CN112690778B - 一种生成脊柱椎间盘定位线的方法及系统 - Google Patents
一种生成脊柱椎间盘定位线的方法及系统 Download PDFInfo
- Publication number
- CN112690778B CN112690778B CN202110048780.7A CN202110048780A CN112690778B CN 112690778 B CN112690778 B CN 112690778B CN 202110048780 A CN202110048780 A CN 202110048780A CN 112690778 B CN112690778 B CN 112690778B
- Authority
- CN
- China
- Prior art keywords
- image data
- vertebra
- vertebral body
- processed
- gray
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4566—Evaluating the spine
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physical Education & Sports Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- High Energy & Nuclear Physics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种生成脊柱椎间盘定位线的方法及系统,所述方法包括:获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围;根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体对应的顶点数据;根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线。本发明利用相邻的两个椎体的顶点数据对这两个椎体之间的脊柱椎间盘进行精准定位,继而生成对应的脊柱椎间盘定位线,解决了现有技术中在进行脊柱椎间盘定位时难以准确分割椎体的边缘,导致生成的脊柱椎间盘定位线不准确的问题。
Description
技术领域
本发明涉及医学图像处理领域,尤其涉及的是一种生成脊柱椎间盘定位线的系统。
背景技术
现有的全自动脊柱椎间盘扫描定位线生成算法因为核磁共振成像特性,图像的灰度信息变化较大,导致阈值设定不准确从而出现部分锥体的边缘分割不准确的情况;其次,受到图像质量的影响,也难以准确的分割出病变脊柱椎间盘与椎骨的正确边缘,导致算法后期生成的定位线不准确。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种生成脊柱椎间盘定位线的系统,旨在解决现有技术中的在进行脊柱椎间盘定位时难以准确分割椎骨对应的椎体的边缘,导致生成的脊柱椎间盘定位线不准确的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种生成脊柱椎间盘定位线的方法,其中,所述方法包括:
获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围;
根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体对应的顶点数据;
根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线。
在一种实施方式中,所述获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围包括:
获取原始的脊柱图像数据,对所述脊柱图像数据进行非锐化掩蔽的预处理;
获取待处理椎骨的位置信息,根据所述待处理椎骨的位置信息对所述预处理后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据;
根据所述局部椎骨图像数据生成目标灰度直方图;
获取基于所述目标灰度直方图计算出的局部椎骨灰度特征曲线;
通过所述局部椎骨灰度特征曲线确定目标阈值范围。
在一种实施方式中,所述获取待处理椎骨的位置信息,根据所述待处理椎骨的位置信息对所述预处理后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据包括:
当所述待处理椎骨为医师点击的第一节椎骨时,获取基于医师的点击操作生成的待处理椎骨的位置信息;
当所述待处理椎骨为除所述第一节椎骨之外的椎骨时,获取第一节待处理椎骨的顶点数据中在人体竖直方向上位于下方的两个顶点数据,连接所述位于下方的两个顶点数据,将连接后得到的连线的垂线方向向下预设距离得到的点的位置信息作为待处理椎骨的位置信息;
获取图像类别信息,根据所述图像类别信息确定剪裁参数;
以所述待处理椎骨的位置信息为中心,根据所述剪裁参数对所述预处理后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据。
在一种实施方式中,所述获取基于所述目标灰度直方图计算出的局部椎骨灰度特征曲线包括:
对所述目标灰度直方图执行中值和均值加权操作,将操作后得到的图像数据作为加权图像数据;
根据所述加权图像数据提取局部椎骨灰度特征曲线。
在一种实施方式中,所述通过所述局部椎骨灰度特征曲线确定目标阈值范围包括:
确定所述局部椎骨灰度特征曲线中目标波峰的上限数值和下限数值;
将所述上限数值和所述下限数值作为目标阈值范围。
在一种实施方式中,所述根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体的顶点数据包括:
根据所述目标阈值范围对所述局部椎骨图像数据进行二值化处理,将处理完毕后得到的图像数据作为所述待处理椎骨对应的二值化图像数据;
根据所述目标阈值范围对所述二值化图像数据进行图像分割,将分割完毕后得到的图像数据作为所述待处理椎骨对应的椎体的图像数据;
利用特定的滤波器对所述椎体的图像数据进行卷积操作,卷积完毕后得到所述椎体对应的顶点数据。
在一种实施方式中,所述根据所述目标阈值范围对所述二值化图像数据进行图像分割,将分割完毕后得到的图像数据作为所述待处理椎骨对应的椎体的图像数据包括:
通过所述待处理椎骨的位置信息生成种子点;
利用所述目标阈值范围,通过区域生长方法将所述二值化图像数据中与所述种子点的属性参数的相似度达到预设标准的像素合并至同一区域;
合并完毕以后得到的所述待处理椎骨对应的椎体的图像数据。
在一种实施方式中,所述利用特定的滤波器对所述椎体的图像数据进行卷积操作,卷积完毕后得到所述椎体对应的顶点数据包括:
利用特定的滤波器对所述椎体的图像数据进行卷积操作,通过所述卷积操作分离出所述椎体相对于人体竖直方向的上边缘数据和下边缘数据;
根据所述上边缘数据和所述下边缘数据生成所述椎体对应的顶点数据。
在一种实施方式中,所述根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线包括:
根据所述椎体以及与所述椎体相邻的椎体的顶点数据,分别将位于同一侧且距离值最小的两个顶点数据进行中值提取,将提取出的两个点作为两个中值点;
连接所述两个中值点,将连接后得到的连线作为脊柱椎间盘的定位线。
第二方面,本发明实施例还提供一种生成脊柱椎间盘定位线的系统,其中,所述系统包括:
获取模块,用于获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围。
本发明的有益效果:本发明实施例利用相邻的两个椎体的顶点数据对这两个椎体之间的脊柱椎间盘进行精准定位,继而生成对应的脊柱椎间盘定位线,解决了现有技术中在进行脊柱椎间盘定位时难以准确分割椎体的边缘,导致生成的脊柱椎间盘定位线不准确的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种生成脊柱椎间盘定位线的方法的流程示意图。
图2是本发明实施例提供的实际局部图像中的灰度直方统计图。
图3是本发明实施例提供的平滑后得到的椎骨灰度特征曲线。
图4是本发明实施例提供的理想的局部椎骨图像灰度特征曲线分析图。
图5是本发明实施例提供的通过相邻椎体的四个顶点生成脊柱椎间盘的定位线的示意图。
图6是本发明实施例提供的一种生成脊柱椎间盘定位线的系统的模块连接示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
在人体脊椎的检查中,脊柱椎间盘病变一直是医生较为重点关注的问题。在核磁共振检查(MRI)中,通常操作医师会对扫描的脊柱(如颈椎或者腰椎)做一次T2加权的快速自旋回波序列扫描(fast Spin-echo,FSE序列)。这是由于核磁共振为多参数成像,出于分析图像的方便,希望一帧核磁共振图像的灰度主要由一个特定的成像参数决定,当图像灰度主要有T2决定时为T2加权图像。加权是为了在核磁共振技术中更好的显示各种组织和病变,通过调整脉冲的重复时间(前一脉冲序列与相邻的后一脉冲序列之间的时间)、回波时间(指90°脉冲至采集信号峰值之间的时间)等来得到受检组织的特征参数,突出重点的图像。
之后,医师需要通过矢状面的扫描图像手动添加需要扫描的脊柱椎间盘的扫描定位线。在添加的过程中不仅需要针对脊柱椎间盘的位置调整中心点,还需要调整角度,当扫描的脊柱椎间盘多的时候该工作会相当繁琐且占用操作医师的时间。
目前实现核磁共振影像脊柱椎间盘自动定位技术的方案是全自动脊柱椎间盘的定位方法,主要是通过对图像中脊髓的定位,从而得到脊柱的整体走向,再通过该走向生成椎骨的种子点。根据椎骨的种子点结合不同的算法对椎骨进行分割,进而得到最后脊柱椎间盘的位置,最后得到定位线。
然而现有全自动脊柱椎间盘扫描定位线生成算法缺点有以下几个方面:
(1)在腰椎图像上,因为核磁共振成像特性,通常会出现一张图像上从至下图像亮度逐渐变亮的过程。加上选择的加权模式不同,图像的灰度信息变化较大,使设定动态阈值进的难度加大,通过种子点进行区域生长分割锥体时经常会出现阈值设定不准确从而出现部分锥体的边缘分割不准确的情况。虽然对不同椎骨都会通过计算对应的生长阈值来进行分割,但需要不断应用递归的方式调整阈值进行判定分割是否完成,而且对椎骨的面积、形状要求都很高(接近矩形,但实际的椎骨,或者受到病变的椎骨形状是很难保证其形状),即便保证分割准确性也会相当耗时。
(2)受到图像质量的影响,低场或者实际医院扫描的核磁共振图像边缘信息或者图像质量本身就和实验测试的图像有所偏差,在腰椎图像中病变的脊柱椎间盘颜色并不会呈现亮白色,可能会与椎骨呈现相近的颜色,如果此时做了不正当的边缘预处理(或者图像在采集的时候受其他条件导致椎骨与背景的分界不明显),后期在分割锥体与脊柱椎间盘时会较难甚至不能准确的分割出病变脊柱椎间盘与椎骨的正确边缘,很容易会导致算法后期生成的定位线不准确。故算法本身和不同系统适配性会存在很大的影响。
(3)由于是全自动定位的算法,一般是需要先通过图像定位脊髓的作为椎骨的辅助线,然后再通过阈值的波动拟合出图像中所有椎骨种子点的位置然后开始进行分割。该过程实际计算的过程需要耗费一定时间,而且对于医生来说也没有必要,因为其不会对图像中所有脊柱椎间盘进行检查,不如根据医生选定的脊柱椎间盘直接进行计算更为节省时间,提高效率。当扫描的病患的椎骨或者脊柱椎间盘发生一定病变的时候,对全段的腰椎进行种子点拟合分析时很容易遇到干扰,导致最后种子点生成不准确。
简言之,现有的全自动脊柱椎间盘扫描定位线生成算法由于图像的灰度信息变化较大,导致阈值设定不准确从而出现部分锥体的边缘分割不准确的情况;其次,难以准确的分割出病变脊柱椎间盘与椎骨的正确边缘,导致算法后期生成的定位线不准确;此外,需要生成所有椎骨种子点的位置然后开始进行分割,十分耗费时间且不必要。
针对现有技术的上述缺陷,本发明提供了一种生成脊柱椎间盘定位线的方法,利用相邻的两个椎体的顶点数据对这两个椎体之间的脊柱椎间盘进行精准定位,继而生成对应的脊柱椎间盘定位线,解决了现有技术中在进行脊柱椎间盘定位时难以准确分割椎体的边缘,导致生成的脊柱椎间盘定位线不准确的问题。此外,本发明还不需要对核磁共振图像中所有的椎骨进行分割,只需要对医师点击的特定区域进行图像分割和图像分析,减少了误差累计,且减少了系统的图像处理时间。
如图1所示,本实施例提供一种生成脊柱椎间盘定位线的方法,所述方法包括如下步骤:
步骤S100、获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围。
具体地,首先医师要自行选定需要定位、分析的椎骨,系统将医师选定的椎骨作为待处理椎骨,然后截取出所述待处理椎骨对应的局部椎骨图像数据,对该局部椎骨图像数据的图像灰度进行检测分析,并以灰度直方图的形式呈现,检测分析以后生成的灰度直方图即为所述待处理椎骨对应的目标灰度直方图,然后在对所述目标灰度直方图进行计算分析,得到一个合适的灰度值范围,将这个合适的灰度值范围作为目标阈值范围,以实现精准地分割出所述待处理椎骨对应的椎体。
在一种实现方式中,所述步骤S100具体地包括如下步骤:
步骤S110、获取原始的脊柱图像数据,对所述脊柱图像数据进行非锐化掩蔽的预处理;
步骤S120、获取待处理椎骨的位置信息,根据所述待处理椎骨的位置信息对所述预处理后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据;
步骤S130、根据所述局部椎骨图像数据生成目标灰度直方图;
步骤S140、获取基于所述目标灰度直方图计算出的局部椎骨灰度特征曲线;
步骤S150、通过所述局部椎骨灰度特征曲线确定目标阈值范围。
具体地,系统获取原始的脊柱图像数据以后,需要对整张脊柱图像数据进行非锐化掩蔽的预处理,以实现减少图像中噪声的影响以及增强椎体的边缘信息,便于后期的分割。然后需要获取所述待处理椎骨的位置信息,基于该位置信息确定所述待处理椎骨位于脊柱图像数据中的哪一个区域,进而才能对经过预处理步骤以后得到的脊柱图像数据进行剪裁,得到局部椎骨图像数据。在一种实现方式中,当所述待处理椎骨为医师点击的第一节椎骨时,获取基于医师的点击操作生成的待处理椎骨的位置信息;当所述待处理椎骨为除所述第一节椎骨之外的椎骨时,获取第一节待处理椎骨的顶点数据中在人体竖直方向上位于下方的两个顶点数据,连接所述位于下方的两个顶点数据,将连接后得到的连线的垂线方向向下预设距离得到的点的位置信息作为待处理椎骨的位置信息。然后获取图像类别信息,根据所述图像类别信息确定剪裁参数,以所述待处理椎骨的位置信息为中心,根据所述剪裁参数对经过预处理以后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据。简单来说,由于初始椎骨(医师点击的第一节椎骨)的位置信息可以基于医师的点击操作直接得到,假设将所述初始椎骨的位置信息作为第一个种子点的位置信息,则下一个种子点就对应所述初始椎骨的下一节椎骨,下一个种子点的位置信息可以通过所述初始椎骨的下方的两个端点的斜率作为参考,垂直方向向下一定距离计算得到。
举例说明,医师通过预先设计的T2fse序列扫描生成脊柱图像后,选择椎间盘的横断面扫描序列,进入正常的扫描线编辑模式。然后医师选择需要进行分析、定位的椎骨作为待处理椎骨。具体地,本实施例需要医师点击需要被分割椎间盘的首尾椎骨,医师可以连续选择多个椎间盘,只需要点击起始椎间盘上一节椎骨以及末位椎间盘后的下一节椎骨,就可以生成对应椎间盘的定位线。系统通过医师点击的位置可以直接确认起始椎骨(医师点击的第一节椎骨)的位置,并计算出其他椎骨的位置。此外,系统还需要获取用户输入的图像类别信息,该图像类别信息用于指示当前脊柱图像属于颈胸腰椎哪一个类别,不同类别的脊柱图像由于椎骨大小不同,会有不同的剪裁参数,例如剪裁比例、范围等等。
得到局部椎骨图像数据以后,还需要根据所述局部椎骨图像生成目标灰度直方图(如图2所示)。灰度直方图指的是图像关于灰度级分布的函数,是对图像中灰度级分布的统计。具体地,灰度直方图是将数字图像中的所有像素,按照灰度值的大小,统计其出现的频率。换言之,灰度直方图表示图像中具有某种灰度级的像素的个数,反映了图像中某种灰度出现的频率。因此生成目标灰度直方图以后,对该目标灰度直方图进行分析即可绘制出所述待处理椎骨对应的局部椎骨灰度特征曲线。
在一种实现方式中,生成局部椎骨灰度特征曲线的具体方法如下:首先对所述目标灰度直方图执行中值和均值加权操作,将操作后得到的图像数据作为加权图像数据,然后根据所述加权图像数据提取局部椎骨灰度特征曲线。具体地,用特定的窗宽数据对所述灰度直方图做中值和均值的多次比例变化的加权操作,以实现平滑其曲线并放大特征点,进而得到局部椎骨灰度特征曲线(如图3所示)。
然后需要根据所述局部椎骨绘图特征曲线确定后续进行图像二值化处理和图像分割时采用的目标阈值范围。在一种实现方式中,可以通过确定所述局部椎骨灰度特征曲线中目标波峰的上限数值和下限数值,将所述上限数值和所述下限数值作为目标阈值范围。具体地,发明人通过多次试验后进行归纳得到理想的局部椎骨灰度特征曲线(如图4所示),再结合T2加权图像的医学特征和图像灰度特征分析可以得知,其中第一个波峰A中主要包含的是局部椎体图像中较暗的部分,即椎骨之外靠左以及部分椎间盘的灰度值部分(暗色背景),中间第二个较高的波峰B则是主要包含了椎骨灰度值所在的部分,后续突起的波峰C的灰度值一般对应的是较亮的椎间盘、脊髓以及其他脂肪信号的部分(亮色背景),D区域主要是特别亮的脊髓信号和部分噪点所在的区域。因此本实施例需要精准的定位到椎骨所在波峰B(通常为第二波峰),将波峰B作为目标波峰,然后定位到所述目标波峰的上限数值和下限数值,从而取其作为目标阈值范围。
确定好目标阈值范围以后,如图1所示,所述方法还包括如下步骤:
步骤S200、根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体对应的顶点数据。
具体地,人体的椎间盘指的是位于相邻椎骨之间的软骨连接结构,因此本实施例需要准确分割出医师指定的椎骨对应的椎体,进而确定这些椎体对应的顶点,才能最终实现对脊柱椎间盘的精准定位并生成相应的定位线。
在一种实现方式中,所述步骤S200具体包括如下步骤:
步骤S210、根据所述目标阈值范围对所述局部椎骨图像数据进行二值化处理,将处理完毕后得到的图像数据作为所述待处理椎骨对应的二值化图像数据;
步骤S220、根据所述目标阈值范围对所述二值化图像数据进行图像分割,将分割完毕后得到的图像数据作为所述待处理椎骨对应的椎体的图像数据;
步骤S230、利用特定的滤波器对所述椎体的图像数据进行卷积操作,卷积完毕后得到所述椎骨对应的顶点数据。
本实施例需要根据所述目标阈值范围对所述局部椎骨图像数据进行二值化处理,将处理完毕后得到的图像数据作为所述待处理椎骨对应的二值化图像数据。具体地,图像二值化是基于预设的阈值将图像上的像素点的灰度值设置为0或者255,也就是将整个图像呈现出明显的黑白效果的过程,这样可以使图像中的数据量大为减少,从而能凸显出目标的轮廓。本实施例中进行图像二值化时,采用的不是一个阈值,而是一个阈值范围,即本实施例中前述步骤获得的目标阈值范围,将灰度值位于所述目标阈值范围内的像素判定为属于特定物体,其灰度值为255表示,否则这些像素点排出在物体区域外,灰度值为0,表示背景或者例外的物体区域。
生成二值化图像数据以后,根据所述目标阈值范围对所述二值化图像数据进行图像分割,将分割完毕后得到的图像数据作为所述待处理椎骨对应的椎体的图像数据。在一种实现方式中,可以通过所述待处理椎骨的位置信息生成种子点,然后利用所述目标阈值范围,通过区域生长方法将所述二值化图像数据中与所述种子点的属性参数的相似度达到预设标准的像素合并至同一区域,合并完毕以后得到的所述待处理椎骨对应的椎体的图像数据。
具体地,得到目标阈值范围以后,根据所述待处理椎骨的位置生成相应的种子点,然后利用所述目标阈值范围结合区域生长方法分割出所述待处理椎骨对应的椎体的图像数据。其中区域生长方法指的是从设定的种子点开始,将与种子点相邻接的具有相似属性的像素合并至同一区域,本实施例中种子点的属性可以包括灰度值或者纹理信息。由于本实施例中区域生长的判定准则是基于灰度值,而在T2加权的核磁共振影像中椎骨部分的灰度值会相对接近,因此通过所述目标阈值范围作为标准进行区域生长,就可以得到所述待处理椎骨对应的椎体的前景图像数据,该前景图像数据或许会存在噪点而导致中间有空洞或者边缘不够平滑,这时可以通过对该前景图像数据进行填洞、形态学腐蚀膨胀等图像处理操作,从而得到完整的椎体的图像数据。
然后需要利用特定的滤波器对所述椎体的图像数据进行卷积操作,以得到所述椎体对应的顶点数据。具体地,首先需要利用特定的滤波器对所述椎体的图像数据进行卷积操作,通过所述卷积操作分离出所述椎体相对于人体竖直方向的上边缘数据和下边缘数据,然后根据所述上边缘数据和所述下边缘数据生成所述椎体对应的顶点数据。举例说明,得到椎体的图像数据以后,可以利用水平边缘滤波器或者根据椎体的旋转情况使用斜对角滤波器,对椎体的图像数据进行卷积,分离出椎体相对于人体竖直方向的上、下边缘,从而分割出椎体的四个顶点。最后为了实现对脊柱椎间盘进行定位,如图1所示,所述方法还包括如下步骤:
步骤S300、根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线。
可以理解的是,当获取到椎体的顶点数据以后,椎体的上边缘的两个顶点对应的是椎体上方椎间盘的下边缘顶点,反之椎体下边缘的两个顶点对应的就是其正下方的椎间盘的上边缘的顶点。因此获取到所述椎体的顶点数据以后,就可以根据所述椎体的顶点数据对脊柱椎间盘实现精确定位,进而生成脊柱椎间盘的定位线。
在一种实现方法中,所述步骤S300具体包括如下步骤:
步骤S310、根据所述椎体以及与所述椎体相邻的椎体的顶点数据,分别将位于同一侧且距离值最小的两个顶点数据进行中值提取,将提取出的两个点作为两个中值点;
步骤S320、连接所述两个中值点,将连接后得到的连线作为脊柱椎间盘的定位线。
具体地,本实施例需要分割出至少两个相邻的椎体的图像数据并得到这两个相邻的椎体对应的顶点数据才可以生成一条脊柱椎间盘的定位线。举例说明,假设已经得到了第一节椎骨对应的椎体的四个顶点A、B、C、D,以及第二节椎骨对应的椎体的四个顶点a、b、c、d,如图5所示,通过对C顶点和a顶点进行中值提取、D顶点和b顶点进行中值提取,得到两个中值点e、f,连接e、f得到一条连线,则该连线即为第一节椎骨与第二节椎骨中间的脊柱椎间盘的定位线。
基于上述实施例,本发明实施例还提供一种生成脊柱椎间盘定位线的系统,其特征在于,如图6所示,所述系统包括:
获取模块01,用于获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围;
分割模块02,用于根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体对应的顶点数据;
定位模块03,用于根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线。
综上所述,本发明公开了一种生成脊柱椎间盘定位线的方法,所述方法包括:获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围;根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体对应的顶点数据;根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线。本发明利用相邻的两个椎体的顶点数据对这两个椎体之间的脊柱椎间盘进行精准定位,继而生成对应的脊柱椎间盘定位线,解决了现有技术中的在进行脊柱椎间盘定位时难以准确分割椎骨对应的椎体的边缘,导致生成的脊柱椎间盘定位线不准确的问题。此外,本发明还不需要对核磁共振图像中所有椎间盘进行分割,只需要对医师点击的特定区域进行分析,减少了误差累计,且减少了系统的图像处理时间。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种生成脊柱椎间盘定位线的方法,其特征在于,所述方法包括:
获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围;
根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体对应的顶点数据;
根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线;
所述根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围包括:
所述灰度直方图为将数字图像中的所有像素,按照灰度值的大小,统计该灰度值出现的频率;
用特定的窗宽数据对所述灰度直方图做中值和均值的多次比例变化的加权操作,将操作后得到的图像数据作为加权图像数据,根据所述加权图像数据提取局部椎骨灰度特征曲线;
根据所述局部椎骨灰度特征曲线,结合T2加权图像的医学特征和图像灰度特征,将所述局部椎骨灰度特征曲线中第二波峰作为目标波峰,确定所述目标波峰的上限数值和下限数值,将所述上限数值和所述下限数值作为目标阈值范围。
2.根据权利要求1所述的一种生成脊柱椎间盘定位线的方法,其特征在于,所述获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围包括:
获取原始的脊柱图像数据,对所述脊柱图像数据进行非锐化掩蔽的预处理;
获取待处理椎骨的位置信息,根据所述待处理椎骨的位置信息对所述预处理后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据;
根据所述局部椎骨图像数据生成目标灰度直方图;
获取基于所述目标灰度直方图计算出的局部椎骨灰度特征曲线;
通过所述局部椎骨灰度特征曲线确定目标阈值范围。
3.根据权利要求2所述的一种生成脊柱椎间盘定位线的方法,其特征在于,所述获取待处理椎骨的位置信息,根据所述待处理椎骨的位置信息对所述预处理后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据包括:
当所述待处理椎骨为医师点击的第一节椎骨时,获取基于医师的点击操作生成的待处理椎骨的位置信息;
当所述待处理椎骨为除所述第一节椎骨之外的椎骨时,获取第一节待处理椎骨的顶点数据中在人体竖直方向上位于下方的两个顶点数据,连接所述位于下方的两个顶点数据,将连接后得到的连线的垂线方向向下预设距离得到的点的位置信息作为待处理椎骨的位置信息;
获取图像类别信息,根据所述图像类别信息确定剪裁参数;
以所述待处理椎骨的位置信息为中心,根据所述剪裁参数对所述预处理后得到的脊柱图像数据执行剪裁操作,得到局部椎骨图像数据。
4.根据权利要求1所述的一种生成脊柱椎间盘定位线的方法,其特征在于,所述根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体的顶点数据包括:
根据所述目标阈值范围对所述局部椎骨图像数据进行二值化处理,将处理完毕后得到的图像数据作为所述待处理椎骨对应的二值化图像数据;
根据所述目标阈值范围对所述二值化图像数据进行图像分割,将分割完毕后得到的图像数据作为所述待处理椎骨对应的椎体的图像数据;
利用特定的滤波器对所述椎体的图像数据进行卷积操作,卷积完毕后得到所述椎体对应的顶点数据。
5.根据权利要求4所述的一种生成脊柱椎间盘定位线的方法,其特征在于,所述根据所述目标阈值范围对所述二值化图像数据进行图像分割,将分割完毕后得到的图像数据作为所述待处理椎骨对应的椎体的图像数据包括:
通过所述待处理椎骨的位置信息生成种子点;
利用所述目标阈值范围,通过区域生长方法将所述二值化图像数据中与所述种子点的属性参数的相似度达到预设标准的像素合并至同一区域;
合并完毕以后得到所述待处理椎骨对应的椎体的图像数据。
6.根据权利要求4所述的一种生成脊柱椎间盘定位线的方法,其特征在于,所述利用特定的滤波器对所述椎体的图像数据进行卷积操作,卷积完毕后得到所述椎体对应的顶点数据包括:
利用特定的滤波器对所述椎体的图像数据进行卷积操作,通过所述卷积操作分离出所述椎体相对于人体竖直方向的上边缘数据和下边缘数据;
根据所述上边缘数据和所述下边缘数据生成所述椎体对应的顶点数据。
7.根据权利要求1所述的一种生成脊柱椎间盘定位线的方法,其特征在于,所述根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线包括:
根据所述椎体以及与所述椎体相邻的椎体的顶点数据,分别将位于同一侧且距离值最小的两个顶点数据进行中值提取,将提取出的两个点作为两个中值点;
连接所述两个中值点,将连接后得到的连线作为脊柱椎间盘的定位线。
8.一种生成脊柱椎间盘定位线的系统,其特征在于,所述系统包括:
获取模块,用于获取待处理椎骨对应的局部椎骨图像数据,根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围;
分割模块,用于根据所述目标阈值范围分割出所述待处理椎骨对应的椎体的图像数据,并基于所述椎体的图像数据获取所述椎体对应的顶点数据;
定位模块,用于根据所述椎体的顶点数据对脊柱椎间盘进行定位,得到所述脊柱椎间盘的定位线;
所述根据所述局部椎骨图像数据生成目标灰度直方图,并根据所述灰度直方图生成目标阈值范围包括:
所述灰度直方图为将数字图像中的所有像素,按照灰度值的大小,统计该灰度值出现的频率;
用特定的窗宽数据对所述灰度直方图做中值和均值的多次比例变化的加权操作,将操作后得到的图像数据作为加权图像数据,根据所述加权图像数据提取局部椎骨灰度特征曲线;
根据所述局部椎骨灰度特征曲线,结合T2加权图像的医学特征和图像灰度特征,将所述局部椎骨灰度特征曲线中第二波峰作为目标波峰,确定所述目标波峰的上限数值和下限数值,将所述上限数值和所述下限数值作为目标阈值范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110048780.7A CN112690778B (zh) | 2021-01-14 | 2021-01-14 | 一种生成脊柱椎间盘定位线的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110048780.7A CN112690778B (zh) | 2021-01-14 | 2021-01-14 | 一种生成脊柱椎间盘定位线的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112690778A CN112690778A (zh) | 2021-04-23 |
CN112690778B true CN112690778B (zh) | 2023-02-14 |
Family
ID=75514679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110048780.7A Active CN112690778B (zh) | 2021-01-14 | 2021-01-14 | 一种生成脊柱椎间盘定位线的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112690778B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240730B (zh) * | 2021-05-20 | 2022-02-08 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
CN114511566B (zh) * | 2022-04-19 | 2022-07-19 | 武汉大学 | 医学图像中基底膜定位线检测方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102018525A (zh) * | 2009-09-23 | 2011-04-20 | 上海西门子医疗器械有限公司 | 椎骨和椎间盘的定位方法和装置 |
CN102727200A (zh) * | 2011-03-31 | 2012-10-17 | 深圳迈瑞生物医疗电子股份有限公司 | 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统 |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804986B2 (en) * | 2005-09-13 | 2010-09-28 | Siemens Medical Solutions Usa, Inc. | System and method for detecting intervertebral disc alignment using vertebrae segmentation |
US7903851B2 (en) * | 2005-10-17 | 2011-03-08 | Siemens Medical Solutions Usa, Inc. | Method and system for vertebrae and intervertebral disc localization in magnetic resonance images |
-
2021
- 2021-01-14 CN CN202110048780.7A patent/CN112690778B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102018525A (zh) * | 2009-09-23 | 2011-04-20 | 上海西门子医疗器械有限公司 | 椎骨和椎间盘的定位方法和装置 |
CN102727200A (zh) * | 2011-03-31 | 2012-10-17 | 深圳迈瑞生物医疗电子股份有限公司 | 脊柱椎体和椎间盘分割方法、装置、磁共振成像系统 |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112690778A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7218763B2 (en) | Method for automated window-level settings for magnetic resonance images | |
Hahn et al. | The skull stripping problem in MRI solved by a single 3D watershed transform | |
US6021213A (en) | Automatic contextual segmentation for imaging bones for osteoporosis therapies | |
USRE43225E1 (en) | Method and apparatus for enhancing an image using data optimization and segmentation | |
CN108573502B (zh) | 一种自动测量Cobb角的方法 | |
Brummer et al. | Automatic detection of brain contours in MRI data sets | |
US5903664A (en) | Fast segmentation of cardiac images | |
Pohle et al. | Segmentation of medical images using adaptive region growing | |
US6366797B1 (en) | Method and system for brain volume analysis | |
US6173083B1 (en) | Method and apparatus for analyzing image structures | |
US6701025B1 (en) | Medical image enhancement using iteration to calculate an optimal non-uniform correction function | |
CN112690778B (zh) | 一种生成脊柱椎间盘定位线的方法及系统 | |
US20110158491A1 (en) | Method and system for lesion segmentation | |
EP1383082A2 (en) | Interpolated image filtering method and apparatus | |
US8300908B2 (en) | Device and method for the computer-assisted analysis of mammograms | |
US20100049035A1 (en) | Brain image segmentation from ct data | |
CN116580068B (zh) | 一种基于点云配准的多模态医学配准方法 | |
JP2016195764A (ja) | 医用画像処理装置およびプログラム | |
CN117557460B (zh) | 一种血管造影图像增强方法 | |
US20040213445A1 (en) | Method and apparatus for separating an object from an ultrasound image | |
JP6687395B2 (ja) | 医用画像処理装置、医用画像処理方法及び医用イメージング装置 | |
Potočnik et al. | Automated computer-assisted detection of follicles in ultrasound images of ovary | |
WO2002024075A1 (en) | Detect surface points of an ultrasound image | |
CN111127404B (zh) | 一种医疗影像轮廓快速提取方法 | |
CN112634280B (zh) | 基于能量泛函的mri图像脑肿瘤分割方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |