【技术实现步骤摘要】
本专利技术涉及医学图像识别，尤其涉及一种术中脊柱图像的识别方法。
技术介绍
1、c臂x光透视被认为是图像引导手术的主要方法。它能够实时更新器械位置，提供最新的解剖结构信息，同时能够为医生提供精准的手术定位。在进行脊柱外科手术时，医生会先对患者进行c臂x光透视以获得术中脊柱的c臂x光图像，通过确定图像中的椎体节段来确认手术位置。然而，由于术中脊柱图像的视野较窄，很难直接通过c臂x光图像确定解剖标志。同时，用于c臂x光透视所用的x射线剂量较低，导致图像对比度不佳。此外，各种噪声的存在对图像造成干扰，从而使外科医生更难以正确地识别术中脊柱图像中的细节。在这种情况下，外科医生会将患者的术前图像，例如数字化x射线(dr)、计算机断层扫(ct)、磁共振成像(mri)等，与术中脊柱图像进行比较，以确保手术在正确的位置进行。其中，dr图像是临床手术中最普遍用于比较的图像类型。然而，由于椎骨之间的形态相似性和解剖结构的复杂性，在某些情况下，通过直接对比dr图像和c臂x光图像来确认手术位置需要一定的专业经验。因此，可靠的术中脊柱图像识别可以有效地为医生提供手术辅助指导，提高临床手术中的准确性以及效率。
2、中国专利“cn114533094a一种c型臂x光机图像的识别方法”提供了一种c型臂x光机图像的识别方法。此专利将术前x光全长脊柱图像基于u-net模型将图像基于肋骨区域分为胸椎与腰椎区域，并进行节段数标注；通过yolov3模型对术前图像和术中c臂x光脊柱图像进行椎骨定位；通过sift算法配准术前图像和术中图像，将配准的区域结果中术前图
技术实现思路
1、本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种术中脊柱图像的识别方法，输入术前拍摄的二维脊柱影像和术中拍摄的二维脊柱影像后，可以在术中脊柱图像中输出椎骨的位置信息以及具体的节段数信息，可以同时适用于正位片和侧位片。
2、为解决上述技术问题，本专利技术所采取的技术方案是：
3、一种术中脊柱图像的识别方法，包括下列步骤：
4、步骤1：从术前所用dr机和术中所用c型臂x光机中分别获取术前脊柱dr图像和术中脊柱c臂x光图像，并分别进行预处理，得到处理后的术前dr图像i1和术中c臂x光图像i2；
5、步骤2：使用yolox深度学习模型对术前和术中图像中的椎骨区域进行检测，并对每个椎骨区域进行裁剪，获得裁剪后的术前椎骨图像i1b和术中椎骨图像i2c；
6、步骤3：使用deeplabv3+深度学习模型对裁剪出的椎骨图像进行椎骨区域分割，分别得到分割后的图像i11b和图像i21c；
7、步骤4：基于dr图像和c型x光图像的椎体分割结果对椎骨图像进行旋转，使图像中显示的椎骨保持水平，分别得到角度校正的椎骨图像i12b和图像i22c；
8、步骤5：基于c臂x光图像i2中检测出的椎骨数量对dr图像i1中的椎骨图像i12b从上往下依次进行分组，并计算每组中相似度最小的椎骨区域的图像质量评估指标，从中得到最优的匹配结果；
9、步骤6：根据边缘的水平位置对椎骨图像i12b进行排序；基于第k组中的匹配结果将椎骨图像i22c同与之对应的椎骨图像i12b的标注结果进行标注，最后在图像i2中基于图像i22c的坐标信息、边缘信息和标注信息绘制最后的匹配结果，结果包括图像中所有椎骨的位置信息以及节段数信息。
10、进一步地，所述步骤1中，对于术前脊柱图像，对图像进行中值滤波处理，得到处理后的术前dr图像i1；对于术中脊柱图像，将图像进行反色、中值滤波和直方图归一化处理，得到处理后的术中c臂x光图像i2。
11、进一步地，所述步骤2的具体方法为：
12、获得图像i1和图像i2后，通过yolox模型分别对术前图像和术中图像进行训练，以对图像中的椎骨区域进行检测，获取椎骨区域所处边框的四个顶点坐标，记录坐标信息；
13、通过顶点坐标获取椎骨区域边界，并对每个椎骨区域进行裁剪；
14、假设在图像i1中检测的椎骨数量为m，图像i2中检测出的椎骨数量为n，从而获得裁剪后的术前椎骨图像i1b和术中椎骨图像i2c，其中，b＝1,…,m；c＝1,…,n；
15、同时基于坐标信息记录椎骨图像在图像i1和图像i2中的矩形中心坐标(x1b,y1b)和(x2c,y2c)。
16、进一步地，所述步骤3中，获得图像i1b和图像i2c后，统一使用deeplabv3+模型进行训练，以对图像中的椎骨区域进行分割，图像i1b和图像i2c分割后分别得到图像i11b和图像i21c；分割后的椎骨图像为二分类图像，其中的椎骨区域设置灰度值为255，背景区域灰度值设置为0。
17、进一步地，所述步骤4的具体方法为：
18、首先计算图像i11b和图像i21c中椎骨区域的最小外接矩形，获取最小外接矩形的参数，包括图像i11b与图像i21c的长hb与hc、宽wb与wc、水平倾斜角度ab与ac，以及矩形中心在图像i11b和图像i21c中的坐标(x11b,y11b)和(x21c,y21c)；
19、然后，设定图像i11b和图像i21c的中心坐标为(x1b1,y1b1)和(x2c1,y2c1)，在原始椎骨图像i1和图像i2中以坐标(x1b+(x11b-x1b1),y1b+(y11b-y1b1))和(x2c+(x21c-x2c1),y2c+(y21c-y2c1))为旋转中心，分别逆着倾斜角度ab与ac旋转图像；
20、最后根据旋转中心以及最小外接矩形的长和宽对图像i1和图像i2进行重新裁剪，分别得到角度校正的椎骨图像i12b和图像i22c。
21、进一步地，所述步骤5的具体方法为：
22、基于c臂x光图像i2中检测出的椎骨数量n对dr图像i1中的椎骨图像i12b从上往下依次进行分组，步骤2已给定dr图像检测出的椎骨数量为m，那么椎骨图像i12b共分为m-n+1组，每组包括n个椎骨图像；
23、然后，使用图像视觉保真度vif算法将c臂x光图像i2的椎骨图像i22c和椎骨图像i12b分组后的图像从上往下对应进行计算，获得相似度集合s＝{p1,p2,…,pi,…,pm-n+1}，i＝1,…,m-n+1；其中，pi为每组中相似度最小的椎骨区域的图像质量评估指标计算结果；每组有n幅c臂x光图像i2的椎骨图像i22cd和n幅椎骨图像i12bd，其中d＝1,…,n；那么pi的计算公式如下：
24、
25、其中，计算符号σx,y表示图像x,y的协方差，表示图像x的方差；假设pk为s集合中的最大本文档来自技高网...
【技术保护点】
1.一种术中脊柱图像的识别方法，其特征在于：包括下列步骤：
2.根据权利要求1所述的术中脊柱图像的识别方法，其特征在于：所述步骤1中，对于术前脊柱图像，对图像进行中值滤波处理，得到处理后的术前DR图像I1；对于术中脊柱图像，将图像进行反色、中值滤波和直方图归一化处理，得到处理后的术中C臂X光图像I2。
3.根据权利要求l所述的术中脊柱图像的识别方法，其特征在于：所述步骤2的具体方法为：
4.根据权利要求3所述的术中脊柱图像的识别方法，其特征在于：所述步骤3中，获得图像I1b和图像I2c后，统一使用DeeplabV3+模型进行训练，以对图像中的椎骨区域进行分割，图像I1b和图像I2c分割后分别得到图像I11b和图像I21c；分割后的椎骨图像为二分类图像，其中的椎骨区域设置灰度值为255，背景区域灰度值设置为0。
5.根据权利要求3所述的术中脊柱图像的识别方法，其特征在于：所述步骤4的具体方法为：
6.根据权利要求3所述的术中脊柱图像的识别方法，其特征在于：所述步骤5的具体方法为：
7.根据权利要求1所述的术中脊
...【技术特征摘要】
1.一种术中脊柱图像的识别方法，其特征在于：包括下列步骤：
2.根据权利要求1所述的术中脊柱图像的识别方法，其特征在于：所述步骤1中，对于术前脊柱图像，对图像进行中值滤波处理，得到处理后的术前dr图像i1；对于术中脊柱图像，将图像进行反色、中值滤波和直方图归一化处理，得到处理后的术中c臂x光图像i2。
3.根据权利要求l所述的术中脊柱图像的识别方法，其特征在于：所述步骤2的具体方法为：
4.根据权利要求3所述的术中脊柱图像的识别方法，其特征在于：所述步骤3中，获得图像i1b和图像i2c后，统一使用deeplabv3+模型进行训练，以对图像中的椎骨区域进行分割，图像...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。