肋骨中心线检测装置及方法制造方法及图纸

本发明专利技术属于图像处理技术领域，具体提供了一种肋骨中心线检测装置及方法，旨在解决现有技术鲁棒性差和计算速度慢的技术问题。为此目的，本发明专利技术提供了一种肋骨中心线检测方法，包括：基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据肋骨所在区域获取每根肋骨对应的肋骨区域；获取在目标图像对应的三维空间图像中每个肋骨区域对应的多个特定平面，并且根据特定平面计算相应肋骨区域的重心，将每个肋骨区域的所有重心相连得到相应肋骨的中心线。基于上述步骤，本发明专利技术提供的肋骨中心线检测方法可以准确高效地识别出目标图像中肋骨所在区域，可以适应多种异常情况，鲁棒性好，计算速度快。本发明专利技术的装置同样具有上述有益效果。

Detection device and method of rib center line

The invention belongs to the field of image processing technology, and specifically provides a rib center line detection device and method, aiming at solving the technical problems of poor robustness and slow calculation speed of the existing technology. To this end, the invention provides a rib center line detection method, which includes: recognizing the rib area in the target image based on the preset rib recognition model, and obtaining the rib area corresponding to each rib according to the rib area; acquiring multiple specific planes corresponding to each rib area in the three-dimensional space image corresponding to the target image, and according to the specific plane. The center of gravity of the corresponding rib area is calculated, and all the center of gravity of each rib area is connected to get the center line of the corresponding rib. Based on the above steps, the rib center line detection method provided by the invention can accurately and efficiently identify the rib region in the target image, can adapt to various abnormal situations, has good robustness and fast calculation speed. The device of the invention also has the above beneficial effect.

【技术实现步骤摘要】
肋骨中心线检测装置及方法
本专利技术属于图像处理
，具体涉及一种肋骨中心线检测装置及方法。
技术介绍
影像科的医生通常会借助CT图像来检测肋骨骨折和癌症的肋骨转移。每个病人的CT图像的数量可能达到百余张，为了检查CT图像中存在的病灶和异常，医生往往需要逐层对CT图像进行检查，跟踪每根肋骨在不同层的片子上的动态变化，以便在视觉上跟踪肋骨截面积的改变。但是人工对CT图像进行检查相当耗时，并且人工检查容易造成失误而错过肋骨异常。提取肋骨中心线可以用来增强展开肋骨的可视化，可以让医生更加高效和有效地检查肋骨的相关情况，肋骨的中心线还可以用于定位器官、登记病变以及引导间隔改变分析的串行胸廓CT扫描之间的对应性的参考。现有的肋骨中心线的检测方法可以包括下述几种方法：1、将肋骨建模为细长管状结构，并且采用海赛矩阵(Hessian)或者结构张量本征系统分析进行脊背体素检测，通过计算3D空间中每个点的海赛矩阵的特征值来检测管状结构。但是这种方法在计算方面花费很高，而且可能无法对所有患者都获得一致的结果。2、通过模板进行肋骨中心线匹配：肋骨的切面通常具有一定的规律，肋骨中心的脊髓偏暗，肋骨边缘的骨头偏亮，肋骨边缘呈椭圆形，可以根据上述规律设计模板匹配肋骨进而找到中心线，再根据需要对中心线进行修正。但是许多情况下，肋骨骨髓可能比肋骨边界更暗，从而无法将肋骨中心点一致地检测为脊背体素。3、通过机器学习的方法识别中心线：提取CT图像的Haar特征，通过人工标注的数据训练中心线的预测模型，对每个像素预测其为中心线的概率。4、通过曲线追踪的方法追踪中心线：人工设置种子或者自动选择种子，采用如卡尔曼滤波的追踪方法，从一个切片到下一个切片对所检测到的肋骨中心点进行追踪。但是该方法需要人工初始种子点，对于骨折之类的肋骨病变所造成的局部模糊或者不连续高度敏感。现有技术方案的鲁棒性较差，对于医学影像，特别是包含病灶的数据往往变化多样，人工设置的规则不能很好地处理异常情况；计算速度慢，由于需要处理较为复杂的异常情况，现有技术的方法需要设置较多的规则和步骤，从而导致计算速度慢。因此，如何提出一种解决上述问题的技术方案是本领域技术人员目前需要解决的问题。
技术实现思路
为了解决现有技术的上述问题，即为了解决现有技术鲁棒性差和计算速度慢的问题，本专利技术的第一方面提供了一种肋骨中心线检测装置，包括：肋骨识别模块，配置为基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据所述肋骨所在区域获取每根肋骨对应的肋骨区域；肋骨中心线获取模块，配置为获取在所述目标图像对应的三维空间图像中每个所述肋骨区域对应的多个特定平面，并且根据所述特定平面计算相应肋骨区域的重心，将所述每个肋骨区域的所有重心相连得到相应肋骨的中心线；其中，所述肋骨识别模型是基于预先标定的肋骨图像并利用机器学习算法所构建的神经网络模型；所述特定平面是平面角度为预设极角并且平行于预设的坐标轴的平面，所述极角的角度值取决于根据所述肋骨所在区域的重心对相应肋骨区域内的二维投影点进行极坐标变换后得到的二维投影点极角范围。在上述装置的优选技术方案中，所述肋骨中心线获取模块进一步配置为执行如下操作：将所述肋骨所在区域的重心和每个肋骨区域投影到二维平面，分别得到重心投影点和所述每个肋骨区域的肋骨投影区域；以所述重心投影点为中心对每个肋骨投影区域内的二维投影点进行极坐标变换；根据所述每个肋骨投影区域内每个二维投影点的极坐标获取相应肋骨区域对应的二维投影点极角范围。在上述装置的优选技术方案中，所述肋骨中心线获取模块还配置为执行如下操作：根据所述每个肋骨区域对应的二维投影点极角范围和预设的角度步长提取所述每个肋骨区域对应的多个极角。在上述装置的优选技术方案中，所述肋骨中心线检测装置还包括中心线修正模块，所述中心线修正模块配置为：利用预设的曲线平滑方法对所述肋骨中心线获取模块所获取的中心线进行平滑处理。在上述装置的优选技术方案中，所述曲线平滑方法是基于预设的马尔科夫随机场模型的曲线处理方法。在上述装置的优选技术方案中，所述中心线修正模块进一步配置为按照下式所示的方法对中心线进行平滑处理：其中，所述E(X)表示所述马尔科夫随机场模型的能量函数，所述X表示所述中心线上所有的点所在的某个维度(x、y或者z轴所在的维度)，xi表示所述中心线上第i个点在X维度的坐标，Ni表示所述中心线上与第i个点相邻的点的个数，xj表示所述中心线上与xi点相邻的第j个点的坐标，x′i表示所述第i个点在X维度上的初始坐标，γ表示x′i所占的权重，d表示预设的距离。在上述装置的优选技术方案中，所述肋骨识别模块进一步配置为执行如下操作：获取在所述目标图像对应的三维空间图像中所述肋骨所在区域包含的多个连通区域，并且根据每个所述连通区域获取每根肋骨对应的肋骨区域。在上述装置的优选技术方案中，所述肋骨识别模块还配置为执行如下操作：获取所述肋骨所在区域内所有欧式距离小于预设距离的三维空间点；根据所获取的三维空间点获取每根肋骨的连通区域。本专利技术的第二方面提供了一种肋骨中心线检测方法，包括：基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据所述肋骨所在区域获取每根肋骨对应的肋骨区域；获取在所述目标图像对应的三维空间图像中每个所述肋骨区域对应的多个特定平面，并且根据所述特定平面计算相应肋骨区域的重心，将所述每个肋骨区域的所有重心相连得到相应肋骨的中心线；其中，所述肋骨识别模型是基于预先标定的肋骨图像并利用机器学习算法所构建的神经网络模型；所述特定平面是平面角度为预设极角并且平行于预设的坐标轴的平面，所述极角的角度值取决于根据所述肋骨所在区域的重心对相应肋骨区域内的二维投影点进行极坐标变换后得到的二维投影点极角范围。在上述方法的优选技术方案中，在“获取在所述目标图像对应的三维空间图像中每个所述肋骨区域对应的多个特定平面，并且根据所述特定平面计算相应肋骨区域的重心”的步骤之前，所述方法还包括：将所述肋骨所在区域的重心和每个肋骨区域投影到二维平面，分别得到重心投影点和所述每个肋骨区域的肋骨投影区域；以所述重心投影点为中心对每个肋骨投影区域内的二维投影点进行极坐标变换；根据所述每个肋骨投影区域内每个二维投影点的极坐标获取相应肋骨区域对应的二维投影点极角范围。在上述方法的优选技术方案中，在“根据所述每个肋骨投影区域内每个二维投影点的极坐标获取相应肋骨区域对应的二维投影点极角范围”的步骤之后，所述方法还包括：根据所述每个肋骨区域对应的二维投影点极角范围和预设的角度步长提取所述每个肋骨区域对应的多个极角。在上述方法的优选技术方案中，在“将所述每个肋骨区域的所有重心相连得到相应肋骨的中心线”的步骤之后，所述方法还包括：利用预设的曲线平滑方法对所述肋骨中心线获取模块所获取的中心线进行平滑处理。在上述方法的优选技术方案中，所述曲线平滑方法是基于预设的马尔科夫随机场模型的曲线处理方法。在上述方法的优选技术方案中，“利用预设的曲线平滑方法对所述肋骨中心线获取模块所获取的中心线进行平滑处理”的步骤包括按照下式所示的方法对中心线进行平滑处理：其中，所述E(X)表示所述马尔科夫随机场模型的能量函数，所述X表示所述中心线上所有的点所在的某个维度(x、y或者z轴所在的维度本文档来自技高网...

【技术保护点】
1.一种肋骨中心线检测装置，其特征在于包括：肋骨识别模块，配置为基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据所述肋骨所在区域获取每根肋骨对应的肋骨区域；肋骨中心线获取模块，配置为获取在所述目标图像对应的三维空间图像中每个所述肋骨区域对应的多个特定平面，并且根据所述特定平面计算相应肋骨区域的重心，将所述每个肋骨区域的所有重心相连得到相应肋骨的中心线；其中，所述肋骨识别模型是基于预先标定的肋骨图像并利用机器学习算法所构建的神经网络模型；所述特定平面是平面角度为预设极角并且平行于预设的坐标轴的平面，所述极角的角度值取决于根据所述肋骨所在区域的重心对相应肋骨区域内的二维投影点进行极坐标变换后得到的二维投影点极角范围。

【技术特征摘要】
1.一种肋骨中心线检测装置，其特征在于包括：肋骨识别模块，配置为基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据所述肋骨所在区域获取每根肋骨对应的肋骨区域；肋骨中心线获取模块，配置为获取在所述目标图像对应的三维空间图像中每个所述肋骨区域对应的多个特定平面，并且根据所述特定平面计算相应肋骨区域的重心，将所述每个肋骨区域的所有重心相连得到相应肋骨的中心线；其中，所述肋骨识别模型是基于预先标定的肋骨图像并利用机器学习算法所构建的神经网络模型；所述特定平面是平面角度为预设极角并且平行于预设的坐标轴的平面，所述极角的角度值取决于根据所述肋骨所在区域的重心对相应肋骨区域内的二维投影点进行极坐标变换后得到的二维投影点极角范围。2.根据权利要求1所述的肋骨中心线检测装置，其特征在于，所述肋骨中心线获取模块进一步配置为执行如下操作：将所述肋骨所在区域的重心和每个肋骨区域投影到二维平面，分别得到重心投影点和所述每个肋骨区域的肋骨投影区域；以所述重心投影点为中心对每个肋骨投影区域内的二维投影点进行极坐标变换；根据所述每个肋骨投影区域内每个二维投影点的极坐标获取相应肋骨区域对应的二维投影点极角范围。3.根据权利要求2所述的肋骨中心线检测装置，其特征在于，所述肋骨中心线获取模块还配置为执行如下操作：根据所述每个肋骨区域对应的二维投影点极角范围和预设的角度步长提取所述每个肋骨区域对应的多个极角。4.根据权利要求1所述的肋骨中心线检测装置，其特征在于，所述肋骨中心线检测装置还包括中心线修正模块，所述中心线修正模块配置为：利用预设的曲线平滑方法对所述肋骨中心线获取模块所获取的中心线进行平滑处理。5.根据权利要求4所述的肋骨中心线检测装置，其特征在于，所述曲线平滑方法是基于预设的马尔科夫随机场模型的曲线处理方法。6.根据权利要求5所述的肋骨中心线检测装置，其特征在于，所述中心线修正模块进一步配置为按照下式所示的方法对中心线进行平滑处理：其中，所述E(X)表示所述马尔科夫随机场模型的能量函数，所述X表示所述中心线上所有的点所在的某个维度(x、y或者z轴所在的维度)，xi表示所述中心线上第i个点在X维度的坐标，Ni表示所述中心线上与第i个点相邻的点的个数，xj表示所述中心线上与xi点相邻的第j个点的坐标，x′i表示所述第i个点在X维度上的初始坐标，γ表示x′i所占的权重，d表示预设的距离。7.根据权利要求1-6中任一项所述的肋骨中心线检测装置，其特征在于，所述肋骨识别模块进一步配置为执行如下操作：获取在所述目标图像对应的三维空间图像中所述肋骨所在区域包含的多个连通区域，并且根据每个所述连通区域获取每根肋骨对应的肋骨区域。8.根据权利要求7所述的肋骨中心线检测装置，其特征在于，所述肋骨识别模块还配置为执行如下操作：获取所述肋骨所在区域内所有欧式距离小于预设距离的三维空间点；根据所获取的三维空间点获取每根肋骨的连通区域。9.一种肋骨中心线检测方法，其特征在于包括：基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据所述肋骨所在区域获取每根肋骨对应的肋骨区域；获取在所述目标图像对应的三维空间图像中每个所述肋骨区域对应的多个特定平面，并且根据所述特定平面计算相应肋骨区域的重心，将所述每个肋骨区域的所有重心相连得到...

【专利技术属性】
技术研发人员：冯建兴，范晓晨，
申请(专利权)人：上海皓桦科技股份有限公司，
类型：发明
国别省市：上海,31