一种前臂骨识别方法及系统技术方案

本发明专利技术涉及一种前臂骨识别方法及系统，方法包括对各张待测CT影像进行阈值划分和二维连通域计算，得到多个待测连通域；根据待测连通域的属性参数和预测骨骼形状参数确定预设层的连通域；采用逐层搜索的方式向预设层数的远端层的二值图进行连通域匹配，得到第一匹配连通域；根据向预设层数的远端层的二值图进行连通域匹配时的连通域消失情况进行尺骨和桡骨的识别；之后向预设层数的近端层的二值图进行连通域匹配，得到第二匹配连通域；根据匹配连通域得到完整的前臂骨区域，本发明专利技术基于二维连通域算法、相邻层骨连通域追踪匹配方法及医学先验知识，能够实现在CT影像中，自动快速获取前臂尺骨及桡骨的所在区域，从而提高前臂骨识别的自动化程度。识别的自动化程度。识别的自动化程度。

【技术实现步骤摘要】
一种前臂骨识别方法及系统


[0001]本专利技术涉及医学图像识别
，特别是涉及一种前臂骨识别方法及系统。

技术介绍

[0002]先天性前臂畸形指发生在上肢的各种畸形，发病率约为1/600。其表现多样，包括桡骨发育不良、巨肢、先天性尺桡骨畸形、尺桡骨成角畸形和旋转畸形等。
[0003]其中，先天性尺桡骨融合(Congenital footradius bone fusion，CRS)是一种较为罕见的上肢先天性骨发育畸形，其主要体现在尺桡骨的近端存在先天性骨性或软骨性连接。尺桡骨的先天性融合将导致前臂的主动和被动旋转功能丧失，导致患者上肢旋后功能障碍，随着患者年龄的增长，骨骼肌肉系统逐渐成熟，运动能力将进一步下降，症状逐渐加重，从而严重影响患者的日常生活。同时，该病为常染色体显性遗传。
[0004]目前，前臂畸形的诊断主要凭借医生的人工观察来实现，尺桡骨畸形通常包括尺骨/桡骨成角畸形和旋转畸形，其诊断一般是采用Mimics商用软件，由医生标注骨中轴和关键点landmark来实现，诊断未实现自动化，对于经验较少医生来说，存在较大的困难。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术的目的是提供一种前臂骨识别方法及系统，能够提高前臂骨识别的自动化程度。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种前臂骨识别方法，包括
[0008]获取待测CT影像集；
[0009]对所述待测CT影像集中的各张待测CT影像进行阈值划分，得到待测的二值图；
[0010]对所述待测CT影像集的预设层数的二值图进行二维连通域计算，得到多个所述待测连通域；
[0011]根据各个所述待测连通域的属性参数和预测骨骼形状参数确定预设层的连通域；所述预设层的连通域所在的区域为该层对应的前臂骨区域；
[0012]采用逐层搜索的方式向所述预设层数的远端层的二值图进行连通域匹配，得到第一匹配连通域；
[0013]根据向所述预设层数的远端层的二值图进行连通域匹配时的连通域消失情况进行尺骨和桡骨的识别；
[0014]采用逐层搜索的方式向所述预设层数的近端层的二值图进行连通域匹配，得到第二匹配连通域；
[0015]根据所述第一匹配连通域和所述第二匹配连通域得到完整的前臂骨区域。
[0016]优选地，所述根据各个所述待测连通域的属性参数和预测骨骼形状参数确定预设层的连通域；所述预设层的连通域所在的区域为该层对应的前臂骨区域，具体包括：
[0017]获取测试者的年龄数据；
[0018]根据所述年龄数据得到预测的前臂骨粗细数据；
[0019]根据所述前臂骨粗细数据计算预测周长、预测面积，以理想圆的区域致密度作为预测区域致密度；
[0020]计算各个所述待测连通域的待测周长、待测面积和待测区域致密度，并根据所述预测周长、所述预测面积、所述预测区域致密度、所述待测周长、所述待测面积、所述待测区域致密度和预设权重值得到所述待测连通域的评分值，并对所述评分值进行判断：
[0021]若存在2个所述待测连通域的评分值的量级之差小于第一预设判断阈值，且2个所述待测连通域中的任意一个所述待测连通域的评分值的量级与其他所述待测连通域的所述评分值的量级之差小于第二预设判断阈值，则将所述待测CT影像集确定为单侧前臂CT影像集，并将2个所述待测连通域确定为所述预设层的连通域；
[0022]若存在4个所述待测连通域中的任意两个待测连通域的所述评分值的量级之差均小于所述第一预设判断阈值，且4个所述待测连通域中的任意1个所述待测连通域的所述评分值的量级与其他所述待测连通域的所述评分值的量级之差小于所述第二预设判断阈值，则所述待测CT影像集确定为双侧前臂CT影像集，并将4个所述待测连通域确定为所述预设层的连通域；
[0023]若不存在2个所述待测连通域的评分值的量级之差小于第一预设判断阈值，且2个所述待测连通域中的任意一个所述待测连通域的评分值的量级与其他所述待测连通域的所述评分值的量级之差小于第二预设判断阈值，且不存在4个所述待测连通域中的任意两个待测连通域的所述评分值的量级之差均小于所述第一预设判断阈值，且4个所述待测连通域中的任意1个所述待测连通域的所述评分值的量级与其他所述待测连通域的所述评分值的量级之差小于所述第二预设判断阈值，则判断所述评分值的量级小于第三预设判断阈值的各个待测连通域之间的相对距离是否处于预设范围，若是，则将所述评分值的量级小于第三预设判断阈值的各个待测连通域确定为尺桡骨连通域，并将所述尺桡骨连通域确定为所述预设层的连通域。
[0024]优选地，所述采用逐层搜索的方式向所述预设层数的远端层的二值图进行连通域匹配，得到第一匹配连通域，包括：
[0025]根据所述预设层的连通域中像素点的二维坐标值计算矩形外框；
[0026]分别利用所述矩形外框在相邻的远端层进行规划，得到对应区域，并计算所述对应区域的连通域；
[0027]将所述对应区域的连通域分别与相邻的远端层进行匹配，得到匹配结果；
[0028]若所述匹配结果中存在相同的像素，则将所述相同的像素合并到匹配的连通域中，若所述对应区域的连通域中的像素点出现在所述矩形外框上，则将所述矩形外框进行扩大，得到扩大区域，并判断所述扩大区域的连通域与所述对应区域的连通域是否匹配，若是，则将所述扩大区域的连通域合并到匹配的连通域中；
[0029]判断所述矩形外框的边缘是否存在像素点，若否，则返回所述分别利用所述矩形外框在相邻的远端层圈出对应区域，并计算所述对应区域的连通域，若是，则返回所述将所述矩形外框进行扩大；
[0030]若所述匹配结果中不存在相同的像素，则将向所述预设层数的远端层方向上匹配的连通域确定为第一匹配连通域。
[0031]优选地，根据向所述预设层数的远端层的二值图进行连通域匹配时的连通域匹配情况进行尺骨和桡骨的识别，具体包括：
[0032]判断失去匹配是否处于同一层，若否，将先失去匹配的像素区域确定为尺骨区域，将后失去匹配的像素区域确定为桡骨区域，若是，则将包含体素最多的区域确定为桡骨区域，将包含体素最少的区域确定为尺骨区域。
[0033]优选地，所述采用逐层搜索的方式向所述预设层数的近端层的二值图进行连通域匹配，得到第二匹配连通域，具体包括：
[0034]根据所述预设层的连通域中像素点的二维坐标值计算矩形外框；
[0035]分别利用所述矩形外框在相邻的远端层进行规划，得到对应区域，并计算所述对应区域的连通域；
[0036]将所述对应区域的连通域分别与相邻的近端层进行匹配，得到匹配结果；
[0037]若所述匹配结果中存在相同的像素，则将所述相同的像素合并到匹配的连通域中，若所述对应区域的连通域中的像素点出现在所述矩形外框上，则将所述矩形外框进行扩大，得到扩大区域，并判断所述扩大区域的连通域与所述对应区域的连通域是否匹配，若是，则将所述扩大区域的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前臂骨识别方法，其特征在于，包括获取待测CT影像集；对所述待测CT影像集中的各张待测CT影像进行阈值划分，得到待测的二值图；对所述待测CT影像集的预设层数的二值图进行二维连通域计算，得到多个所述待测连通域；根据各个所述待测连通域的属性参数和预测骨骼形状参数确定预设层的连通域；所述预设层的连通域所在的区域为该层对应的前臂骨区域；采用逐层搜索的方式向所述预设层数的远端层的二值图进行连通域匹配，得到第一匹配连通域；根据向所述预设层数的远端层的二值图进行连通域匹配时的连通域消失情况进行尺骨和桡骨的识别；采用逐层搜索的方式向所述预设层数的近端层的二值图进行连通域匹配，得到第二匹配连通域；根据所述第一匹配连通域和所述第二匹配连通域得到完整的前臂骨区域。2.根据权利要求1所述的前臂骨识别方法，其特征在于，所述根据各个所述待测连通域的属性参数和预测骨骼形状参数确定预设层的连通域；所述预设层的连通域所在的区域为该层对应的前臂骨区域，具体包括：获取测试者的年龄数据；根据所述年龄数据得到预测的前臂骨粗细数据；根据所述前臂骨粗细数据计算预测周长、预测面积，以理想圆的区域致密度作为预测区域致密度；计算各个所述待测连通域的待测周长、待测面积和待测区域致密度，并根据所述预测周长、所述预测面积、所述预测区域致密度、所述待测周长、所述待测面积、所述待测区域致密度和预设权重值得到所述待测连通域的评分值，并对所述评分值进行判断：若存在2个所述待测连通域的评分值的量级之差小于第一预设判断阈值，且2个所述待测连通域中的任意一个所述待测连通域的评分值的量级与其他所述待测连通域的所述评分值的量级之差小于第二预设判断阈值，则将所述待测CT影像集确定为单侧前臂CT影像集，并将2个所述待测连通域确定为所述预设层的连通域；若存在4个所述待测连通域中的任意两个待测连通域的所述评分值的量级之差均小于所述第一预设判断阈值，且4个所述待测连通域中的任意1个所述待测连通域的所述评分值的量级与其他所述待测连通域的所述评分值的量级之差小于所述第二预设判断阈值，则所述待测CT影像集确定为双侧前臂CT影像集，并将4个所述待测连通域确定为所述预设层的连通域；若不存在2个所述待测连通域的评分值的量级之差小于第一预设判断阈值，且2个所述待测连通域中的任意一个所述待测连通域的评分值的量级与其他所述待测连通域的所述评分值的量级之差小于第二预设判断阈值，且不存在4个所述待测连通域中的任意两个待测连通域的所述评分值的量级之差均小于所述第一预设判断阈值，且4个所述待测连通域中的任意1个所述待测连通域的所述评分值的量级与其他所述待测连通域的所述评分值的量级之差小于所述第二预设判断阈值，则判断所述评分值的量级小于第三预设判断阈值的
各个待测连通域之间的相对距离是否处于预设范围，若是，则将所述评分值的量级小于第三预设判断阈值的各个待测连通域确定为尺桡骨连通域，并将所述尺桡骨连通域确定为所述预设层的连通域。3.根据权利要求1所述的前臂骨识别方法，其特征在于，所述采用逐层搜索的方式向所述预设层数的远端层的二值图进行连通域匹配，得到第一匹配连通域，包括：根据所述预设层的连通域中像素点的二维坐标值计算矩形外框；分别利用所述矩形外框在相邻的远端层进行规划，得到对应区域，并计算所述对应区域的连通域；将所述对应区域的连通域分别与相邻的远端层进行匹配，得到匹配结果；若所述匹配结果中存在相同的像素，则将所述相同的像素合并到匹配的连通域中，若所述对应区域的连通域中的像素点出现在所述矩形外框上，则将所述矩形外框进行扩大，得到扩大区域，并判断所述扩大区域的连通域与所述对应区域的连通域是否匹配，若是，则将所述扩大区域的连通域合并到匹配的连通域中；判断所述矩形外框的边缘是否存在像素点，若否，则返回所述分别利用所述矩形外框在相邻的远端层圈出对应区域，并计算所述对应区域的连通域，若是，则返回所述将所述矩形外框进行扩大；若所述匹配结果中不存在相同的像素，则将向所述预设层数的远端层方向上匹配的连通域确定为第一匹配连通域。4.根据权利要求1所述的前臂骨识别方法，其特征在于，根据向所述预设层数的远端层的二值图进行连通域匹配时的连通域匹配情况进行尺骨和桡骨的识别，具体包括：判断失去匹配是否处于同一层，若否，将先失去匹配的像素区域确定为尺骨区域，将后失去匹配的像素区域确定为桡骨区域，若是，则将包含体素最多的区域确定为桡骨区域，将包含体素最少的区域确定为尺骨区域。5.根据权利要求1所述的前臂骨识别方法，其特征在于，所述采用逐层搜索的方式向所述预设层数的近端层的二值图进行连通域匹配，得到第二匹配连通域，具体包括：根据所述预设层的连通域中像素点的二维坐标值计算矩形外框...

【专利技术属性】
技术研发人员：周天丰，崔颖，郭玉冰，周勇，陈山林，刘路，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：