脊柱CT图像的分割方法、椎体成像的识别方法及装置制造方法及图纸

本发明专利技术提供了一种脊柱CT图像的分割方法、椎体成像的识别方法及装置，脊柱CT图像的分割方法包括：确定在增强的脊柱CT图像上预估的前景区域和预估的背景区域之间的边缘，并基于所述边缘中的每个体素绘制有向图；根据所述有向图，确定所述增强的脊柱CT图像的最小割，以将所述增强的脊柱CT图像分割成包括有所述脊柱成像的实际前景区域、包括非脊柱图像的实际背景区域；基于所述最小割，在所述增强的脊柱CT图像上至少确定出所述实际前景区域，无须使用样本数据去训练神经网络模型，从而降低了图像分割的实施难度。分割的实施难度。分割的实施难度。

【技术实现步骤摘要】
脊柱CT图像的分割方法、椎体成像的识别方法及装置


[0001]本专利技术涉及医疗机器人
，具体涉及脊柱CT图像的分割方法、椎体成像的识别方法及装置。

技术介绍

[0002]在医学上，为了实现一定的医学目的，比如图像引导手术，依赖于医学图像处理来实现，比如，可以对正常组织或病变组织的CT图像按照先后顺序进行图像分割、特征提取、定量分析和三维重建等处理，由此可见，图像分割是后续处理的基础。其中，对于脊柱手术来说，由于脊柱包括多个椎体，因此，在脊柱CT图像上会形成多个椎体图像，因此，针对脊柱CT图像的图像分割难度较大。
[0003]现有技术中，当基于神经网络的机器学习算法来实现时，必须要使用大量的样本数据来对该神经网络模型进行训练，由此，神经网络模型的精度直接依赖于样本数据的量。而由于样本数据包括为每个锥体设置的标注数据，但是，在临床中，每个椎段的标注数据的生产难度较大，由此，导致基于神经网络的机器学习算法来进行图像分割实施难度较大。

技术实现思路

[0004]本专利技术实施例提供脊柱CT图像的分割方法、椎体成像的识别方法及装置，用于克服或者缓解现有技术中的上述问题。
[0005]本专利技术采用的技术方案为：
[0006]一种脊柱CT图像的分割方法，其包括：
[0007]确定在增强的脊柱CT图像上预估的前景区域和预估的背景区域之间的边缘，并基于所述边缘中的每个体素绘制有向图；
[0008]根据所述有向图，确定所述增强的脊柱CT图像的最小割，以将所述增强的脊柱CT图像分割成包括有所述脊柱成像的实际前景区域、包括非脊柱图像的实际背景区域；
[0009]基于所述最小割，在所述增强的脊柱CT图像上至少确定出所述实际前景区域。
[0010]一种椎体成像的识别方法，其特征在于，包括：
[0011]确定出实际前景区域中每个椎体的候选成像区域，以及确定出每个候选成像区域的中心和质心，所述实际前景区域根据本申请实施例任一项所述分割方法确定；
[0012]根据所述每个候选成像区域的中心和质心，识别出对应椎体的实际成像区域。
[0013]一种脊柱CT图像的分割装置，其包括：
[0014]边缘处理单元，用于确定在增强的脊柱CT图像上预估的前景区域和预估的背景区域之间的边缘，并基于所述边缘中的每个体素绘制有向图；
[0015]最小割单元，用于根据所述有向图，确定所述增强的脊柱CT图像的最小割，以将所述增强的脊柱CT图像分割成包括有所述脊柱成像的实际前景区域、包括非脊柱图像的实际背景区域；
[0016]实际前景确定单元，用于基于所述最小割，在所述增强的脊柱CT图像上至少确定
出所述实际前景区域。
[0017]一种椎体成像的识别装置，其包括：
[0018]候选成像区域单元，用于确定出实际前景区域中每个椎体的候选成像区域，以及确定出每个候选成像区域的中心和质心，所述实际前景区域根据本申请实施例任一项所述分割方法确定；
[0019]实际成像识别单元，用于根据所述每个候选成像区域的中心和质心，识别出对应椎体的实际成像区域。
[0020]本专利技术实施例提供的技术方案中，通过确定在增强的脊柱CT图像上预估的前景区域和预估的背景区域之间的边缘，并基于所述边缘中的每个体素绘制有向图；根据所述有向图，确定所述增强的脊柱CT图像的最小割，以将所述增强的脊柱CT图像分割成包括有所述脊柱成像的实际前景区域、包括非脊柱图像的实际背景区域；基于所述最小割，在所述增强的脊柱CT图像上至少确定出所述实际前景区域，无须使用样本数据去训练神经网络模型，从而降低了图像分割的实施难度。
附图说明
[0021]图1为本申请实施例一种脊柱CT图像的增强方法流程示意图；
[0022]图2为本申请实施例脊柱CT图像的示意图；
[0023]图3为本申请实施例增强的脊柱CT图像示意图；
[0024]图4为本申请实施例一种脊柱CT图像的分割方法的流程示意图；
[0025]图5为本申请实施例一种椎体成像的识别方法流程示意图；
[0026]图6为本申请实施例一种脊柱CT图像的增强装置结构示意图；
[0027]图7为本申请实施例一种脊柱CT图像的分割装置结构示意图；
[0028]图8为本申请实施例一种椎体成像的识别装置的结构示意图；
[0029]图9为本申请实施例一种电子设备的具体硬件结构示意图；
具体实施方式
[0030]为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0031]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
[0032]此外，术语“预估”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“预估”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。符号“/”一般表示前后关联对象是一种“或”的关系。
[0033]在本公开中，除非另有明确的规定和限定，“连接”等术语应做广义理解，例如，可
以是电连接或可以互相通讯；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。
[0034]本专利技术实施例提供的技术方案中，通过确定在增强的脊柱CT图像上预估的前景区域和预估的背景区域之间的边缘，并基于所述边缘中的每个体素绘制有向图；根据所述有向图，确定所述增强的脊柱CT图像的最小割，以将所述增强的脊柱CT图像分割成包括有所述脊柱成像的实际前景区域、包括非脊柱图像的实际背景区域；基于所述最小割，在所述增强的脊柱CT图像上至少确定出所述实际前景区域无须使用样本数据去训练神经网络模型，从而降低了图像分割的实施难度。
[0035]图1为本申请实施例一种脊柱CT图像的增强方法流程示意图；如图1，其包括：
[0036]S101、对所述脊柱CT图像进行形态膨胀处理，生成形态膨胀图像；
[0037]可选地，本实施例中，所述对所述脊柱CT图像进行形态膨胀处理，生成形态膨胀图像，包括：
[0038]使用第一结构元素体扫描脊柱CT图像上的体素值，以对所述脊柱CT图像进行形态膨胀处理。
[0039]本实施例中，体素值表示身体组织对于X线的不透光性(或者又称之为X线穿过身体组织被吸收后的衰减值)。
[0040]本实施例中，通过形态膨胀处理对CT图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脊柱CT图像的分割方法，其特征在于，包括：确定在增强的脊柱CT图像上预估的前景区域和预估的背景区域之间的边缘，并基于所述边缘中的每个体素绘制有向图；根据所述有向图，确定所述增强的脊柱CT图像的最小割，以将所述增强的脊柱CT图像分割成包括有所述脊柱成像的实际前景区域、包括非脊柱图像的实际背景区域；基于所述最小割，在所述增强的脊柱CT图像上至少确定出所述实际前景区域。2.根据权利要求1所述的方法，其特征在于，所述确定在增强的脊柱CT图像上预估的前景区域和预估的背景区域之间的边缘，并基于所述边缘中的每个体素绘制有向图之前，包括：预估所述增强的脊柱CT图像上包括有脊柱CT图像的前景区域和不包括所述脊柱CT图像的背景区域，以分别生成所述预估的前景区域和预估的背景区域。3.根据权利要求2所述的方法，其特征在于，所述预估所述增强的脊柱CT图像上包括有脊柱CT图像的前景区域和不包括所述脊柱CT图像的背景区域，以分别生成所述预估的前景区域和预估的背景区域，包括：获取所述增强的脊柱CT图像上各个体素的体素值；根据设定的体素值阈值以及所述各个体素的体素值，预估所述增强的脊柱CT图像上包括有脊柱CT图像的前景区域和不包括所述脊柱CT图像的背景区域，以分别生成所述预估的前景区域和预估的背景区域。4.一种椎体成像的识别方法，其特征在于，包括：确定出实际前景区域中每个椎体的候选成像区域，以及确定出每个候选成像区域的中心和质心，所述实际前景区域根据权利要求1
‑
3任一项所述分割方法确定；根据所述每个候选成像区域的中心和质心，识别出对应椎体的实际成像区域。5.根据权利要求4所述的方法，其特征在于，所述确定出所述实际前景区域中每个椎体的候选成像区域，包括：根据设定的单椎体成像区域面积阈值，确定出所述实际前景区域中每个椎体的候选成像区域。6.根据权利要求4所述的方法，其特征在于，所述根据所述每个候选成像区域的中心和质心，识别...

【专利技术属性】
技术研发人员：李亚，谢永召，宫明波，要文杰，陈露，田庆，赵海霞，
申请(专利权)人：北京柏惠维康科技有限公司，
类型：发明
国别省市：