一种CT骨盆图像的关键帧提取方法技术

本发明专利技术涉及一种CT骨盆图像的关键帧提取方法，包括下列步骤：CT图像预处理；得到感兴趣区域掩模；将掩模与初始图像进行卷积得到中间图像；将中间图像按照空间顺序排列，选取相邻两帧CT图像的像素差值作为特征距离，将特征距离小于指定阈值的相邻两帧作为相似帧，对CT序列进行初步筛选，得到候选关键帧序列；对候选关键帧序列进行细致筛选。

A key frame extraction method for CT pelvic image

Key frame extraction method of the invention relates to a CT image of the pelvis, which comprises the following steps: CT image preprocessing; get the ROI mask; the mask and the initial image was obtained by convoluting the intermediate image; the intermediate image according to the spatial sequence, selection of two adjacent CT image pixel difference as the feature distance. The adjacent feature distance is less than the specified threshold of two frames as similar frames, preliminary screening of CT sequence, sequence of candidate key frames; careful screening of candidate key frame sequence.

【技术实现步骤摘要】
一种CT骨盆图像的关键帧提取方法
本专利技术涉及医学图像分割领域，具体来说是一种在骨盆CT图像中对大盆骨、骶骨、髋骨、髋臼等骨区域分割方法。
技术介绍
医学图像分割是医学图像分析及处理的基础，医学图像分割的准确性将直接影响医生对病情的判断以及手术方案的选择。由于CT图像具有较高的分辨率，可以清晰的显示解剖结构以及病变组织区域的特点，CT已经广泛的用于多种疾病诊断。骨盆骨折是造成发病、死亡的因素之一，对于移位型骨折，准确快速地确定骨折的范围、粉碎的程度以及软组织损害的程度等，能够为治疗方式的选取、愈后情况提供参考。其次，对于先天或后天性、小儿麻痹性、遗传性等原因引起的骨盆发育不良情况，其功能的重新建立以及畸形的矫正取决于精确的早期诊断以及及时治疗，CT对于手术前、后的骨盆解剖结构描述，手术方案的制定以及手术完成后的效果评价都有着极其重要的意义。在骨CT图像分割方法中，最为普遍应用的分割方法为基于灰度信息的分割法，其中阈值法是典型方法，但是骨密度具有不均匀性、股骨头与髋臼之间的连接部分较为狭窄、以及病变引起的弱边缘性等原因，在使用过程中很难选取合适的阈值。另外，机器视觉中的分类与聚类法也用于分割中，此类方法对噪声具有很好的鲁棒性，但是分割效果取决于样本数量、类型，由于患者之间的个体性差异较大，此类分割算法具有局限性。目前大量研究集中于统计形状模型分割法，如snake模型、GVF模型[1](GradientVectorConvolutionFieldSnakeModel)、基于水平集的分割模型等，此类分割方法的研究重点在于标记点的自动选取、构建较少训练集的模型、对前述模型的改进以及与其他方法相结合等方面，在实现分割之前需要大量的人为处理给予先验信息，最终的分割效果取决于先验信息的准确性及完整性，由于患者之间个体化差异较大，要提高分割效果，则必须增加先验信息，因此此类方法前期工作量大，而效果却并不能保证，所以不适合医院直接使用。由于GVF模型[2]较好地解决了传统的snack模型难以解决的两个问题：1.对初始轮廓非常敏感；2.在分割图像的凹陷部分时不能达到理想的效果。目前大量的研究基于GVF模型对图像进行分割，但是GVF模型仍存在着对初始轮廓敏感以及运算时间较长的缺点，因此如果能够获取到较为准确的初始轮廓再使用GVF模型进行骨CT图像分割，将大大缩小曲线变形范围，减小迭代次数，对加快运算速度和改进分割精度有重要影响。考虑到目前医院使用手动标记骨盆区域制定手术方案以及一个患者CT序列数目较大，在临床上手动标记单幅CT图像耗时约15分钟，因此手动分割骨盆区域耗时长、压力大。由于序列CT切片中，拍摄间距较小，相邻两帧之间骨骼形态特征变化不大，具有较高的相似性，提取关键帧对分割算法的处理时间的减少具有重要意义。参考文献：[1]WuBingrong；XieMei；LiGuo；GaoJingjing.MedicalImageSegmentationBasedonGVFSnakeModel；IntelligentComputationTechnologyandAutomation；2009:637-640.[2]Chen,L.,etal.,SegmentationofthePelvicBoneUsingaGeneralizedGradientVectorConvolutionFieldSnakeModel.JOURNALOFMEDICALIMAGINGANDHEALTHINFORMATICS,2015.5(7):p.1482-1487.
技术实现思路
本专利技术旨在提供一种序列CT骨盆图像分割中采用的关键帧提取方法，以减少待分割图像的数量。本专利技术利用CT序列间骨骼形态时空间连续性特点，对CT序列切片提取关键帧。技术方案如下：一种CT骨盆图像的关键帧提取方法，包括下列步骤：步骤1：CT图像预处理对CT图像进行加窗处理、去噪、去除伪影和CT台非身体区域、对图像进行裁剪操作，使得CT图像序列在经过预处理之后图像尺寸保持一致，身体区域的相对位置保持不变。为方便描述，将裁剪后的图像称为初始图像。步骤2：初步筛选获得候选关键帧序列对初始图像进行均值滤波、去除斑点、形态学处理得到骨分布的大致区域，将此区域作为感兴趣区域，得到感兴趣区域掩模；将掩模与初始图像进行卷积得到中间图像；将中间图像按照空间顺序排列，选取相邻两帧CT图像的像素差值作为特征距离，将特征距离小于指定阈值的相邻两帧作为相似帧，对CT序列进行初步筛选，得到候选关键帧序列。步骤3：对候选关键帧序列进行细致筛选对候选关键帧序列计算感兴趣区域数目、归一化相关系数以及互信息量特征，将感兴趣区域数目相同的相邻候选关键帧作为相似帧，通过比较归一化相关系数和互信息量特征与相应指定阈值的大小判断相邻候选关键帧是否为相似帧，进一步筛选，得到目标关键帧序列。本专利技术提出的CT骨盆图像的关键帧提取方法可以大大减少待分割图像的数据量，提高CT图像分割效率，为骨盆CT序列图像的快速分割奠定基础。附图说明图1：基于关键帧标记的序列CT图像骨盆轮廓快速提取方法流程图图2：初始图像显示图3：候选关键帧提取流程图图4：目标集提取流程图图5(a)(b)：分别为相邻关键帧的轮廓标记图6：位于图5相邻两幅关键帧之间的某一幅CT图像的自动分割结果具体实施方式考虑到目前医院使用手动标记骨盆区域制定手术方案以及一个患者CT序列数目较大，在临床上手动标记单幅CT图像耗时约15分钟，因此手动分割骨盆区域耗时长、压力大。由于序列CT切片中，拍摄间距较小，相邻两帧之间骨骼形态特征变化不大，具有较高的相似性，利用这一特点，对CT序列切片提取关键帧，经过此步骤，需要分割的数据量将大大减少。现结合实施例、附图对本专利技术及其应用场景作进一步描述：步骤1：CT图像预处理对于一例骨盆骨折患者，以1mm为间隔，平扫获得540张CT序列，每张CT大小为512x512，对于每一个DICOM文件仅仅提取图像部分。对图像部分进行加窗处理，其中窗位为900，窗宽为600，即c＝900，w＝600,将图像中的数据按照式(1)进行转换，将数据压缩到256个灰度等级：其中f为显示的位图灰度值，x为图像数据，w为窗宽，c为窗位。对图像进行加窗处理之后，转换为BMP格式，加窗前后效果如图2所示。对BMP图像按照式(2)进行二值化处理，再使用形态学操作进行填充二值图像中的空洞；根据经验可知，由连通域的面积大小可以区分出身体区域与CT台，因此对二值图像中连通域面积进行排序，将面积最大的区域置为1，其余均置为0，得到掩模图像同时求出面积最大区域的邻近矩形大小Rect(x,y,width,height)；将得到的掩膜图像与BMP图像卷积，去除CT台、伪影等干扰，此时图像中仅仅保留身体区域，其余区域均已置为0。考虑到患者在进行CT扫描时身体区域变化幅度并不大，为了减少数据量同时保存身体区域信息，将邻近矩形Rect(x,y,width,height)向上下左右四个方向各延伸10个像素得到矩形Rectangle(x,y,width,height)，再将图像参照矩形Rectangle(x,y,width,height)进行裁剪，重新生成原始图像，原始图像示例如图3所示，该例中原本文档来自技高网...

【技术保护点】
一种CT骨盆图像的关键帧提取方法，包括下列步骤：步骤1：CT图像预处理对CT图像进行加窗处理，去噪，去除伪影和CT台非身体区域等，对图像进行裁剪操作，使得CT图像序列在经过预处理之后图像尺寸保持一致，身体区域的相对位置保持不变；为方便描述，将裁剪后的图像称为初始图像；步骤2：初步筛选获得候选关键帧序列对初始图像进行均值滤波、去除斑点、形态学处理得到骨分布的大致区域，将此区域作为感兴趣区域，得到感兴趣区域掩模；将掩模与初始图像进行卷积得到中间图像；将中间图像按照空间顺序排列，选取相邻两帧CT图像的像素差值作为特征距离，将特征距离小于指定阈值的相邻两帧作为相似帧，对CT序列进行初步筛选，得到候选关键帧序列；步骤3：对候选关键帧序列进行细致筛选对候选关键帧序列计算感兴趣区域数目、归一化相关系数以及互信息量特征，将感兴趣区域数目相同的相邻候选关键帧作为相似帧，通过比较归一化相关系数和互信息量特征与相应指定阈值的大小判断相邻候选关键帧是否为相似帧，进一步筛选，得到目标关键帧序列。

【技术特征摘要】
1.一种CT骨盆图像的关键帧提取方法，包括下列步骤：步骤1：CT图像预处理对CT图像进行加窗处理，去噪，去除伪影和CT台非身体区域等，对图像进行裁剪操作，使得CT图像序列在经过预处理之后图像尺寸保持一致，身体区域的相对位置保持不变；为方便描述，将裁剪后的图像称为初始图像；步骤2：初步筛选获得候选关键帧序列对初始图像进行均值滤波、去除斑点、形态学处理得到骨分布的大致区域，将此区域作为感兴趣区域，得到感兴趣区域掩模；将掩模与初始图像进行卷积得...

【专利技术属性】
技术研发人员：余辉，王海均，孙敬来，张力新，时尧，安家宝，曹玉珍，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12