一种C型臂X光机图像的识别方法技术

本发明专利技术公开了一种C型臂X光机图像的识别方法，特点是通过U

【技术实现步骤摘要】
一种C型臂X光机图像的识别方法


[0001]本专利技术涉及一种X光机图像的识别方法，尤其是一种C型臂X光机图像的识别方法。

技术介绍

[0002]由于可以实时查看手术中的动态情况，C型臂X光机图像作为术中定位的重要工具被广泛应用于骨科手术中，然而由于C型臂X光机图像缺少3D空间上的位置信息，医生通常需要依据术前拍摄的X光正位片与侧位片对C臂图像的位置进行人工判断，存在一定的差错可能性，效率不高，因此自动的C型臂X光机图像识别能够为医生在术中提供极大的便利。
[0003]C型臂X光机图像识别的主要难点在于椎骨的识别以及图像视野受到限制，图像中通常只能显示3～5节椎骨，同时缺少上下脊椎之间的信息；在椎骨识别问题中，由于个体存在差异性，以及低级图像特征存在对高频信息的弱敏感性，传统方法所用的基于统计模型的方法和基于特征学习的方法均不具备良好的判决性能，因此，寻找一种具有良好泛化性，以及能够提取深层次图像特征的椎骨识别方法成为了目前医学影像领域的一大挑战。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种识别效率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种C型臂X光机图像的识别方法，其特征在于包括以下步骤：步骤1)：通过术前X光机获取全脊柱X光片并转化为初始灰度图像I1，对I1进行自适应对比度增强得到增强后的图像，根据增强后的图像获取脊柱图像的左边界S1和右边界S2，并对I1上依据S1和S2进行裁剪得到脊柱图像I2；步骤2)：通过U
‑
Net网络对I1处理后生成分割后的二分类图像，将分割后的二分类图像进行裁剪得到裁剪后的二分类图像，随后根据裁剪后的二分类图像获取颈椎与胸椎的分界线L1以及胸椎与腰椎的分界线L2；步骤3)：通过YOLOv3模型对I2处理得到检测后的脊柱图像，然后基于L1和L2设置检测后的脊柱图像中预测框的类别标签并放大，得到放大后的检测图像I3，将I3依据S1和S2覆盖I1中的I2部分即获得最终的全脊柱X光片椎骨识别图像I4；步骤4)：通过C型臂X光机获取与全脊柱X光片匹配的C臂X光图像I5，根据I1与I5基于SIFT算法获得匹配的特征点，获取待识别的C臂X光图像的圆心坐标(x0,y0)，最后在I4中以(x0,y0)为圆心，以I5的半径R为半径进行裁剪得到最终的C臂X光识别图像。2.根据权利要求1所述的一种C型臂X光机图像的识别方法，其特征在于具体过程如下：步骤1)
‑
1：获取I1中的每一个点的局部均值，将在I1中坐标为(i,j)的点的局部均值记为M(i,j)，其中，n为预设的水平局部长度参数，m为预设的垂直长度参数，f(s,k)表示I1中坐标为(s,k)的点的灰度值，0≤i≤P,0≤j≤Q，i
‑
n≤s≤i+n，j
‑
m≤k≤j+m，P表示I1的水平总长度，Q表示I1的垂直总长度；步骤1)
‑
2：获取I1中的每一个点的局部标准差，将在I1中坐标为(i,j)的点的局部标准差记为σ2(i,j)，步骤1)
‑
3：获取增强后的图像中每个点的灰度值，构建增强后的图像，其中，定义增强后的图像中坐标为(i,j)的点的灰度值为I(i,j)，I(i,j)＝M(i,j)+G(f(i,j)
‑
M(i,j))，其中α为预设的增强系数且0<α<1，f(i,j)表示I1中坐标为(i,j)的点的灰度值，M为整个I1的灰度均值，步骤1)
‑
4：获取增强后的图像的所有垂直分量的灰度和，将所有垂直分量的灰度和按照对应的横坐标从小至大的顺序排列形成垂直分量的灰度和序列IH，定义垂直分量的灰度和序列中与所有横坐标为i的点对应的垂直分量的灰度和为IH(i)，定义增强后的灰度图像的平均灰度强度为MI，定义增强后的灰度图像中所有点的灰度值的标准差为SI，在IH中以MI+SI为阈值筛选出大于阈值的垂直分量的灰度和，将筛选出的所有垂直分量的灰度和中在IH中序号最小的垂直分量的灰度和记为IH1并将IH1的序号记为S1，将筛选出的所有垂直分量的灰度和中在IH中序号最大的垂直分量的灰度和记为IH2并将IH2的序号记为S2，将S1作为水平方向上的左边界值得到脊柱图像的左边界，将S2作为水平方向上的右边界值得到脊柱图像的右边界，随后从I1上依据S1和S2进行裁剪得到脊柱图像I2；
步骤2)
‑
1：构建U
‑
Net网络，设定I1中的肋骨区域，将I1统一缩放处理为672*384像素大小后输入U
‑
Net网络，生成分割后的二分类图像，将分割后的二分类图像中的肋骨区域的灰度设置为G，200≤G≤255，将分割后的二分类图像中的非肋骨区域的灰度设置为0；步骤2)
‑
2：将分割后的二分类图像依据S1和S2进行裁剪得到裁剪后的二分类图像，随后获取裁剪后的二分类图像中的所有垂直分量中第一个灰度值为G的点的垂直坐标的坐标均值MV1，同时获取裁剪后的二分类图像中的每个垂直分量中最后一个灰度值为G的点的垂直坐标的坐标均值MV2，将垂直坐标为MV1的点相连构成的分界线作为颈椎与胸椎的分界线L1，将垂直坐标为MV2的点相连构成的分界线作为胸椎与腰椎的分界线L2；步骤3)：将I2的水平长度记为W1，设定I2中的椎骨区域，将I2缩放到256*608像素后输入YOLOv3模型中，输出检测后的脊柱图像，然后基于MV1和MV2设置检测后的脊柱图像中预测框的类别标签得到带有类别标签的检测图像，其中将预测框中心坐标位于MV1和MV2之间的预测框的类别标签设置为胸椎，将预测框中心坐标在MV2之下的预测框的类别标签设置为腰椎，然后将带有类别标签的脊柱图像放大为W1*Q的像素大小，最后生成放大后的检测图像I3，将I3依据S1和S2覆盖I1中的I2部分即获得最终的全脊柱X光片椎骨识别图像I4；步骤4)
‑
1：通过C型臂X光机获取与全脊柱X光片匹配的C臂X光图像I5，根据I1与I5基于SIFT算法获得匹配的特征点，将...

【专利技术属性】
技术研发人员：张儒毅，胡一为，彭亮，章凯，
申请(专利权)人：宁波大学，
类型：发明
国别省市：