CN108537779A - 基于聚类的椎骨分割与质心检测的方法 - Google Patents
基于聚类的椎骨分割与质心检测的方法 Download PDFInfo
- Publication number
- CN108537779A CN108537779A CN201810259768.9A CN201810259768A CN108537779A CN 108537779 A CN108537779 A CN 108537779A CN 201810259768 A CN201810259768 A CN 201810259768A CN 108537779 A CN108537779 A CN 108537779A
- Authority
- CN
- China
- Prior art keywords
- vertebral
- clustering
- centroid
- image
- segmentation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000011218 segmentation Effects 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 title claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000000105 evaporative light scattering detection Methods 0.000 claims 1
- 238000003709 image segmentation Methods 0.000 abstract description 5
- 210000001519 tissue Anatomy 0.000 abstract description 4
- 208000020307 Spinal disease Diseases 0.000 abstract description 3
- 210000000988 bone and bone Anatomy 0.000 abstract description 2
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 210000001835 viscera Anatomy 0.000 abstract 1
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000000968 medical method and process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
一种基于聚类的椎骨分割与质心检测的方法。椎骨图像分割与质心的检测在脊柱疾病的诊断中有着特殊的应用价值。脊柱由椎骨和椎间盘组成，椎骨用来保护身体内的内脏器官和神经血管等组织，椎间盘则维持人体的灵活性。所以脊柱周围的组织结构相对复杂，诊断较困难。基于此提出一种基于聚类的椎骨分割与质心检测的方法，提高分割和质心定位的准确性。所述椎骨分割和质心定位方法包括以下步骤：A、对脊椎CT数据进行预处理，突出感兴趣区域；B、利用改进的FCM的图像聚类对脊椎CT图片中椎骨区域进行分割提取；C、对原椎骨图像进行像素点的提取和聚类，再通过密度估计找出最终质心；D、将分割的结果和质心定位的结果进行合成。
Description
技术领域
本发明主要涉及椎骨图像分割处理领域，尤其是基于聚类的图像分割和质心检测的方法。
背景技术
图像处理也称数字图像处理即为了达到某种目的采用数字计算机对图像所进行的操作运算和处理步骤。自从19世纪末德国物理学家伦琴教授发明X射线成像以来，医学影像的技术不断发展，图像处理技术也广泛应用于医学影像，并且也有利的推动了医学影像在临床医学中的应用。在医学成像过程中，提高图像的质量一直是人们努力追求的目标，不仅可以为医生的观测和判断提供了方便，同时还可以完成感兴趣区域病灶的分割与特征计算，提高疾病诊断的水平。
医学图像中CT图像基于本身的成像原理和方式，对于人体中的低密度区，如含气体多的肺部；高密度区，如骨骼都有很好的成像，因此广泛应用于各种疾病的检查。医学图像的分割是医学图像处理中的重要的一部分，分割完成的图像不仅可以减少其他组织的干扰还可以进行有效的病情分析，同时也为后续的图像配准、图像融合、可视化等操作打下基础。
脊椎疾病作为一个高发病率的疾病，它治疗方法则是人们关注的重点问题。根据产生的原因的不同，脊椎疾病的治疗方式也有很多种，椎弓根螺钉置入术是目前比较成熟的医疗手段，而决定手术成功的主要因素在于螺钉尺寸、置入点以及置入路径的正确选择和规划。脊椎相邻的组织结构复杂，背景纹理丰富，也使得单个椎骨的分割和椎骨质心的定位难度提升。重要的是单个椎骨的分割质量会影响三维模型的重建，而椎骨质心的准确性会影响椎弓根螺钉置入时的路径以及后续的稳定性。聚类因具有无样本集、无监督性、能够实现多区域分割的特点被广泛应用于图像的分割。
发明内容
本发明要解决的技术问题是提供一种聚类的椎骨分割和质心检测的方法，其特点在于，所述方法包括以下步骤：
1.对脊椎CT数据进行预处理，突出感兴趣区域；
2.利用改进的FCM的图像聚类对脊椎CT图片中椎骨区域进行分割提取；
3.对原椎骨图像进行像素点的提取和聚类，再通过密度估计找出最终质心；
4.将分割的结果和质心定位的结果进行合成；
5.对于分割后的图像进行去除干扰点处理。
优选的，所述步骤A中脊椎CT图像预处理包括以下步骤：
1.采用的滤波窗口，的高斯平滑滤波；
2.对比度拉伸，使得脊椎区域更加明亮。
优选的，所述步骤B中用改进的FCM的图像聚类对脊椎CT图片中椎骨区域进行分割提取方法包括以下步骤：
1.初始化：对脊椎图像进行直方图计算，判断二维直方图的峰值个数，设定其为聚类类别数；初始化聚类中心 ；加权指数；迭代停止阈值；最大迭代次数；
2.初始化像素的隶属度矩阵，使其满足且；
3.根据计算价值函数，如果小于阈值或它相对上次价值函数值的改变量小于阀值，则算法停止；
4.根据计算新的隶属度函数；
5.如果或者到了最大的迭代次数，则停止否则令K=K+1，继续进行迭代运算；
6.对像素进行分类，输出分类结果；
7.迭代完成后对图片进行干扰点去除。
优选的，所述步骤C中对原椎骨图像进行像素点的提取并对其聚类包括以下步骤：
1.提取原图像的像素点进行聚类；
2.初始化聚类中心，从数据中取出1个点到10个点，逐渐递增；
3.确定隶属度矩阵，计算价值函数，修正聚类中心，多次迭代，找出最优解；
4.将聚类得到的像素点进行核密度估计，密度函数的全局最大值被认为是椎骨的质心点。
本发明的有益效果是
（1）本方法对椎骨分割的快速性和精确性有一定程度的提高，具有很好的可行性；
（2）本发明中采用聚类方法进行椎骨区域的分割，同时利用聚类的无监督性找出椎骨的中心点分布，并利用核密度估计法确定椎骨的质心。将两步得到的结果进行合成。采取两步分别处理的方式，分割出椎骨了的区域，同时定位出椎骨的质心，提高了一定准确性。
附图说明：
图1为本发明基于聚类的图像分割和质心检测的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，参照附图，对本发明进一步详细说明。
步骤S1：首先对待检测的脊椎CT图像进行预处理，采用高斯平滑滤波进行除燥、灰度线性变换增强待检测区域的对比度。
步骤S2：利用改进的FCM的图像聚类对脊椎CT图片中椎骨区域进行分割提取，首先对于图片信息进行直方图计算，直方图的峰值点个数设置为聚类类别个数，聚类中心的最大值聚类类别数，进行迭代，直到小于设置阈值或者到了最大的迭代次数停止迭代。输出分类的结果，对于输出的结果进行干扰点的去除，使得分割结果更加准确。
步骤S3：对原椎骨图像进行像素点的提取，将像素点作为聚类的输入进行分类，对于聚类后离散的像素点进行密度估计，将密度函数最大值得点作为定位出的椎骨的质心点。
步骤S4：将分割出的结果和质心定位的结果进行合成。
步骤S5：输出最终的结果。
Claims (3)
1.基于聚类的椎骨分割与质心检测的方法，其特征在于所述方法包括以下步骤：
1.对脊椎CT数据进行预处理，突出感兴趣区域；
2.利用改进的FCM的图像聚类对脊椎CT图片中椎骨区域进行分割提取；
3.对原椎骨图像进行像素点的提取和聚类，再通过密度估计找出最终质心；
4.将分割的结果和质心定位的结果进行合成；
5.对于分割后的图像进行去除干扰点处理。
2.根据权利要求书1所述的基于聚类的椎骨分割与椎骨质心检测的方法，其特征在于，所述的步骤B中利用改进的FCM的图像聚类对脊椎CT图片中椎骨区域进行分割提取包括以下步骤：
1.初始化：对脊椎图像进行直方图计算，判断二维直方图的峰值个数，设定其为聚类类别数；初始化聚类中心 ；加权指数；迭代停止阈值；最大迭代次数；
2.初始化像素的隶属度矩阵，使其满足且；
3.根据计算价值函数，如果小于阈值或它相对上次价值函数值的改变量小于阀值，则算法停止；
4.根据计算新的隶属度函数；
5.如果或者到了最大的迭代次数，则停止否则令K=K+1，继续进行迭代运算；
6.对像素进行分类，输出分类结果；
7.迭代完成后对图片进行干扰点去除。
3.根据权利要求书1所述的基于聚类的椎骨分割与椎骨质心检测的方法，其特征在于，所述的步骤C中对原椎骨图像进行像素点的提取并对其聚类并进行密度估计找出最终质心包括以下步骤；
1.提取原图像的像素点进行聚类；
2.初始化聚类中心，从数据中取出1个点到10个点，逐渐递增；
3.确定隶属度矩阵，计算价值函数，修正聚类中心，多次迭代，找出最优解；
4.将聚类得到的像素点进行核密度估计，密度函数的全局最大值被认为是椎骨的质心点；
初始化聚类中心，从数据中取出1个点到10个点，逐渐递增；
6.确定隶属度矩阵，计算价值函数，修正聚类中心，多次迭代，找出最优解；
7.将聚类得到的像素点进行密度估计，密度函数的全局最大值被认为是椎骨的质心点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810259768.9A CN108537779A (zh) | 2018-03-27 | 2018-03-27 | 基于聚类的椎骨分割与质心检测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810259768.9A CN108537779A (zh) | 2018-03-27 | 2018-03-27 | 基于聚类的椎骨分割与质心检测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108537779A true CN108537779A (zh) | 2018-09-14 |
Family
ID=63485314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810259768.9A Pending CN108537779A (zh) | 2018-03-27 | 2018-03-27 | 基于聚类的椎骨分割与质心检测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108537779A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658382A (zh) * | 2018-11-16 | 2019-04-19 | 福建中医药大学 | 基于图像聚类和灰度投影的舌体定位方法 |
| CN109934824A (zh) * | 2019-03-27 | 2019-06-25 | 清华大学 | 颈椎脊髓高信号的检测方法及系统 |
| CN110599508A (zh) * | 2019-08-01 | 2019-12-20 | 平安科技（深圳）有限公司 | 基于人工智能的脊柱影像处理方法及相关设备 |
| CN112288704A (zh) * | 2020-10-26 | 2021-01-29 | 中国人民解放军陆军军医大学第一附属医院 | 一种基于核密度函数的量化胶质瘤侵袭性的可视化方法 |
| CN112734718A (zh) * | 2020-12-31 | 2021-04-30 | 平安科技（深圳）有限公司 | 一种基于骨龄检测的关键点标注方法及相关装置 |
| CN113781496A (zh) * | 2021-08-06 | 2021-12-10 | 北京天智航医疗科技股份有限公司 | 基于cbct脊椎图像的椎弓根螺钉通道自动规划系统和方法 |
| WO2023050691A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质和程序 |
| CN116650112A (zh) * | 2023-07-24 | 2023-08-29 | 杭州键嘉医疗科技股份有限公司 | 椎弓根螺钉路径自动规划方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102436656A (zh) * | 2011-09-05 | 2012-05-02 | 同济大学 | 基于计算机视觉的动物多样性监测方法 |
| CN103559716A (zh) * | 2013-11-12 | 2014-02-05 | 广州太普信息技术有限公司 | 一种缺陷图像的自动分割方法 |
| CN104751469A (zh) * | 2015-04-02 | 2015-07-01 | 西安电子科技大学 | 基于核模糊c均值聚类的图像分割方法 |
| CN105405136A (zh) * | 2015-11-04 | 2016-03-16 | 南方医科大学 | 一种基于粒子群算法的自适应脊柱ct图像分割方法 |
| US20170109878A1 (en) * | 2014-02-27 | 2017-04-20 | Agency For Science, Technology And Research | Segmentation of cardiac magnetic resonance (cmr) images using a memory persistence approach |
-
2018
- 2018-03-27 CN CN201810259768.9A patent/CN108537779A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102436656A (zh) * | 2011-09-05 | 2012-05-02 | 同济大学 | 基于计算机视觉的动物多样性监测方法 |
| CN103559716A (zh) * | 2013-11-12 | 2014-02-05 | 广州太普信息技术有限公司 | 一种缺陷图像的自动分割方法 |
| US20170109878A1 (en) * | 2014-02-27 | 2017-04-20 | Agency For Science, Technology And Research | Segmentation of cardiac magnetic resonance (cmr) images using a memory persistence approach |
| CN104751469A (zh) * | 2015-04-02 | 2015-07-01 | 西安电子科技大学 | 基于核模糊c均值聚类的图像分割方法 |
| CN105405136A (zh) * | 2015-11-04 | 2016-03-16 | 南方医科大学 | 一种基于粒子群算法的自适应脊柱ct图像分割方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郭庆燕 等: "肝脏MR图像自适应分割方法", 《福州大学学报（自然科学版）》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658382B (zh) * | 2018-11-16 | 2023-05-30 | 福建中医药大学 | 基于图像聚类和灰度投影的舌体定位方法 |
| CN109658382A (zh) * | 2018-11-16 | 2019-04-19 | 福建中医药大学 | 基于图像聚类和灰度投影的舌体定位方法 |
| CN109934824A (zh) * | 2019-03-27 | 2019-06-25 | 清华大学 | 颈椎脊髓高信号的检测方法及系统 |
| CN110599508A (zh) * | 2019-08-01 | 2019-12-20 | 平安科技（深圳）有限公司 | 基于人工智能的脊柱影像处理方法及相关设备 |
| CN110599508B (zh) * | 2019-08-01 | 2023-10-27 | 平安科技（深圳）有限公司 | 基于人工智能的脊柱影像处理方法及相关设备 |
| CN112288704A (zh) * | 2020-10-26 | 2021-01-29 | 中国人民解放军陆军军医大学第一附属医院 | 一种基于核密度函数的量化胶质瘤侵袭性的可视化方法 |
| CN112288704B (zh) * | 2020-10-26 | 2021-09-28 | 中国人民解放军陆军军医大学第一附属医院 | 一种基于核密度函数的量化胶质瘤侵袭性的可视化方法 |
| CN112734718A (zh) * | 2020-12-31 | 2021-04-30 | 平安科技（深圳）有限公司 | 一种基于骨龄检测的关键点标注方法及相关装置 |
| CN113781496A (zh) * | 2021-08-06 | 2021-12-10 | 北京天智航医疗科技股份有限公司 | 基于cbct脊椎图像的椎弓根螺钉通道自动规划系统和方法 |
| CN113781496B (zh) * | 2021-08-06 | 2024-02-27 | 北京天智航医疗科技股份有限公司 | 基于cbct脊椎图像的椎弓根螺钉通道自动规划系统和方法 |
| WO2023050691A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质和程序 |
| CN116650112A (zh) * | 2023-07-24 | 2023-08-29 | 杭州键嘉医疗科技股份有限公司 | 椎弓根螺钉路径自动规划方法、装置、设备及存储介质 |
| CN116650112B (zh) * | 2023-07-24 | 2023-11-14 | 杭州键嘉医疗科技股份有限公司 | 椎弓根螺钉路径自动规划方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108537779A (zh) | 基于聚类的椎骨分割与质心检测的方法 | |
| CN104851123B (zh) | 一种三维人脸变化模拟方法 | |
| CN110310281A (zh) | 一种基于Mask-RCNN深度学习的虚拟医疗中肺结节检测与分割方法 | |
| CN108257134A (zh) | 基于深度学习的鼻咽癌病灶自动分割方法和系统 | |
| CN107203989A (zh) | 基于全卷积神经网络的端对端胸部ct图像分割方法 | |
| CN110163809A (zh) | 基于U-net生成对抗网络DSA成像方法及装置 | |
| CN113112609A (zh) | 一种面向肺部活检支气管镜的导航方法和系统 | |
| CN106934821A (zh) | 一种基于icp算法和b样条的锥形束ct和ct图像配准方法 | |
| Dai et al. | Locating anatomical landmarks on 2D lateral cephalograms through adversarial encoder-decoder networks | |
| Ibragimov et al. | Segmentation of tongue muscles from super-resolution magnetic resonance images | |
| CN111340825A (zh) | 一种纵膈淋巴结分割模型的生成方法及系统 | |
| CN105427325A (zh) | 基于随机森林和单调下降函数的肺肿瘤的自动分割方法 | |
| Hacihaliloglu et al. | Statistical shape model to 3D ultrasound registration for spine interventions using enhanced local phase features | |
| CN106780491B (zh) | Gvf法分割ct骨盆图像中采用的初始轮廓生成方法 | |
| Hao et al. | Magnetic resonance image segmentation based on multi-scale convolutional neural network | |
| CN118485852A (zh) | 用于骨科影像学诊断的骨骼病灶识别辅助方法 | |
| CN105354837B (zh) | 一种基于人体解剖结构的x光消化道图像清晰度评价方法 | |
| CN118096794B (zh) | 一种基于胸外科ct影像的智能分割方法 | |
| CN101454800A (zh) | 用于医学成像的自动粪便删除方法 | |
| CN118505726A (zh) | 一种基于深度学习的ct图像肝脏及其肿瘤分割方法 | |
| Yazar | A Comparative study on classification performance of Emphysema with transfer learning methods in deep convolutional neural networks | |
| CN105976412A (zh) | 一种基于离线字典稀疏正则化的低管电流强度扫描的ct图像重建方法 | |
| Zhang et al. | Masseter muscle segmentation from cone-beam CT images using generative adversarial network | |
| Lauritzen et al. | Evaluation of ct image synthesis methods: From atlas-based registration to deep learning | |
| Sindhura et al. | Synthetic vertebral column fracture image generation by deep convolution generative adversarial networks |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180914 |