CN110838121A - 一种用于辅助骨龄鉴定的儿童手骨关节识别方法 - Google Patents
一种用于辅助骨龄鉴定的儿童手骨关节识别方法 Download PDFInfo
- Publication number
- CN110838121A CN110838121A CN201810929176.3A CN201810929176A CN110838121A CN 110838121 A CN110838121 A CN 110838121A CN 201810929176 A CN201810929176 A CN 201810929176A CN 110838121 A CN110838121 A CN 110838121A
- Authority
- CN
- China
- Prior art keywords
- finger
- image
- hand
- edge
- acquiring
- 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
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 40
- 210000002411 hand bone Anatomy 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims description 32
- 210000000623 ulna Anatomy 0.000 claims abstract description 22
- 210000001145 finger joint Anatomy 0.000 claims abstract description 14
- 238000003709 image segmentation Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000003672 processing method Methods 0.000 claims abstract description 8
- 210000000707 wrist Anatomy 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 210000004247 hand Anatomy 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 210000000236 metacarpal bone Anatomy 0.000 claims description 2
- 238000002601 radiography Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 3
- 230000012488 skeletal system development Effects 0.000 abstract description 2
- 230000011164 ossification Effects 0.000 abstract 1
- 210000003811 finger Anatomy 0.000 description 68
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000002478 hand joint Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000004932 little finger Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于辅助骨龄鉴定的儿童手骨关节识别处理方法，所述方法包括：图像预处理；图像分割；获取手部边缘特征位置；获取手指关节位置；获取尺桡骨位置。由于骨龄鉴定是通过对儿童手部进行X射线进行摄影，根据X射线图像中手部骨化情况，进行骨龄的鉴定。根据《中华‑05》标准，骨龄鉴定需要找到手骨的13处骨骼发育特征，然后进行打分，最终判定骨龄。本发明采用一种辅助骨龄鉴定的儿童手骨关节识别处理方法，通过图像处理的方法，提取出需要打分的特征区域，并列出来，减少医生或其他鉴定人员人为寻找特征区域，也可以为自动骨龄鉴定做好前期工作。
Description
技术领域
本发明涉及X射线数字图像处理技术领域，具体的说是一种辅助骨龄鉴定的儿童手骨识别方法。
背景技术
在人的生长发育可用两个“年龄”来表示，即生活年龄(日历年龄)和生物年龄(骨龄)。骨龄是骨骼年龄的简称，需要借助于骨骼在X光摄像中的特定图像来确定。通常需要拍摄人的左手手腕部的X光图像，放射医生通过对比儿童手部的X光片和他们对应年龄的标准状态，来测量儿童的骨龄或者骨骼成熟度。根据《中华-05》标准，骨龄鉴定需要找到手骨的13处骨骼发育特征，然后进行打分，最终判定骨龄。依靠人工进行骨骼关节位置定位，需要记忆关节位置，需要对关节进行一个接着一个的查找，效率比较低，耗时长。
本发明采用一种辅助骨龄鉴定的儿童手骨关节识别处理方法，通过图像处理的方法，提取出需要打分的特征区域，并列出来，减少医生或其他鉴定人员人为寻找特征区域，也可以为自动骨龄鉴定做好前期工作。
发明内容
本发明的目的是提供一种用于辅助骨龄鉴定的儿童手骨关节识别方法，该方法能够有效的辅助并加速对儿童的骨龄鉴定。通过图像处理的方法，对儿童X线手部图像进行处理，具体包括图像预处理、图像分割、获取手指边缘特征位置、获取手指关节位置和尺桡骨位置，定位出进行判读骨龄的13块手骨。
本发明解决其技术问题所采用的技术方案是：一种用于辅助骨龄鉴定的儿童手骨关节识别处理方法，包括以下步骤：
图像预处理：将手部X线图像进行预处理；
图像分割：从预处理之后的图像中分割出手部区域；
获取手指边缘特征位置：在手部区域获取手指指尖、指缝的位置，手腕部位的位置；
获取手指关节位置：根据手腕部位的位置和手指指尖的位置得到手指关节位置；
获取尺桡骨位置：根据手腕部位的位置获取手腕部位的尺骨和桡骨位置。
所述图像预处理，具体是对手部X线摄影得到的数字图像进行预处理；该数字图像包括但不限于对手部X光片扫描获取的数字图像，以及直接数字采集到的数字图像；包括以下步骤：
非有效区域检测：将数字图像中限束器遮挡区域进行检测，并从数字图像中去除；
图像增强：采用调整动态范围来提高对比度，通过金字塔高频处理进行增强；
去噪：对增强后的图像中出现的噪声通过滤波进行噪声抑制。
所述图像分割，具体是将预处理之后的图像减去背景图像，将背景进行抑制，然后通过阈值对图像进行分割得到手部区域。
所述获取手指边缘特征位置，是指对手指指尖、指缝，以及手腕部的两侧位置进行位置获取；具体包括以下：
获取手部边缘：通过对图像分割获得的手部区域，进行边缘提取，对边缘曲线进行修补，得到手部边缘图像；并将边缘各点的横坐标和纵坐标记录下来；
手指指尖位置获取：对边缘各点进行凸壳计算得到手部边缘曲线的凸点；对满足设定邻域内的凸点进行合并，得到5个凸点则为手指指尖位置；
手指指缝位置获取：寻找每两个相邻指尖之间的曲线的纵方向的最小值为指缝位置；若存在多个最小值，则取中间位置作为指缝位置；
手腕部位置获取：对于手部边缘图像，截取最左侧指尖和边缘最左下角坐标点之间的曲线，对其中各点的前、后多个点进行两个方向的直线拟合，获取两条直线斜率相差最大的点为左侧手腕部；截取最右侧指尖和边缘最右下角坐标点之间的曲线，对其中各点的前后多个点进行两个方向的直线拟合，获取两条直线斜率相差最大的点为右侧手腕部。
获取手指关节位置，包括第一手指、第三手指、第五手指，以及对应掌骨位置；具体步骤包括：
第三手指中轴线获取：通过第三手指的指尖，以及指尖两侧的指缝，获取第三手指的边缘曲线，根据边缘曲线得到中轴线。
第一手指、第五手指中轴线获取：对手指指尖内侧采用指缝位置、外侧采用手腕位置组成的边缘曲线，获取中轴线。
关节位置获取：分别对三条中轴线上的灰度进行局部最大值计算，以局部最大值为中心的设定范围即为对应的关节位置。
获取尺桡骨位置；具体通过手腕部位置坐标以下进行向下灰度叠加，获取灰度最小的两点，在手腕部邻域进行区域生长，获取尺桡骨位置。
本发明具有以下有益效果及优点：
1.该发明公开了一种儿童X线手骨关节识别方法，按照本发明的上述步骤，本领域的普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
2.该发明为后续的骨龄判读提供了前期的手骨识别工作，减少了医生花费时间人为查找手骨位置的时间，提高骨龄判读的效率。
3.该发明可直接将识别结果提取出来，方便直接进行自动骨龄判读工作。
附图说明
图1为本发明的方法流程图；
图2为图像预处理的流程图；
图3为限束器检测的流程图；
图4为图像增强的流程图；
图5为获取手部边缘特征位置的流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明。
一种用于辅助骨龄鉴定的儿童手骨关节识别方法，包括以下步骤：
图像预处理：包括非有效区域检测、图像增强，以及去噪的图像处理步骤。
图像分割：先通过原始图像减去校正背景图像，然后通过阈值进行图像分割。
获取手指边缘特征位置：先计算手指边缘坐标位置，然后依次计算手指指尖位置，指缝位置、两侧手腕位置。
获取手指关节位置：根据计算得到的手指指尖、指缝、以及手腕位置，利用手指中轴线找到手指关节位置。
获取尺桡骨位置：通过对手腕部以下的成像区域进行向下叠加，获取灰度最小的两点，在手腕部附近进行区域生长，获取尺桡骨位置。
其中，获取手指边缘特征位置，包括以下步骤：
获取手部边缘坐标：对图像分割获得的手部区域，进行边缘提取，利用形态学对边缘曲线进行修补，记录下边缘各点的横坐标和纵坐标。
获取手指指尖位置：对边缘坐标点进行凸壳计算，计算出手部边缘曲线的凸点。对满足一定邻域内的凸点进行合并。
获取手指指缝位置：寻找两个指尖之间的曲线的纵方向的最小值为指缝位置，若存在多个最小值，则取中间位置作为指缝位置。
获取手腕部位置：截取最左侧指尖和边缘最左下角坐标点之间的曲线，对其中各点前后多个点进行两个方向的直线拟合，获取两条直线斜率相差最大的点为左侧手腕部；同样类似处理，获取右侧手腕部。
另，获取手指关节位置，包括以下步骤：
第三手指中轴线获取：通过第三手指的指尖，以及指尖两侧的指缝，获取第三手指的边缘曲线，对边缘曲线进行计算中轴线。
第一手指、第五手指中轴线获取：对手指指尖内侧采用指缝位置、外侧采用手腕位置组成的边缘曲线，进行中轴线计算。
关节位置获取：分别对三条中轴线上的灰度进行局部最大值计算，找到对应的关节位置。
另，获取尺桡骨位置，包括以下步骤：
腕部以下灰度叠加：将腕部以下区域进行灰度向下叠加，形成叠加曲线，找到灰度最小的五点；
尺桡骨位置确认：将五点进行区域生长，将面积最大的两块区域认为是尺桡骨位置。面积较小的区域为尺骨区域，面积较大的区域为桡骨区域。
本发明所述的一种用于辅助骨龄鉴定的儿童手骨关节识别方法流程如图1所示：
A.图像预处理；
B.图像分割；
C.获取手部边缘特征位置；
D.获取手部关节位置；
E.获取尺桡骨位置。
步骤101：图像预处理。该步骤包括限束器检测、图像增强、去噪的预处理步骤，流程图可见图2。
步骤201：限束器检测，具体流程图可见图3。
步骤301：图像压缩。
为了减少计算量，这里将原始图像大小进行压缩，将图像尺寸变小。设定压缩因子b，将图像先按照行进行压缩，然后按照列进行压缩。
Wcp＝W×b,0＜b＜1
其中，Wcp表示压缩后的图像宽度，W表示原始图像的宽度，b为压缩因子。
从每行第一个像素开始，相邻1/b个像素相加计算平均值，作为压缩后图像的像素灰度值，然后向后移动，每1/b个像素计算一次平均值，共得到Wcp个像素灰度值。依次，计算所有行的压缩图像。
然后对行压缩后的图像进行列方向压缩，即从每列第一个像素开始，在列的方向上，相邻1/b个像素相加计算平均值，作为压缩后图像的限速灰度值，然后向下移动，每1/b个像素计算一次平均值，共得到Hcp个像素灰度值。
Hcp＝H×b,0＜b＜1
其中，Hcp表示压缩后的图像高度，H表示原始图像的高度，b为压缩因子。
最后得到图像大小为Wcp×Hcp。
步骤302：像素灰度差值计算。
分别计算行方向和列方向相邻像素灰度差，得到压缩图像的梯度图像。
步骤303：不连续的边界拟合。
将步骤302计算得到的每条限束器边缘信息进行最小二乘法的直线拟合，计算得到每条直线的斜率和截距。
步骤304：拟合边界有效性判断。
对拟合的直线进行有效性判断。若斜率大于阈值，则认为该直线不为限束器边缘直线。设定角度阈值，经验值20°，图像上下两侧的倾斜角度与零度的偏差不应绝对值大于角度阈值，图像左右两侧的倾斜角度与90°的偏差绝对值不应大于阈角度值，通过这种方式获取到限束器四周的限束器边缘直线。
步骤305：获取图像限束器区域。
对获取到的限束器边界线以外的区域认为是限束器区域。
步骤202：图像增强，具体见图4。
步骤401：采用平滑下采样滤波获取不同频率下的平滑图像。
对图像进行下采样，获取不同频率下的图像信息。
对不同频率下的图像信息，采用的高斯滤波进行平滑处理，具体滤波器如下：
对图像进行高斯滤波器卷积，获取到该频率下的平滑图像。
步骤402：在不同频率下，获取高频图像。
在不同频率下，用该频率下的图像信息减去平滑图像，得到高频图像。
步骤403：高频图像增强。
在不同频率下，将高频图像采用分段函数进行增强。这里采用的分段函数为两段函数，即横坐标最小值为0，最大值为1，设定拐点m，0<m<1，此三处对应的系数分别设置为C0,Cm,C1，0和m之间的灰阶对应的系数由C0和Cm线性插值获得，m和1之间的灰阶由Cm和C1线性插值获得。
分段函数f(xi)的函数形式如下：
其中，Len长度一般为2的指数，这里取值16384。
xi＝(i-1)/(Len-1)
高频图像处理公式如下：
其中，G表示未增强前的高频图像，Gmin和Gmax分别表示未增强前高频图像中的最小值和最大值，Genhance表示增强后的高频图像。
不同频率中m,C0,Cm,C1不同。
步骤404：增强后的高频图像重构
将不同频率下增强后的高频图像，叠加上该频率下的平滑图像，然后上采样，不断重构，直到重构和原始图像大小的增强图像。
步骤203：去噪。通过使用双边滤波，对增强后的图像进行滤波处理。公式如下：
其中，Ip表示图像I在坐标点p＝(x,y)的灰度值，BIp表示Ip滤波后得到的图像BI在坐标点p的灰度值。q＝(u,v)表示中心像素p的邻域像素点，邻域像素点集合为S，Iq表示在Ip附近邻域q＝(u,v)的灰度值，Wp表示归一化因子，
为空间邻域度因子，为灰度相似度因子，表达式如下所示：
其中，σs是基于高斯函数的距离标准差，σr是基于高斯函数的灰度标准差。两者分别控制空间域滤波核函数和灰度滤波核函数的径向作用范围。
步骤102：图像分割。通过用未预处理的原始图像减去校正获取得到的空拍背景图像，得到背景抑制后的图像。在背景抑制后的图像上，采用最大类间方差法对图像进行分割，获取手部区域。
步骤103：获取手部边缘特征位置。具体流程图见图5。
步骤501：获取手部边缘坐标。
对分割获取到的二值手部区域，进行边缘点确定，生成边缘图像。遍历二值手部图像，对每一个像素点，找到其8邻域像素点，若该像素点8邻域的像素点灰度值均为0，或者均为1，则该像素点不为手部边缘点。若该像素的8邻域像素点不满足以上均为0，或是均为1的灰度值，则该像素点为手部边缘点。寻找边缘图像左下角非0点为第一个边缘点，然后通过边缘跟踪算法，将边缘点坐标记录下来，生成手部边缘坐标列表。
步骤502：获取手部指尖位置。
对手部边缘坐标进行二维凸壳点计算。
对计算的凸壳点进行合并：若相邻两凸壳点的欧式距离小于100(像素)，则将该两凸点合并，取最小点为凸点。
将异常凸点剔除：若凸点y轴坐标距图像下边缘的距离小于300(像素)，则认为该凸点为无效凸点，需剔除出凸点。
最后剩下的5个凸点则为手指指尖位置。
步骤503：获取手部指缝位置：在每两个相邻手指指尖之间的边缘找到y方向最大的点，则认为是指缝位置。
步骤504：获取手腕部位置：分别获取手腕左侧位置，手腕右侧位置。
获取手腕左侧位置：根据手部边缘坐标列表，取左下角边缘坐标为起点，最左侧手指指尖位置为终点，取该段边缘进行左侧手腕位置确认。设定手腕判断的长度阈值为N,N取30～50(像素)。循环该左侧边缘，取各点的前N个边缘点进行直线拟合，得到直线方程：
lbef＝kbefxi+bbef
其中，kbef表示前N个点拟合的斜率值，bbef表示前N个点拟合的截距值，xi表示该段边缘曲线的第i个边缘点。lbef表示该点的前N个边缘点直线方程对应xi的纵坐标。
再取后N个边缘点进行直线拟合，得到直线方程：
laft＝kaftxi+baft
其中，kaft表示后N个点拟合的斜率值，baft表示后N个点拟合的截距值。xi表示该段边缘曲线的第i个边缘点。laft表示该点的后N个边缘点直线方程对应xi的纵坐标。
Di＝|kbef-kaft|
Di表示两条拟合直线的斜率差。
记录下各点的斜率差Di，最大斜率差位置即为左侧手腕部位置。
获取手腕右侧位置：取最右侧手指指尖位置为起点，边缘最右下角位置为终点，取该段边缘进行右侧侧手腕位置确认。计算方法同手腕左侧位置计算。
步骤104：获取手指关节位置。
第三手指中轴线获取：将第三手指(中指)的指尖位置作为中轴线起点，指尖到左侧指缝所在的边缘曲线段为左侧曲线，中指到右侧指缝指尖的边缘曲线为右侧曲线。若左右侧曲线长度不一致时，取最短曲线的长度进行计算。以指尖为中轴线的起点，找到起点前一点和后一点，分别计算两点的中点，作为中轴线的第二点。然后找到起点的前面第二点和后面第二点，计算中点，作为中轴线的第三点。依次，计算初步中轴线。对中轴线的x轴坐标进行最小二乘法三阶曲线拟合，获取第三手指的中轴线。
三阶曲线方程为：
f(x)＝a3x3+a2x2+a1x+a0，
其中，x是计算出来的中轴线上的x坐标值，a3,a2,a1,a0分别为拟合的多项式系数。
第一手指(拇指)、第五手指(小指)中轴线获取：对手指指尖内侧采用指缝位置、外侧采用手腕位置组成的边缘曲线，采用和第三手指中轴线计算一样的方法，进行中轴线拟合。
关节位置获取：分别对三条中轴线穿过的图像灰度信息进行计算。计算中轴线上像素点的灰度值计算其一阶差分，然后确认中轴线上一阶差分的局部极值点，对局部极值点进行从大到小排序，获取排序后前三个局部极值位置则为该手指的关节位置。
步骤105：获取尺桡骨位置。
根据步骤504计算的手腕部位置，连接手腕左侧位置点和手腕右侧位置点，用最小二乘法拟合直线形成手腕部分割线，截取分割线以下的区域作为计算区域。将区域内所有像素灰度值向下进行叠加，形成一条灰度带，每点的灰度对应一个x值，叠加值为该x下从手腕部y对应的灰度值到图像最下端的y对应的灰度值。
手腕线拟合，根据左手腕坐标(xleft,yleft)和右手腕坐标(xright,yright)，进行线性拟合，拟合方程为：
yfit＝kx+b,xleft≤x≤xright
叠加曲线如下：
其中，xleft≤x≤xright表示x从xleft到xright取值，长度为xright-xleft+1。针对每一点xi，计算纵坐标值yfit为kxi+b，I(xi,y)表示图像在坐标(xi,y)处的灰度值，ymax表示图像I的最大y值。k和b为拟合的直线方程系数。
将计算得到的曲线g(xi)进行谷值计算，获取到的谷值对应的x值则为尺桡骨的分界值即手腕线。
对手腕线以下，尺桡骨分界左侧的区域，进行区域生长，对区域面积排序，最大面积的为尺骨区域，尺骨最接近手腕线的位置为尺骨远端区域。
对手腕线以下，尺桡骨分界右侧的区域，进行区域生长，对区域面积排序，最大面积的为桡骨区域，桡骨最接近手腕线的位置为桡骨远端区域。
基于以上的步骤，完成了一次用于辅助骨龄鉴定的DR儿童手骨关节识别操作。
Claims (6)
1.一种用于辅助骨龄鉴定的儿童手骨关节识别处理方法，其特征在于，包括以下步骤：
图像预处理：将手部X线图像进行预处理；
图像分割：从预处理之后的图像中分割出手部区域；
获取手指边缘特征位置：在手部区域获取手指指尖、指缝的位置，手腕部位的位置；
获取手指关节位置：根据手腕部位的位置和手指指尖的位置得到手指关节位置；
获取尺桡骨位置：根据手腕部位的位置获取手腕部位的尺骨和桡骨位置。
2.根据权利要求1所述的一种用于辅助骨龄鉴定的儿童手骨关节识别方法，其特征在于，所述图像预处理，具体是对手部X线摄影得到的数字图像进行预处理；该数字图像包括但不限于对手部X光片扫描获取的数字图像，以及直接数字采集到的数字图像；包括以下步骤：
非有效区域检测：将数字图像中限束器遮挡区域进行检测，并从数字图像中去除；
图像增强：采用调整动态范围来提高对比度，通过金字塔高频处理进行增强；
去噪：对增强后的图像中出现的噪声通过滤波进行噪声抑制。
3.根据权利要求1所述的一种用于辅助骨龄鉴定的儿童手骨关节识别方法，其特征在于，所述图像分割，具体是将预处理之后的图像减去背景图像，将背景进行抑制，然后通过阈值对图像进行分割得到手部区域。
4.根据权利1要求所述的一种用于辅助骨龄鉴定的儿童手骨关节识别方法，其特征在于，所述获取手指边缘特征位置，是指对手指指尖、指缝，以及手腕部的两侧位置进行位置获取；具体包括以下：
获取手部边缘：通过对图像分割获得的手部区域，进行边缘提取，对边缘曲线进行修补，得到手部边缘图像；并将边缘各点的横坐标和纵坐标记录下来；
手指指尖位置获取：对边缘各点进行凸壳计算得到手部边缘曲线的凸点；对满足设定邻域内的凸点进行合并，得到5个凸点则为手指指尖位置；
手指指缝位置获取：寻找每两个相邻指尖之间的曲线的纵方向的最小值为指缝位置；若存在多个最小值，则取中间位置作为指缝位置；
手腕部位置获取：对于手部边缘图像，截取最左侧指尖和边缘最左下角坐标点之间的曲线，对其中各点的前、后多个点进行两个方向的直线拟合，获取两条直线斜率相差最大的点为左侧手腕部；截取最右侧指尖和边缘最右下角坐标点之间的曲线，对其中各点的前后多个点进行两个方向的直线拟合，获取两条直线斜率相差最大的点为右侧手腕部。
5.根据权利1要求所述的一种用于辅助骨龄鉴定的儿童手骨关节识别方法，其特征在于，获取手指关节位置，包括第一手指、第三手指、第五手指，以及对应掌骨位置；具体步骤包括：
第三手指中轴线获取：通过第三手指的指尖，以及指尖两侧的指缝，获取第三手指的边缘曲线，根据边缘曲线得到中轴线。
第一手指、第五手指中轴线获取：对手指指尖内侧采用指缝位置、外侧采用手腕位置组成的边缘曲线，获取中轴线。
关节位置获取：分别对三条中轴线上的灰度进行局部最大值计算，以局部最大值为中心的设定范围即为对应的关节位置。
6.根据权利1要求所述的一种用于辅助骨龄鉴定的儿童手骨关节识别方法，其特征在于，获取尺桡骨位置；具体通过手腕部位置坐标以下进行向下灰度叠加，获取灰度最小的两点，在手腕部邻域进行区域生长，获取尺桡骨位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810929176.3A CN110838121A (zh) | 2018-08-15 | 2018-08-15 | 一种用于辅助骨龄鉴定的儿童手骨关节识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810929176.3A CN110838121A (zh) | 2018-08-15 | 2018-08-15 | 一种用于辅助骨龄鉴定的儿童手骨关节识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110838121A true CN110838121A (zh) | 2020-02-25 |
Family
ID=69573001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810929176.3A Pending CN110838121A (zh) | 2018-08-15 | 2018-08-15 | 一种用于辅助骨龄鉴定的儿童手骨关节识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110838121A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113436143A (zh) * | 2021-05-24 | 2021-09-24 | 北京医准智能科技有限公司 | 基于人工智能的关节检测方法、装置及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6604943B2 (en) * | 2001-07-16 | 2003-08-12 | Velton C. White | Orthodontic appliance |
| US7769214B2 (en) * | 2002-12-05 | 2010-08-03 | The Trustees Of The University Of Pennsylvania | Method for measuring structural thickness from low-resolution digital images |
| CN102938055A (zh) * | 2012-10-09 | 2013-02-20 | 哈尔滨工程大学 | 一种手骨身份识别系统 |
| EP2227784B1 (en) * | 2007-12-28 | 2014-07-16 | Exini Diagnostics AB | System for detecting bone cancer metastases |
| CN104951064A (zh) * | 2014-03-26 | 2015-09-30 | 英特尔公司 | 高效的自由空间手指识别 |
| CN107895367A (zh) * | 2017-11-14 | 2018-04-10 | 中国科学院深圳先进技术研究院 | 一种骨龄识别方法、系统及电子设备 |
| CN108053476A (zh) * | 2017-11-22 | 2018-05-18 | 上海大学 | 一种基于分段三维重建的人体参数测量系统及方法 |
| CN108335303A (zh) * | 2018-01-28 | 2018-07-27 | 浙江大学 | 一种应用于手掌x光片的多尺度手掌骨骼分割方法 |
-
2018
- 2018-08-15 CN CN201810929176.3A patent/CN110838121A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6604943B2 (en) * | 2001-07-16 | 2003-08-12 | Velton C. White | Orthodontic appliance |
| US7769214B2 (en) * | 2002-12-05 | 2010-08-03 | The Trustees Of The University Of Pennsylvania | Method for measuring structural thickness from low-resolution digital images |
| EP2227784B1 (en) * | 2007-12-28 | 2014-07-16 | Exini Diagnostics AB | System for detecting bone cancer metastases |
| CN102938055A (zh) * | 2012-10-09 | 2013-02-20 | 哈尔滨工程大学 | 一种手骨身份识别系统 |
| CN104951064A (zh) * | 2014-03-26 | 2015-09-30 | 英特尔公司 | 高效的自由空间手指识别 |
| CN107895367A (zh) * | 2017-11-14 | 2018-04-10 | 中国科学院深圳先进技术研究院 | 一种骨龄识别方法、系统及电子设备 |
| CN108053476A (zh) * | 2017-11-22 | 2018-05-18 | 上海大学 | 一种基于分段三维重建的人体参数测量系统及方法 |
| CN108335303A (zh) * | 2018-01-28 | 2018-07-27 | 浙江大学 | 一种应用于手掌x光片的多尺度手掌骨骼分割方法 |
Non-Patent Citations (7)
| Title |
|---|
| 姜晓恒: "基于凸包分析的实时指尖检测系统", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
| 巫康伟: "一种联合几何特征和隐马尔可夫模型的手势识别算法", 《模式识别与仿真》 * |
| 杨莉: "针对左手掌X光片的骨龄自动评价系统研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
| 洪初阳: "骨龄识别系统中的定位问题与桡骨识别研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 医药卫生科技辑》 * |
| 赵娟: "基于CHN法的骨龄识别方法的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
| 郗瑶颖: "基于立体视觉的指尖定位与人机交互技术研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
| 高晨 等: "基于凸包算法的指尖识别方法", 《北京化工大学学报( 自然科学版)》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113436143A (zh) * | 2021-05-24 | 2021-09-24 | 北京医准智能科技有限公司 | 基于人工智能的关节检测方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aquino et al. | Detecting the optic disc boundary in digital fundus images using morphological, edge detection, and feature extraction techniques | |
| CN117649357B (zh) | 一种基于图像增强的超声图像处理方法 | |
| JP2007207009A (ja) | 画像処理方法及び画像処理装置 | |
| CN109919929A (zh) | 一种基于小波变换的舌裂纹特征提取方法 | |
| CN116993628B (zh) | 一种用于肿瘤射频消融引导的ct图像增强系统 | |
| JP4274400B2 (ja) | 画像の位置合わせ方法および装置 | |
| CN110909631A (zh) | 一种手指静脉图像roi提取和增强方法 | |
| CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
| CN113362280B (zh) | 一种基于医学造影的动态目标跟踪方法 | |
| CN108460738A (zh) | 基于b样条的医学图像倾斜校正方法 | |
| CN112396565A (zh) | 静脉穿刺机器人的图像及视频血管增强与分割方法和系统 | |
| CN107025640A (zh) | 基于优化的非局部均值的医学图像去噪方法 | |
| CN117036310A (zh) | 一种dicom影像外围轮廓的识别提取方法 | |
| CN113379649A (zh) | 一种图像增强方法、装置、设备及存储介质 | |
| CN109584167A (zh) | 基于二阶特征的ct图像肝内血管增强与分割方法及系统 | |
| CN106910166B (zh) | 一种图像处理方法和装置 | |
| Kazeminia et al. | Bone extraction in X-ray images by analysis of line fluctuations | |
| CN114863498A (zh) | 一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法 | |
| CN112926516B (zh) | 一种鲁棒的手指静脉图像感兴趣区域提取方法 | |
| CN110838121A (zh) | 一种用于辅助骨龄鉴定的儿童手骨关节识别方法 | |
| CN116277978B (zh) | 多模态骨关节数字化3d打印方法 | |
| CN109993765B (zh) | 一种视网膜静脉交叉压迫角度检测方法 | |
| CN114820678B (zh) | 基于oct图像的血管壁内轮廓自动提取方法及系统 | |
| JP4020202B2 (ja) | 縞状パターン抽出システムおよび縞状パターン抽出方法 | |
| CN113011333B (zh) | 基于近红外图像获取最佳静脉穿刺点和方向的系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200225 |