CN108389613B - 一种基于图像几何对称属性的侧旋姿态校正方法 - Google Patents

一种基于图像几何对称属性的侧旋姿态校正方法 Download PDF

Info

Publication number
CN108389613B
CN108389613B CN201810089188.XA CN201810089188A CN108389613B CN 108389613 B CN108389613 B CN 108389613B CN 201810089188 A CN201810089188 A CN 201810089188A CN 108389613 B CN108389613 B CN 108389613B
Authority
CN
China
Prior art keywords
slice
foreground
target
slice group
loss
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
CN201810089188.XA
Other languages
English (en)
Other versions
CN108389613A (zh
Inventor
林家庆
彭佳林
揭萍
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN201810089188.XA priority Critical patent/CN108389613B/zh
Publication of CN108389613A publication Critical patent/CN108389613A/zh
Application granted granted Critical
Publication of CN108389613B publication Critical patent/CN108389613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于图像几何对称属性的侧旋姿态校正方法，方法包括：数据规范化；目标切片组选取；切片组二值化；切片背景、前景区域的提取；切片前景中心点的选择；切片前景对称损失的计算；优化方法选择适当的回旋角度，降低前景对称损失，得到校正角度。本发明通过图像二值化和连通域筛选的方法来获取前景，去除无用信息；本发明通过求取前景中心来获得回调旋转中心；关键的是，本发明提出了一种利用前景对称特征来构造的目标函数。本发明能够准确地检测和校正侧旋姿态影像。

Description

一种基于图像几何对称属性的侧旋姿态校正方法
技术领域
本发明涉及图像处理任务领域，尤其涉及一种基于图像几何对称属性的侧旋姿态校正方法。
背景技术
智能医疗是当前人工智能领域一个热门的应用方向。如果能够让机器自动识别和分析医学图像，那就能帮助医生实现诊疗的精准化和个体化，并降低诊疗风险。这其中，医学图像自动校正是一个关键的子问题。在实际医疗过称中，常常出现由于患者自身特殊原因导致的无法以一个正常姿态接受扫描的情况，例如低龄患者或是身体局部区域严重病痛的情况。这种情况下，扫描出的图像往往是带有非标准姿势，带有侧旋角度的，并且侧旋角度一般在-30度到30度之间。如果以这样的扫描图像去做一些前景分割，病患区域检测等问题，效果往往不如标准姿势扫描图像。也就是说，如果交给医生的医学影像已经经过姿态校正，医生的诊断效率将能得到大大的提高。本专利以腹部CT扫描(电子计算机断层扫描)图像侧旋姿态回调为背景，提出一种新颖且有效的图像侧旋检测及回调方法。
发明内容
本发明要解决的关键技术问题是，提出一种基于图像几何对称属性的侧旋姿态校正方法，来实现侧旋医学影像的检测并回调。
为了解决上述的技术问题，本发明采用如下所述的技术方案：
一种基于图像几何对称属性的侧旋姿态校正方法，包括以下步骤：
步骤1，数据规范化：将待检测调整的图像灰度范围线性映射到统一区间；截取带有对称属性的图像区域；对图像区域在某一方向上以固定间隔抽取切片，构成目标切片组；
步骤2，目标特征的提取，其进一步包括三个子步骤：2.1切片组二值化；2.2切片组背景提取；2.3切片组图像区域的前景提取；
步骤2.1，目标切片组二值化：图像映射后的图像区域中，像素值最小的取为0值，其余取为1值；
步骤2.2，目标切片组的图像区域中的背景提取：在所有0值区域中求取最大连通域，其即为目标切片组背景区域；
步骤2.3，目标切片组的图像区域中的前景提取：将目标区域中剩下的值全部取1，并在所有1值区域中求取最大连通域，其即为目标切片组前景区域；
步骤3，目标切片组的对称损失计算，具体包括如下子步骤：定义对称损失及侧旋角度取值范围：3.1计算前景中心点；3.2目标切片组中各切片宽度重调；3.3计算对称损失；
步骤3.1，计算前景中心点，前景中心点po定义为：
Figure BDA0001563219580000021
其中，N为目标切片组经过二值化后的图像区域中的总输入点数，pi为为目标切片组经过二值化后的图像区域中第i点的坐标，vi为目标切片组经过二值化后的图像区域中第i点的值；
步骤3.2，目标切片组中各切片宽度重调：以过所述前景中心点po的垂线为界，对左右两侧较窄区域使用0值进行扩展，使该垂线成为各切片的中分线；
步骤3.3，计算对称损失：对称损失losssym定义为：
Figure BDA0001563219580000031
其中，α为切片以前景中心点po为轴侧旋的角度，W为切片的左右长度，H为切片前后长度，
Figure BDA0001563219580000032
为当切片旋转α时以切片左下角为原点，切片经二值化后的图像区域中(x,y)坐标上点的值；当α取0值时，即为切片未调整前的对称损失；
步骤4，根据对称损失确定最优侧旋角度：设ε为可接受的侧旋角度误差，将α在取值区间上以ε为间隔进行穷举，当对称损失函数达到最小时的α则为对应切片的目标侧旋角度；
步骤5，目标切片组全区域的旋转回调：当条件假设为各个切片侧旋的角度不一致时，使用插值的方法对各个切片进行侧旋角度计算，作为每个切片的回调角度；当条件假设为各层侧旋角度的角度一致时，对目标切片组中各切片的侧旋角度取平均值，作为目标切片组中切片的回调角度。
在一较佳实施例中：所述图像区域包括但不局限于人体躯干、胸腔、腹腔轮廓。
在一较佳实施例中：所述某一方向包括但不限于垂直于图像区域的方向。
在一较佳实施例中：所述背景区域为各切片中躯干轮廓外的人体外空间。
在一较佳实施例中：所述前景区域为各切片中体内空间和组织器官。
在一较佳实施例中：在步骤4中，将α在取值区间上以ε为间隔进行穷举具体是指：α以π/180为间隔，在[-π/6,π/6]区间上取坐标点求损失值，当损失值取最小时为最优角度。
本发明具有如下有益效果：
1.本发明提供了一种基于图像几何对称属性的侧旋姿态校正方法，能够检测图像前景区域是否存在侧旋；并且能够将侧旋图像校正到正常姿态；从而通过检测和调整侧旋图，简化图像的进一步处理工作。
2.本发明提供了一种基于图像几何对称属性的侧旋姿态校正方法，提出的对称特征具有广泛适用性；提出的对称损失具有广泛的适用性；
附图说明
图1是本发明方法的流程图；
图2是典型的侧转姿态及其经过二值化后的图像；
图3是典型的前景特征提取和对称损失优化中间结果演变图示。
具体实施方式
下面结合图示和具体实施例对本发明进行进一步说明,应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本实施例中，任务目标是将带一定侧旋角度的CT扫描(电子计算机断层扫描)图像校正到正常姿态。实施例选择腹部区域为具体的感兴趣区域，使用的测试数据为Sliver07肝脏分割数据集中的0至9号(不包括人工形变的4号数据)，数据进行了随机旋转后，角度分别为-11,6,14,25,1,-21,-26,-20,6度。
参见图1所示，本实施例方法的具体步骤如下：
步骤1，数据规范化：将待检测调整的图像灰度范围线性映射到将选定的Sliver07的9个数据灰度线性映射到0至1范围；截取带有对称属性的图像区域；对图像区域在某一方向上以固定间隔抽取切片，构成目标切片组；本实施例中，选定的图像区域为心脏以下，骨盆以上区域。在具体应用中，所述图像区域还可以为人体躯干、胸腔、腹腔轮廓，甚至，本发明也可以应用在非医学图像的处理之中，只要被处理的图像带有对称属性就可以。
本实施例中，目标切片组中切片数量为10。于是以间隔为L/10进行切片抽取(L为选取的兴趣区域长度),最终获得9个切片组，每个切片组包含10个切片。抽取的方向为垂直于图像区域的方向。同样的，也可以为其他的方向，不应以此限定本发明的保护范围。
步骤2，目标特征的提取，中间结果参见图2；其进一步包括三个子步骤：2.1切片组二值化；2.2切片组背景提取；2.3切片组图像区域的前景提取；
步骤2.1，切片组二值化：图像映射后的图像区域中，像素值最小的取为0值，其余取为1值；
步骤2.2，目标切片组的图像区域中的背景提取：在所有0值区域中求取最大连通域，其即为目标切片组背景区域；
步骤2.3，目标切片组的图像区域中的前景提取：将目标区域中剩下的值全部取1，并在所有1值区域中求取最大连通域，其即为目标切片组前景区域；
步骤3，目标切片组的对称损失计算，中间结果参见图3。具体包括如下子步骤：定义对称损失及侧旋角度取值范围：3.1计算前景中心点；3.2目标切片组中各切片宽度重调；3.3计算对称损失；
步骤3.1，计算前景中心点，前景中心点po定义为：
Figure BDA0001563219580000051
其中，N为目标切片组经过二值化后的图像区域中的总输入点数，pi为目标切片组经过二值化后的图像区域中第i点的坐标，vi为目标切片组经过二值化后的图像区域中第i点的值；
步骤3.2，目标切片组中各切片宽度重调：以之前所述前景中心点po的垂线为界，对左右两侧较窄区域使用0值进行扩展，使该垂线成为各切片的中分线；。
步骤3.3，计算对称损失：对称损失losssym定义为：
Figure BDA0001563219580000061
其中，α为切片以前景中心点po为轴侧旋的角度，W为切片的左右长度，H为切片前后长度，
Figure BDA0001563219580000062
为当切片旋转α时以切片左下角为原点，切片经二值化后的图像区域中(x,y)坐标上点的值；当α取0值时，即为切片未调整前的对称损失；
步骤4，根据对称损失确定最优侧旋角度：设ε为可接受的侧旋角度误差，将α在取值区间上以ε为间隔进行穷举，当对称损失函数达到最小时的α则为对应切片的目标侧旋角度，本实施例中取ε为1度；
步骤5，目标切片组全区域的旋转回调：当条件假设为各个切片侧旋的角度不一致时，使用插值的方法对各个切片进行侧旋角度计，作为每个切片的回调角度；当条件假设为各层侧旋角度的角度一致时，对目标切片组中各切片的侧旋角度取平均值，作为目标切片组中切片的回调角度。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的构思和技术方案之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种基于图像几何对称属性的侧旋姿态校正方法，包括以下步骤：
步骤1，数据规范化：将待检测调整的图像灰度范围线性映射到统一区间；截取带有对称属性的图像区域；对图像区域在某一方向上以固定间隔抽取切片，构成目标切片组；
步骤2，目标特征的提取，其进一步包括三个子步骤：2.1切片组二值化；2.2切片组背景提取；2.3切片组图像区域的前景提取；
步骤2.1，目标切片组二值化：图像映射后的图像区域中，像素值最小的取为0值，其余取为1值；
步骤2.2，目标切片组的图像区域中的背景提取：在所有0值区域中求取最大连通域，其即为目标切片组背景区域；
步骤2.3，目标切片组的图像区域中的前景提取：将目标区域中剩下的值全部取1，并在所有1值区域中求取最大连通域，其即为目标切片组前景区域；
步骤3，目标切片组的对称损失计算，具体包括如下子步骤：定义对称损失及侧旋角度取值范围：3.1计算前景中心点；3.2目标切片组中各切片宽度重调；3.3计算对称损失；
步骤3.1，计算前景中心点，前景中心点po定义为：
Figure FDA0003480694270000011
其中，N为目标切片组经过二值化后的图像区域中的总输入点数，pi为目标切片组经过二值化后的图像区域中第i点的坐标，vi为目标切片组经过二值化后的图像区域中第i点的值；
步骤3.2，目标切片组中各切片宽度重调：以过所述前景中心点po的垂线为界，对左右两侧较窄区域使用0值进行扩展，使该垂线成为各切片的中分线；
步骤3.3，计算对称损失：对称损失losssym定义为：
Figure FDA0003480694270000021
其中，α为切片以前景中心点po为轴侧旋的角度，W为切片的左右长度，H为切片前后长度，
Figure FDA0003480694270000022
为当切片旋转α时以切片左下角为原点，切片经二值化后的图像区域中(x,y)坐标上点的值；当α取0值时，即为切片未调整前的对称损失；
步骤4，根据对称损失确定最优侧旋角度：设ε为可接受的侧旋角度误差，将α在取值区间上以ε为间隔进行穷举，当对称损失函数达到最小时的α则为对应切片的目标侧旋角度；
步骤5，目标切片组全区域的旋转回调：当条件假设为各个切片侧旋的角度不一致时，使用插值的方法对各个切片进行侧旋角度计算，作为每个切片的回调角度；当条件假设为各层侧旋角度的角度一致时，对目标切片组中各切片的侧旋角度取平均值，作为目标切片组中切片的回调角度；
在步骤4中，将α在取值区间上以ε为间隔进行穷举具体是指：α以π/180为间隔，在[-π/6,π/6]区间上取坐标点求损失值，当损失值取最小时为最优角度。
2.根据权利要求1所述的一种基于图像几何对称属性的侧旋姿态校正方法，其特征在于，所述图像区域包括但不局限于人体躯干、胸腔、腹腔轮廓。
3.根据权利要求1所述的一种基于图像几何对称属性的侧旋姿态校正方法，其特征在于，所述某一方向包括但不限于垂直于图像区域的方向。
4.根据权利要求2所述的一种基于图像几何对称属性的侧旋姿态校正方法，其特征在于，所述背景区域为各切片中躯干轮廓外的人体外空间。
5.根据权利要求2所述的一种基于图像几何对称属性的侧旋姿态校正方法，其特征在于，所述前景区域为各切片中体内空间和组织器官。
CN201810089188.XA 2018-01-30 2018-01-30 一种基于图像几何对称属性的侧旋姿态校正方法 Active CN108389613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810089188.XA CN108389613B (zh) 2018-01-30 2018-01-30 一种基于图像几何对称属性的侧旋姿态校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810089188.XA CN108389613B (zh) 2018-01-30 2018-01-30 一种基于图像几何对称属性的侧旋姿态校正方法

Publications (2)

Publication Number Publication Date
CN108389613A CN108389613A (zh) 2018-08-10
CN108389613B true CN108389613B (zh) 2022-04-05

Family

ID=63074700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810089188.XA Active CN108389613B (zh) 2018-01-30 2018-01-30 一种基于图像几何对称属性的侧旋姿态校正方法

Country Status (1)

Country Link
CN (1) CN108389613B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2941843B2 (ja) * 1989-04-10 1999-08-30 キヤノン株式会社 画像信号の縮小装置及び方法
CN102930515A (zh) * 2012-10-24 2013-02-13 苏州两江科技有限公司 数字图像的几何畸变自动校正方法
CN103455989A (zh) * 2013-09-24 2013-12-18 南京大学 一种结合超声图像提高有限角度ct成像质量的方法
CN104054047A (zh) * 2012-01-16 2014-09-17 夏普株式会社 图像处理装置、图像形成装置、程序以及记录介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2941843B2 (ja) * 1989-04-10 1999-08-30 キヤノン株式会社 画像信号の縮小装置及び方法
CN104054047A (zh) * 2012-01-16 2014-09-17 夏普株式会社 图像处理装置、图像形成装置、程序以及记录介质
CN102930515A (zh) * 2012-10-24 2013-02-13 苏州两江科技有限公司 数字图像的几何畸变自动校正方法
CN103455989A (zh) * 2013-09-24 2013-12-18 南京大学 一种结合超声图像提高有限角度ct成像质量的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Full-Reference Quality Metric for Geometrically Distorted Image;Angela D"Angelo等;《IEEE Transactions on Image Processing》;20091103(第04期);867-881 *
C臂X光图像几何失真校正与误差分析;王田苗等;《高技术通讯》;20060628(第06期);54-59 *
Digital Topology and Geometry in Medical Imaging: A Survey;Punam K.Saha等;《IEEE Transactions on Medical Imaging》;20150414(第09期);1940-1964 *
基于控制点自动获取的交通事故现场图像几何校正方法;谭立东等;《长春理工大学学报(自然科学版)》;20090615(第02期);122-125 *

Also Published As

Publication number Publication date
CN108389613A (zh) 2018-08-10

Similar Documents

Publication Publication Date Title
CN114648530B (zh) 一种ct图像处理方法
US7831079B2 (en) Segmentation of anatomic structures using navigation table
EP2869261B1 (en) Method for processing image data representing a three-dimensional volume
EP2715663B1 (en) Apparatus for generating assignments between image regions of an image and element classes
CN110555860B (zh) 医学图像中肋骨区域标注的方法、电子设备和存储介质
CN106530236B (zh) 一种医学图像处理方法及系统
CN111340825A (zh) 一种纵膈淋巴结分割模型的生成方法及系统
CN117094917B (zh) 一种心血管3d打印数据处理方法
CN113469935B (zh) 一种基于ct图像的髂后上棘自动检测与定位方法
CN114693682B (zh) 一种基于图像处理的脊椎特征识别方法
CN108898578B (zh) 一种医疗图像的处理方法、装置及计算机存储介质
CN113706409A (zh) 基于人工智能的cbct图像增强方法、装置和存储介质
CN108038840B (zh) 一种图像处理方法、装置、图像处理设备及存储介质
US10987020B2 (en) Method for tissue classification, computer program product and magnetic resonance imaging system
US20020072665A1 (en) Detection of ribcage boundary from digital chest image
CN113034522B (zh) 一种基于人工神经网络的ct图像分割方法
CN111723836A (zh) 图像相似度的计算方法及装置、电子设备、存储介质
CN108389613B (zh) 一种基于图像几何对称属性的侧旋姿态校正方法
KR101030169B1 (ko) 방사형 임계치 결정법을 통한 심실 자동 분할방법
CN112767403A (zh) 医学影像分割模型训练方法、医学影像分割方法及装置
CN116473575A (zh) 脊柱自动检测方法以及终端
CN115439423A (zh) 一种基于ct图像的识别方法、装置、设备及存储介质
CN113838557A (zh) 一种医学影像三维重建模拟方法及系统
El-Feghi et al. X-ray image segmentation using auto adaptive fuzzy index measure
CN111524081B (zh) 肺部影像角度矫正方法、装置、电子设备和存储介质

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