一种医学图像中肋骨分割的方法及医学图像处理装置制造方法及图纸

本发明专利技术公开了一种医学图像中肋骨分割的方法及医学图像处理装置，所述肋骨分割的方法，其包括以下步骤：获取肺区域的图像，并进行预处理，得到预处理后的图像；获取数个肋骨的霍夫模板；利用数个肋骨的霍夫模板分别对肺区域范围内的肋骨下边缘二值图像进行霍夫变换，并以霍夫模板的重心值为基准选定一个最佳模板；将最佳模板对应的肋骨二值边缘提取出来，并将其细化、拟合，作为当前图像的基准模板；利用基准模板对肺区域的肋骨下边缘进行广义霍夫变换，完成初始定位；利用双边动态规划算法对肋骨上、下边缘进行同时分割，并将分割结果反变换回原始坐标系中，可较准确的完成肺区域范围内的肋骨分割。

Method for segmenting rib in medical image and medical image processing device

The invention discloses a method for medical image segmentation in the ribs and medical image processing apparatus, method for the segmentation of rib, which comprises the following steps: acquiring the image of lung area, and pretreatment, obtained after image preprocessing; gets the number of ribs Hof template; using a number of ribs Hof template of lung area within the scope of the rib edge two value image Hof transform, and selected the best template for reference to the value of the focus of Hof template; the best template corresponding to the value of two rib edge is extracted and its refinement, fitting, as the reference template of the current image; generalized Hof transform of lung the regional subcostal margin by the reference template, complete the initial positioning of the rib; the upper and lower edge and segmentation using bilateral dynamic programming algorithm, and the segmentation results In the original coordinate system, the rib segmentation can be completed accurately in the lung region.

【技术实现步骤摘要】

本专利技术涉及医学图像分割领域，尤其是在医学图像中对肋骨分割的方法及装置。
技术介绍
X光胸片是指通过X射线穿过胸部，投影在胶片上所形成的图像，是一项常规体检的检查项目。在检查过程中，通常需要对X光胸片中的肋骨部分进行定位和分割，以便对肋骨及肺部的疾病做出诊断。在DR图像中，由于肋骨的遮挡导致检测结节等疾病时假阳性增多。因此，预先检测出肋骨，是DR图像诊断过程中非常重要的一步。检测肋骨也对后续工作有很多的帮助，例如，肺部的配准，肋骨的抑制等。目前肋骨分割技术主要有：基于学习的方法：如神经网络，基于上下文迭代法(ICPC)等。这些方法主要是对图像中的骨骼和非骨骼区域进行分类。这些方法的前提是需要大量手动标定出不同图像的肋骨区域和非肋骨区域作为分类器的输入进行训练。基于边缘梯度的方法：这些方法首先要提取期望分割边界的梯度图像，根据图像的梯度值进行分割。常用的方法有snake方法，Hough变换方法等。这些方法非常依赖对梯度图像的提取。通过观察DR图像可以发现，在肺区域内部肋骨的上边界的梯度并没有下边界的梯度强，因此单独对肋骨的上边界进行分割的结果会存在偏差。
技术实现思路
本专利技术所要解决的技术问题是提供一种能解决或降低前述问题的肋骨分割的方法及医学图像处理装置。本专利技术为解决上述技术问题而采用的技术方案是：一种医学图像中肺分割的方法，其特征在于包括以下步骤：获取肺区域的图像，并进行预处理，得到预处理后的图像；获取数个肋骨的霍夫模板；利用数个肋骨的霍夫模板分别对肺区域范围内的肋骨下边缘二值图像进行霍夫变换，并以霍夫模板的重心值为基准选定一个最佳模板；将最佳模板对应的肋骨二值边缘提取出来，并将其细化、拟合，作为当前图像的基准模板；利用基准模板对肺区域的肋骨下边缘进行广义霍夫变换，完成初始定位；利用双边动态规划算法对肋骨上、下边缘进行同时分割，并将分割结果反变换回原始坐标系中，完成肺区域范围内的肋骨分割。进一步的，还包括在预处理后的图像上先完成肺区域分割。进一步的，利用边界增强算子提取肋骨下边缘的梯度图像，并保留肺区域内15％的最大的像素点，得到下边缘的二值图像。进一步的，将肺区域内上部分25％及下部分20％置为0。进一步的，将肋骨的平均间距设为肺区域高度的十分之一，并以初始定位为基准，对肺区域内其他肋骨的下边缘进行定位。进一步的，所述双边动态规划算法包括：在用动态规划算法检测肋骨下边缘时，增加控制量d，控制肋骨上边缘的搜索范围。进一步的，所述控制量d的范围为11-20个像素大小。进一步的，将每个霍夫模板进行归一化处理后，得到对应的每个霍夫模板的霍夫空间中的最大值，所有最大值中最大者所对应的霍夫模板即为最佳模板。本专利技术为解决上述技术问题而采用的技术方案是：一种医学图像处理装置，其特征在于包括：存储单元，存储有数个肋骨的霍夫模板；显示单元，显示对应的胸片图像；图像处理单元，其用于：并对胸片图像进行预处理，获得预处理后肺区域内的肋骨的二值图像；利用数个肋骨的霍夫模板分别对肺区域范围内的肋骨边缘二值图像进行霍夫变换，并以霍夫模板的重心值为基准选定一个最佳模板；将最佳模板对应的肋骨二值边缘提取出来，并将其细化、拟合，作为当前图像的基准模板；利用基准模板对肺区域的肋骨下边缘进行广义霍夫变换，完成初始定位；利用双边动态规划算法对肋骨上、下边缘进行同时分割，并将分割结果反变换回原始坐标系中，完成肺区域范围内的肋骨分割。进一步的，其特征在于，所述肋骨分割的装置还包括用于对肺部进行分割的单元以及对肺区域内部的肋骨进行抑制的单元；所述显示单元显示出肺区域肋骨被抑制后的图像。本专利技术对比现有技术有如下的有益效果：采用双边动态动态规划算法可以同时对肋骨的上下两条边缘进行分割，比单独分割的结果要精确。【附图说明】图1为本专利技术实施例的肋骨分割的方法示意图；图2为本专利技术实施例中的肋骨霍夫模板示意图；图3为本专利技术实施例中的肋骨下边缘定位过程示意图；图4为按照定位后的结果，取法线方向像素组成法线矩阵的示意图；图5为反变换回原始坐标系的肋骨分割结果；图6为分割结果中的两幅示意性图示；图7为本专利技术实施例的肺分割的方法示意图；图8为本专利技术实施例的全自动肺分割的具体流程图；图9(a)为本专利技术实施例中一获取平均肺模板方法的流程图；图9(b)为本专利技术实施例中另一获取平均肺模板方法的流程图；图10为本专利技术实施例中用于肺部上边缘的霍夫模板示意图；图11为本专利技术实施例中霍夫定位示意图；图12为本专利技术实施例中肺部对齐结果示意图；图13为本专利技术实施例中肺部分段分割结果示意图；图14为本专利技术实施例中右肺分割结果示意图。【具体实施方式】下面结合附图和实施例对本专利技术作进一步的描述。请参阅图1-6，本专利技术实施例的一种医学图像(例如DR图像或X射线图像)中肋骨分割的方法，包括以下步骤：1).获取胸片图像，并对胸片图像进行预处理，获得预处理后的图像；2).获取数个肋骨的霍夫模板；3).利用数个肋骨的霍夫模板分别对肺区域范围内的肋骨边缘二值图像进行霍夫变换，并以霍夫模板的重心值为基准选定一个最佳模板；4).将最佳模板对应的肋骨二值边缘提取出来，并将其细化、拟合，作为当前图像的基准模板；5).利用基准模板对肺区域的肋骨下边缘进行广义霍夫变换，完成初始定位；6).利用双边动态规划算法对肋骨上、下边缘进行同时分割，并将分割结果反变换回原始坐标系中，完成肺区域范围内的肋骨分割。胸片图像，可以是通过X射线拍摄设备获取的DR图像或X射线图像，可以预先拍摄后存储在医学图像处理装置的存储装置中。对医学图像的预处理，包括以下几个步骤：对输入图像做高斯滤波，使用原始图像与滤波后的图像做差，再加上滤波图像的灰度平均值，就得到去背景图像。再对去背景图像做双边滤波操作去除噪声，就得到了预处理后的图像。霍夫模板，可事先通过以下方法获得，并将其存储在存储装置中。因为肋骨的形状各异，不可能只用一个模板来表示其形状特征，也可基于训练集中大量的肋骨图像数据，通过计算、统计，获得若干个具有代表性的肋骨的边缘形状的霍夫模板；也可根据常见的肋骨形状手动标定了若干个肋骨形状的霍夫模板，本专利技术实施例中优选9个肋骨的霍夫模板，如图2所示，其大致涵盖了不同的倾斜角度和不同的弯曲程度的肋骨边缘形状。然后，通过广义霍夫变换，实现对肋骨的边缘(边界)的初始定位，具体方法包括：记录9个霍夫模板中的每一个模板的重心点的坐标，以及模板上每一点和重心点的相对坐标，从而进行霍夫变换，在霍夫空间中记录的是可能定位准确的模板的重心位置。因此，空间中累计的值越大，就说明该点是当前形状的重心点的可能性就越大。最后在霍夫空间中找到最大值，就确定该点是当前形状的重心点。首先使用边缘增强算子(例如sobel算子)提取肋骨下边缘的梯度图像，对这个梯度图像保留肺内的15％的最大的像素点，就得到了肋骨下边缘的二值图像。提取下边缘二值图像后，将这幅图像中肺内上部分1/4和下部分1/5置为0，这样可以去掉锁骨以及肺部下端的干扰。之后，在这幅图像上进行霍夫变换操作。以任一模板为例，使用边缘二值图像上每一个不为零的点去匹配模板中的所有点，在霍夫空间中相对应的重心点的位置处加1。对二值图像中所有等于1的点的进行霍夫变换后，求出空间中每一点本文档来自技高网...

【技术保护点】
一种医学图像中肋骨分割的方法，其特征在于包括以下步骤：获取肺区域的图像，并进行预处理，得到预处理后的图像；获取数个肋骨的霍夫模板；利用数个肋骨的霍夫模板分别对肺区域范围内的肋骨下边缘二值图像进行霍夫变换，并以霍夫模板的重心值为基准选定一个最佳模板；将最佳模板对应的肋骨二值边缘提取出来，并将其细化、拟合，作为当前图像的基准模板；利用基准模板对肺区域的肋骨下边缘进行广义霍夫变换，完成初始定位；利用双边动态规划算法对肋骨上、下边缘进行同时分割，并将分割结果反变换回原始坐标系中，完成肺区域范围内的肋骨分割。

【技术特征摘要】
1.一种医学图像中肋骨分割的方法，其特征在于包括以下步骤：获取肺区域的图像，并进行预处理，得到预处理后的图像；获取数个肋骨的霍夫模板；利用数个肋骨的霍夫模板分别对肺区域范围内的肋骨下边缘二值图像进行霍夫变换，并以霍夫模板的重心值为基准选定一个最佳模板；将最佳模板对应的肋骨二值边缘提取出来，并将其细化、拟合，作为当前图像的基准模板；利用基准模板对肺区域的肋骨下边缘进行广义霍夫变换，完成初始定位；利用双边动态规划算法对肋骨上、下边缘进行同时分割，并将分割结果反变换回原始坐标系中，完成肺区域范围内的肋骨分割。2.根据权利要求1所述的医学图像中肋骨分割的方法，其特征在于，还包括在预处理后的图像上先完成肺区域分割。3.根据权利要求1所述的医学图像中肋骨分割的方法，其特征在于，利用边界增强算子提取肋骨下边缘的梯度图像，并保留肺区域内15％的最大的像素点，得到下边缘的二值图像。4.根据权利要求3所述的医学图像中肋骨分割的方法，其特征在于，将肺区域内上部分25％及下部分20％置为0。5.根据权利要求1所述的医学图像中肋骨分割的方法，其特征在于，将肋骨的平均间距设为肺区域高度的十分之一，并以初始定位为基准，对肺区域内其他肋骨的下边缘进行定位。6.根据权利要求1所述的医学图像中肋骨分割的方法，其特征在于，所述双边动态规划算法包...

【专利技术属性】
技术研发人员：丛琳，李强，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31