一种基于模板的手骨自动分割方法技术

本发明专利技术公开了一种基于模板的手骨自动分割方法。本发明专利技术首先建立骨龄样本库。然后训练样本并建立模板，同一时期内需要对各节骨块分别建立模板。最后基于模板的手骨分割。本发明专利技术提取包括骨骺在内的完整骨骼形状特征，包含更丰富的骨骼发育信息；同时避免了陷入无休止的调参；并且通过训练集更新的方法有效的降低了人工标注的工作量。本发明专利技术解决了手骨分割难题，为接下来进行骨龄评定提供有力的工具。

【技术实现步骤摘要】
一种基于模板的手骨自动分割方法
本专利技术涉及医学图像处理领域，具体是涉及一种基于模板的手骨自动分割方法。
技术介绍
骨龄是反映人体发育的生物年龄，能比较正确的评价人体成熟程度。手骨X光片评估骨龄是当前业界普遍采用的一种骨龄检测办法。根据不同人种骨骼发育程度的差异，国内现行的“CHN法”“中华-05法”等评价标准与国外的TW-2、TW-3、G-P法等评价标准在细节上略有不同，但是在原理上是一致的。目前国内对于手骨X光片的判读还是以医学从业者为主，由于摄制片源偏少，主观性较强，计分法过于繁复，图谱法误差较大等诸多原因，“人工判读”骨龄具有模糊性和干扰性。国外早期借助于图像处理领域的方法，结合SVM技术进行骨龄检测；接着引入机器学习的分类器方法寻找特征区域；现在主要借助深度学习框架进行骨龄识别。但是，由于检测精度不高或者分类器调参过于繁复，仍然没有被广泛使用。本专利技术针对骨龄X光平片图像，提出一种基于模板的手骨分割方法。该方法作为“骨龄评估系统”的重要组成部分，其准确度高、便于实现的特点是其他方法所不具备的，为后续骨骼成熟度评定奠定良好的基础。
技术实现思路
本专利技术的目的是解决一般情况下手骨X光片图像预处理过于复杂，关键点定位不准，手掌轮廓误差较大，手指骨边界模糊等问题。本专利技术提供一种基于模板的方法，在国内外数据集均能够实现对手骨的有效分割和提取，并且对接下来骨骼成熟度评定方法提供有力支持。为了实现上述的目的，本专利技术采用基于模板的手骨自动分割方法，包含下述步骤：步骤1、建立骨龄样本库收集公开的手骨X光平片数据集，该数据集应当包括有效的标注如性别、年龄、骨龄。根据手骨发育的阶段性阶段，可以将样本按照年龄分成若干时期，用G0,G1,G2,G3，……表示。不同时期的样本均包含在同一个样本库中，用来建立不同的模板。其中，要求各个时期的年龄样本分布大致均匀，但是允许部分时期样本集中。步骤2、训练样本并建立模板本专利技术是通过建立手骨的轮廓模板来自动分割待测骨块，因此，同一时期内需要对各节骨块分别建立模板。针对单个骨块的样本训练及模板建立遵循以下几个步骤:a.选择训练集的n个样本，手动记录下第i个骨块上第j个关键特征点的位置坐标然后将其构成一维形状向量，记作αi(i＝1,2,…,n)。b.将获得的形状向量归一化。采用的归一化方法是Procrustes变换，需要计算的参数有旋转角度θi，水平方向平移量ΔXi，垂直方向平移量ΔYi。对αi做一次Procrustes变换记作c.将对齐之后的形状向量进行主成分分析(PCA)。首先计算平均形状向量然后计算协方差矩阵接着对协方差矩S进行矩阵分解。将其p个特征值λi(i＝1,2,…,q)从大到小排列，选择前t个特征值满足：其中f是比例系数，一般取95％～98％。对应特征向量构成的矩阵记作Pt。d.建立关键点的局部灰度特征。首先要对所有训练样本的灰度值进行归一化，然后对关键点附近像素点进行采样并做PCA，最后将结果作为特征参数保存。其中关键点灰度特征用g1,g2,…gk表示，平均灰度特征用表示。经步骤a～d，可初步建立模板。由于训练集中的初始样本数目远达不到充分训练的要求，所以需要将该模板用于验证集的搜索匹配，将匹配成功的图像加入训练集作为训练样本。如果有骨块关键点匹配失败，则用手工标记的方法进行纠正，然后加入训练集。直到所有验证集的样本都能找到关键点坐标，合并到训练集为止。至此，得到了除测试样本之外所有样本的特征点信息；进一步生成测试用的模板。步骤3、基于模板的手骨分割对于基于模板的手骨分割，分为两步进行：(1)检测。前面建立的模板包括平均形状PCA之后的前t个特征值和对应特征矩阵Pt，参数b反映了骨块姿态的变化：将模板应用于新图像的搜索时，需要用到之前训练好的每个特征点的平均灰度特征新的计算后获得的第j个关键点的灰度特征与之间的相似性度量用Mahalanobis距离表示，并作为更新参数的依据。(2)分割。通过模板搜索的方式获得各个手骨的形状特征和局部特征，然后可以将指骨、掌骨、尺桡骨依次分割出来。本专利技术的有益效果：提取包括骨骺在内的完整骨骼形状特征，包含更丰富的骨骼发育信息；同时避免了陷入无休止的调参；并且通过训练集更新的方法有效的降低了人工标注的工作量。本专利技术解决了手骨分割难题，为接下来进行骨龄评定提供有力的工具。附图说明图1是本专利技术方法的流程图；图2是本专利技术实施例的效果图。具体实施方式本专利技术针对目前的骨龄识别方法中图像预处理阶段的缺点，用一种新的方式实现手骨自动化检测与分割。下面结合附图1，详细阐述方案的实施细节，步骤如下：步骤1、建立骨龄样本库首先需要收集包含各个年龄的骨龄样本，根据实际情况将其分为三个时期(定义为G0,G1,G2)。每个时期样本数量以600张为例(男女各一半)。对于Gi(i＝0,1,2)时期：从样本库中将该时期的样本提取出来并分为3个部分，一部分作为训练集(Trainingset)，一部分作为验证集(Validationset)，剩余部分作为测试集(Testset)。这三个数据集的起始大小为Validationset>Trainingset>Testset；其中，前两个数据集的样本数目逐渐变化，而测试集的样本数目固定。该方案在开始时需要对左手手骨进行编号。根据“中华-05法”标准，待测骨块有第1、3、5掌骨，第1、3、5近节指骨，第3、5中节指骨，第1、3、5远节指骨，以及尺骨和桡骨共13根骨块(本专利技术不包含对腕骨的处理)。步骤2、训练样本并建立模板a.构建形状向量。对于每根待测骨块，首先要确定k个关键点位置，将其构成一维形状向量如下：其中，表示第i个训练样本上第j个特征点坐标，n表示训练样本个数。对待相同编号的骨块，特征点的数目要保持一致。同时，关键点的数目要满足既能够完整代表该骨块的形状特征，又能使人工标注的工作量尽量小。b.进行形状归一化。由于不同样本的骨块存在距离，角度，姿态等差异，故需对所有形状向量进行归一化处理。将n个形状向量通过适当的旋转、平移操作对齐到平均形状。为了实现所有形状向量的归一化，首先需要定义一个对角矩阵W:其中，ik表示第i个骨块上的第k个点与第1个点的距离，表示所有样本骨块之间ik的方差。用代表Procrustes变换；对齐过程，实质是求所有样本特征点之间的距离最小化的过程，定义为其中c.对归一化结果进行PCA处理。计算与αi的协方差矩阵S，将其p特征值λi(i＝1,2,…,q)从大到小排列，选择前t个特征向量满足：其中f取98％。d.建立局部灰度特征。特征点的位置信息在模板搜索过程中十分重要。为了在每次迭代中都能朝着目标位置移动，需要对每个关键点定义一组灰度矩阵作为特征参数。对一组特征点来说，首先要以特征点为中心的8×8区域内的灰度值进行采样，然后与定义的核进行卷积得到参数矩阵；再通过将每个元素除以所有元素的绝对值之和来归一化矩阵。同样对特征点的灰度矩阵进行PCA处理，方法与对形状向量的处理相似。步骤3、基于模板的手骨分割经过上面的处理，现在任何一个待测骨块的形状都可以表示为：其中为平均形状，Pt为PCA之后得到的特征矩阵，b为权重向量(b的变化需在合理范围)；b＝(b1,b2,…,bt)T对待测本文档来自技高网...

【技术保护点】
1.一种基于模板的手骨自动分割方法，其特征在于该方法具体是：步骤1、建立骨龄样本库收集公开的手骨X光平片数据集，该数据集包括有效的标注；根据手骨发育的阶段性阶段，将样本按照年龄分成若干时期；不同时期的样本均包含在同一个样本库中，用来建立不同的模板；步骤2、训练样本并建立模板通过建立手骨的轮廓模板来自动分割待测骨块，同一时期内需要对各节骨块分别建立模板；针对单个骨块的样本训练及模板建立遵循以下几个步骤:a.选择训练集的n个样本，手动记录下第i个骨块上第j个关键特征点的位置坐标

【技术特征摘要】
1.一种基于模板的手骨自动分割方法，其特征在于该方法具体是：步骤1、建立骨龄样本库收集公开的手骨X光平片数据集，该数据集包括有效的标注；根据手骨发育的阶段性阶段，将样本按照年龄分成若干时期；不同时期的样本均包含在同一个样本库中，用来建立不同的模板；步骤2、训练样本并建立模板通过建立手骨的轮廓模板来自动分割待测骨块，同一时期内需要对各节骨块分别建立模板；针对单个骨块的样本训练及模板建立遵循以下几个步骤:a.选择训练集的n个样本，手动记录下第i个骨块上第j个关键特征点的位置坐标然后将其构成一维形状向量，记作αi，i＝1,2,…,n；b.将获得的形状向量归一化；采用的归一化方法是Procrustes变换，需要计算的参数包括旋转角度θi，水平方向平移量ΔXi，垂直方向平移量ΔYi；对一维形状向量αi做一次Procrustes变换记作c.将对齐之后的形状向量进行主成分分析；首先计算平均形状向量然后计算协方差矩阵接着对协方差矩S进行矩阵分解；将其p个特征值λi从大到小排列，选择前t个特征值满足：其中f是比例系数，对应特征向量构成的矩阵记作Pt；d.建立关键点的局部灰度特征；首先要对所有训练样本的灰度值进行归一化，然后对关键点附近像素点进行采样并做主成分分析，最后将结果作为特征参数保存；其中关键点灰度特征用g...

【专利技术属性】
技术研发人员：何必仕，江翔，徐哲，陈晖，朱大荣，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33