CN108537838A - 一种髋关节骨性髋臼角度的检测方法 - Google Patents
一种髋关节骨性髋臼角度的检测方法 Download PDFInfo
- Publication number
- CN108537838A CN108537838A CN201810204962.7A CN201810204962A CN108537838A CN 108537838 A CN108537838 A CN 108537838A CN 201810204962 A CN201810204962 A CN 201810204962A CN 108537838 A CN108537838 A CN 108537838A
- Authority
- CN
- China
- Prior art keywords
- bone
- hip joint
- interest
- area
- acetabular bone
- 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
Links
Classifications
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/20024—Filtering details
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Prostheses (AREA)
Abstract
本发明提供一种髋关节骨性髋臼角度的检测方法,包括:S1,利用给定方向和尺寸的均值滤波器,对从目标髋关节的超声图像中截取的感兴趣区域进行滤波处理;S2,基于滤波处理后的感兴趣区域,通过依次进行局部对比度增强处理、二值化处理和线性模型识别处理,分别确定所述目标髋关节的髋关节基线和骨性髋臼线;S3,计算所述髋关节基线与所述骨性髋臼线之间的夹角,作为所述目标髋关节的骨性髋臼角度。本发明能够有效提高骨性髋臼角度检测的效率和准确率,并有效降低检测过程中工作人员的劳动强度。
Description
技术领域
本发明涉及图像识别技术领域,更具体地,涉及一种髋关节骨性髋臼角度的检测方法。
背景技术
发育性髋关节发育不良(DDH)又称发育性髋关节脱位,是儿童骨科最常见的髋关节疾病,发病率在1%左右。因患儿年龄、脱位程度、单侧或双侧发病等的不同,临床表现也不尽相同,例如:单侧脱位患儿早期可能有臀纹、大腿纹不对称,一侧髋关节内收,下肢不等长等临床表现;双侧脱位患儿会出现阴部变宽,行走期有跛行步态、鸭步等临床表现。
对DDH治疗的目标是获得髋关节的同心圆复位,同时防止股骨头缺血坏死,只有这样才能为股骨头和髋臼发育提供好的条件。根据患儿的年龄和病变的严重程度不同,治疗方法也会不同。越早治疗,效果越好;反之,随着年龄和治疗复杂性增加,发生股骨头缺血坏死等并发症的风险也越大,患儿将来可能发展为髋关节退行性改变和骨性关节炎。因此该诊断最好在新生儿期作出,一经发现立即治疗。
目前的DDH诊断方法主要有体格检查、超声检查、X检查等。其中超声检查有多种方法,应用最广泛的是Graf法,通过测量骨性髋臼的角度(α角)来进行检测。但是,儿童的髋关节超声图像特征并不明显,使用传统的图形学检测方法很难直接准确地分割出髋臼的骨骼,而上述用于临床的检测方法均不同程度上依赖于人工进行观测。如对于上述Graf法,主要是通过人工对超声图像标注并进行α角的测量。另外,儿童的髋关节超声图像具有特异性,每一个儿童的身体状况不同导致超声图像的灰度,对比度以及骨骼的形状差异很大,当需要观测的数据量较大时,工作量极为繁重,会极大地增加工作人员的负担,降低检测的效率和准确率。
发明内容
为了克服上述问题或者至少部分地解决上述问题,本发明提供一种髋关节骨性髋臼角度的检测方法,用以有效提高骨性髋臼角度检测的效率和准确率,并有效降低检测过程中工作人员的劳动强度。
本发明提供一种髋关节骨性髋臼角度的检测方法,包括:S1,利用给定方向和尺寸的均值滤波器,对从目标髋关节的超声图像中截取的感兴趣区域进行滤波处理;S2,基于滤波处理后的感兴趣区域,通过依次进行局部对比度增强处理、二值化处理和线性模型识别处理,分别确定所述目标髋关节的髋关节基线和骨性髋臼线;S3,计算所述髋关节基线与所述骨性髋臼线之间的夹角,作为所述目标髋关节的骨性髋臼角度。
其中,所述S2的步骤进一步包括:S21,基于所述滤波处理后的感兴趣区域,依次进行局部对比度增强处理和二值化处理,初步定位所述目标髋关节;S22,对初步定位的目标髋关节进行线性模型识别处理,确定所述髋关节基线,并基于所述初步定位的目标髋关节,确定所述目标髋关节的骨性髋臼感兴趣区域;S23,基于所述骨性髋臼感兴趣区域,依次进行局部对比度增强处理和二值化处理,获取二值化的骨性髋臼感兴趣区域;S24,对所述二值化的骨性髋臼感兴趣区域进行腐蚀操作,分割出所述目标髋关节的骨性髋臼,并对所述骨性髋臼进行线性模型识别处理,确定所述骨性髋臼线。
其中,所述S21的步骤进一步包括:S211,基于区域内各像素的像素值大小,对所述滤波处理后的感兴趣区域进行与所述均值滤波器同方向的局部对比度增强处理,获取增强的感兴趣区域;S212,基于第一设定阈值,对所述增强的感兴趣区域进行二值化处理,初步定位所述目标髋关节。
其中,步骤S22中所述对初步定位的目标髋关节进行线性模型识别处理,确定所述髋关节基线的步骤进一步包括:S221,在所述初步定位的目标髋关节上选取给定数量的特值点形成第一训练样本集,利用所述第一训练样本集中的样本,逐步训练事先初始化完成的第一线性模型,直至训练完成;S222,利用训练完成的第一线性模型,确定所述髋关节基线。
其中,骤S22中所述基于所述初步定位的目标髋关节,确定所述目标髋关节的骨性髋臼感兴趣区域的步骤进一步包括:以所述初步定位的目标髋关节的右端端点为基准,截取另一感兴趣区域作为所述骨性髋臼感兴趣区域。
其中,所述S1的步骤进一步包括:利用纵向的且窗格大小为10的均值滤波器,对所述感兴趣区域进行滤波处理;相应的,所述S211的步骤进一步包括:在所述滤波处理后的感兴趣区域内,在纵向上分别比较每个像素的像素值与上方相邻像素的像素值和下方相邻像素的像素值的大小,并根据比较的结果对相应像素作对比度增强处理。
其中,所述S23的步骤进一步包括:S231,在所述骨性髋臼感兴趣区域内,在纵向上分别进一步比较每个像素的像素值与上方相邻像素的像素值和下方相邻像素的像素值的大小,并根据进一步比较的结果对相应像素作对比度增强处理;S232,基于对比度增强处理后的骨性髋臼感兴趣区域,根据第二设定阈值,进行二值化处理,获取所述二值化的骨性髋臼感兴趣区域。
其中,所述S24的步骤进一步包括:S241,对所述二值化的骨性髋臼感兴趣区域进行腐蚀操作,去除小于设定标准的连通域,分割出所述骨性髋臼;S242,在所述骨性髋臼上选取给定数量的特值点形成第二训练样本集,利用所述第二训练样本集中的样本,逐步训练事先初始化完成的第二线性模型,直至训练完成;S243,利用训练完成的第二线性模型,确定所述骨性髋臼线。
进一步的,在所述S1的步骤之前,所述方法还包括:S01,利用边界检测法和行列的像素均值法,对所述目标髋关节的超声图像进行周围干扰域消去处理;S02,基于骨骼的灰度范围特征,对消去处理后的目标髋关节的超声图像进行图像格式的归一化处理;S03,基于髋骨的特征及灰度强度特征,在归一化处理后的目标髋关节的超声图像中截取待识别区域作为所述感兴趣区域。
本发明提供的一种髋关节骨性髋臼角度的检测方法,通过对包含目标髋关节的超声图像进行一系列处理,可以全自动地测量骨性髋臼角度,而无需人工进行检测测量工作,能够有效减轻检测过程中工作人员负担,同时能够有效提高骨性髋臼角度检测的效率和准确率,降低患儿确诊时间。
附图说明
图1为本发明实施例一种髋关节骨性髋臼角度的检测方法的流程图;
图2为本发明实施例一种髋关节骨性髋臼角度的检测方法中截取感兴趣区域的流程图;
图3为本发明实施例一种髋关节骨性髋臼角度的检测方法中确定目标髋关节的髋关节基线和骨性髋臼线的流程图;
图4为本发明实施例一种髋关节骨性髋臼角度的检测方法中初步定位目标髋关节的流程图;
图5为本发明实施例一种髋关节骨性髋臼角度的检测方法中确定髋关节基线的流程图;
图6为本发明实施例一种髋关节骨性髋臼角度的检测方法中获取二值化的骨性髋臼感兴趣区域的流程图;
图7为本发明实施例一种髋关节骨性髋臼角度的检测方法中确定骨性髋臼线的流程图;
图8为本发明实施例另一种髋关节骨性髋臼角度的检测方法的流程图。
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,下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
作为本发明实施例的一个实施例,本实施例提供一种髋关节骨性髋臼角度的检测方法,参考图1,为本发明实施例一种髋关节骨性髋臼角度的检测方法的流程图,包括:
S1,利用给定方向和尺寸的均值滤波器,对从目标髋关节的超声图像中截取的感兴趣区域进行滤波处理;
S2,基于滤波处理后的感兴趣区域,通过依次进行局部对比度增强处理、二值化处理和线性模型识别处理,分别确定所述目标髋关节的髋关节基线和骨性髋臼线;
S3,计算所述髋关节基线与所述骨性髋臼线之间的夹角,作为所述目标髋关节的骨性髋臼角度。
可以理解为,考虑到目前DDH诊断的方法主要依赖于人工手动对超声图像进行处理,导致诊断过程中工作人员劳动强度过大,且效率低、准确率差,从而为该疾病的诊断带来极大的不便,本发明实施例寻求一种自动化程度、准确率和检测效率较高的DDH诊断方法,即根据目标髋关节的超声图像,通过对超声图像的一系列数据处理,完成对目标髋关节骨性髋臼角度的自动检测和计算。
其中,步骤S1中在进行本实施例的数据处理之前,事先从目标髋关节,即待检测的髋关节的超声图像中按照一定的截取规则截取确定的区域作为感兴趣区域,在之后的处理均针对该感兴趣区域进行。
其中,感兴趣区域(region of interest,ROI)是指,机器视觉、图像处理中,从被处理的图像中以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子(Operator)和函数来求得感兴趣区域ROI,并进行图像的下一步处理。
然后,在步骤S1中,利用给定的均值滤波器,对上述事先截取的感兴趣区域进行滤波处理,得到滤波处理后的感兴趣区域。其中给定的均值滤波器可以是给定了滤波方向和滤波窗格尺寸的均值滤波器。即对于事先截取的感兴趣区域,沿与给定均值滤波器相同的方向,以均值滤波器的滤波窗格为单元进行滤波处理。
其中,上述的滤波处理是指,在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制。要求能有效地去除目标和背景中的噪声,同时,能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
其中,步骤S2中,在根据上述滤波处理获取滤波处理后的感兴趣区域之后,首先对波处理后的感兴趣区域进行与上述均值滤波器相同方向的局部对比度增强处理。然后,设定合适的阈值,利用该设定阈值对局部对比度增强的感兴趣区域进行二值化处理,初步定位目标髋关节。
其中,局部对比度增强处理是指将图像中的亮度值范围拉伸或压缩成显示系统指定的亮度显示范围,从而提高图像全部或局部的对比度。输入图像中的每个亮度值通过一定的转换函数,对应于输出图像的一个显示值。
其中,二值化处理是指,将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。即,对于包含目标物体和背景的图像,利用设定阈值T,将该图像的数据分成两部分:大于T的像素群和小于T的像素群。将大于T的像素群的像素值设定为白色(或者黑色),小于T的像素群的像素值设定为黑色(或者白色)。
接下来,基于初步定位的目标髋关节,利用线性模型识别算法,确定一条直线作为目标髋关节的髋关节基线。同时,根据初步定位的目标髋关节初步确定其骨性髋臼所在区域,即骨性髋臼感兴趣区域。然后,利用与确定髋关节基线类似的图像处理算法,确定目标髋关节的骨性髋臼线。
其中,步骤S3中,在根据上述步骤确定了目标髋关节的髋关节基线和骨性髋臼线之后,计算得到两直线之间的夹角,即可作为目标髋关节的骨性髋臼角度。例如,在髋关节基线和骨性髋臼线上,各自分别任取两个不同的点,利用两条直线上共四个点的坐标,按照直线夹角计算公式,计算两直线间夹角即可作为骨性髋臼角度。
另外,为了便于工作人员对自动检测结果进行验证,在根据上述步骤确定了目标髋关节的髋关节基线和骨性髋臼线之后,在原超声图像中对应位置处标注出髋关节基线和骨性髋臼线。工作人员可以根据该标注线验证自动识别的骨性髋臼角是否标准,以及检测的角度是否准确。
本发明实施例提供的一种髋关节骨性髋臼角度的检测方法,通过对包含目标髋关节的超声图像进行一系列处理,可以全自动地测量骨性髋臼角度,而无需人工进行检测测量工作,能够有效减轻检测过程中工作人员负担,同时能够有效提高骨性髋臼角度检测的效率和准确率,降低患儿确诊时间。
其中,在一个实施例中,在所述S1的步骤之前,所述方法还包括如图2所示的处理流程。参考图2,为本发明实施例一种髋关节骨性髋臼角度的检测方法中截取感兴趣区域的流程图,包括:
S01,利用边界检测法和行列的像素均值法,对所述目标髋关节的超声图像进行周围干扰域消去处理;
S02,基于骨骼的灰度范围特征,对消去处理后的目标髋关节的超声图像进行图像格式的归一化处理;
S03,基于髋骨的特征及灰度强度特征,在归一化处理后的目标髋关节的超声图像中截取待识别区域作为所述感兴趣区域。
可以理解为,在根据上述实施例进行图像感兴趣区域的数据处理之前,先要对目标髋关节的原始超声图像进行处理,从而截取需要的感兴趣区域。具体的,
步骤S01中,对于输入的包含目标髋关节的原始超声图像,利用边界检测以及行列的像素均值,来确定该超声图像中心的感兴趣区域,并去除感兴趣区域周围的干扰域,得到消去处理后的超声图像。
其中,边界检测是图像处理和计算机视觉中的基本问题,边界检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化,包括:深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。
步骤S02中,对上述消去处理后的超声图像进行图像格式的归一化处理。即根据图像特征截取图像中的合适区域,并将截取的图片格式统一为给定尺寸,如512*512。
步骤S03中,根据图像的特征,在上述归一化处理后的图像中截取待识别的感兴趣区域ROI,以减少干扰区域大小,提高后续步骤的处理精确度。截取过程中,通过粗略检测确定是否待识别区域在ROI中,若未在该区域中,则将ROI区域扩大,直至ROI区域包含整个待识别区域。
本发明实施例提供的一种髋关节骨性髋臼角度的检测方法,通过对原始超声图像的预处理和感兴趣区域截取,能够有效消除周围干扰区域,能够更快速有效的对有效区域进行处理,提高图像处理的效率,保证系统处理性能。
根据上述实施例,所述S2的进一步处理步骤参考图3,为本发明实施例一种髋关节骨性髋臼角度的检测方法中确定目标髋关节的髋关节基线和骨性髋臼线的流程图,包括:
S21,基于所述滤波处理后的感兴趣区域,依次进行局部对比度增强处理和二值化处理,初步定位所述目标髋关节;
S22,对初步定位的目标髋关节进行线性模型识别处理,确定所述髋关节基线,并基于所述初步定位的目标髋关节,确定所述目标髋关节的骨性髋臼感兴趣区域;
S23,基于所述骨性髋臼感兴趣区域,依次进行局部对比度增强处理和二值化处理,获取二值化的骨性髋臼感兴趣区域;
S24,对所述二值化的骨性髋臼感兴趣区域进行腐蚀操作,分割出所述目标髋关节的骨性髋臼,并对所述骨性髋臼进行线性模型识别处理,确定所述骨性髋臼线。
可以理解为,由于医学图像的特殊性以及临床应用需要的高精度,儿童的髋关节超声图像特征相对并不明显,使用传统的图形学检测方法很难直接准确地分割出髋臼的骨骼。同时,由于儿童的髋关节超声图像具有特异性,每一个儿童的身体状况不同导致超声图像的灰度,对比度以及骨骼的形状差异很大,因此骨性髋臼角的检测方法需要具有较好的鲁棒性,可以应对绝大部分的超声图像。
本实施例在根据上述实施例从目标髋关节的原始超声图像中截取感兴趣区域并进行滤波处理之后,在步骤S21中,首先对滤波处理后的感兴趣区域进行局部对比度增强处理,然后对进行对比度增强后的感兴趣区域进行图像二值化处理,以实现对目标髋关节的初步定位。其中局部对比度增强处理和二值化处理的具体含义与上述实施例相同。
其中,对感兴趣区域进行局部对比度增强处理时,可根据与上述实施例中均值滤波器相同的方向,按图像中各像素的像素值大小做对比度增强。即,将当前像素与上述方向上相邻的像素进行像素值比对,并对满足设定条件的像素进行设定规则的增强处理。
其中,在一个实施例中,所述S21的进一步处理步骤参考图4,为本发明实施例一种髋关节骨性髋臼角度的检测方法中初步定位目标髋关节的流程图,包括:
S211,基于区域内各像素的像素值大小,对所述滤波处理后的感兴趣区域进行与所述均值滤波器同方向的局部对比度增强处理,获取增强的感兴趣区域;
S212,基于第一设定阈值,对所述增强的感兴趣区域进行二值化处理,初步定位所述目标髋关节。
可以理解为,在根据上述实施例对目标髋关节进行初步定位时,首先,根据步骤S211获取滤波处理后的感兴趣区域中各像素的像素值,并根据各像素的像素值,按照与上述均值滤波器相同的方向,对感兴趣区域中的像素进行像素值大小比对,而后根据比较结果对相应的像素进行增强处理,获取增强的感兴趣区域。
例如,其中一个实施例中,所述S1的步骤进一步包括:利用纵向的且窗格大小为10的均值滤波器,对所述感兴趣区域进行滤波处理;
则相应的,所述S211的步骤进一步包括:
在所述滤波处理后的感兴趣区域内,在纵向上分别比较每个像素的像素值与上方相邻像素的像素值和下方相邻像素的像素值的大小,并根据比较的结果对相应像素作对比度增强处理。
可以理解为,根据上述实施例选择的均值滤波器为纵向滤波,且滤波窗格尺寸为10。则在滤波处理后的感兴趣区域内,针对每个像素,当其为当前像素时,将当前像素分别与其上方和下方的像素根据像素值进行比对,并对满足设定条件的像素进行对比度增强处理。其中,对比度增强处理是指将图像中的亮度值范围拉伸或压缩成显示系统指定的亮度显示范围,从而提高图像全部或局部的对比度。
然后,在步骤S212中,首先根据待处理图像的特性设定合适的第一设定阈值,并对根据上述步骤获取的增强的感兴趣区域进行二值化处理,并根据二值化处理结果,初步定位目标髋关节。其中二值化处理的含义与上述实施例相同,此处不再赘述。
其中,上述步骤S22中,根据步骤S21对感兴趣区域中的目标髋关节进行初步定位之后,根据初步定位的目标髋关节训练第一线性模型,并根据训练好的第一线性模型识别感兴趣区域中目标髋关节的髋关节基线。
同时,基于步骤S21中初步定位的目标髋关节,根据髋关节的结构特性及骨性髋臼的连接关系,在原感兴趣区域中截取目标髋关节的骨性髋臼所在的可能区域,作为骨性髋臼感兴趣区域。
其中,在一个实施例中,步骤S22中所述对初步定位的目标髋关节进行线性模型识别处理,确定所述髋关节基线的进一步处理步骤参考图5,为本发明实施例一种髋关节骨性髋臼角度的检测方法中确定髋关节基线的流程图,包括:
S221,在所述初步定位的目标髋关节上选取给定数量的特值点形成第一训练样本集,利用所述第一训练样本集中的样本,逐步训练事先初始化完成的第一线性模型,直至训练完成;
S222,利用训练完成的第一线性模型,确定所述髋关节基线。
可以理解为,在根据上述实施例完成目标髋关节的初步定位之后,只能粗略的确定目标髋关节的位置,根据该粗略定位无法精确计算骨性髋臼角度。本实施例步骤S221中,首先在上述初步定位的目标髋关节上选取足够数量的特值点,对这些特值点经过处理形成对应的训练样本,所有的训练样本构成第一训练样本集。应当理解的是,此处所述的训练样本集中包括对模型进行训练的样本以及进行测试的样本。
然后,利用第一训练样本集中的各个训练样本,逐步训练事先初始化完成的第一线性模型。即输入当前训练样本,利用第一线性模型进行前向计算,并在实际计算结果达不到设定标准时,数据反向传输修正模型参数,并利用下一组训练模型对参数修正后的模型进行训练,如此进行循环迭代,直至最终模型的实际计算结果满足设定标准。
接下来,为了确保模型的普遍适用性,利用第一训练样本集的测试样本对上述训练结束的第一线性模型进行测试,并在测试结果达标的情况下,输出通过测试的模型作为训练完成的第一线性模型。
然后,步骤S222中,利用上述训练完成的第一线性模型,对目标髋关节上的点进行识别,确定髋关节基线。
其中,在另一个实施例中,骤S22中所述基于所述初步定位的目标髋关节,确定所述目标髋关节的骨性髋臼感兴趣区域的步骤进一步包括:以所述初步定位的目标髋关节的右端端点为基准,截取另一感兴趣区域作为所述骨性髋臼感兴趣区域。
可以理解为,根据髋关节的骨性髋臼连接结构特性,在初步定位目标髋关节之后,以初步定位的髋关节的右端端点为基准确定大致范围,利用上述实施例的感兴趣区域截取方法,截取另一个区域作为骨性髋臼感兴趣区域。
其中,上述步骤S23中,对根据步骤S22截取的骨性髋臼感兴趣区域,按照与上述实施例相同的局部对比度增强处理和二值化处理流程,即先根据区域中像素的像素值,对骨性髋臼感兴趣区域进行局部对比度增强处理,然后对对比度增强处理后的骨性髋臼感兴趣区域进行二值化处理,得到二值化的骨性髋臼感兴趣区域。
其中,在又一个实施例中,所述S23的进一步处理步骤参考图6,为本发明实施例一种髋关节骨性髋臼角度的检测方法中获取二值化的骨性髋臼感兴趣区域的流程图,包括:
S231,在所述骨性髋臼感兴趣区域内,在纵向上分别进一步比较每个像素的像素值与上方相邻像素的像素值和下方相邻像素的像素值的大小,并根据进一步比较的结果对相应像素作对比度增强处理。
可以理解为,步骤S231中首先获取骨性髋臼感兴趣区域中各像素的像素值,并根据各像素的像素值,按照与上述均值滤波器相同的方向,对骨性髋臼感兴趣区域中的像素进行像素值大小比对,而后根据比较结果对相应的像素进行增强处理,获取增强的感兴趣区域。
即,在骨性髋臼感兴趣区域内,针对每个像素,当其为当前像素时,将当前像素分别与其上方和下方的像素根据像素值进行比对,并对满足设定条件的像素进行对比度增强处理。其中,对比度增强处理是指将图像中的亮度值范围拉伸或压缩成显示系统指定的亮度显示范围,从而提高图像全部或局部的对比度。
S232,基于对比度增强处理后的骨性髋臼感兴趣区域,根据第二设定阈值,进行二值化处理,获取所述二值化的骨性髋臼感兴趣区域。
可以理解为,步骤S232中首先根据骨性髋臼感兴趣区域图像的特性设定合适的第二设定阈值,并对根据上述步骤获取的增强的骨性髋臼感兴趣区域进行二值化处理,并根据二值化处理结果,获取二值化的骨性髋臼感兴趣区域,初步定位骨性髋臼。
其中,在又一个实施例中,所述S24的进一步处理步骤参考图7,为本发明实施例一种髋关节骨性髋臼角度的检测方法中确定骨性髋臼线的流程图,包括:
S241,对所述二值化的骨性髋臼感兴趣区域进行腐蚀操作,去除小于设定标准的连通域,分割出所述骨性髋臼。
可以理解为,对经过上述实施例处理后得到的二值化的骨性髋臼感兴趣区域进行腐蚀操作,并去除较小的连通域,从而分割出骨性髋臼。其中腐蚀操作是指,用某种结构元素对图像进行探测,以便找出在图像内部可以放下该结构元素的区域,基本原理是结构原中心在被腐蚀图像中平移填充的过程。
S242,在所述骨性髋臼上选取给定数量的特值点形成第二训练样本集,利用所述第二训练样本集中的样本,逐步训练事先初始化完成的第二线性模型,直至训练完成。
可以理解为,对于上述步骤分割出的骨性髋臼,首先在其上选取足够数量的特值点,对这些特值点经过处理形成对应的训练样本,所有的训练样本构成第二训练样本集。应当理解的是,此处所述的训练样本集中包括对模型进行训练的样本以及进行测试的样本。
然后,利用第二训练样本集中的各个训练样本,逐步训练事先初始化完成的第二线性模型。即输入当前训练样本,利用第二线性模型进行前向计算,并在实际计算结果达不到第二设定标准时,数据反向传输修正模型参数,并利用下一组训练模型对参数修正后的模型进行训练,如此进行循环迭代,直至模型的实际计算结果满足设定标准。
接下来,为了确保模型的普遍适用性,利用第二训练样本集的测试样本对上述训练结束的第二线性模型进行测试,并在测试结果达标的情况下,输出通过测试的模型作为训练完成的第二线性模型。
S243,利用训练完成的第二线性模型,确定所述骨性髋臼线。
可以理解为,利用上述训练完成的第二线性模型,对目标髋关节的骨性髋臼上的点进行识别,确定骨性髋臼线。
为了进一步说明本发明的技术方案,本实施例提供如图8所示的控制流程,图8为本发明实施例另一种髋关节骨性髋臼角度的检测方法的流程图,其中包括:
输入原始超声图像,利用边界检测法以及行列的像素均值法,确定中心的目标区域,去除周围干扰域;
对目标区域进行图像格式的归一化处理,例如,根据图像特征截取图像中的合适区域,并将图片格式统一为512*512;
根据图像的特征,截取归一化处理后的目标区域中待识别的区域,即感兴趣区域ROI,减少干扰区域尺寸,截取过程中通过粗略检测确定待识别区域是否包含在ROI中,若未在ROI中,则扩大ROI区域;
用纵向的、窗格大小为10的均值滤波器对ROI区域做滤波处理;
根据上述滤波处理的处理结果,将图像根据纵向的像素值大小做对比度增强,即将当前像素与上方和下方的像素比对并进行对比度增强处理;
设定合适的阈值,对上述进行对比度增强处理的图像进行二值化处理,识别出髋关节的大体位置;
从髋关节的上部选取合适的足量的点,用第一线性模型进行训练,利用训练结果识别髋关节基线;
对于根据上述步骤识别出的髋关节的大体位置,根据髋关节的右端端点的大致范围,确定骨性髋臼感兴趣区域ROI;
对上述骨性髋臼感兴趣区域ROI进行局部对比度增强,并且对增强后的图像进行二值化处理;
对上述二值化处理后的骨性髋臼感兴趣区域ROI进行腐蚀操作,并去除较小的连通域,从而分割出骨性髋臼;
在上述分割出的骨性髋臼上选取合适足量的点,用第二线性模型进行训练,利用训练结果识别骨性髋臼线;
根据基于上述步骤识别出的髋关节基线和骨性髋臼线,在原超声图像中划线,并计算两条线段的夹角即为所要求的别骨性髋臼角α角。
总的来说,本发明提供的上述髋关节骨性髋臼角度的检测方法的实施例,能够使医生通过输入原始的超声图像,快速、精确、全自动地获取患儿DDH的α角计算结果以及图像的标注结果,能在保证一定的准确率的基础上,大大地减轻医生的负担,提高诊断的效率。具体体现如下:
1)检测是全自动化的。本发明实施例的方法只需要输入患儿髋关节的超声图像,就可以全自动地测量髋臼角度(α角),不需要医生手动对图像进行处理,能够减轻医生的工作负担,缩短患儿确诊的时间。
2)检测的效率更高。本发明实施例的方法检测单张髋关节超声图像的时间少于一秒钟,对于大量的数据也可以快速地进行检测,效率更高。
3)检测的准确率更高。本发明实施例的方法使用的测试数据是医生提供的临床儿童的髋关节超声图像,附带医生手工标注的标准,使检测结果和标注的结果相差很小,对临床的指导意义较大。
4)易学习性。医生学习本发明实施例的方法的成本较低,只需要将儿童髋关节超声图像输入,便可以直观得看到该儿童的髋臼角度(α角),不需要学习额外的知识。
另外,本领域内的技术人员应当理解的是,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,在本申请文件中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种髋关节骨性髋臼角度的检测方法,其特征在于,包括:
S1,利用给定方向和尺寸的均值滤波器,对从目标髋关节的超声图像中截取的感兴趣区域进行滤波处理;
S2,基于滤波处理后的感兴趣区域,通过依次进行局部对比度增强处理、二值化处理和线性模型识别处理,分别确定所述目标髋关节的髋关节基线和骨性髋臼线;
S3,计算所述髋关节基线与所述骨性髋臼线之间的夹角,作为所述目标髋关节的骨性髋臼角度。
2.根据权利要求1所述的方法,其特征在于,所述S2的步骤进一步包括:
S21,基于所述滤波处理后的感兴趣区域,依次进行局部对比度增强处理和二值化处理,初步定位所述目标髋关节;
S22,对初步定位的目标髋关节进行线性模型识别处理,确定所述髋关节基线,并基于所述初步定位的目标髋关节,确定所述目标髋关节的骨性髋臼感兴趣区域;
S23,基于所述骨性髋臼感兴趣区域,依次进行局部对比度增强处理和二值化处理,获取二值化的骨性髋臼感兴趣区域;
S24,对所述二值化的骨性髋臼感兴趣区域进行腐蚀操作,分割出所述目标髋关节的骨性髋臼,并对所述骨性髋臼进行线性模型识别处理,确定所述骨性髋臼线。
3.根据权利要求2所述的方法,其特征在于,所述S21的步骤进一步包括:
S211,基于区域内各像素的像素值大小,对所述滤波处理后的感兴趣区域进行与所述均值滤波器同方向的局部对比度增强处理,获取增强的感兴趣区域;
S212,基于第一设定阈值,对所述增强的感兴趣区域进行二值化处理,初步定位所述目标髋关节。
4.根据权利要求2所述的方法,其特征在于,步骤S22中所述对初步定位的目标髋关节进行线性模型识别处理,确定所述髋关节基线的步骤进一步包括:
S221,在所述初步定位的目标髋关节上选取给定数量的特值点形成第一训练样本集,利用所述第一训练样本集中的样本,逐步训练事先初始化完成的第一线性模型,直至训练完成;
S222,利用训练完成的第一线性模型,确定所述髋关节基线。
5.根据权利要求4所述的方法,其特征在于,步骤S22中所述基于所述初步定位的目标髋关节,确定所述目标髋关节的骨性髋臼感兴趣区域的步骤进一步包括:
以所述初步定位的目标髋关节的右端端点为基准,截取另一感兴趣区域作为所述骨性髋臼感兴趣区域。
6.根据权利要求3所述的方法,其特征在于,所述S1的步骤进一步包括:
利用纵向的且窗格大小为10的均值滤波器,对所述感兴趣区域进行滤波处理;
相应的,所述S211的步骤进一步包括:
在所述滤波处理后的感兴趣区域内,在纵向上分别比较每个像素的像素值与上方相邻像素的像素值和下方相邻像素的像素值的大小,并根据比较的结果对相应像素作对比度增强处理。
7.根据权利要求6所述的方法,其特征在于,所述S23的步骤进一步包括:
S231,在所述骨性髋臼感兴趣区域内,在纵向上分别进一步比较每个像素的像素值与上方相邻像素的像素值和下方相邻像素的像素值的大小,并根据进一步比较的结果对相应像素作对比度增强处理;
S232,基于对比度增强处理后的骨性髋臼感兴趣区域,根据第二设定阈值,进行二值化处理,获取所述二值化的骨性髋臼感兴趣区域。
8.根据权利要求7所述的方法,其特征在于,所述S24的步骤进一步包括:
S241,对所述二值化的骨性髋臼感兴趣区域进行腐蚀操作,去除小于设定标准的连通域,分割出所述骨性髋臼;
S242,在所述骨性髋臼上选取给定数量的特值点形成第二训练样本集,利用所述第二训练样本集中的样本,逐步训练事先初始化完成的第二线性模型,直至训练完成;
S243,利用训练完成的第二线性模型,确定所述骨性髋臼线。
9.根据权利要求1-8中任一所述的方法,其特征在于,在所述S1的步骤之前,还包括:
S01,利用边界检测法和行列的像素均值法,对所述目标髋关节的超声图像进行周围干扰域消去处理;
S02,基于骨骼的灰度范围特征,对消去处理后的目标髋关节的超声图像进行图像格式的归一化处理;
S03,基于髋骨的特征及灰度强度特征,在归一化处理后的目标髋关节的超声图像中截取待识别区域作为所述感兴趣区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204962.7A CN108537838B (zh) | 2018-03-13 | 2018-03-13 | 一种髋关节骨性髋臼角度的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204962.7A CN108537838B (zh) | 2018-03-13 | 2018-03-13 | 一种髋关节骨性髋臼角度的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108537838A true CN108537838A (zh) | 2018-09-14 |
CN108537838B CN108537838B (zh) | 2020-12-01 |
Family
ID=63484537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810204962.7A Active CN108537838B (zh) | 2018-03-13 | 2018-03-13 | 一种髋关节骨性髋臼角度的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537838B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033438A (zh) * | 2019-03-14 | 2019-07-19 | 上海市第六人民医院 | 髋关节标记系统及其标记方法 |
CN110111323A (zh) * | 2019-05-13 | 2019-08-09 | 上海交通大学医学院附属上海儿童医学中心 | 髋关节检测方法及装置 |
CN110604594A (zh) * | 2019-03-04 | 2019-12-24 | 北京积水潭医院 | 一种髋关节的成像方法以及髋关节成像系统 |
CN111798976A (zh) * | 2020-06-23 | 2020-10-20 | 杭州深睿博联科技有限公司 | 一种ddh人工智能辅助诊断方法及装置 |
CN111882531A (zh) * | 2020-07-15 | 2020-11-03 | 中国科学技术大学 | 髋关节超声图像自动分析方法 |
WO2024067527A1 (zh) * | 2022-09-27 | 2024-04-04 | 武汉联影医疗科技有限公司 | 一种髋关节角度检测系统和方法 |
US11995826B2 (en) | 2021-12-16 | 2024-05-28 | Metal Industries Research & Development Centre | Auxiliary screening system and auxiliary screening method for a hip joint of a baby |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916443A (zh) * | 2010-08-19 | 2010-12-15 | 中国科学院深圳先进技术研究院 | Ct图像的处理方法及系统 |
CN104102913A (zh) * | 2014-07-15 | 2014-10-15 | 无锡优辰电子信息科技有限公司 | 腕部静脉认证系统 |
US20160175111A1 (en) * | 2010-08-16 | 2016-06-23 | Smith & Nephew, Inc. | Patient-matched acetabular alignment tool |
US20160235381A1 (en) * | 2013-10-08 | 2016-08-18 | Smith & Nephew, Inc. | Method for optimally visualizing a morphologic region of interest of a bone in an x-ray image |
CN106667525A (zh) * | 2017-03-03 | 2017-05-17 | 成都优途科技有限公司 | 一种基于超声图像的髋臼覆盖程度的测量系统及测量方法 |
US20170249440A1 (en) * | 2014-09-15 | 2017-08-31 | Conformis, Inc. | 3d printing surgical repair systems |
CN107146214A (zh) * | 2016-03-01 | 2017-09-08 | 厦门大学 | 儿童髋关节发育状况计算机自动诊断的方法 |
CN107274389A (zh) * | 2017-05-25 | 2017-10-20 | 中国科学院苏州生物医学工程技术研究所 | 基于ct三维序列图像的股骨和髋臼解剖参数获取方法 |
-
2018
- 2018-03-13 CN CN201810204962.7A patent/CN108537838B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160175111A1 (en) * | 2010-08-16 | 2016-06-23 | Smith & Nephew, Inc. | Patient-matched acetabular alignment tool |
CN101916443A (zh) * | 2010-08-19 | 2010-12-15 | 中国科学院深圳先进技术研究院 | Ct图像的处理方法及系统 |
US20160235381A1 (en) * | 2013-10-08 | 2016-08-18 | Smith & Nephew, Inc. | Method for optimally visualizing a morphologic region of interest of a bone in an x-ray image |
CN104102913A (zh) * | 2014-07-15 | 2014-10-15 | 无锡优辰电子信息科技有限公司 | 腕部静脉认证系统 |
US20170249440A1 (en) * | 2014-09-15 | 2017-08-31 | Conformis, Inc. | 3d printing surgical repair systems |
CN107146214A (zh) * | 2016-03-01 | 2017-09-08 | 厦门大学 | 儿童髋关节发育状况计算机自动诊断的方法 |
CN106667525A (zh) * | 2017-03-03 | 2017-05-17 | 成都优途科技有限公司 | 一种基于超声图像的髋臼覆盖程度的测量系统及测量方法 |
CN107274389A (zh) * | 2017-05-25 | 2017-10-20 | 中国科学院苏州生物医学工程技术研究所 | 基于ct三维序列图像的股骨和髋臼解剖参数获取方法 |
Non-Patent Citations (5)
Title |
---|
AREEN K.AL-BASHIR,MOHAMMAD AL-ABED,FAYEZ M. ABU SHARKH: "Algorithm for automatic angles measurement and screening for Developmental Dysplasia of the Hip (DDH)", 《2015 37TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY (EMBC)》 * |
XIANG YU,DONGYUN LIN,WEIYAO LAN,BINGAN ZHONG,PING LV: "Automatic diagnosing of infant hip based on Graf criteria", 《2017 12TH INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND EDUCATION (ICCSE)》 * |
郭皞岩: "基于医学图像的关节软骨分布测量及骨自动分割关键技术", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
金光: "《数据分析与建模方法》", 31 August 2013, 北京:国防工业出版社 * |
马安邦; 王东; 吴慧慧; 戴尅戎; 顾冬云: "基于贝叶斯决策的髋关节自动分割方法", 《中国组织工程研究》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110604594A (zh) * | 2019-03-04 | 2019-12-24 | 北京积水潭医院 | 一种髋关节的成像方法以及髋关节成像系统 |
CN110604594B (zh) * | 2019-03-04 | 2023-05-16 | 北京积水潭医院 | 一种髋关节的成像方法以及髋关节成像系统 |
CN110033438A (zh) * | 2019-03-14 | 2019-07-19 | 上海市第六人民医院 | 髋关节标记系统及其标记方法 |
CN110033438B (zh) * | 2019-03-14 | 2021-07-27 | 上海市第六人民医院 | 髋关节标记系统及其标记方法 |
CN110111323A (zh) * | 2019-05-13 | 2019-08-09 | 上海交通大学医学院附属上海儿童医学中心 | 髋关节检测方法及装置 |
CN110111323B (zh) * | 2019-05-13 | 2021-08-10 | 上海交通大学医学院附属上海儿童医学中心 | 髋关节检测方法及装置 |
CN111798976A (zh) * | 2020-06-23 | 2020-10-20 | 杭州深睿博联科技有限公司 | 一种ddh人工智能辅助诊断方法及装置 |
CN111882531A (zh) * | 2020-07-15 | 2020-11-03 | 中国科学技术大学 | 髋关节超声图像自动分析方法 |
CN111882531B (zh) * | 2020-07-15 | 2021-08-17 | 中国科学技术大学 | 髋关节超声图像自动分析方法 |
US11995826B2 (en) | 2021-12-16 | 2024-05-28 | Metal Industries Research & Development Centre | Auxiliary screening system and auxiliary screening method for a hip joint of a baby |
WO2024067527A1 (zh) * | 2022-09-27 | 2024-04-04 | 武汉联影医疗科技有限公司 | 一种髋关节角度检测系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108537838B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537838A (zh) | 一种髋关节骨性髋臼角度的检测方法 | |
CN109859203B (zh) | 基于深度学习的缺陷牙齿图像识别方法 | |
WO2020147263A1 (zh) | 一种评估眼底图像质量的方法、装置及存储介质 | |
CN105513077B (zh) | 一种用于糖尿病性视网膜病变筛查的系统 | |
EP3446065B1 (en) | Flight parameter measuring apparatus and flight parameter measuring method | |
JP4767570B2 (ja) | 角膜形状解析システム | |
EP2188779B1 (en) | Extraction method of tongue region using graph-based approach and geometric properties | |
CA2858616C (en) | Surface data acquisition, storage, and assessment system | |
WO2019196099A1 (zh) | 医学图像内目标对象的边界定位方法、存储介质及终端 | |
CN104573620B (zh) | 虹膜定位方法及系统 | |
CN109615611A (zh) | 一种基于巡检影像的绝缘子自爆缺陷检测方法 | |
CN109658423B (zh) | 一种彩色眼底图的视盘视杯自动分割方法 | |
JP2004021406A (ja) | 目位置特定方法及び認証装置 | |
CN106097320B (zh) | 水下海参图像自动分割方法及装置 | |
CN107993228A (zh) | 一种基于心血管oct影像的易损斑块自动检测方法和装置 | |
CN104490475B (zh) | 一种穿刺中探头发射线角度自动调整方法、装置及系统 | |
CN109087310A (zh) | 睑板腺纹理区域的分割方法、系统、存储介质及智能终端 | |
CN114022554A (zh) | 一种基于yolo的按摩机器人穴位检测与定位方法 | |
JP6191328B2 (ja) | 超音波診断装置、超音波画像解析方法、およびプログラム | |
US9675245B2 (en) | Method and device for determining the eye torsion | |
CN114820522A (zh) | 基于霍夫变换的瞳孔直径智能检测方法及装置 | |
CN106388911A (zh) | 超声图像标识的显示方法及装置 | |
CN117649556A (zh) | 一种基于图像的异常状态识别方法 | |
EP1083443A2 (en) | Ultrasonic image apparatus for separating object | |
JP2007155405A (ja) | 外観検査方法及び外観検査装置 |
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 |