一种骨关节CT图像分割方法和系统技术方案

本申请提供一种骨关节CT图像分割方法和系统，通过对获取到的CT图像进行预处理，得到所述CT图像中的骨骼区域；对得到的各个所述骨骼区域进行类椭圆区域定位，得到成像为类椭圆面的骨骼区域；依据预设规则由得到的各个类椭圆面中选择至少一个类椭圆面，将选择的类椭圆面标记为种子区域；将所述种子区域标记为目标区域，将非骨骼区域标记为背景区域。利用基于图论的能量最小分割算法，通过上述设定的目标区域和背景区域，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识。实现了CT图像的自动分割，提高了CT图像分割的效率。

【技术实现步骤摘要】
一种骨关节CT图像分割方法和系统
本专利技术涉及图像处理
，具体涉及一种骨关节CT图像分割方法和系统。
技术介绍
目前国内外针对骨关节CT图像三维立体分割方法大部分需要在每一张CT序列图像中进行手动定位或手动分割，费时费力，且效率低。因此急需一种用于实现对关节图像进行快速分割的分割方法。
技术实现思路
有鉴于此，本专利技术实施例提供一种骨关节CT图像分割方法和系统，以实现骨关节CT图像的自动分割。为实现上述目的，本专利技术实施例提供如下技术方案：一种骨关节CT图像分割方法，包括：对获取到的CT图像，对所述CT图像进行预处理，得到所述CT图像中的骨骼区域；利用Hough变换对得到的各个所述骨骼区域进行类椭圆区域定位，得到成像为类椭圆面的骨骼区域；依据预设规则从得到的各个类椭圆面中选择至少一个类椭圆面，将选择的类椭圆面标记为种子区域；将所述种子区域标记为目标区域，将非骨骼区域标记为背景区域；利用基于图论的能量最小分割算法，通过上述标记的目标区域和背景区域，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识。优选的，上述骨关节CT图像分割方法中，所述预处理包括：包括：对获取到的CT图像进行定位，得到图像中的人体区域；对定位得到的人体区域进行降噪处理；对降噪处理后的人体区域进行骨骼区域定位并去除软组织区域，得到所述CT图像中的骨骼区域。优选的，上述骨关节CT图像分割方法中，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识之后，还包括：对不同骨骼区域的边界进行优化。优选的，上述骨关节CT图像分割方法中，所述依据预设规则由得到的各个类椭圆面中选择至少一个类椭圆面，包括：依据公式S＝a1x1+a2x2+a3x3+a4x4+a5x5+a6x6计算得到各个类椭圆面的分值S，将分值S最高的一个或多个类椭圆面标记为种子区域；其中，所述x1为类椭圆面的边缘灰度与中心灰度值比，所述x2为类椭圆面的长短轴比，x3为类椭圆面的面积，x4为类椭圆面的长轴与水平面的夹角，x5为类椭圆面的中心点与目标区域中心的距离，所述目标区域为依据二值化阈值法标记CT图像中的骨骼区域，x6为类椭圆面的边界与软组织交界线的距离，所述软组织交界线为所述影像灰度直方图中灰度值为预设值的位置在所述骨骼区域中形成的边界；所述a1、a2、a3、a4、a5、a6分别为预设系数。优选的，上述骨关节CT图像分割方法中，还包括：获取用户输入的分值S最高的类椭圆面的真实分值S’，依据所述真实分值S’、x1、x2、x3、x4、x5和x6对公式S＝a1x1+a2x2+a3x3+a4x4+a5x5+a6x6进行训练，依据训练结果调整所述a1、a2、a3、a4、a5和a6的大小。一种骨关节CT图像分割系统，包括：预处理单元，用于对获取到的CT图像，对所述CT图像进行预处理，得到所述CT图像中的骨骼区域；类椭圆区域定位单元，用于利用Hough变换对得到的各个所述骨骼区域进行类椭圆区域定位，得到成像为类椭圆面的骨骼区域；种子区域定位单元，用于依据预设规则从得到的各个类椭圆面中选择至少一个类椭圆面，将选择的类椭圆面标记为种子区域；标记单元，用于将所述种子区域所对应的骨骼区域标记为目标区域，将除所述骨骼区域以外的区域标记为背景区域；标记单元，用于利用利用基于图论的能量最小分割算法，通过上述标记的目标区域和背景区域，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识。优选的，上述骨关节CT图像分割系统中，所述预处理单元具体被配置为：定位获取到的CT图像中的人体区域；对定位得到的人体区域进行降噪处理；对降噪处理后的人体区域进行骨骼区域定位并去除软组织区域，得到所述CT图像中的骨骼区域。优选的，上述骨关节CT图像分割系统中，还包括：优化单元，用于对设置不同的标识的骨骼区域进行边界进行优化。优选的，上述骨关节CT图像分割系统中，所述种子区域定位单元具体被配置为：依据公式S＝a1x1+a2x2+a3x3+a4x4+a5x5+a6x6计算得到各个类椭圆面的分值S，将分值S最高的一个或多个类椭圆面标记为种子区域；其中，所述x1为类椭圆面的边缘灰度与中心灰度值比，所述x2为类椭圆面的长短轴比，x3为类椭圆面的面积，x4为类椭圆面的长轴与水平面的夹角，x5为类椭圆面的中心点与目标区域中心点的距离，所述目标区域为依据阈值法标记CT图像中的骨骼区域，x6为类椭圆面的边界与软组织交界线的距离，所述软组织交界线为所述影像灰度直方图中灰度值为预设值的位置在所述骨骼区域中形成的边界；所述a1、a2、a3、a4、a5、a6分别为预设系数。优选的，上述骨关节CT图像分割系统中，还包括：公式优化单元，用于获取用户输入的分值S最高的类椭圆面的真实分值S’，依据所述分值S最高的类椭圆面的真实分值S’、x1、x2、x3、x4、x5和x6对公式S＝a1x1+a2x2+a3x3+a4x4+a5x5+a6x6进行训练，依据训练结果调整所述a1、a2、a3、a4、a5和a6的大小。本申请提供一种骨关节CT图像分割方法和系统，通过对获取到的CT图像进行预处理，得到所述CT图像中的骨骼区域；对得到的各个所述骨骼区域进行类椭圆区域定位，得到成像为类椭圆面的骨骼区域；依据预设规则从得到的各个类椭圆面中选择至少一个类椭圆面，将选择的类椭圆面标记为种子区域；将所述种子区域标记为目标区域，将非骨骼区域标记为背景区域。利用基于图论的分割算法，通过上述设定的目标区域和背景区域，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识。实现了CT图像的自动分割，提高了CT图像分割的效率。在三维空间利用基于图论的能量最小分割算法实现自动精细化分割，充分利用了该算法特性，将能量最小化路径作为边界，在一定程度上可以达到比较满意的分割效果。并且在系统实际使用过程中，可通过输入训练样本，基于自学习算法调整公式S＝a1x1+a2x2+a3x3+a4x4+a5x5+a6x6中的预设系数a1、a2、a3、a4、a5、a6，使得种子区域定位的准确度不断提高，从而提高了分割的精准度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请实施例公开的一种骨关节CT图像分割方法的流程示意图；图2为髋关节的解剖图；图3为盆骨CT图像；图4为标记人体区域图像；图5为标记骨头区域图像；图6是类椭圆拟合定位种子区域的图像；图7是GraphCut算法流程图；图8是最后分割结果标记图；图9是分割结果三维重建效果图；图10为一种骨骼区域的影像灰度直方图示意图；图11为本申请实施例公开的一种骨关节CT图像分割系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。CT是用X射线束本文档来自技高网...

【技术保护点】
1.一种骨关节CT图像分割方法，其特征在于，包括：对获取到的CT图像，对所述CT图像进行预处理，得到所述CT图像中的骨骼区域；利用Hough变换对得到的各个所述骨骼区域进行类椭圆区域定位，得到成像为类椭圆面的骨骼区域；依据预设规则从得到的各个类椭圆面中选择至少一个类椭圆面，将选择的类椭圆面标记为种子区域；将所述种子区域标记为目标区域，将非骨骼区域标记为背景区域；利用基于图论的能量最小分割算法，通过上述标记的目标区域和背景区域，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识。

【技术特征摘要】
1.一种骨关节CT图像分割方法，其特征在于，包括：对获取到的CT图像，对所述CT图像进行预处理，得到所述CT图像中的骨骼区域；利用Hough变换对得到的各个所述骨骼区域进行类椭圆区域定位，得到成像为类椭圆面的骨骼区域；依据预设规则从得到的各个类椭圆面中选择至少一个类椭圆面，将选择的类椭圆面标记为种子区域；将所述种子区域标记为目标区域，将非骨骼区域标记为背景区域；利用基于图论的能量最小分割算法，通过上述标记的目标区域和背景区域，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识。2.根据权利要求1所述的骨关节CT图像分割方法，所述预处理包括：包括：对获取到的CT图像进行定位，得到图像中的人体区域；对定位得到的人体区域进行降噪处理；对降噪处理后的人体区域进行骨骼区域定位并去除软组织区域，得到所述CT图像中的骨骼区域。3.根据权利要求1所述的CT图像分割方法，其特征在于，将连接在一块的骨骼区域在关节处分开，并对不同的骨骼区域设置不同的标识之后，还包括：对不同骨骼区域的边界进行优化。4.根据权利要求1所述的CT图像分割方法，其特征在于，所述依据预设规则由得到的各个类椭圆面中选择至少一个类椭圆面，包括：依据公式S＝a1x1+a2x2+a3x3+a4x4+a5x5+a6x6计算得到各个类椭圆面的分值S，将分值S最高的一个或多个类椭圆面标记为种子区域；其中，所述x1为类椭圆面的边缘灰度与中心灰度值比，所述x2为类椭圆面的长短轴比，x3为类椭圆面的面积，x4为类椭圆面的长轴与水平面的夹角，x5为类椭圆面的中心点与目标区域中心的距离，所述目标区域为依据二值化阈值法标记CT图像中的骨骼区域，x6为类椭圆面的边界与软组织交界线的距离，所述软组织交界线为所述影像灰度直方图中灰度值为预设值的位置在所述骨骼区域中形成的边界；所述a1、a2、a3、a4、a5、a6分别为预设系数。5.根据权利要求4所述的CT图像分割方法，其特征在于，还包括：获取用户输入的分值S最高的类椭圆面的真实分值S’，依据所述真实分值S’、x1、x2、x3、x4、x5和x6对公式S＝a1x1+a2x2+a3x3+a4x4+a5x5+a6x6进行训练，依据训练结果调整所述a1、a2、a3、a4、a5和a6的大小。6.一种骨关节CT图像分割系统，其特征在于，包括：预处...

【专利技术属性】
技术研发人员：王瑜，张晓璐，高翔，温涛，
申请(专利权)人：亿阳信通股份有限公司，
类型：发明
国别省市：北京,11