一种适用于处理包含至少一个目标边界的图像的方法，该方法包括：产生该图像的等值线图，其中等值线将该图像分成若干区域；以及若一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性，则将这些区域合并。本发明专利技术扩展到相应的装置。该图像可以是医学图像，例如，关节的Ｘ射线图像。
【技术实现步骤摘要】
【国外来华专利技术】图像处理本专利技术涉及图像处理技术，该图像处理技术可以用于增强诸如x射线图像和MRI图像。当然，本专利技术所提供的图像处理技术也能够应用于其它类型的图像。根据一个方面，本专利技术提供了一种处理医学图像的方法，该方法包括将图 像再现成等值线图；以及根据组织学数据来修改等值线排布，使得等值线分解成 该图像中不同身体结构之间的边界。本专利技术还包括用于处理医学图像的装置，该装置包括用于将图像再现成等 值线图的部件；以及用于根据组织学数据来修改等值线排布使得等值线分解成该 图像中不同身体结构之间的边界的部件。通过采用这样方法来处理图像，就有可能以这种容易理解的方法获取图像的 细节。典型的是，X射线图像并不能提供诸如腱、韧带和软骨之类有关软组织等 有用信息。特别是，通过采用根据本专利技术的方法来处理X射线图像，就有可能恢 复刚才所提及到的这类有关软组织的有用信息。这在关节、腱和韧带问题以及肿 块等非侵入式诊断中非常有利。根据另一方面，本专利技术提供一种用于处理包含至少一个目标边界的图像的方 法，该方法包括产生图像的等值线图，其中等值线将该图像分成若干区域；以 及如果一些区域的像素的统计特性匹配于该图像中已知或被认为存在的目标的预 期像素特性，则将这些区域合并。本专利技术还包括用于处理包含至少一个目标边界的图像的装置，该装置包括 用于产生等值线图的部件，在该等值线图中等值线将该图像分成若干区域；以及 用于若一些区域的像素的统计特性匹配于该图像中已知或被认为存在的目标的预 期像素特性则将这些区域合并的部件。一般来说，尽管非排他性，本专利技术处理的图像是医学图像，例如，X射线图 像或者MRI图像。其预期像素特性被用于引导图像区域合并的那个目标可以是或 者可以不是组织学的目标。例如，这种目标可以包括一段关节软骨，其自身包括 深层、过渡层和浅层。本专利技术还包括一种至少部分基于已用本专利技术所描述的技术处理过的医学图像 对人或动物的状况进行诊断的方法。现在，将籍助于实例和参考附图来讨论本专利技术的一些实施例。附图包括附图说明图1是连接着个人计算机的X射线机器的方框图图2是骨胳断片的X射线图像；图3是分析图2所示部分图像的流程图步骤；图4是在图2所示的X射线图像中选择所感兴趣部分；图5是图4所示选择区域的放大示意图；图6是从图5所示的X射线部分得出的等值线图；图7是图5和图6所示感兴趣区域的组织学图像的等值线图；图8是在图2所示X射线图像中选择的其它感兴趣区域；图9是膝关节的X射线图像；图10是在图9所示X射线中的感兴趣区域，该区域已经使用本专利技术技术进行 了增强；图11是图IO所示区域的放大；图12是图10所示另一区域的放大；图13是图9所示的膝关节的胫骨稳定状况；图14是肢体断肢的X射线；图15是在图14所示X射线中的感兴趣区域，该区域已经使用了本专利技术的技 术进行了增强；以及，图16是图15所示的部分图像的放大。图l显示了连接着个人计算机(PC) 12的医疗X射线机器10，机器10所获 得的X射线图像通过连接线14传输到PC 12，以便于进行处理。现在，我们考虑用X射线机器IO来分析尸体的关节中的断片，该断片是用关 节软骨覆盖的关节软骨。图2显示了机器10所获得的骨骼断片的图像15。图像 15包含不同的阴影区域16、 18、 20和21。区域16表示骨头，而区域18、 20和 21则分别表示关节软骨的深层、过渡层和浅层。在图像15中没有阴影的区域表示在X射线机器10视野内骨骼断片周围的自由空间。为了便于说明，在图2中清楚地显示了区域16、 18、 20和21相互之间 的界线，尽管业内熟练的技术人员能够很快意识到，实际上，区域16、 18、 20和 21的界线是相互模糊的。PC 12使用图3所示流程图所阐述的流程来处理X射线 图像。在步骤S1中，PC 12接受来自机器10的、用于表示图像15的数据，并将其 以两维的像素阵列加以存储。在步骤S2中，对图像15进行一系列有限脉冲响应(FIR)滤波，以便进行噪 声去除、图像边缘尖锐化和特征提取。对于业内熟练技术人员而言，实现上述目 的的适用滤波算法都是显而易见的。在步骤S3中，选择所感兴趣的区域(ROI) 22，用于后续处理步骤。所选择 的ROI22包括骨16、三个关节软骨层18、 20和21、以及背景，正如图4所示。图5显示R01 22的放大视图。下文中，将以ROI 22为边界的图像部分称之 为待分析图像(IUA) 23,并且在下列步骤S4至S6中分别对两维像素阵列进行各 自处理。在步骤S4中，采用拉普拉斯算子棱锥滤波器和高斯棱锥滤波器中的一种或者 两种来增大IUA23的像素密度。对于业内熟练的技术人员来说，用于实现这类滤 波器的适用算法是显而易见的。这些滤波器的效果是在IUA23中进行插值，由此 增强了 IUA 23中的像素密度。所釆用的像素密度的增强倍数一般是在6至12范 围之内。在步骤S5中，IUA23中除亮度以外的像素特性被丢弃。接着，检测在IUA23 中的像素最大和最小亮度数值并将这些数值用于计算IUA的亮度范围。随后，将 亮度范围映射到从0至255的数值范围，使得在IUA 23中的最低亮度数值用0替 代，最高亮度数值用255替代，并且中间亮度数值用在0至255范围内的适当数 值来替代。于是，将IUA23转换成一个归一化的亮度阵列(NLA)。为了在屏幕 (未显示)上显示这类图像数据阵列，PC 12被配置成将0至255范围中的各个数 值显示成在梯级光谱中的不同颜色。在歩骤S6中，以检测骨头和关节软骨区域的边界作为目的，来分析IUA23。 首先，NLA经过等值线滤波以创建如图6所示的NLA的等值线图24,该等值线 图24所具有的等值线代表了 NLA中被分配到该像素的归一化亮度数值的幅值。对于业内熟练的技术人员来说，适用于等值线滤波的算法都是显而易见的。图24是根据它的等值线而被分成多个区域的。例如，将等值线26和28定义 为区域a。和A,正如图6所示。特意选择被分配给图24的等值线的数量，以便将 图24分成为一定数量的区域，该数量大于在ROI 22中己知将要存在的物理上明 显不同的区域的数量。在目前这种情况下，已知ROI 22可包含5个不同的区域(例 如，分别包括骨头、关节软骨的深层、过渡层和浅层、以及背景空间)，所以在图24中使用11个等值线将图分成为12个区域，ao、 ai.....a (从图6的左面往右面)。接着，以将区域的数量减少到在R0121中所己知的数量为目的，来考 虑合并在等值线图24中的区域，例如，减少到5个区域。现在解释通过组织学数 据来引导等值线图区域的合并。正如图7所示，ROI22的组织学图像34输入到PC12中。由于在组织学中所 应用的着色，所以在组织学图像34中的像素具有不同的亮度数值。将等值线滤波器应用于组织学图像34，使之检测在R0122中所存在着的己知 5个区域的边界。于是，将组织学阁像分成为5个区域，bo、 b,、 b2、 b3和b4，且 各自分别包含骨头、深层关节软骨、过渡关节软骨、表面关节软骨和背景。接着， 将区域ao至an分配给相邻区域对，例如，ao和a,, ^和a3， 34和&5以及其它等等。 随后考虑在这些对中的区域合并，以减少在等值线图24中所本文档来自技高网...
【技术保护点】
一种处理医学图像的方法，所述方法包括：将所述图像再现成等值线图；以及在组织学数据的引导下修改所述等值线的排布，使得所述等值线分解成所述图像中不同身体结构之间的边界。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：H托米，
申请(专利权)人：加的夫大学专科学院咨询有限公司，
类型：发明
国别省市：GB[英国]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。