RU2019128214A - Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях - Google Patents

Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях Download PDF

Info

Publication number
RU2019128214A
RU2019128214A RU2019128214A RU2019128214A RU2019128214A RU 2019128214 A RU2019128214 A RU 2019128214A RU 2019128214 A RU2019128214 A RU 2019128214A RU 2019128214 A RU2019128214 A RU 2019128214A RU 2019128214 A RU2019128214 A RU 2019128214A
Authority
RU
Russia
Prior art keywords
image
bone
contour
line
points
Prior art date
Application number
RU2019128214A
Other languages
English (en)
Other versions
RU2757707C2 (ru
RU2019128214A3 (ru
Inventor
Темими Аммар Мудхехер Садек Аль
Владимир Ставрович Пилиди
Original Assignee
федеральное государственное автономное образовательное учреждение высшего образования "Южный федеральный университет"
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by федеральное государственное автономное образовательное учреждение высшего образования "Южный федеральный университет" filed Critical федеральное государственное автономное образовательное учреждение высшего образования "Южный федеральный университет"
Priority to RU2019128214A priority Critical patent/RU2757707C2/ru
Publication of RU2019128214A publication Critical patent/RU2019128214A/ru
Publication of RU2019128214A3 publication Critical patent/RU2019128214A3/ru
Application granted granted Critical
Publication of RU2757707C2 publication Critical patent/RU2757707C2/ru

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Claims (3)

1. Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях, основанный на вычислении референтных углов при пересечении анатомической и суставной линии кости, включающий выделение границ в изображении детектором Канни с двойной пороговой фильтрацией, получение связных областей путем выполнения морфологической операции дилатации, выполнение инверсии изображения и выделение связных областей алгоритмом Border Following, удаление малых полученных связных областей, вычисление центра масс каждой из остальных связных областей и маркировка каждой области цветом, сегментация полученного изображения алгоритмом водораздела и выделение области, содержащей точку интереса, которая расположена на контуре кости, выделение границ контура кости детектором Канни с двойной пороговой фильтрацией при постоянных значениях интенсивности, исключение мелких дырок и крупных разрывов контуров путем морфологических операций закрытия и дилатации, инверсия изображения к исходному виду, устранение разрывов и отделения контуров друг от друга путем выполнения морфологических операций эрозии, дилатации и открытия, разделение контура кости по вертикали на два фрагмента и вычисление центра масс каждого фрагмента для построения суставной линии по двум точкам анатомической линии, отличающийся тем, что находят координаты точек интереса, расположенных в пределах контуров костей в соответствии с размером изображения, вычисляют интегральное изображение и стандартное отклонение значения интенсивности пикселей в исходном изображении, а фильтрацию исходного изображения осуществляют методом свертки с использованием интегрального изображения, вычисляют индивидуальные пороги значений интенсивности пикселей изображения, которые задают в виде выражения (m±σ)k, где m - среднее значение отфильтрованного изображения, σ - соответствующее стандартное отклонение, k - коэффициент, найденный экспериментально, выделение границ в изображении детектором Канни осуществляют при предварительно вычисленных индивидуальных значениях порогов интенсивности для каждого изображения, определяют минимальный размер связных областей и находят координаты левой и правой крайних точек на нижней части кости для построения суставной линии кости.
2. Способ по п. 1, отличающийся тем, что для получения суставной линии бедренной или плечевой кости определяют крайние две точки на контуре нижней части, контур кости делят на две равные части, в каждой из этих частей находят нижнюю точку контура и в зависимости от взаимного расположения этих точек строят прямую, ограничивающую контур кости снизу и касающуюся этой кости.
3. Способ по п. 1, отличающийся тем, что для построения суставной линии берцовой кости выбирают в изображении в левой и правой части отрезки максимальной длины, мало отличающиеся от контура кости, правый конец левого промежутка и левый конец правого промежутка являются искомыми точками, по которым строится суставная линия.
RU2019128214A 2019-09-06 2019-09-06 Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях RU2757707C2 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2019128214A RU2757707C2 (ru) 2019-09-06 2019-09-06 Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2019128214A RU2757707C2 (ru) 2019-09-06 2019-09-06 Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях

Publications (3)

Publication Number Publication Date
RU2019128214A true RU2019128214A (ru) 2021-03-09
RU2019128214A3 RU2019128214A3 (ru) 2021-09-13
RU2757707C2 RU2757707C2 (ru) 2021-10-20

Family

ID=74857029

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2019128214A RU2757707C2 (ru) 2019-09-06 2019-09-06 Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях

Country Status (1)

Country Link
RU (1) RU2757707C2 (ru)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7660453B2 (en) * 2000-10-11 2010-02-09 Imaging Therapeutics, Inc. Methods and devices for analysis of x-ray images
US8965075B2 (en) * 2002-09-16 2015-02-24 Imatx, Inc. System and method for predicting future fractures
WO2014115065A1 (en) * 2013-01-28 2014-07-31 Koninklijke Philips N.V. Medical image processing

Also Published As

Publication number Publication date
RU2757707C2 (ru) 2021-10-20
RU2019128214A3 (ru) 2021-09-13

Similar Documents

Publication Publication Date Title
Pietka et al. Computer-assisted bone age assessment: Image preprocessing and epiphyseal/metaphyseal ROI extraction
Paulano et al. 3D segmentation and labeling of fractured bone from CT images
US10140703B2 (en) Systems and methods for evaluating accuracy in a patient model
CN104346799B (zh) 一种ct图像中脊髓的提取方法
Ruikar et al. Segmentation and analysis of CT images for bone fracture detection and labeling
US11257214B2 (en) Two-stage variational image segmentation of medical images using fracture mechanics
Gądek-Moszczak et al. The bootstrap approach to the comparison of two methods applied to the evaluation of the growth index in the analysis of the digital x-ray image of a bone regenerate
Mahmood et al. Image segmentation methods and edge detection: An application to knee joint articular cartilage edge detection
CN108431899B (zh) 图像处理方法
RU2019128214A (ru) Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях
CN111951216A (zh) 基于计算机视觉的脊柱冠状面平衡参数自动测量方法
US10621726B2 (en) Segmentation of objects in image data using channel detection
Swathy et al. Identification of bone fracture lesions in digital X-ray images using MSFF and MSFD method
Kayalvizhi et al. Analysis of anatomical regions in Alzheimer's brain MR images using level sets and Minkowski functionals
Voon et al. Segmentation of Cortical and Cancellous Bone with Osteogenesis Imperfecta using Thresholding-based Method
Al-Temimi et al. Improvements of programing methods for finding reference lines on X-Ray images
CN113951873A (zh) 一种基于x光图像的脊柱侧弯角度检测方法及系统
Lim et al. A novel spinal vertebrae segmentation framework combining geometric flow and shape prior with level set method
Wibowo et al. Panoramic X-Ray Analysis Using Edge Detection Method on Mandibular Cortex
Razali et al. An adaptive thresholding method for segmenting dental X-ray images
JP6482457B2 (ja) 骨代謝解析支援プログラム及び方法
Artraksa et al. Segmentation of Shinbone Interosseous Space using GVF Techniques
Noshadi et al. Automatic lung segmentation in the presence of alveolar collapse
Pérez-Carrasco et al. Segmentation of bone structures by removal of skin and using a convex relaxation technique
Paulano et al. Trends on identification of fractured bone tissue from CT images