CN109300150B - 一种用于骨龄评估的手骨x光图像纹理特征提取方法 - Google Patents
一种用于骨龄评估的手骨x光图像纹理特征提取方法 Download PDFInfo
- Publication number
- CN109300150B CN109300150B CN201811199737.5A CN201811199737A CN109300150B CN 109300150 B CN109300150 B CN 109300150B CN 201811199737 A CN201811199737 A CN 201811199737A CN 109300150 B CN109300150 B CN 109300150B
- Authority
- CN
- China
- Prior art keywords
- bone
- triangle
- texture
- image
- key points
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06T2207/10116—X-ray image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于骨龄评估的手骨X光图像纹理特征提取方法。本发明包括桡骨、尺骨、短骨在内的骨骼进行处理,能够获得相当于形状特征贡献度的纹理特征。本发明对图像纹理进行合理采样,获取了包含丰富生长信息的纹理特征,结合形状特征可显著提高骨龄评估的准确度。
Description
技术领域
本发明涉及智能医学图像识别领域,具体是涉及一种用于骨龄评估的手骨X光图像纹理特征提取方法。
背景技术
骨龄用于衡量青少年身体发育的程度。目前国际上通用的骨龄评估标准,例如TW-2、TW-3、G-P法等,其作为专业评估者评价骨龄的依据,具有操作性强,可重复性强,受主观因素影响较大等特点。国内实行的标准是“中华-05”计分法和图谱法等,其中包括RUS-CHN法。
现行评价标准对从业者提出的要求较高,掌握知识的程度对结果准确度有很大影响。因此,计算机辅助评估骨龄的难点在于,如何从骨龄X光图像中提取尽可能多的有价值的特征,这些特征能够真实准确的反映骨骼成熟度,可以作为自动化评估骨龄的参考依据。
手骨X光图像的特征主要有两大类:形状特征和纹理特征。针对手骨X光图像的形状特征的研究比较成熟,提取特征的方法也比较多,例如边缘检测、图像分割、计算距离等。
但是,对手骨X光图像的纹理特征,现行的方法一种是直接对原图像进行采样,缺点是背景信息混入后干扰判断,且直接提取的纹理特征与骨龄的相关程度较低;另一种是使用Gabor滤波器采集图像的局部结构信息,这部分特征只能反映骨骼边缘变化的剧烈程度,在手骨分割时具有良好效果,但是用于骨龄评估时的贡献度较小。
发明内容
本发明的目的是解决骨龄评估中纹理特征难以有效提取的问题。本发明能够对手骨X光图像中的骨骼纹理特征进行有效提取,获得纹理特征矩阵,继而作为评估骨龄时重要的参考依据。
为了实现上述的目的,本发明采用一种基于Delaunay三角剖分和三角映射的纹理特征提取方法,具体包含以下步骤:
步骤1、构建手骨轮廓关键点坐标矩阵
收集N张待测左手手骨X光图片,按照RUS-CHN法评价标准里面的内容,对其中的11个短骨、尺骨、桡骨,依次编为01,02,……,13号,再按照骨块编号分开进行处理。
步骤2、Delaunay三角剖分获得关键点特征三角形集合
a.建立一个大的三角形,将平面内其余轮廓关键点包在里面,放入三角形链表中。
b.将其余关键点依次插入,在三角形链表中找出该点的影响三角形。将影响三角形的公共边删除,同时把插入点与影响三角形的3个顶点连接起来,再将形成的三角形放入Delaunay三角形链表中。
c.循环执行上述步骤b,直到所有散点插入完成。
步骤3、三角映射获得手骨图像纹理特征
经过上一步,每个编号的骨块都获得一个基于平均形状的三角形集合表示由于每一个样本上的轮廓关键点与特征三角形都是一一对应的,故可以将样本三角形上每一点的像素值复制到平均三角形对应点的位置上,称作“三角映射”。
但是,由于不同样本三角形之间的差异,必然有一部分位置点的像素不满足映射条件。这时,需要按照邻近像素点判定准则,用相邻点的像素值作为目标点像素值的替代。这样就实现了将所有样本中的原始灰度图转化为纹理图像。
为了实现这一步,可按照如下步骤进行:
(2)根据变换后的关键点绘制闭合轮廓线,并填充为白色手骨图像,定义采样窗口。
(3)通过三角剖分和三角映射对每幅图像进行采样,然后把相应位置的像素值转换为矢量,计算平均纹理图像。
(4)灰阶正常化以补偿照明,做主成分分析PCA,保存特征向量和特征值。
上述步骤1、2、3处理完之后,获得了转换后的纹理特征矩阵Mtexture。该矩阵包含采样窗口内所有像素点构成的列向量,其作为纹理特征在骨龄评估试验中,表现出与骨龄的高度相关性,与形状特征相当。
本发明提出一种用于骨龄评估的手骨X光图像纹理特征提取方法,对包括桡骨、尺骨、短骨在内的骨骼进行处理,能够获得相当于形状特征贡献度的纹理特征。本发明对图像纹理进行合理采样,获取了包含丰富生长信息的纹理特征,结合形状特征可显著提高骨龄评估的准确度。
附图说明
图1是本发明方法的流程图;
图2是本发明实施例的效果图。
具体实施方式
为使本发明实现的技术手段与创作特征易于明白,下面结合附图和实例,对本发明的实施方式进一步详述。
本发明针对目前的骨龄评估方法中,对手骨X光图像的纹理特征提取较为困难、仅依靠形状特征和Gabor特征不足以反映骨龄成熟度等问题,提出一种新的纹理特征提取方法。
下面结合附图,详细阐述本发明方法的实施细节,步骤如下:
步骤1、构建手骨轮廓关键点坐标矩阵
收集N张待测左手手骨X光图片,按照RUS-CHN法评价标准里面的内容,对其中的11个短骨、尺骨、桡骨,依次编为01,02,……,13号,按照手骨编号对骨块分开处理。
步骤2、Delaunay三角剖分获得关键点特征三角形集合
根据上一步的结果,将每个样本对齐之后的k个关键点进行三角剖分。实现的算法如下:
a.建立一个大的三角形,将平面内其余轮廓关键点包在里面,放入三角形链表中。
b.将其余关键点依次插入,在三角形链表中找出该点的影响三角形。将影响三角形的公共边删除,同时把插入点与影响三角形的3个顶点连接起来,再将形成的三角形放入Delaunay三角形链表中。
c.循环执行上述步骤b,直到所有散点插入完成。
按照三角剖分算法执行以下步骤:
步骤3、三角映射获得手骨图像纹理特征
经过上一步,每个编号的骨块都获得一个基于平均形状的三角形集合表示由于每一个样本上的轮廓关键点与特征三角形都是一一对应的,故可以将样本三角形上每一点的像素值复制到平均三角形对应点的位置上,称作“三角映射”。
但是,由于不同样本三角形之间的差异,必然有一部分位置点的像素不满足映射条件。这时,需要按照邻近像素点判定准则,用相邻点的像素值作为目标点像素值的替代。这样就实现了将所有样本中的原始灰度图转化为纹理图像。
为了实现这一步,可按照如下步骤进行:
(2)根据变换后的关键点绘制闭合轮廓线,并填充为白色手骨图像,定义采样窗口。
采样窗口的作用是重点采集骨化中心区域(生长区)的图像纹理。因为变换后得到的纹理图像仍然包含巨大的像素冗余信息,所以提取生长区纹理也是评估骨龄的需要。
(4)灰阶正常化以补偿照明,做主成分分析PCA,保存特征向量和特征值。
然后将特征值按照从大到小排序,取前r个特征值对应的特征向量组成矩阵Pnp×r。计算公式为:
按照上述步骤1、2、3可以有效提取手骨图像的纹理特征,该特征能够充分利用X光图像中的灰度信息,结合骨骼形状特征,一同作为骨龄评估的参考依据。
本发明通过控制采样窗口的位置、大小等参数可以实现对骨骼任意区域的纹理特征提取。因此,本发明既可以提取骨骼全部纹理,也可以只提取局部生长区域的纹理。并且,由于骨骼轮廓关键点的约束,纹理采样几乎不受图像背景信息的干扰。
以上对于本发明的具体实施方式的说明并非限定本发明的权利范围。
Claims (1)
1.一种用于骨龄评估的手骨X光图像纹理特征提取方法,其特征在于该方法具体是:
步骤1、构建手骨轮廓关键点坐标矩阵
收集N张待测左手手骨X光图片,按照RUS-CHN法评价标准里面的内容,对其中的11个短骨、尺骨、桡骨,依次编为01,02,……,13号,再按照骨块编号分开进行处理;
步骤2、Delaunay三角剖分获得关键点特征三角形集合
a.建立一个大的三角形,将平面内所有关键点包在里面,放入三角形链表中;
b.将关键点依次插入,在三角形链表中找出该关键点的影响三角形;将影响三角形的公共边删除,同时把插入点与影响三角形的3个顶点连接起来,再将形成的三角形放入Delaunay三角形链表中;
c.循环执行上述步骤b,直到所有关键点插入完成;
步骤3、三角映射获得手骨图像纹理特征
经过上一步,每个编号的骨块都获得一个基于平均形状的三角形集合表示由于每一个样本上的形状向量与特征三角形都是一一对应的,故将特征三角形上每一点的像素值复制到基于平均形状的三角形集合对应点的位置上,称作“三角映射”;
按照邻近像素点判定准则,用相邻点的像素值作为目标点像素值的替代,实现将所有样本中的原始灰度图转化为纹理图像,具体是:
(2)根据变换后的关键点绘制闭合轮廓线,并填充为白色手骨图像,定义采样窗口;
(3)通过三角剖分和三角映射对每幅图像进行采样,然后把相应位置的像素值转换为矢量,计算平均纹理图像;
(4)灰阶正常化以补偿照明,做主成分分析PCA,保存特征向量和特征值;
上述步骤1、2、3处理完之后,获得了转换后的纹理特征矩阵Mtexture;该矩阵包含采样窗口内所有像素点构成的列向量,其作为纹理特征在骨龄评估试验中,表现出与骨龄的高度相关性,与形状特征相当。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811199737.5A CN109300150B (zh) | 2018-10-16 | 2018-10-16 | 一种用于骨龄评估的手骨x光图像纹理特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811199737.5A CN109300150B (zh) | 2018-10-16 | 2018-10-16 | 一种用于骨龄评估的手骨x光图像纹理特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109300150A CN109300150A (zh) | 2019-02-01 |
CN109300150B true CN109300150B (zh) | 2021-10-29 |
Family
ID=65162609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811199737.5A Active CN109300150B (zh) | 2018-10-16 | 2018-10-16 | 一种用于骨龄评估的手骨x光图像纹理特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109300150B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785555B (zh) * | 2020-12-30 | 2022-08-02 | 深兰智能科技(上海)有限公司 | 骨检测方法、装置、电子设备及存储介质 |
CN114601483B (zh) * | 2022-05-11 | 2022-08-16 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于图像处理的骨龄分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5617322A (en) * | 1994-01-31 | 1997-04-01 | Nec Corporation | Mesh generator and generating method |
CN101223539A (zh) * | 2004-11-23 | 2008-07-16 | 卡尔斯特里姆保健公司 | 用于自动形状分类的方法 |
CN102509338A (zh) * | 2011-09-20 | 2012-06-20 | 北京航空航天大学 | 一种基于轮廓骨架图的视频场景行为生成方法 |
CN103930924A (zh) * | 2011-08-09 | 2014-07-16 | 依莫菲克斯公司 | 图像处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1885246A2 (en) * | 2005-06-02 | 2008-02-13 | Hans H. Thodberg | Method for skeletal maturity determination |
-
2018
- 2018-10-16 CN CN201811199737.5A patent/CN109300150B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5617322A (en) * | 1994-01-31 | 1997-04-01 | Nec Corporation | Mesh generator and generating method |
CN101223539A (zh) * | 2004-11-23 | 2008-07-16 | 卡尔斯特里姆保健公司 | 用于自动形状分类的方法 |
CN103930924A (zh) * | 2011-08-09 | 2014-07-16 | 依莫菲克斯公司 | 图像处理方法 |
CN102509338A (zh) * | 2011-09-20 | 2012-06-20 | 北京航空航天大学 | 一种基于轮廓骨架图的视频场景行为生成方法 |
Non-Patent Citations (3)
Title |
---|
Automated determination of bone age from hand X-rays at the end of puberty and its applicability for age estimation;Hans Henrik Thodberg et al.;《Int J Legal Med》;20161018;第771-780页 * |
Texture Analysis of Bone CT Images for Classification and Characterization of Bone Quality;T.Kalpalatha Reddy and N.Kumaravel;《International Journal of Soft Computing》;20091231;第4卷(第5期);第223-228页 * |
基于RUS-CHN标准的手腕骨骨化中心识别分割算法;曹润 等;《北京体育大学学报》;20180430;第41卷(第4期);第75-81页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109300150A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578404B (zh) | 基于视觉显著特征提取的全参考立体图像质量客观评价方法 | |
CN108764257B (zh) | 一种多视角的指针式仪表识别方法 | |
CN106056595B (zh) | 基于深度卷积神经网络自动识别甲状腺结节良恶性的辅助诊断系统 | |
CN108364280A (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN109191472A (zh) | 基于改进U-Net网络的胸腺细胞图像分割方法 | |
CN109389584A (zh) | 基于cnn的多尺度鼻咽肿瘤分割方法 | |
CN109815888B (zh) | 一种基于新型巴氏染色方法的异常宫颈细胞自动识别方法 | |
CN112037200A (zh) | 一种医学影像中解剖特征自动识别与模型重建方法 | |
CN108062749B (zh) | 肛提肌裂孔的识别方法、装置和电子设备 | |
CN108052909B (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
US8620056B2 (en) | Method, an apparatus, a system and a computer program for transferring scan geometry between subsequent scans | |
CN111784721A (zh) | 基于深度学习的超声内窥图像智能分割与量化方法及系统 | |
CN109919254B (zh) | 乳腺密度分类方法、系统、可读存储介质和计算机设备 | |
CN110207592A (zh) | 建筑裂缝测量方法、装置、计算机设备和存储介质 | |
CN109300150B (zh) | 一种用于骨龄评估的手骨x光图像纹理特征提取方法 | |
CN110097537A (zh) | 一种基于三维纹理特征的肉质定量分析评价方法 | |
CN111931751A (zh) | 深度学习训练方法、目标物识别方法、系统和存储介质 | |
CN112215799A (zh) | 一种磨玻璃肺结节自动分类方法及系统 | |
CN112215217B (zh) | 模拟医师阅片的数字图像识别方法及装置 | |
CN109410139A (zh) | 一种文物内部和表面病害数字化分析评估方法 | |
CN105701805A (zh) | 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法 | |
CN111325754B (zh) | 一种基于ct序列图像的腰椎骨自动定位方法 | |
CN112651955A (zh) | 一种肠道图像的识别方法及终端设备 | |
WO2018098697A1 (zh) | 一种影像特征的可重复性测量方法及装置 | |
Jazayeri et al. | Automated 3D object reconstruction via multi-image close-range photogrammetry |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221227 Address after: Room 806, Building 1, Wuzhou International Business Center, Xihu District, Hangzhou City, Zhejiang Province, 310000 Patentee after: Hangzhou Shuzhilaida Technology Co.,Ltd. Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang Patentee before: HANGZHOU DIANZI University |
|
TR01 | Transfer of patent right |