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 ...
【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
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。