一种基于制造技术

本发明专利技术提供了一种基于

【技术实现步骤摘要】
一种基于CT图像的组织自动定位计算方法及系统


[0001]本专利技术涉及医院影像处理
，尤其涉及一种基于
CT
图像的组织自动定位计算方法及系统
。

技术介绍

[0002]如今临床中使用计算机断层扫描成像
CT
扫描数据进行临床疾病的预测与辅助诊断变得越依赖
。
当下，最为普遍的是，骨密度测量，他是诊断骨质疏松症的主要依据之一
。
这些根据根据测量的
CT
值，需要对肌肉，脂肪，骨松质感兴趣区进行测量
。
而测量过程中，需要会识别扫描成像图像中的肌肉，脂肪，骨质区域的专业人员来操作，并且医用人员对其复杂地操作后才能获得结果
。
[0003]目前对于诊断骨质疏松的方法是
DXA
和
QCT
，
DXA(
使用
dual
‑
x
‑
rayabsorptioometry)
原理直接检测
x
线吸收的情况，对于设备的要求，普及率并不高
。QCT
需要依赖
phantom
数据进行辅助测量，特殊的
phantom
与软件，也给检测带来不便
。
目前也有直接在断层扫码数据中，划分皮质骨，肌肉，脂肪测量方法
。
但是此方法中，存在人为划分肌肉，脂肪的步骤，人工误差大，而且工作繁琐，效率不高
。
专利技术内容
[0004]为了克服上述技术缺陷，本专利技术的目的在于提供一种能自动识别出骨灰质
、
肌肉
、
脂肪
、
并对其进行定位的基于
CT
图像的组织自动定位计算方法及系统
。
[0005]本专利技术公开了一种基于
CT
图像的组织自动定位计算方法，包括：通过深度学习网络对
CT
图像中的脊柱骨进行分割，获取脊柱掩膜；对所述脊柱掩膜进行冠状面投影，对投影后的图像采用滤波核进行平滑处理；通过定位脊椎中心点对平滑后的图像进行脊椎分割，以定位得到脊柱骨灰质；向所述脊柱骨灰质的中心点两侧进行三角形搜索，以定位获取肌肉和脂肪；其中，肌肉和脂肪的搜索方向相对
。
[0006]优选的，所述对所述脊柱掩膜进行冠状面投影，对投影后的图像采用滤波核进行平滑处理包括：所述滤波核大小为
[0007]优选的，所述通过定位脊椎中心点对平滑后的图像进行脊椎分割，以定位得到脊柱骨灰质包括：所述平滑后的图像中分割出的脊椎为近四方体，求取所述近四方体的两对角在笛卡尔坐标系中的坐标
(x1,y1)
和
(x2,y2)
；获取所述近四方体的中心点
(x1,x2)/2
，
(y1,y2)/2
；根据所述中心点确定所述脊柱骨灰质
。
[0008]优选的，所述向所述脊柱骨灰质的中心点两侧进行三角形搜索，以定位获取肌肉和脂肪包括：划分用于区分肌肉区域和脂肪区域的中轴线，所述中轴线两侧分别为肌肉区域和脂肪区域；分别在所述中轴线两侧的肌肉区域和脂肪区域中划定
120
度的搜索范围进行搜索
。
[0009]优选的，所述向所述脊柱骨灰质的中心点两侧进行三角形搜索，以定位获取肌肉和脂肪还包括：在搜索区域中采用柱形区域判断是否存在肌肉组织或脂肪组织，从而划定肌肉或脂肪区域
。
[0010]优选的，所述在搜索区域中采用柱形区域判断是否存在肌肉组织或脂肪组织，从而划定肌肉或脂肪区域之后包括：计算所述肌肉或脂肪区域的
Hu
值，根据肌肉组织的
Hu
值范围和脂肪组织的
Hu
值范围来划定所述肌肉或脂肪区域中的初始肌肉区域与初始脂肪区域
。
[0011]优选的，所述根据肌肉组织的
Hu
值范围和脂肪组织的
Hu
值范围来划定所述肌肉或脂肪区域中的初始肌肉区域与初始脂肪区域之后还包括：对所述柱形区域进行腐蚀与膨胀，再次获取精确的肌肉区域与脂肪区域
。
[0012]优选的，所述划分用于区分肌肉区域和脂肪区域的中轴线，所述中轴线两侧分别为肌肉区域和脂肪区域；分别在所述中轴线两侧的肌肉区域和脂肪区域中划定
120
度的搜索范围进行搜索包括：
p1为肌肉区域中的点，
p2为脂肪区域中的点，
p0为所述中轴线上的点；假设
p0(x0,y0,z
i
)
，
p1(x1,y1,z
i
)
，
p1(x2,y2,z
i
)
；
p1满足或
[0013][0014]则
p2的起始搜索位置为：
[0015]或
[0016]且搜索范围为：
[0017]或或或
[0018]其中，
H
为第
i
层图像的高度值，
W
为图像宽度
。
[0019]优选的，所述通过深度学习网络对
CT
图像中的脊柱骨进行分割，获取脊柱掩膜包括：所述深度学习网络为分割网络，所述分割网络包括
ResUnet
网络
、nnUnet
网络
、Unet++
网络
、Nestnet
网络
。
[0020]本专利技术还公开了一种基于
CT
图像的组织自动定位计算系统，包括分割模块和定位模块，所述分割模块包括基于深度学习网络的第一分割单元和第二分割单元；通过所述第一分割单元中的深度学习网络对
CT
图像中的脊柱骨进行分割，获取脊柱掩膜；通过所述第二分割单元对所述脊柱掩膜进行冠状面投影，对投影后的图像采用滤波核进行平滑处理；通过定位脊椎中心点对平滑后的图像进行脊椎分割，以定位得到脊柱骨灰质；通过所述定位模块向所述脊柱骨灰质的中心点两侧进行三角形搜索，以定位获取肌肉和脂肪；其中，肌肉和脂肪的搜索方向相对
。
[0021]采用了上述技术方案后，与现有技术相比，具有以下有益效果：
[0022]1.
本专利技术直接使用局部断层扫描图像，利用骨松质
、
肌肉
、
与脂肪在人体中特殊稳定关系，自动识别出骨松质，肌肉，脂肪，并对其进行定位；定位过程中使用由圆柱形推演到自由形态的方法，使得测量值更准确
。
附图说明
[0023]图1为本专利技术提供的基于
CT
图像的组织自动定位计算方法的流程图；
[0024]图2为本专利技术提供的肌肉
、
脂肪的搜索定位方法的搜索区域示意图
。
具体实施方式
[0025]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
CT
图像的组织自动定位计算方法，其特征在于，包括：通过深度学习网络对
CT
图像中的脊柱骨进行分割，获取脊柱掩膜；对所述脊柱掩膜进行冠状面投影，对投影后的图像采用滤波核进行平滑处理；通过定位脊椎中心点对平滑后的图像进行脊椎分割，以定位得到脊柱骨灰质；向所述脊柱骨灰质的中心点两侧进行三角形搜索，以定位获取肌肉和脂肪；其中，肌肉和脂肪的搜索方向相对
。2.
根据权利要求1所述的组织自动定位计算方法，其特征在于，所述对所述脊柱掩膜进行冠状面投影，对投影后的图像采用滤波核进行平滑处理包括：所述滤波核大小为
3.
根据权利要求1所述的组织自动定位计算方法，其特征在于，所述通过定位脊椎中心点对平滑后的图像进行脊椎分割，以定位得到脊柱骨灰质包括：所述平滑后的图像中分割出的脊椎为近四方体，求取所述近四方体的两对角在笛卡尔坐标系中的坐标
(x1,y1)
和
(x2,y2)
；获取所述近四方体的中心点
(x1,x2)/2
，
(y1,y2)/2
；根据所述中心点确定所述脊柱骨灰质
。4.
根据权利要求1所述的组织自动定位计算方法，其特征在于，所述向所述脊柱骨灰质的中心点两侧进行三角形搜索，以定位获取肌肉和脂肪包括：划分用于区分肌肉区域和脂肪区域的中轴线，所述中轴线两侧分别为肌肉区域和脂肪区域；分别在所述中轴线两侧的肌肉区域和脂肪区域中划定
120
度的搜索范围进行搜索
。5.
根据权利要求4所述的组织自动定位计算方法，其特征在于，所述向所述脊柱骨灰质的中心点两侧进行三角形搜索，以定位获取肌肉和脂肪还包括：在搜索区域中采用柱形区域判断是否存在肌肉组织或脂肪组织，从而划定肌肉或脂肪区域
。6.
根据权利要求5所述的组织自动定位计算方法，其特征在于，所述在搜索区域中采用柱形区域判断是否存在肌肉组织或脂肪组织，从而划定肌肉或脂肪区域之后包括：计算所述肌肉或脂肪区域的
Hu
值，根据肌肉组织的
Hu
值范围和脂肪组织的
Hu
值范围来划定所述肌肉或脂肪区域中的初始肌肉区域与初始脂肪区域
。7.
根据权利要求6所述的组织自动定位...

【专利技术属性】
技术研发人员：李迎燕，叶宏伟，李晓光，王瑶法，
申请(专利权)人：明峰医疗系统股份有限公司，
类型：发明
国别省市：