CN114723762A - 一种膝关节ct图像自动分割方法、装置及电子设备 - Google Patents
一种膝关节ct图像自动分割方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114723762A CN114723762A CN202210428223.2A CN202210428223A CN114723762A CN 114723762 A CN114723762 A CN 114723762A CN 202210428223 A CN202210428223 A CN 202210428223A CN 114723762 A CN114723762 A CN 114723762A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- preset
- determining
- knee joint
- 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种膝关节CT图像自动分割方法、装置及电子设备,该方法包括获取膝关节原始图像;根据预设的图像处理规则处理所述膝关节原始图像得到目标图像,所述目标图像包括背景区域和目标区域;根据预设的区域确定规则和目标图像确定目标区域,所述目标区域包括股骨区域、胫骨区域、腓骨区域和髌骨区域;根据预设的第一确定规则和目标图像确定髌骨区域;根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线;根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。本申请具有能实现对膝关节CT图像的自动分割,降低医生的工作量的效果。
Description
技术领域
本申请涉及全膝关节置换术的领域,尤其是涉及一种膝关节CT图像自动分割方法、装置及电子设备。
背景技术
膝关节疾病是临床常见病,严重影响人们的健康和生活。膝关节的准确分割是骨科疾病诊断的重要环节,传统的骨关节分割方法容易出现漏诊和误诊的情况,从而延误患者的治疗,甚至造成医疗事故。
目前,对于膝关节CT影像的分割,主要还是依赖阈值的半自动分割方法,对于骨折和骨碎裂的分割没有较高的精确度,且在分割过程中非常耗时,需要医生较多的参与;近年来,随着深度学习的发展,基于卷积神经网络的分割方法也层出不穷,但是深度学习的方向需要大量的标注数据,无疑增加了医生的工作量。
发明内容
为了实现对膝关节CT图像的自动分割,降低医生的工作量,本申请提供了一种膝关节CT图像自动分割方法、装置及电子设备。
第一方面,本申请提供一种膝关节CT图像自动分割方法,采用如下的技术方案:
一种膝关节CT图像自动分割方法,该方法包括:
获取指定角度拍摄的膝关节原始图像;
根据预设的图像处理规则处理所述膝关节原始图像得到目标图像,所述目标图像包括背景区域和目标区域;
根据预设的区域确定规则和目标图像确定目标区域,所述目标区域包括股骨区域、胫骨区域、腓骨区域和髌骨区域;
根据预设的第一确定规则和目标图像确定髌骨区域;
根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线;
根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
通过采用上述技术方案,获取指定角度拍摄的膝关节原始图像,根据预设的图像处理规则对膝关节原始图像进行处理得到目标图像,得到目标图像后根据预设的第一图像确定规则确定目标图像中的髌骨区域,髌骨区域确定后根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线完成对髌骨区域的分割,之后再通过第二确定规则,确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线完成对膝关节CT图像的分割,采用上述方案,对膝关节CT图像进行分割时,可实现对膝关节CT图像的自动分割,不需要人工参与,降低医生的工作量。
可选的,所述根据预设的图像处理规则处理所述膝关节原始图像得到目标图像的方法,具体包括:
按预设的窗宽窗位调整膝关节原始图像;
将按预设的窗宽窗位调整后的膝关节原始图像的格式转换为JPG格式;
基于Gamma校正,根据预设参数对JPG格式的膝关节原始图像进行校正,得到目标图像。
通过采用上述技术方案,按预设的窗宽窗位调整膝关节原始图像,使得膝关节原始图像能更好的显示膝关节结构,之后再对调整后的图像通过Gamma校正提高目标区域的对比度,压缩背景区域使得目标区域和背景区域的边界更加明显,便于对目标区域的分割。
可选的,所述根据预设的区域确定规则和目标图像确定目标区域的方法,具体包括:
获取目标图像中每一像素点的灰度值并设置灰度阈值;
将目标图像中每一像素点的灰度值与灰度阈值进行比对;
确定灰度值大于所述灰度阈值的像素点组成的区域为目标区域。
可选的,所述根据预设的第一确定规则和目标图像确定髌骨区域的方法,具体包括:
调整目标图像到预设摆放角度;
以目标图像的第一角点为原点建立直角坐标系,目标图像中过原点的横边所在的直线为X轴、过原点的竖边所在的直线为Y轴;
确定目标区域中每一像素点的坐标;
确定横坐标最小的像素点所在的区域为髌骨区域。
可选的,所述根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线的方法,具体包括:
获取髌骨区域的边缘点以及髌骨区域的所有横断面;
根据预设的最小凸包算法和所述边缘点确定髌骨区域的凸多边形;
基于预设的cvConvexHull2根据所述凸多边形和所述横断面逐层对髌骨区域进行填充,得到髌骨区域边界线。
可选的,所述根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线的方法,具体包括:
基于预设的cvConvexHull2函数和目标图像确定股骨区域(2)、胫骨区域(3)和腓骨区域(3)形成区域的最小外轮廓;
根据预设的CvMoments确定所述最小外轮廓的重心;
通过预设的分水岭算法以所述重心为所述分水岭算法的起始点确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
通过采用上述方案,通过预设的cvConvexHull2函数对目标图像进行处理,确定目标图像中股骨区域、胫骨区域和腓骨区域形成区域的最小外轮廓,之后再通过CvMoments确定最小外轮廓的重心,采用分水岭算法进行分割时,选取重心为分水岭算法的起始点,对目标区域中股骨区域、胫骨区域和腓骨区域形成的区域进行分割确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线,在一定程度上降低了噪声对分割结果的影响。
可选的,所述根据预设的区域确定规则和目标图像确定目标区域的方法之后,该方法还包括:
通过预设的连续最大流算法对目标图像进行处理,确定目标区域的边界线。
第二方面,本申请提供一种膝关节CT图像自动分割装置,采用如下的技术方案:
一种膝关节CT图像自动分割装置,包括:
获取模块,用于获取指定角度拍摄的膝关节原始图像;
图像处理模块,用于根据预设的图像处理规则处理所述膝关节原始图像得到目标图像;
目标区域确定模块,用于根据预设的区域确定规则和目标图像确定目标区域;
髌骨区域确定模块,用于根据预设的第一确定规则和目标图像确定髌骨区域;
填充模块,用于根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线;
边界确定模块,用于根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行的膝关节CT图像自动分割方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行的膝关节CT图像自动分割方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过获取指定角度拍摄的膝关节原始图像,根据预设的图像处理规则对膝关节原始图像进行处理得到目标图像,得到目标图像后根据预设的第一图像确定规则确定目标图像中的髌骨区域,髌骨区域确定后根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线完成对髌骨区域的分割,之后再通过第二确定规则,确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线完成对膝关节CT图像的分割,采用上述方案,对膝关节CT图像进行分割时,可实现对膝关节CT图像的自动分割,不需要人工参与,降低医生的工作量;
2.通过预设的cvConvexHull2函数对目标图像进行处理,确定目标图像中股骨区域、胫骨区域和腓骨区域形成区域的最小外轮廓,之后再通过CvMoments确定最小外轮廓的重心,采用分水岭算法进行分割时,选取重心为分水岭算法的起始点,对目标区域中股骨区域、胫骨区域和腓骨区域形成的区域进行分割确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线,在一定程度上降低了噪声对分割结果的影响。
附图说明
图1是本申请提供的膝关节CT图像自动分割方法的流程图。
图2是在目标图中建立直角坐标系后的示意图。
图3本申请提供的膝关节CT图像自动分割装置的结构框图。
图4是本申请提供的电子设备的结构示意图。
附图标记说明:1、髌骨区域;2、股骨区域;3、胫骨区域;4、腓骨区域;200、膝关节CT图像自动分割装置;201、获取模块;202、图像处理模块;203、目标区域确定模块;204、髌骨区域确定模块;205、填充模块;206、边界确定模块;301、CPU;302、ROM;303、RAM;304、I/O接口;305、输入部分;306、输出部分;307、存储部分;308、通信部分;309、驱动器;310、可拆卸介质。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本申请使用的所有术语(包括技术术语或者科学术语)与本申请所属领域的普通技术人员理解的含义相同,除非另外特别定义。还应当理解,在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
本申请实施例公开一种膝关节CT图像自动分割方法。参照图1和图2,一种膝关节CT图像自动分割方法包括:
S101:获取指定角度拍摄的膝关节原始图像。
具体的,通过CT从指定角度对人体膝关节进行扫描得到膝关节原始图像,将膝关节原始图像上传到服务器,需要时通过服务器调取人体膝关节原始图像,通过CT扫描的到的膝关节原始图像为dcm格式的图片,上述指定角度为图2所示的膝关节的角度。
S102:根据预设的图像处理规则处理膝关节原始图像得到目标图像。
具体的,通过服务器调取膝关节原始图像,并将人体膝关节图像按预设的窗宽、窗位调整,本实施例中,预设的窗宽为450、预设的窗位为1500,按预设的窗宽、窗位调整膝关节原始图像后,将调整好的膝关节原始图像转化为JPG格式的图片,转化为JPG格式的图片后,通过Gamma校正,并设置Gamma参数为1对上述图片进行校正,提高感兴趣区域的对比度,压缩背景区域,得到目标图像。目标图像包括目标区域和背景区域,目标区域为上述的感兴趣区域,背景区域与上述背景区域对应。
S103:根据预设的区域确定规则和目标图像确定目标区域。
具体的,获取目标图像中每一像素点灰度值,设置灰度阈值,将目标图像中每一像素点的灰度值与灰度阈值进行对比,确定目标图像的像素点中灰度值大于灰度阈值的像素点组成的区域为目标区域,图片像素点的灰度值的范围为0-255,本实施例中,灰度阈值为200,首先通过阈值分割的方式实现对目标图像的初次分割以确定目标图像中的目标区域和背景区域。
确定目标区域后通过预设的连续最大流算法对目标图像进行处理,确定目标区域的边界线,通过预设的连续最大流算法对目标图像进行处理后,使得目标区域的边界线为平滑的曲线,实现对目标区域的整体分割,连续最大流算法对目标图像进行处理在一定程度上降低了骨折和骨碎片的分割难度。连续最大流算法为本领域技术人员的公知技术,在此不做过多赘述。
S104:根据预设的髌骨区域确定规则和目标图像确定髌骨区域1。
参照图2,具体的,工作人员通过手动调整的方式将目标图像调整到预设摆放角度,预设摆放角度为如图2所示的摆放角度,且可由工作人员自行定义预设摆放角度,调整到预设摆放角度后定义目标图像左上方的角点为第一角点,选取第一角点为原点,以目标图像中过原点的横边为X轴,以目标图像中过原点的竖边为Y轴,建立直角坐标系,X轴的正方向指向原点的右边,Y轴的正方向指向原点的下方,确定目标区域中每一像素点的坐标,对比目标区域中每一像素点的横坐标,确定横坐标最小的像素点,然后确定横坐标最小的像素点所在的区域,该区域即为髌骨区域1。本实施例中,所述的上、下、左、右均以图2为例。
S105:根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线。
具体的,在对髌骨区域1进行分割时,对于一些髌骨退化的病人,其髌骨区域1骨质不明显,在目标图像中由于髌骨区域1与背景区域对比度较低会出现髌骨区域1部分边界缺失的情况,导致出现分割结果不连通的问题,因此确定髌骨区域1后,通过边缘检测算法确定髌骨区域1的轮廓,髌骨区域1的轮廓确定后,对髌骨区域1的轮廓采样,获取髌骨区域1的所有边缘点,然后通过预设的cvConvexHull2函数确定髌骨区域1的凸多边形。凸多边形为对于给定的二维平面上的点集凸包就是将最外层的点连接起来构成的多边形,它能包含点集中的所有点,即根据最小凸包算法确定的髌骨区域的凸多边形包含了髌骨区域1的所有边缘点。通过cvConvexHull2函数确定凸多边形即确定凸包为本领域技术人员公知的技术手段,确定过程在此不做过多赘述。
可以了解的是,边缘点为构成髌骨区域的轮廓的点,通过预设的最小凸包算法确定髌骨区域1的凸多边形的方法为:获取边缘点后对所有边缘点进行快速排序,确定左下的端点,之后确定每个边缘点与左下端点的极角,对所有极角进行逆时针排序,根据相对极角的增减来确定候选点,确定候选点后,将候选点依次相连围成凸多边形,髌骨轮廓位于该凸多边形内。最小凸包算法为本领域技术人员的公知的技术手段,在此不做过多赘述。
凸多边形的确定,确定了髌骨区域1可能的最大外边界,此时确定髌骨区域1的所有横断面,每一横断面代表目标图像的某一层,以确定的最小凸多边形的边界为髌骨区域1的最大外边界,对髌骨区域1的每一横断面进行填充即补全髌骨区域边界,以得到完整的髌骨区域边界线,完成对髌骨区域1的分割,分割完成后对髌骨区域1进行标注。
S106:根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
具体的,通过cv2.FindContours函数对目标图像进行处理,确定股骨区域2、胫骨区域3和腓骨区域4形成区域的最小外轮廓,最小外轮廓为股骨区域2、胫骨区域3和腓骨区域4形成区域的边界线,确定最小外轮廓后通过CvMoments求取最小外轮廓的重心,采用分水岭算法并选定上述重心做为分水岭算法的起始点,对目标区域中股骨区域2、胫骨区域3和腓骨区域4形成的区域进行分割,确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。采用上述方法确定起始点不需要人工手动标记同时减小噪声对分割结果的影响。分水岭算法为领域技术人员的公知技术手段在此不做过多赘述。
参照图2,对目标图像分割完成后,此时目标图像的位置是确定的,根据分割的每个区域内的像素点的坐标确定髌骨区域1、股骨区域2、胫骨区域3和腓骨区域4,具体的,确定横坐标最小的像素点所在的区域为髌骨区域1,髌骨区域1确定后对髌骨区域1进行标注,确定纵坐标最大的像素点所在的区域为股骨区域2,股骨区域2确定后对股骨区域2进行标注,对比未标注的两个区域内像素点的横坐标,胫骨区域3内任意一像素点的横坐标均小于腓骨区域4内任意一像素点的横坐标,分别确定胫骨区域3和腓骨区域4,并标注,每个区域采用不同的颜色进行标注,使得工作人员可通过颜色直观的区分不同的区域。
本申请实施例公开一种膝关节CT图像自动分割装置,参照图3,膝关节CT图像自动分割装置200包括:
获取模块201,用于获取指定角度拍摄的膝关节原始图像;
图像处理模块202,用于根据预设的图像处理规则处理所述膝关节原始图像得到目标图像;
目标区域确定模块203,用于根据预设的区域确定规则和目标图像确定目标区域;
髌骨区域确定模块204,用于根据预设的第一确定规则和目标图像确定髌骨区域;
填充模块205,用于根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线;
边界确定模块206,用于根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例公开一种电子设备。参照图3,电子设备包括,包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分307加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有系统操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线彼此相连。输入/输出(I/O)接口304也连接至总线。
以下部件连接至I/O接口304:包括键盘、鼠标等的输入部分305;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分306;包括硬盘等的存储部分307;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分308。通信部分308经由诸如因特网的网络执行通信处理。驱动器309也根据需要连接至I/O接口304。可拆卸介质310,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器309上,以便于从其上读出的计算机程序根据需要被安装入存储部分307。
特别地,根据本申请的实施例,上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在机器可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分308从网络上被下载和安装,和/或从可拆卸介质310被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本申请的装置中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种膝关节CT图像自动分割方法,其特征在于:该方法包括:
获取指定角度拍摄的膝关节原始图像;
根据预设的图像处理规则处理所述膝关节原始图像得到目标图像,所述目标图像包括背景区域和目标区域;
根据预设的区域确定规则和目标图像确定目标区域,所述目标区域包括股骨区域(2)、胫骨区域(3)、腓骨区域(4)和髌骨区域(1);
根据预设的第一确定规则和目标图像确定髌骨区域(1);
根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线;
根据预设的第二确定规则和目标图像确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
2.根据权利要求1所述的膝关节CT图像自动分割方法,其特征在于:所述根据预设的图像处理规则处理所述膝关节原始图像得到目标图像的方法,具体包括:
按预设的窗宽窗位调整膝关节原始图像;
将按预设的窗宽窗位调整后的膝关节原始图像的格式转换为JPG格式;
基于Gamma校正,根据预设参数对JPG格式的膝关节原始图像进行校正,得到目标图像。
3.根据权利要求1所述的膝关节CT图像自动分割方法,其特征在于:所述根据预设的区域确定规则和目标图像确定目标区域的方法,具体包括:
获取目标图像中每一像素点的灰度值并设置灰度阈值;
将目标图像中每一像素点的灰度值与灰度阈值进行比对;
确定灰度值大于所述灰度阈值的像素点组成的区域为目标区域。
4.根据权利要求1所述的膝关节CT图像自动分割方法,其特征在于:所述根据预设的第一确定规则和目标图像确定髌骨区域的方法,具体包括:
调整目标图像到预设摆放角度;
以目标图像的第一角点为原点建立直角坐标系,目标图像中过原点的横边所在的直线为X轴、过原点的竖边所在的直线为Y轴;
确定目标区域中每一像素点的坐标;
确定横坐标最小的像素点所在的区域为髌骨区域。
5.根据权利要求1所述的膝关节CT图像自动分割方法,其特征在于:所述根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线的方法,具体包括:
获取髌骨区域的边缘点以及髌骨区域的所有横断面;
根据预设的最小凸包算法和所述边缘点确定髌骨区域的凸多边形;
基于预设的cvConvexHull2根据所述凸多边形和所述横断面逐层对髌骨区域进行填充,得到髌骨区域边界线。
6.根据权利要求5所述的膝关节CT图像自动分割方法,其特征在于:所述根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线的方法,具体包括:
基于预设的cvConvexHull2函数和目标图像确定股骨区域(2)、胫骨区域(3)和腓骨区域(4)形成区域的最小外轮廓;
根据CvMoments确定所述最小外轮廓的重心;
通过预设的分水岭算法以所述重心为所述分水岭算法的起始点确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
7.根据权利要求1所述的膝关节CT图像自动分割方法,其特征在于:所述根据预设的区域确定规则和目标图像确定目标区域的方法之后,该方法还包括:
通过预设的连续最大流算法对目标图像进行处理,确定目标区域的边界线。
8.一种膝关节CT图像自动分割装置,其特征在于:包括:
获取模块(201),用于获取指定角度拍摄的膝关节原始图像;
图像处理模块(202),用于根据预设的图像处理规则处理所述膝关节原始图像得到目标图像;
目标区域确定模块(203),用于根据预设的区域确定规则和目标图像确定目标区域;
髌骨区域确定模块(204),用于根据预设的第一确定规则和目标图像确定髌骨区域;
填充模块(205),用于根据预设的填充规则对髌骨区域进行填充,得到髌骨区域边界线;
边界确定模块(206),用于根据预设的第二确定规则确定股骨区域边界线、胫骨区域边界线和腓骨区域边界线。
9.一种电子设备,其特征在于:包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210428223.2A CN114723762A (zh) | 2022-04-22 | 2022-04-22 | 一种膝关节ct图像自动分割方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210428223.2A CN114723762A (zh) | 2022-04-22 | 2022-04-22 | 一种膝关节ct图像自动分割方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114723762A true CN114723762A (zh) | 2022-07-08 |
Family
ID=82245946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210428223.2A Pending CN114723762A (zh) | 2022-04-22 | 2022-04-22 | 一种膝关节ct图像自动分割方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723762A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035136A (zh) * | 2022-08-09 | 2022-09-09 | 南方医科大学第三附属医院(广东省骨科研究院) | 膝关节图像中骨亚区分割方法、系统、装置和存储介质 |
CN116071372A (zh) * | 2022-12-30 | 2023-05-05 | 北京长木谷医疗科技有限公司 | 膝关节分割方法、装置、电子设备及存储介质 |
CN116245839A (zh) * | 2023-02-24 | 2023-06-09 | 北京纳通医用机器人科技有限公司 | 一种膝关节软骨分割方法、装置、设备及介质 |
CN117689683A (zh) * | 2024-02-01 | 2024-03-12 | 江苏一影医疗设备有限公司 | 一种双腿膝关节运动状态图像处理方法、设备及存储介质 |
-
2022
- 2022-04-22 CN CN202210428223.2A patent/CN114723762A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035136A (zh) * | 2022-08-09 | 2022-09-09 | 南方医科大学第三附属医院(广东省骨科研究院) | 膝关节图像中骨亚区分割方法、系统、装置和存储介质 |
CN116071372A (zh) * | 2022-12-30 | 2023-05-05 | 北京长木谷医疗科技有限公司 | 膝关节分割方法、装置、电子设备及存储介质 |
CN116071372B (zh) * | 2022-12-30 | 2024-03-19 | 北京长木谷医疗科技股份有限公司 | 膝关节分割方法、装置、电子设备及存储介质 |
CN116245839A (zh) * | 2023-02-24 | 2023-06-09 | 北京纳通医用机器人科技有限公司 | 一种膝关节软骨分割方法、装置、设备及介质 |
CN116245839B (zh) * | 2023-02-24 | 2023-09-29 | 北京纳通医用机器人科技有限公司 | 一种膝关节软骨分割方法、装置、设备及介质 |
CN117689683A (zh) * | 2024-02-01 | 2024-03-12 | 江苏一影医疗设备有限公司 | 一种双腿膝关节运动状态图像处理方法、设备及存储介质 |
CN117689683B (zh) * | 2024-02-01 | 2024-05-03 | 江苏一影医疗设备有限公司 | 一种双腿膝关节运动状态图像处理方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114723762A (zh) | 一种膝关节ct图像自动分割方法、装置及电子设备 | |
CN106709917B (zh) | 神经网络模型训练方法、装置及系统 | |
CN110544245B (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
WO2020182036A1 (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN105405105B (zh) | 针对乳腺钼靶图像的显示器灰度曲线校正系统及方法 | |
CN109035203B (zh) | 医学图像处理方法、装置、设备及存储介质 | |
CN108537838B (zh) | 一种髋关节骨性髋臼角度的检测方法 | |
WO2003067770A3 (en) | Method and apparatus for transmitting information about a target object between a prescanner and a ct scanner | |
WO2020070834A1 (ja) | 学習済みモデルの製造方法、輝度調整方法および画像処理装置 | |
CN104599239A (zh) | 一种医学图像中的金属伪影消除方法及装置 | |
CN111127430A (zh) | 确定医学影像显示参数的方法及装置 | |
US11419727B2 (en) | Semi-automated imaging reconstruction for orbital fracture repair | |
CN115359052A (zh) | 基于聚类算法的医疗影像增强方法 | |
US11406340B2 (en) | Method for converting tone of chest X-ray image, storage medium, image tone conversion apparatus, server apparatus, and conversion method | |
US11257214B2 (en) | Two-stage variational image segmentation of medical images using fracture mechanics | |
CN114581469A (zh) | 自动提取下肢股骨和胫骨轴线的方法、装置及电子设备 | |
CN112862955A (zh) | 建立三维模型的方法、装置、设备、存储介质和程序产品 | |
CN111145155A (zh) | 一种睑板腺腺体的识别方法 | |
CN115147360B (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 | |
US20240046498A1 (en) | Joint angle determination under limited visibility | |
CN114886624A (zh) | 一种基于x光图像自动匹配髋关节假体方法及装置 | |
US7848551B2 (en) | Method and system for analysis of bone density | |
CN116109570B (zh) | 骨密度测量方法、装置、设备及存储介质 | |
US20120299916A1 (en) | System and method for quantitative measurement of cartilage health using mri mapping techniques | |
CN115690498B (zh) | 椎体骨密度确认方法、装置、电子设备及存储介质 |
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 |