一种用于肋骨分割后处理的方法及系统技术方案

本发明专利技术涉及医疗图像处理技术，公开了一种用于肋骨分割后处理的方法及系统，其方法包括：针对肋骨图像进行分割处理，得到分割后的肋骨图像；对处理后的肋骨图像进行后处理，得到处理后的分割肋骨图像，通过对分割肋骨图像进行骨架的提取；通过对提取的骨架进行肋骨的骨架长度的统计，并基于统计的骨架长度进行肋骨相连的判定；对于肋骨相连的结果通过构建能量函数，进行肋骨相连的修正

【技术实现步骤摘要】
一种用于肋骨分割后处理的方法及系统


[0001]本专利技术涉及医疗图像处理技术，尤其涉及了一种用于肋骨分割后处理的方法及系统
。

技术介绍

[0002]深度学习技术在医学人工智能应用中具有举足轻重的地位，但深度学习不具备推理和分析能力，其“黑盒”特性使得其识别结果不具有可解释性和可围绕专业知识的自我修复特性
。
由此，以深度学习为核心的医学影像模式识别任务往往需要构建后处理手段，修复和添补识别缺陷
。
组织或器官分割是影像精准医疗的重要
之一，其中对肋骨组织的勾画精确，是剖析胸部
CT
影像的重要处理技术
。
目前，已有较多专利技术采用深度学习作为肋骨语义分割的技术方法
。
例如，专利技术但均存在方法缺陷，不能较好的处理误分割或漏分割
。
[0003]如现有技术1：
CN112950552B
，采用卷积神经网络结合交叉熵及
dice
损失函数，训练了一个胸部
CT
平扫肋骨分割模型；
[0004]如现有技术2：
CN114387536A
从胸部
CT
平扫中采集点云数据作为深度学习的输入；
[0005]如现有技术3：
CN111915620A
结合二维和三维深度学习模型，提供更加精准的肋骨分割效果，并对肋骨进行从头至脚的编号标记
。
但这些方法都无法对深度学习的分割错误进行修复，在肋骨分割问题中，常常出现因分割误差导致的上下相邻肋骨相连，对后续标记肋骨编号造成阻碍
。
[0006]如现有技术4：
CN116363210A
提出一种基于肋骨中心线延伸梯度定位相连处的方法，但依然部分相连处的梯度走势与肋骨走势接近，该梯度阈值难以明确
。

技术实现思路

[0007]本专利技术针对现有技术中肋骨分割不能较好的处理误分割或漏分割的问题，提供了一种用于肋骨分割后处理的方法及系统
。
[0008]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
[0009]一种用于肋骨分割后处理的方法，其方法包括：
[0010]步骤
1.
肋骨的分割处理，针对肋骨图像进行分割处理，得到分割后的肋骨图像；
[0011]步骤
2.
骨架的提取，对处理后的肋骨图像进行后处理，得到处理后的分割肋骨图像，通过对分割肋骨图像进行骨架的提取；
[0012]步骤
3.
肋骨相连的判定，通过对提取的骨架进行肋骨的骨架长度的统计，并基于统计的骨架长度进行肋骨相连的判定；
[0013]步骤
4.
肋骨相连的修正，对于肋骨相连的结果，通过构建能量函数，进行肋骨相连的修正
。
[0014]作为优选，肋骨的分割处理包括：
[0015]步骤
1.1.
以
100
为最小阈值，提取高于该阈值范围内的所有像素点的肋骨图像，并依据除背景外前5个像素点的肋骨图像确定连通区域，作为骨质的候选区域
B0；
[0016]步骤
1.2.
将步骤
1.1
中骨质的候选区域
B0进行膨胀，膨胀掩膜采用半径为3的球形，得到结果
B1；
[0017]步骤
1.3.
采用水漫填充的方法，对
B1填充孔洞，获取完整的骨质区域
B2；
[0018]步骤
1.4.
根据骨质区域
B2，对原始影像进行处理，将原始影像数据中非骨质区域，即
B2＝0的像素的值设为
‑
1000
，得到处理后的影像，并将该处理后的影像输入预训练好的肋骨分割模型中，获取肋骨分割结果
R0。
[0019]作为优选，骨架的提取包括：
[0020]步骤
2.1
，将步骤
1.3
获取的骨质区域
B2二值化，并与步骤
1.4
的肋骨分割结果
R0相乘，得到三维肋骨分割结果
R1；
[0021]步骤
2.2
，采用半径为
r1的圆形掩膜，对步骤
2.1
获取的三维肋骨分割结果
R1按照轴向顺序进行闭运算处理，得到肋骨分割结果
R2；
[0022]步骤
2.3
，对肋骨分割结果
R2分别按照轴向
、
冠状位
、
矢状位三个方向进行水漫填充，得到肋骨分割结果
R3；
[0023]步骤
2.4
，采用半径为
r2的圆形掩膜，对肋骨分割结果
R3按照轴向顺序进行开运算处理，得到处理后的肋骨分割结果
R4；
[0024]步骤
2.5
，对肋骨分割结果
R4标记连通区域，确定肋骨区域，生成
24
根肋骨的初始定位；
[0025]步骤
2.6
，肋骨初始骨架图
G1(V,E)
的确定，通过连通区域的肋骨骨架进行肋骨初始骨架图
G1(V,E)
的确定；
[0026]步骤
2.7
，环路的消除，通过肋骨初始骨架图
G1(V,E)
进行环路的消除，针对每一个分支点采用深度优先搜索检测肋骨初始骨架图
G1(V,E)
中存在的环路径，环路径以一个分支点起始，将环路径中的所有连接点删除，将环起始分支点与环内其余分支点建立一对一连接边消除环路；
[0027]步骤
2.8
，肋骨骨架图
G2(V,E)
的获取，针对每一个端点，采集到最近分支点的距离，并将长度小于阈值
ε
的端点到最近分支点的所有点删除；删除的点包括端点但不包括分支点，并重新计算该分支点的
26
邻域内其他骨架点数，按照步骤
2.6
的规则进行分类，得到肋骨骨架图
G2(V,E)
；
[0028]步骤
2.9
，对每一个连通区域的肋骨骨架，重复步骤
2.6
到
2.8
，得到所有连通区域的骨架和骨架图
G
i
(V,E),i∈[1,2,
…
,24]。
[0029]作为优选，肋骨相连的判定包括：
[0030]步骤
3.1
，采集
M
例无肋骨相连情况的肋骨分割结果，按照步骤2提取的
24
根肋骨的骨架，统计每根骨架长度
i∈[1
，2，
…
，
24]，再除以平均肋骨骨架长度即重复
M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于肋骨分割后处理的方法，其方法包括：步骤
1.
肋骨的分割处理，针对肋骨图像进行分割处理，得到分割后的肋骨图像；步骤
2.
骨架的提取，对处理后的肋骨图像进行后处理，得到处理后的分割肋骨图像，通过对分割肋骨图像进行骨架的提取；步骤
3.
肋骨相连的判定，通过对提取的骨架进行肋骨的骨架长度的统计，并基于统计的骨架长度进行肋骨相连的判定；步骤
4.
肋骨相连的修正，对于肋骨相连的结果，通过构建能量函数，进行肋骨相连的修正
。2.
根据权利要求1所述的一种用于肋骨分割后处理的方法，其特征在于，肋骨的分割处理包括：步骤
1.1.
以
100
为最小阈值，提取高于该阈值范围内的所有像素点的肋骨图像，并依据除背景外前5个像素点的肋骨图像确定连通区域，作为骨质的候选区域
B0；步骤
1.2.
将步骤
1.1
中骨质的候选区域
B0进行膨胀，膨胀掩膜采用半径为3的球形，得到结果
B1；步骤
1.3.
采用水漫填充的方法，对
B1填充孔洞，获取完整的骨质区域
B2；步骤
1.4.
根据骨质区域
B2，对原始影像进行处理，将原始影像数据中非骨质区域，即
B2＝0的像素值设为
‑
1000
，得到处理后的影像，并将该处理后的影像输入预训练好的肋骨分割模型中，获取肋骨分割结果
R0。3.
根据权利要求1所述的一种用于肋骨分割后处理的方法，其特征在于，骨架的提取包括：步骤
2.1
，将步骤
1.3
获取的骨质区域
B2二值化，并与步骤
1.4
的肋骨分割结果
R0相乘，得到三维肋骨分割结果
R1；步骤
2.2
，采用半径为
r1的圆形掩膜，对步骤
2.1
获取的三维肋骨分割结果
R1按照轴向顺序进行闭运算处理，得到肋骨分割结果
R2；步骤
2.3
，对肋骨分割结果
R2分别按照轴向
、
冠状位
、
矢状位三个方向进行水漫填充，得到肋骨分割结果
R3；步骤
2.4
，采用半径为
r2的圆形掩膜，对肋骨分割结果
R3按照轴向顺序进行开运算处理，得到处理后的肋骨分割结果
R4；步骤
2.5
，对肋骨分割结果
R4标记连通区域，确定肋骨区域，生成
24
根肋骨的初始定位；步骤
2.6
，肋骨初始骨架图
G1(V,E)
的确定，通过连通区域的肋骨骨架进行肋骨初始骨架图
G1(V,E)
的确定；步骤
2.7
，环路的消除，通过肋骨初始骨架图
G1(V,E)
进行环路的消除，针对每一个分支点采用深度优先搜索检测肋骨初始骨架图
G1(V,E)
中存在的环路径，环路径以一个分支点起始，将环路径中的所有连接点删除，将环起始分支点与环内其余分支点建立一对一连接边消除环路；步骤
2.8
，肋骨骨架图
G2(V,E)
的获取，针对每一个端点，采集到最近分支点的距离，并将长度小于阈值
ε
的端点到最近分支点的所有点删除，其中，
ε
为
15
；删除的点包括端点但不包括分支点，并重新计算该分支点的
26
邻域内其他骨架点数，按照步骤
2.6
的规则进行分类，得到肋骨骨架图
G2(V,E)
；
步骤
2.9
，对每一个连通区域的肋骨骨架，重复步骤
2.6
到
2.8
，得到所有连通区域的骨架和骨架图
G
i
(V,E),i∈[1,2,
…
,24]。4.
根据权利要求1所述的一种用于肋骨分割后处理的方法，其特征在于，肋骨相连的判定包括：步骤
3.1
，采集
M
例无肋骨相连情况的肋骨分割结果，按照步骤2提取的
24
根肋骨的骨架，统计每根骨架长度再除以平均肋骨骨架长度即重复
M
例，组成
24
个数据量为
M
的肋骨长度数据集
L
，
L
＝
{L
m
，

【专利技术属性】
技术研发人员：胡利荣，尤堃，张跃华，伍华樑，
申请(专利权)人：浙江飞图影像科技有限公司，
类型：发明
国别省市：