图像中搜索到全部的椎骨区域；对得到的各个椎骨区域分别计算其面积、宽度、高度和平均灰度并保存到文件中。
本发明的有益效果为：一种MRI腰椎图像中椎骨的自动提取方法，使用MRI腰椎的T2图像，自动提取椎骨并自动计算出椎骨的面积、宽度、高度和平均灰度，实现了对腰椎疾病的快速定量化诊断，提高了医生对腰椎疾病论断的效率。
附图说明
图1是本发明实施例的工作流程图。
具体实施方式
下面根据附图和具体实施例对本发明做进一步详细说明。
如图1所示，本发明一种MRI腰椎图像中椎骨的自动提取方法包括如下步骤：
100：读取指定文件夹中患者腰椎MRI检查的T2DICOM影像的文件到内存并正规化图像灰度值到0-255的范围内；
200：对灰度图像进行高斯滤波并使用CANNY算子得到边缘2值图像；
300：对2值图像进行标签化并根据椎骨的形状和灰度特征得到椎骨的位置和个数并计算椎骨特征量；
从MRI诊断装置得到的患者腰椎检查的DICOM图像在指定的文件夹中保存。
在100中，选择一个患者的腰椎检查的全部的T2图像文件后逐个打开读取DICOM文件头信息和图像数据到内存中，根据DICOM图像规则，从DICOM文件头信息查找断层位置信息标签Tag(0020，1041)值，根据这个数值对各个断层的图像进行自动排序；根据DICOM文件头信息中的窗宽Tag(0028，1051)和窗中心Tag(0028，1050)数值，正规化图像灰度到0-255的范围内，如果DICOM文件头信息中的窗宽和窗中心信息不存在，则使用图像中像素的最大值和最小值信息，正规化图像灰度到0-255的范围内。
在200中，使用高斯滤波器对内存中图像进行滤波，消除图像的噪声，我们在这里设定高斯滤波器的参数是3.0。对滤波后的图像根据设定的CANNY算子的低阈值和高阈值得到边缘的2值图像，使用CANNY算子得到边缘2值图像，在这里设定低阈值和高阈值分别是0.8和2.0。
在300中，对2值边缘图像进行标签化处理并得到各个区域的标签图像后，根据椎骨的面积的最小值和最大值范围，椎骨四角形特征和T2图像中椎骨领域灰度高的特点，从标签化图像中搜索到图像中全部的椎骨区域；这里设定椎骨的最小和最大面积阈值分别是1200像素和1800像素，椎骨的四角形相似度阈值是0.70，T2图像中椎骨领域的最小平均灰度阈值是190。根据得到的各个椎骨的区域，自动计算出椎骨的面积、宽度、高度和平均灰度并保存到文件中，供医生诊断使用。
以上是本发明的实施实例，凡是以本发明技术方案做所的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的范围。

Claims (2)

1.一种MRI腰椎图像中椎骨的自动提取方法，其特征在于，包括以下步骤：
A1、打开一个患者腰椎检查的全部T2(T2weighted image)矢状断面的DICOM图像，读取全部的DICOM文件头信息和图像数据到内存，根据DICOM文件头中断层位置信息，自动对图像进行排序后，根据DICOM文件头信息中的窗宽和窗中心数值或是DICOM图像中的像素最大最小值数值，正规化图像灰度值到0-255的范围内；
所述步骤A1中，①从DICOM文件头信息中查找断层位置信息标签Tag(0020，1041)值，根据这个数值对各个断层的图像进行自动排序；②根据DICOM文件头信息中的窗宽Tag(0028，1051)和窗中心Tag(0028，1050)数值，正规化图像灰度到0-255的范围内，如果DICOM文件头信息中的窗宽和窗中心信息不存在，则使用图像中像素的最大值和最小值信息，正规化图像灰度到0-255的范围内；
A2、根据设定的高斯滤波参数对图像进行滤波，然后设定CANNY算子的高阈值和低阈值，对内存中正规化的灰度图像使用CANNY边界抽出算子进行边界检测处理，得到2值边缘图像；
A3、对2值边缘图像进行标签化处理以后，根据椎骨的形状和灰度特征信息，判断出椎骨所在区域，识别出图像中包含的椎骨的位置和个数，并自动计算出一个图像中每块椎骨的面积，宽度，高度和平均灰度；
所述步骤A3中包括，对保存在内存中的步骤A2得到的边缘线的2值图像进行标签化处理，得到各个边缘区域的标签图像；然后根据椎骨的面积的最小值和最大值范围，椎骨四角形特征和T2图像中椎骨区域灰度高的特点，从标签图像中搜索到全部的椎骨区域；对得到的各个椎骨区域分别计算其面积、宽度、高度和平均灰度并保存到文件中。
2.根据权利要求1所述的一种MRI腰椎图像中椎骨的自动提取方法，其特征在于，所述步骤A2中包括，采用高斯图像模糊滤波器对步骤A1所得的灰度图像进行平滑处理，过滤掉图像噪声；然后设定CANNY算子的高阈值和低阈值，使用CANNY算子得到边缘线的2值图像并保存到内存中。
CN201510791762.2A 2015-11-18 2015-11-18 一种mri腰椎图像中椎骨的自动提取方法 Active CN106780520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510791762.2A CN106780520B (zh) 2015-11-18 2015-11-18 一种mri腰椎图像中椎骨的自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510791762.2A CN106780520B (zh) 2015-11-18 2015-11-18 一种mri腰椎图像中椎骨的自动提取方法

Publications (2)

Publication Number Publication Date
CN106780520A CN106780520A (zh) 2017-05-31
CN106780520B true CN106780520B (zh) 2021-04-13

Family

ID=58914431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510791762.2A Active CN106780520B (zh) 2015-11-18 2015-11-18 一种mri腰椎图像中椎骨的自动提取方法

Country Status (1)

Country Link
CN (1) CN106780520B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107729354B (zh) * 2017-08-30 2021-08-10 晶晨半导体(上海)股份有限公司 一种图片排序方法及系统
WO2019085985A1 (en) 2017-11-02 2019-05-09 Shenzhen United Imaging Healthcare Co., Ltd. Systems and methods for generating semantic information for scanning image
CN107833229A (zh) * 2017-11-02 2018-03-23 上海联影医疗科技有限公司 信息处理方法、装置及系统
CN108874516A (zh) * 2018-01-08 2018-11-23 深圳市铱硙医疗科技有限公司 基于mri图像生成csv文件的方法及装置
CN110136161A (zh) * 2019-05-31 2019-08-16 苏州精观医疗科技有限公司 图像特征提取分析方法、系统及装置
CN110689550B (zh) * 2019-10-12 2022-06-21 嘉应学院 一种腰椎矢状面ct图像高效自动化筛选系统及方法
CN112184617B (zh) * 2020-08-17 2022-09-16 浙江大学 一种基于深度学习的脊椎mri影像关键点检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021213A (en) * 1996-06-13 2000-02-01 Eli Lilly And Company Automatic contextual segmentation for imaging bones for osteoporosis therapies
WO2008030247A2 (en) * 2006-03-24 2008-03-13 Kunio Doi Method for detection of vertebral fractures on lateral chest radiographs
CN102727200A (zh) * 2011-03-31 2012-10-17 深圳迈瑞生物医疗电子股份有限公司 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021213A (en) * 1996-06-13 2000-02-01 Eli Lilly And Company Automatic contextual segmentation for imaging bones for osteoporosis therapies
WO2008030247A2 (en) * 2006-03-24 2008-03-13 Kunio Doi Method for detection of vertebral fractures on lateral chest radiographs
CN102727200A (zh) * 2011-03-31 2012-10-17 深圳迈瑞生物医疗电子股份有限公司 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统

Also Published As

Publication number Publication date
CN106780520A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106780520B (zh) 一种mri腰椎图像中椎骨的自动提取方法
CN105894517B (zh) 基于特征学习的ct图像肝脏分割方法及系统
CN103440665A (zh) 膝关节软骨图像自动分割方法
Patil et al. A review paper on brain tumor segmentation and detection
CN112950552B (zh) 一种基于卷积神经网络的肋骨分割标记方法及系统
CN107169975B (zh) 超声图像的分析方法及装置
CN111325754A (zh) 一种基于ct序列图像的腰椎骨自动定位方法
CN106780492B (zh) 一种ct骨盆图像的关键帧提取方法
CN110060246B (zh) 一种图像处理方法、设备及存储介质
US9672600B2 (en) Clavicle suppression in radiographic images
Stark Automatic detection and segmentation of shoulder implants in X-ray images
Fazilov et al. Improvement of Image Enhancement Technique for Mammography Images
CN111612749B (zh) 基于肺部影像的病灶检测方法和装置
CN114862799B (zh) 一种用于flair-mri序列的全自动脑体积分割方法
CN112037217B (zh) 一种基于荧光成像的术中血流成像方法
US10061979B2 (en) Image processing apparatus and method
CN109993754B (zh) 从图像上进行颅骨分割的方法和系统
Das et al. Automated Brain Tumor Segmentation in MRI: An Enhanced Mask Generation Approach
Samundeeswari et al. A novel multilevel hybrid segmentation and refinement method for automatic heterogeneous true NSCLC nodules extraction
CN117952962B (zh) 一种骨密度检测图像处理方法及系统
Sri Geetha et al. Automatic Detection and Classification Of Melanoma Skin Cancer through Deep Learning Techniques
Hazra et al. Detection of colloid cyst in brain through image processing techniques
Hossain et al. Brain Tumor Location Identification and Patient Observation from MRI Images
KR102436351B1 (ko) Ct 스캔 영상에서 딥러닝에 기반한 간 종양 검출 방법 및 장치
Zakaria et al. Graphcut as a Segmentation Method of Covid-19 X-Ray Image for Diagnose Purpose

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
GR01 Patent grant
GR01 Patent grant