基于肋骨展开图的肋骨骨折自动检测方法技术

技术编号:22566298 阅读:65 留言:0更新日期:2019-11-16 12:33
本发明专利技术属于图像处理技术领域,具体提供了一种基于肋骨展开图的肋骨骨折自动检测方法,自动检测方法包括:基于原始CT图像获取每根肋骨的肋骨CT图像;基于每根肋骨的肋骨CT图像获取每根肋骨的肋骨展开图;通过肋骨骨折自动检测模型检测肋骨展开图以获取肋骨的骨折位置。通过对原始CT图像进行肋骨分割以获取每根肋骨的肋骨CT图像,然后将每根肋骨的肋骨CT图像进行展开以获取每根肋骨的肋骨展开图,最后通过肋骨骨折自动检测模型对每根肋骨的肋骨展开图进行检测以获得肋骨的骨折位置,通过这样的设置,能够极大地减少训练模型所需的标注数据,并且能够提高对肋骨骨折位置检测的速度和准确性。

Automatic detection method of rib fracture based on rib expansion map

The invention belongs to the technical field of image processing, and specifically provides an automatic detection method of rib fracture based on the rib unfolding diagram. The automatic detection method includes: obtaining the rib CT image of each rib based on the original CT image; obtaining the rib unfolding diagram of each rib based on the rib CT image of each rib; detecting the rib unfolding diagram by the rib fracture automatic detection model to obtain the rib Fracture location of bone. The original CT image is segmented to obtain the CT image of each rib, and then the CT image of each rib is expanded to obtain the expanded picture of each rib. Finally, the expanded picture of each rib is detected by the automatic detection model of rib fracture to obtain the fracture position of the rib. By such setting, the training mode can be greatly reduced It can improve the speed and accuracy of detecting the position of rib fracture.

【技术实现步骤摘要】
基于肋骨展开图的肋骨骨折自动检测方法
本专利技术属于图像处理
,具体涉及一种基于肋骨展开图的肋骨骨折自动检测方法。
技术介绍
计算机断层扫描(CT)是用于诊断肋骨骨折及其他骨病的主要方法,每名患者的CT图像数量都有两三百张甚至更多,医生为了诊断肋骨骨折及其他骨病,往往需要逐层地对CT图像进行检查,跟踪每根肋骨在不同层CT图像的动态变化。现有的基于胸部CT的病灶自动检测方法,通常是直接处理CT三维数据或逐层处理CT二维数据,对于标注数据数量要求较大。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,即为了解决现有的基于胸部CT的肋骨骨折自动检测方法需要大量标注数据的问题,本专利技术提供了一种基于肋骨展开图的肋骨骨折自动检测方法,所述自动检测方法包括:基于原始CT图像获取每根肋骨的肋骨CT图像;基于每根肋骨的所述肋骨CT图像获取每根肋骨的肋骨展开图;通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置;其中,所述肋骨骨折自动检测模型是利用机器学习算法构建的神经网络深度学习模型。在上述自动检测方法的优选技术方案中,“通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置”的步骤具体包括:对所述肋骨展开图以预设步长、预设宽度以及预设长度进行切割采样,获取若干个样本;通过所述肋骨骨折自动检测模型对所述若干个样本进行检测分类并输出分类结果;对所述若干个样本以所述预设步长进行复位拼接;对复位拼接后的所述肋骨展开图中的骨折位置进行处理合并得到肋骨的骨折位置,其中,所述肋骨骨折自动检测模型设置为能够对所述若干个样本进行二分类。在上述自动检测方法的优选技术方案中,“基于原始CT图像获取每根肋骨的肋骨CT图像”的步骤包括:基于预设的肋骨分割模型对所述原始CT图像进行分割以获得三维肋骨分割图像;基于所述三维肋骨分割图像获取每根肋骨的所述肋骨CT图像,其中,所述肋骨分割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。在上述自动检测方法的优选技术方案中,“基于所述三维肋骨分割图像获取每根肋骨的所述肋骨CT图像”的步骤包括:对所述三维肋骨分割图像进行连通区域计算以获得每根肋骨的所述肋骨CT图像。在上述自动检测方法的优选技术方案中,在“基于预设的肋骨分割模型对所述原始CT图像进行分割以获得三维肋骨分割图像”的步骤之前,所述自动检测方法还包括:对所述原始CT图像进行归一化处理。在上述自动检测方法的优选技术方案中,“根据每根肋骨的所述肋骨CT图像获取每根肋骨的肋骨展开图”的步骤包括:基于所述肋骨CT图像获取肋骨中心线;基于所述肋骨中心线获取所述肋骨中心线上每个特定点对应的第一特定平面;基于所述肋骨中心线上的特定点对相应的第一特定平面进行极坐标变换得到第二特定平面;获取所述第二特定平面中每个特定角度对应的像素值最大的像素点,连接所述像素点与相应的特定点,得到每个特定角度对应的展开线条,将所述第二特定平面中所有的特定角度对应的展开线条拼接得到所述肋骨展开图,其中,某个所述特定点对应的第一特定平面是经过某个所述特定点且与所述肋骨中心线在该特定点的切线方向垂直的平面,所述特定角度的角度值取决于基于某个所述特定点对所述第一特定平面进行极坐标变换后得到的极角范围。在上述自动检测方法的优选技术方案中,所述特定点的获取方法包括:根据所述肋骨中心线的起点和预设距离均匀选取所述肋骨中心线上的点,计算当前在所述肋骨中心线上选取的点与其相邻点的欧式距离,若所述欧式距离大于或者等于预设距离阈值,则将当前选取的点作为特定点,否则舍弃该点。在上述自动检测方法的优选技术方案中,“基于所述肋骨CT图像获取肋骨中心线”的步骤包括:通过重心计算获取肋骨中心线。在上述自动检测方法的优选技术方案中,“通过重心计算获取肋骨中心线”的步骤之后,所述自动检测方法还包括:对所述肋骨中心线进行修正。在上述自动检测方法的优选技术方案中,所述肋骨骨折自动检测模型采用残差结构作为基本单元。本领域技术人员能够理解的是,在本专利技术的优选技术方案中,通过对原始CT图像进行肋骨分割以获取每根肋骨的肋骨CT图像,然后将每根肋骨的肋骨CT图像进行展开以获取每根肋骨的肋骨展开图,最后通过肋骨骨折自动检测模型对每根肋骨的肋骨展开图进行检测以获得肋骨的骨折位置,通过这样的设置,能够极大地减少训练模型所需的标注数据,并且能够提高对肋骨骨折位置检测的速度和准确性。进一步地,在对原始CT图像进行分割之前先对原始CT图像进行归一化处理。通过这样的设置,能够排除不必要的HU值,更加关注肋骨相关信息,以更少量数据及成本获得更优的检测结果。进一步地,获取肋骨中心线之后对肋骨中心线进行修正。通过这样的设置,使得获取的肋骨中心线更准则,从而使得获取的肋骨展开图更准确,进而使得肋骨骨折检测结果更准确。附图说明图1是本专利技术的基于肋骨展开图的肋骨骨折自动检测方法的流程图;图2是本专利技术的肋骨展开图的一种实施例的示意图;图3是本专利技术的对肋骨展开图切割的一种实施例的示意图;图4是本专利技术的训练样本的一种实施例的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚,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。下面参照附图来描述本专利技术的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本专利技术的技术原理,并非旨在限制本专利技术的保护范围。参阅附图1,如图1所示,本实施例中基于肋骨展开图的肋骨骨折自动检测方法包括下述步骤:步骤S1:基于原始CT图像获取每根肋骨的肋骨CT图像。即对原始CT图像进行肋骨分割处理以获取每根肋骨的肋骨CT图像。优选地,“基于原始CT图像获取每根肋骨的肋骨CT图像”的步骤包括:步骤S101:基于预设的肋骨分割模型对原始CT图像进行分割以获得三维肋骨分割图像。本专利技术实施例中,肋骨分割模型可以对原始CT图像进行分割以获得三维肋骨分割图像。具体地,肋骨分割模型可以是基于预先标定的肋骨图像并利用机器学习算法构建的神经网络模型,该模型可以采用UNet-like网络结构,该网络结构包括4个上采样结构和4个下采样结构,最终上采样结果使用1x1卷积核的卷积操作获得2个channel的结果并使用softmax分类器获得模型输出,得到背景图像和二维肋骨分割图像,再将二维肋骨分割图像合到一起以得到三维肋骨分割图像。需要说明的是,本专利技术实施例的肋骨分割模型除了可以采用UNet-like网络结构,还可以采用FCN网络结构或者DeepLab网络结构等,本专利技术在此不做限定。优选地,在“基于预设的肋骨分割模型对原始CT图像本文档来自技高网...

【技术保护点】
1.一种基于肋骨展开图的肋骨骨折自动检测方法,其特征在于,所述自动检测方法包括:/n基于原始CT图像获取每根肋骨的肋骨CT图像;/n基于每根肋骨的所述肋骨CT图像获取每根肋骨的肋骨展开图;/n通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置;/n其中,所述肋骨骨折自动检测模型是利用机器学习算法构建的神经网络深度学习模型。/n

【技术特征摘要】
1.一种基于肋骨展开图的肋骨骨折自动检测方法,其特征在于,所述自动检测方法包括:
基于原始CT图像获取每根肋骨的肋骨CT图像;
基于每根肋骨的所述肋骨CT图像获取每根肋骨的肋骨展开图;
通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置;
其中,所述肋骨骨折自动检测模型是利用机器学习算法构建的神经网络深度学习模型。


2.根据权利要求1所述的自动检测方法,其特征在于,“通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置”的步骤具体包括:
对所述肋骨展开图以预设步长、预设宽度以及预设长度进行切割采样,获取若干个样本;
通过所述肋骨骨折自动检测模型对所述若干个样本进行检测分类并输出分类结果;
对所述若干个样本以所述预设步长进行复位拼接;
对复位拼接后的所述肋骨展开图中的骨折位置进行处理合并得到肋骨的骨折位置,
其中,所述肋骨骨折自动检测模型设置为能够对所述若干个样本进行二分类。


3.根据权利要求1所述的自动检测方法,其特征在于,“基于原始CT图像获取每根肋骨的肋骨CT图像”的步骤包括:
基于预设的肋骨分割模型对所述原始CT图像进行分割以获得三维肋骨分割图像;
基于所述三维肋骨分割图像获取每根肋骨的所述肋骨CT图像,
其中,所述肋骨分割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。


4.根据权利要求3所述的自动检测方法,其特征在于,“基于所述三维肋骨分割图像获取每根肋骨的所述肋骨CT图像”的步骤包括:
对所述三维肋骨分割图像进行连通区域计算以获得每根肋骨的所述肋骨CT图像。


5.根据权利要求3所述的自动检测方法,其特征在于,在“基于预设的肋骨分割模型对所述原始CT图像进行分割以获得三维肋骨分割图像...

【专利技术属性】
技术研发人员:范晓晨冯建兴周英钱黎俊
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

网友询问留言 已有0条评论
  • 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。

1