基于多特征融合的随机森林磁共振脊椎图像标记方法技术

本发明专利技术提供一种基于多特征融合的随机森林磁共振脊椎图像标记方法

【技术实现步骤摘要】
基于多特征融合的随机森林磁共振脊椎图像标记方法、系统及终端


[0001]本专利技术涉及图像数据处理领域，特别是涉及一种基于多特征融合的随机森林磁共振脊椎图像标记方法
、
系统及终端
。

技术介绍

[0002]脊柱是人体骨骼肌肉系统中的重要组成部分，然而由于不正确的坐姿等原因使得各年龄段中患有脊椎相关疾病的人群越来越多
。
磁共振成像
(MRI)
技术是行之有效的人体脊椎疾病检查方法之一
。
然而，在治疗和诊断过程中，脊椎的
MR
图像手动标注不仅会消耗大量时间，同时可能会因人员差异而出现标注误差
。
快速
、
准确的椎骨的定位及分割不仅节约时间，降低人员成本，且有助于医生诊断脊柱疾病，确定治疗方案并评估方案的有效性
。
[0003]脊椎图像的目标分割脊椎标识重要环节之一
。
传统的图像分割方法，如区域生长法
、
阈值分割
、
基于像素值分割等，其主要根据图像灰度及边界梯度等信息实现图像不同区域的分割
。
然而对于脊椎磁共振图像标注现有技术存在以下困难：
[0004](1)
这些方法多用于电子计算机断层扫描
(CT)
图像，对于脊椎磁共振图像，由于包含了较多的软组织信息，可能出现边界模糊不清晰情况；
[0005](2)
对于偏离中心层的磁共振图像，其椎体特征不明显，使得椎体分割难度加大
。
[0006](3)
由于运动
、
金属
、
磁场不均匀等原因，磁共振脊柱图像可能存在形变及伪影，亦是脊椎标注的难点之一
。
[0007](4)
由于椎侧弯患者及脊椎边界层，脊椎显示不连续，还易出现漏标
、
错标现象
。

技术实现思路

[0008]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于多特征融合的随机森林磁共振脊椎图像标记方法
、
系统及终端，用于解决以上现有技术问题
。
[0009]为实现上述目的及其他相关目的，本专利技术提供一种基于多特征融合的随机森林磁共振脊椎图像标记方法，所述方法包括：对待标记的磁共振脊椎图像进行预处理，获得预处理图像；根据所述预处理图像进行特征提取处理，获得对应的尾椎特征以及其他椎体特征；基于由训练随机森林获得的脊椎识别模型，根据尾椎特征以及其他椎体特征获得磁共振脊椎识别结果；基于由各椎体在磁共振图像各层的位置信息计算的各椎体在三维空间的位置关系，根据所述磁共振脊椎识别结果进行椎体标记，获得磁共振脊椎标记结
。
[0010]于本专利技术的一实施例中，所述脊椎识别模型的训练方式包括：将具有尾椎以及其他椎体标签的多个磁共振脊椎图像进行预处理，获得对应各磁共振脊椎图像的预处理图像；根据每个预处理图像进行特征提取处理，提取各磁共振脊椎图像对应的尾椎特征以及其他椎体特征，以获得特征数据训练集；基于所述特征数据训练集训练随机森林获得所述脊椎识别模型
。
[0011]于本专利技术的一实施例中，所述预处理包括：对输入的磁共振脊椎图像依次进行图
像滤波
、
图像增强
、
图像锐化以及图像掩膜提取获得预处理图像
。
[0012]于本专利技术的一实施例中，所述特征提取处理包括：根据预处理图像进行
HOG
特征提取，并对提取的
HOG
特征进行
2DPCA
降维，获得降维脊椎
HOG
特征；根据预处理图像进行
GLCM
特征提取，获得网格化
GLCM
特征；将降维
HOG
特征以及网格化
GLCM
特征进行串行融合获得尾椎特征以及将降维
HOG
特征作为其他椎体特征
。
[0013]于本专利技术的一实施例中，进行
HOG
特征提取的方式包括：根据预处理图像进行单元分割，并计算每个单元的梯度以及幅值；将每个单元的梯度以及幅值均匀分为多个梯度方向，并将每个单元的相同梯度方向的幅值按照权重累加，以组成每个单元的梯度直方图；将每个单元进行归一化，并将各梯度直方图连接，以获得对应的
HOG
特征
。
[0014]于本专利技术的一实施例中，根据预处理图像计算对应的灰度共生矩阵；基于所述灰度共生矩阵计算特征参数；其中，所述特征参数包括：用于表征图像灰度分布的均匀性和粗糙度的特征参数
、
用于表征图像纹理的深度与厚度的特征参数
、
用于表征图像信息量的特征参数
、
用于表征图像纹理亮度信息的特征参数以及用于表征图像灰度相关性的特征参数；基于设定尺寸的窗口，根据预处理图像进行窗口滑动，并基于计算的特征参数计算每个窗口的滑窗特征，以组成网格化
GLCM
特征
。
[0015]于本专利技术的一实施例中，根据尾椎特征以及其他椎体特征获得磁共振脊椎识别结果包括：基于尾椎特征识别尾椎，以获得对应识别出尾椎的脊椎识别结果；基于其他椎体特征，在对应识别出尾椎的脊椎识别结果中识别其他椎体，以获得对应识别出所有椎体的磁共振脊椎识别结果
。
[0016]于本专利技术的一实施例中，基于由各椎体在磁共振图像各层的位置信息计算的各椎体在三维空间的位置关系，根据所述磁共振脊椎识别结果进行椎体标记，获得磁共振脊椎标记结果包括：根据所述磁共振脊椎识别结果计算
IOU
值，并去除所述磁共振脊椎识别结果中的冗余信息；基于去除冗余信息的磁共振脊椎识别结果中的各椎体的位置信息以及其他各层磁共振脊椎图像中各椎体的位置信息，以计算各椎体在三维空间的位置关系；基于各椎体在三维空间的位置关系，对去除冗余信息的磁共振脊椎识别结果中的各椎体进行标注，获得磁共振脊椎标记结果
。
[0017]为实现上述目的及其他相关目的，本专利技术提供一种基于多特征融合的随机森林磁共振脊椎图像标记系统，所述系统包括：图像预处理模块，用于对待标记的磁共振脊椎图像进行预处理，获得预处理图像；特征提取模块，连接所述图像预处理模块，用于根据所述预处理图像进行特征提取处理，获得对应的尾椎特征以及其他椎体特征；椎体识别模块，连接所述特征提取模块，用于基于由训练随机森林获得的脊椎识别模型，根据尾椎特征以及其他椎体特征获得磁共振脊椎识别结果；标记模块，连接所述椎体识别模块，用于基于由各椎体在磁共振图像各层的位置信息计算的各椎体在三维空间的位置关系，根据所述磁共振脊椎识别结果进行椎体标记，获得磁共振脊椎标记结果
。
[0018]为实现上述目的及其他相关目的，本专利技术提供一种基于多特征融合的随机森林磁共振脊椎图像标记终端，包括：一或多个存储器及一或多个处理器；所述一或多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多特征融合的随机森林磁共振脊椎图像标记方法，其特征在于，所述方法包括：对待标记的磁共振脊椎图像进行预处理，获得预处理图像；根据所述预处理图像进行特征提取处理，获得对应的尾椎特征以及其他椎体特征；基于由训练随机森林获得的脊椎识别模型，根据尾椎特征以及其他椎体特征获得磁共振脊椎识别结果；基于由各椎体在磁共振图像各层的位置信息计算的各椎体在三维空间的位置关系，根据所述磁共振脊椎识别结果进行椎体标记，获得磁共振脊椎标记结果
。2.
根据权利要求1中所述的基于多特征融合的随机森林磁共振脊椎图像标记方法，其特征在于，所述脊椎识别模型的训练方式包括：将具有尾椎以及其他椎体标签的多个磁共振脊椎图像进行预处理，获得对应各磁共振脊椎图像的预处理图像；根据每个预处理图像进行特征提取处理，提取各磁共振脊椎图像对应的尾椎特征以及其他椎体特征，以获得特征数据训练集；基于所述特征数据训练集训练随机森林获得所述脊椎识别模型
。3.
根据权利要求1或2中所述的基于多特征融合的随机森林磁共振脊椎图像标记方法，其特征在于，所述预处理包括：对输入的磁共振脊椎图像依次进行图像滤波
、
图像增强
、
图像锐化以及图像掩膜提取获得预处理图像
。4.
根据权利要求1或2中所述的基于多特征融合的随机森林磁共振脊椎图像标记方法，其特征在于，所述特征提取处理包括：根据预处理图像进行
HOG
特征提取，并对提取的
HOG
特征进行
2DPCA
降维，获得降维脊椎
HOG
特征；根据预处理图像进行
GLCM
特征提取，获得网格化
GLCM
特征；将降维
HOG
特征以及网格化
GLCM
特征进行串行融合获得尾椎特征以及将降维
HOG
特征作为其他椎体特征
。5.
根据权利要求4中所述的基于多特征融合的随机森林磁共振脊椎图像标记方法，其特征在于，进行
HOG
特征提取的方式包括：根据预处理图像进行单元分割，并计算每个单元的梯度以及幅值；将每个单元的梯度以及幅值均匀分为多个梯度方向，并将每个单元的相同梯度方向的幅值按照权重累加，以组成每个单元的梯度直方图；将每个单元进行归一化，并将各梯度直方图连接，以获得对应的
HOG
特征
。6.
根据权利要求4中所述的基于多特征融合的随机森林磁共振脊椎图像标记方法，其特征在于，进行
GLCM
特征...

【专利技术属性】
技术研发人员：戴瀚闻，董霖，刘楠，
申请(专利权)人：上海电气控股集团有限公司智惠医疗装备分公司，
类型：发明
国别省市：