CN108670301A - 一种基于超声影像的脊柱横突定位方法 - Google Patents
一种基于超声影像的脊柱横突定位方法 Download PDFInfo
- Publication number
- CN108670301A CN108670301A CN201810571485.8A CN201810571485A CN108670301A CN 108670301 A CN108670301 A CN 108670301A CN 201810571485 A CN201810571485 A CN 201810571485A CN 108670301 A CN108670301 A CN 108670301A
- Authority
- CN
- China
- Prior art keywords
- transverse process
- image
- frame
- backbone
- ultrasound image
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0875—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of bone
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Rheumatology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于超声影像的脊柱横突定位方法。首先,利用2.5维超声宽景成像方法对脊柱横突进行扫描成像,得到系列原始帧B超图像;然后,利用模板匹配方法,得到每一帧原始帧B超图像中的横突表面的定位区域,再利用图像分割方法对横突表面定位区域进行分割,得到横突表面区域的轮廓;第三,选取轮廓上的标志位置点,结合其空间位置信息,共同构成横突的三维空间位置信息;最后,由于超声探头扫描过程中,同一个横突会出现在多幅连续采集的原始帧B超图像中,因此利用凝聚型层次聚类方法对这些标志位置点进行聚类处理,得到的聚类中心即为特定脊柱横突骨的空间位置。利用本发明方法,可以实现对脊柱横突位置的自动且准确地定位,无须手动选取横突表面区域,具有无辐射、低成本、高便利性的特点。
Description
技术领域
本发明属医学超声宽景成像识别和定位技术领域,具体涉及一种基于超声影像的脊柱横突定位方法。
背景技术
超声图像的成像原理是通过测量超声波的反射波到传感器的幅值和往返时间来形成图像的。如果两个组织的分界面上具有较高的不匹配声阻抗,则声波信号会具有较大的幅值,从而使超声图像中出现高亮度的像素点。使用超声对人体骨骼进行成像会在骨骼的表面形成一块高亮度区域,而在骨表面下方形成低亮度的阴影区域。由于探头成像范围通常存在肌肉、软组织等表面,容易与骨表面产生混淆,传统图像分割方法通常采用手动选取感兴趣区域或种子点来实现骨表面分割。例如,李军等人在《红外与激光工程》上发表的《超声图像中胎儿股骨的自动检测与测量》提出,首先通过人工截取股骨的大致位置,再利用Ostu阈值分割法分割出骨表面候选区域,最后通过计算各候选区域的形状特征来确定股骨区域。该方法需要手动选取感兴趣区域,并且特征提取的过程较为复杂、耗时。PoratHadar等人在专利号为EP20050718875的专利中通过种子点生长的方法来实现骨区域的连接,该方法也需要手动选取种子点,降低了系统的自动性。因此,仅依靠传统图像分割方法无法对超声图像的骨表面区域进行自动且准确的定位。
发明内容
为了克服现有技术的不足,本发明提供一种基于超声影像的脊柱横突定位方法。首先,利用2.5维超声宽景成像方法对脊柱横突进行扫描成像,得到系列原始帧B超图像;然后,利用模板匹配方法,得到每一帧原始帧B超图像中的横突表面的定位区域,再利用图像分割方法对横突表面定位区域进行分割,得到横突表面区域的轮廓;第三,自动确定轮廓上的标志位置点,结合其所在的原始帧B超图像的三维空间位置信息,转换成该横突的三维空间位置信息;最后,由于超声探头扫描过程中,同一个横突会出现在多幅连续采集的原始帧B超图像中,因此利用凝聚型层次聚类方法对提取到的标志位置点进行聚类处理,得到的聚类中心即为特定脊柱横突骨的空间位置。利用本发明方法,可以实现对脊柱横突位置的自动且准确地定位,无须手动选取横突表面区域,具有无辐射、低成本、高便利性的特点。
一种基于超声影像的脊柱横突定位方法,其特征在于步骤如下:
第一步:利用2.5维超声宽景成像方法,将带有位置感应装置的超声探头垂直紧贴皮肤,在脊柱左右两侧对脊柱横突进行扫描成像,得到N帧脊柱横突的原始帧B超图像和图像中每一个像素点的空间位置信息,N>1。
第二步:以已知的横突表面区域图像为模板图像,利用模板匹配方法分别将每一帧B超图像和模板图像进行模板匹配,得到每一帧B超图像中的横突表面定位区域。
第三步:利用图像分割方法分别对每一帧B超图像中的横突表面定位区域进行分割处理,得到每一帧B超图像中的横突表面区域的轮廓。
第四步:以每一帧B超图像中的横突表面区域轮廓的最高像素点为该帧图像横突的标志位置点,标志位置点结合其在原始帧B超图像的空间位置信息得到横突的三维空间位置信息。
第五步:利用凝聚型层次聚类方法对所有帧B超图像的横突三维空间位置信息进行聚类处理,得到的聚类中心即为最终定位的脊柱横突空间位置。
其中,第二步中所述的模板匹配方法,可以采用基于像素信息的模板匹配方法或基于特征信息的模板匹配方法;基于像素信息的模板匹配是采用像素灰度的相似度度量,包括互信息、绝对误差和、误差平方和算法,基于特征信息的模板匹配方法包括轮廓特征匹配算法、纹理特征匹配算法、SIFT特征匹配算法、词袋模型算法。第三步中所述的图像分割方法,可以采用传统的图像边缘检测方法、像素聚类方法、主动轮廓模型方法或基于深度学习的图像分割方法。
本发明的有益效果是:由于采用2.5维超声宽景成像方法进行数据采集,并且采集的每一帧原始帧B超图像的每个像素点均可通过坐标变换获知其三维空间位置信息,所以该方法具有无辐射、低成本和便利性高的特点,并且能提供准确的三维位置信息;同时,由于采用了模板匹配方法对包含横突表面区域进行定位提取,可以保证整个方法流程的自动性;另外,经过模板匹配之后得到的横突表面定位区域已经去除了干扰组织,所以再经图像分割即得到横突表面区域轮廓,不需要再经过特征提取来进行区域确定。该方法具有自动、高效、准确的特点。
附图说明
图1是本发明的基于超声影像的脊柱横突定位方法示意图
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
如图1所示,本发明提供了一种基于超声影像的脊柱横突定位方法,其基本过程如下:
1、利用2.5维超声宽景成像方法,在超声探头上安装一个定位装置以记录探头移动的位置信息,将绑定了定位装置的探头紧贴着脊柱上方的皮肤,对感兴趣范围内脊柱左右两侧的横突截面沿探头侧向进行扫描,得到一系列包含横突骨表面以及位置信息的原始帧B超图像。所述的2.5维超声宽景成像方法记载在公开号为CN102166122A的专利中,相应的学术期刊论文是Huang Qinghua,Zeng Zhaozheng,and Li Xuelong.2.5-DimensionalExtended Field-of-View Ultrasound.IEEE Transactions on Medical Imaging.37(4):851-859,2018。
2、使用模板匹配方法对具体的横突骨表面区域进行确定,即以已知的横突骨表面区域图像作为模板图像,利用基于像素信息或基于特征信息的模板匹配方法对每一帧的原始帧B超图像进行模板匹配,匹配过程中原始帧B超图像被划分为相互重叠的M╳M个子图,计算每个子图与模板图像的匹配程度,得匹配程度最高的区域即为包含横突骨表面的定位区域。由于该定位区域的大小与模板图像的大小相同,所以采用统一的模板图像可以获取同样大小的区域。
3、利用K-means聚类算法或者U-net深度学习方法等图像分割方法,对具体的横突骨表面定位区域进行细致分割,得到具体的横突骨表面区域的轮廓。图像分割方法应尽可能采用无须手动绘制初始化轮廓的方法,以保证方法流程的自动性。
4、将每一个横突骨表面区域的最高顶点处的像素点(即步骤3得到的横突表面区域轮廓的最高像素点)作为横突的标志位置点,结合该标志位置点所在原始帧B超图像的空间位置信息,可获得该横突的三维空间位置信息。
每一帧原始帧B超图像经过步骤2-4的处理,都能得到该B超图像中显示的所有横突的三维空间位置信息。
5、由于2.5维超声宽景成像技术利用图像采集卡采集原始帧B超图像,其采集速率较快,通常为25帧每秒,导致多幅原始帧B超图像对同一块横突进行成像。利用凝聚型层次聚类方法对从每一帧原始帧B超图像中提取出的横突三维空间位置信息进行聚类处理,可以实现对冗余横突位置信息的去重,得到的聚类中心即为最终的脊柱横突三维空间位置。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种基于超声影像的脊柱横突定位方法,其特征在于步骤如下:
第一步:利用2.5维超声宽景成像方法,将带有位置感应装置的超声探头垂直紧贴皮肤,在脊柱左右两侧对脊柱横突进行扫描成像,得到N帧脊柱横突的原始帧B超图像和图像中每一个像素点的空间位置信息,N>1;
第二步:以已知的横突表面区域图像为模板图像,利用模板匹配方法分别将每一帧B超图像和模板图像进行模板匹配,得到每一帧B超图像中的横突表面定位区域;
第三步:利用图像分割方法分别对每一帧B超图像中的横突表面定位区域进行分割处理,得到每一帧B超图像中的横突表面区域的轮廓;
第四步:以每一帧B超图像中的横突表面区域轮廓的最高像素点为该帧图像横突的标志位置点,标志位置点结合其在原始帧B超图像的空间位置信息得到横突的三维空间位置信息;
第五步:由于超声探头扫描过程中,同一个横突会出现在多幅连续采集的原始帧B超图像中,因此利用凝聚型层次聚类方法对所有帧B超图像的横突三维空间位置信息进行聚类处理,得到的聚类中心即为最终定位的脊柱横突空间位置。
2.如权利要求1所述的一种基于超声影像的脊柱横突定位方法,其特征在于:第二步中所述的模板匹配方法,可以采用基于像素信息的模板匹配方法或基于特征信息的模板匹配方法;基于像素信息的模板匹配是采用像素灰度的相似度度量,包括互信息、绝对误差和、误差平方和算法,基于特征信息的模板匹配方法包括轮廓特征匹配算法、纹理特征匹配算法、SIFT特征匹配算法、词袋模型算法。
3.如权利要求1或2所述的一种基于超声影像的脊柱横突定位方法,其特征在于:第三步中所述的图像分割方法,可以采用传统的图像边缘检测方法、像素聚类方法、主动轮廓模型方法或基于深度学习的图像分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810571485.8A CN108670301B (zh) | 2018-06-06 | 2018-06-06 | 一种基于超声影像的脊柱横突定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810571485.8A CN108670301B (zh) | 2018-06-06 | 2018-06-06 | 一种基于超声影像的脊柱横突定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108670301A true CN108670301A (zh) | 2018-10-19 |
CN108670301B CN108670301B (zh) | 2020-11-06 |
Family
ID=63809909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810571485.8A Expired - Fee Related CN108670301B (zh) | 2018-06-06 | 2018-06-06 | 一种基于超声影像的脊柱横突定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108670301B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110613480A (zh) * | 2019-01-14 | 2019-12-27 | 广州爱孕记信息科技有限公司 | 基于深度学习的胎儿超声动态影像检测方法及系统 |
CN111419399A (zh) * | 2020-03-17 | 2020-07-17 | 京东方科技集团股份有限公司 | 定位跟踪件、定位球的识别方法、存储介质及电子设备 |
CN111563880A (zh) * | 2020-04-08 | 2020-08-21 | 华南理工大学 | 一种基于目标检测与聚类的横突棘突检测定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140323845A1 (en) * | 2013-04-29 | 2014-10-30 | Sectra Ab | Automated 3-d orthopedic assessments |
CN106361376A (zh) * | 2016-09-23 | 2017-02-01 | 华南理工大学 | 一种用于脊柱侧弯的超声宽景成像方法 |
CN107595387A (zh) * | 2017-07-28 | 2018-01-19 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
-
2018
- 2018-06-06 CN CN201810571485.8A patent/CN108670301B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140323845A1 (en) * | 2013-04-29 | 2014-10-30 | Sectra Ab | Automated 3-d orthopedic assessments |
CN106361376A (zh) * | 2016-09-23 | 2017-02-01 | 华南理工大学 | 一种用于脊柱侧弯的超声宽景成像方法 |
CN107595387A (zh) * | 2017-07-28 | 2018-01-19 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110613480A (zh) * | 2019-01-14 | 2019-12-27 | 广州爱孕记信息科技有限公司 | 基于深度学习的胎儿超声动态影像检测方法及系统 |
CN110613480B (zh) * | 2019-01-14 | 2022-04-26 | 广州爱孕记信息科技有限公司 | 基于深度学习的胎儿超声动态影像检测方法及系统 |
CN111419399A (zh) * | 2020-03-17 | 2020-07-17 | 京东方科技集团股份有限公司 | 定位跟踪件、定位球的识别方法、存储介质及电子设备 |
CN111563880A (zh) * | 2020-04-08 | 2020-08-21 | 华南理工大学 | 一种基于目标检测与聚类的横突棘突检测定位方法 |
CN111563880B (zh) * | 2020-04-08 | 2023-11-10 | 华南理工大学 | 一种基于目标检测与聚类的横突棘突检测定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108670301B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10561403B2 (en) | Sensor coordinate calibration in an ultrasound system | |
US11229419B2 (en) | Method for processing 3D image data and 3D ultrasonic imaging method and system | |
CN103440665B (zh) | 膝关节软骨图像自动分割方法 | |
CN103607947B (zh) | 解剖标志的检测 | |
De Craene et al. | 3D strain assessment in ultrasound (straus): A synthetic comparison of five tracking methodologies | |
US20150029184A1 (en) | Three-dimensional model data generation device, method and program | |
CN100456323C (zh) | 三维图像的快速配准方法 | |
CN109166133A (zh) | 基于关键点检测和深度学习的软组织器官图像分割方法 | |
US20110196236A1 (en) | System and method of automated gestational age assessment of fetus | |
Oghli et al. | Automatic fetal biometry prediction using a novel deep convolutional network architecture | |
CN106999157A (zh) | 用于通过计算和显示超声测量和图形模型进行胎儿显像的方法与系统 | |
CN107103605B (zh) | 一种乳房组织的分割方法 | |
CN110448335A (zh) | 一种基于超声图像的胎儿头围全自动测量方法和装置 | |
CN106127753B (zh) | 一种外科手术中ct影像体表人工标记自动提取方法 | |
CN108670301A (zh) | 一种基于超声影像的脊柱横突定位方法 | |
CN104408398A (zh) | 一种肝脏边界的识别方法及系统 | |
CN115843373A (zh) | 一种融合Gabor小波的多尺度局部水平集超声图像分割方法 | |
CN107708550A (zh) | 用于检测和测量解剖异常的分段回声结构的表面建模 | |
CN111354006A (zh) | 超声图像中目标组织的描迹方法及装置 | |
CN116580068B (zh) | 一种基于点云配准的多模态医学配准方法 | |
CN107507189A (zh) | 基于随机森林与统计模型的小鼠ct图像肾脏分割方法 | |
CN111968224A (zh) | 船舶3d扫描点云数据处理方法 | |
Hermawati et al. | Phase-based thresholding schemes for segmentation of fetal thigh cross-sectional region in ultrasound images | |
CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
Perez-Gonzalez et al. | Deep learning spatial compounding from multiple fetal head ultrasound acquisitions |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201106 |
|
CF01 | Termination of patent right due to non-payment of annual fee |