一种CT图像中脊髓的提取方法
专利汇可以提供一种CT图像中脊髓的提取方法专利检索，专利查询，专利分析的服务。并且本 发明 提供一种CT图像中脊髓的提取方法，所述方法包括如下步骤：(1)输入所述三维CT图像，通过二维简化的椎管模型，得到所述三维CT图像中所述椎管的 中轴 线 位置 的三维广义 霍夫变换 空间；(2)根据所述三维 广义霍夫变换 空间，确定所述椎管中轴线在所述三维CT图像中的位置；(3)根据所述椎管中轴线的位置，通过区域增长方法，得到所述椎管的分割掩模，即得到所述三维CT图像中的脊髓。本技术方案不仅能自动、快速地提取CT图像中的脊髓，还具有更高的 稳定性 和灵活性。，下面是一种CT图像中脊髓的提取方法专利的具体信息内容。
1.一种CT图像中脊髓的提取方法，其特征在于，包括如下步骤：
(1)输入三维CT图像，通过二维简化的椎管模型，得到所述三维CT图像中所述椎管的中轴线位置的三维广义霍夫变换空间；
(2)根据所述三维广义霍夫变换空间，确定所述椎管中轴线在所述三维CT图像中的位置；
(3)根据所述椎管中轴线的位置，通过区域增长方法，得到所述椎管的分割掩模，即得到所述三维CT图像中的脊髓；
所述椎管的中轴线位置的三维广义霍夫变换空间通过如下过程得到：
通过边缘检测方法，得到第k帧轴切面图像中的边缘点位置 和所述边缘点位置 处的正规化梯度向量 其中，k为所述三维CT图像中第k帧二维轴切面图像，j＝1,...,Nk为所述第k帧轴切面图像中的第j个边缘点，Nk为所述得到的第k帧轴切面图像中的所有边缘点数；
根据所述边缘点位置 和所述正规化梯度向量 得到所述边缘点映射到广义霍夫变换空间中的位置 和 并进行投票，得到所述广义霍夫空间中的点分布函数
和 r1为所述二维简化模型中椎孔的半径，r2为所述二维简化模型中椎体的半径，c为所述广义霍夫空间中的任一位置；
将所述点分布函数 和 进行合并，得到所述第k帧轴切面的广义霍夫变换空间k
H(c)；
将所有轴切面的广义霍夫变换空间在轴向进行级联，得到H(c,k)；
将所述H(c,k)进行平滑，得到所述椎管的中轴线的三维广义霍夫变换空间H(c,k)。
2.如权利要求1所述一种CT图像中脊髓的提取方法，其特征在于，所述点分布函数的公式为：
其中， 为投票函数，I[·]为指标函数；所述 r1为
所述二维简化模型中椎孔的半径。
3.如权利要求1所述一种CT图像中脊髓的提取方法，其特征在于，所述点分布函数的公式为：
其中， 为投票函数，I[·]为指标函数， 为所述正规
化梯度向量沿着人体冠状轴的分量；所述 r2为所述二维简化模型中椎
体的半径；n为所述二维简化模型中椎孔中轴线与轴切面的交点以及椎体中轴线与轴切面的交点之间的相对位移。
4.如权利要求1所述一种CT图像中脊髓的提取方法，其特征在于，所述Hk(c)的公式为或 其中，w为所述 所占的
权重。
5.如权利要求1所述一种CT图像中脊髓的提取方法，其特征在于，所述H(c,k)的公式为：
其中，k0和ke分别为所述输入的三维CT图像中感兴趣区域的起始帧数和终止帧数。
6.如权利要求1所述一种CT图像中脊髓的提取方法，其特征在于，确定所述椎管中轴线在所述三维CT图像中的位置的过程为：
1)确定所述H(c,k)的极大值的像素点位置(cmax,kmax)；
2)根据快速行进算法和速度函数F(c,k)，得到所述三维CT图像中每个像素点到所述像素点(cmax,kmax)的距离函数D(c,k；cmax,kmax)；
3)分别确定在所述第k0帧和第ke帧轴切面图像中距离函数D(c,k；cmax,kmax)的最小值位置c0和ce；
4)根据最大梯度下降法，分别得到所述c0和ce到所述像素点(cmax,kmax)的最短路径，并使所述最短路径在所述像素点(cmax,kmax)处连接，即得到所述椎管中轴线在所述三维CT图像中的位置S(k0,ke)。
7.如权利要求6所述一种CT图像中脊髓的提取方法，其特征在于，所述速度函数F(c,k)为：F(c,k)＝g(|H(c,k)-H(cmax,kmax)|)，其中，g(·)为变换函数。
8.如权利要求6所述一种CT图像中脊髓的提取方法，其特征在于，所述椎管中轴线位置S(k0,ke)记作：S(k0,ke)＝{s(n)|n＝1,...,N}，其中，N为离散点数的总数；s(1)＝(c0,k0)；s(n)＝(c(n),k(n))；s(N)＝(ce,ke)。
9.如权利要求1所述一种CT图像中脊髓的提取方法，其特征在于，得到所述三维CT图像中的脊髓的过程为：
1)计算所述三维CT图像中每个像素点的图像约束的椎管概率p1(x)；
2)计算所述三维CT图像中每个像素点的椎管中轴线形状约束的椎管概率p2(x)；
3)根据所述图像约束的椎管概率p1(x)和椎管中轴线形状约束的椎管概率p2(x)，得到所述三维CT图像中每个像素点成为椎管的概率p(x)；
4)根据所述成为椎管的概率p(x)，得到所述椎管的分割掩模，即得到所述三维CT图像中的脊髓。
10.如权利要求9所述一种CT图像中脊髓的提取方法，其特征在于，得到所述椎管中轴线形状约束的椎管概率p2(x)的过程为：
1)根据所述椎管中轴线位置S(k0,ke)，得到所述椎管中轴线的初始掩模S0(x)；
2)根据所述初始掩模S0(x)，计算所述椎管中轴线形状约束的椎管概率p2(x)，所述其中， 为空间滤波算子；g2(·)为变换函数。
11.如权利要求10所述一种CT图像中脊髓的提取方法，其特征在于，得到所述初始掩模的公式为： 其中，N为离散点数的总数；s(n)＝(cn,kn)；I[·]为指标函
数；(cn,kn)表示所述椎管的中轴线的三维广义霍夫变换空间中的像素点，n＝1,…,N，N为离散点数的总数。
12.如权利要求9所述一种CT图像中脊髓的提取方法，其特征在于，通过线性意见池或对数意见池得到所述三维CT图像中每个像素点成为椎管的概率p(x)。
13.如权利要求9所述一种CT图像中脊髓的提取方法，其特征在于，所述椎管的分割掩模S(x)的公式为：
其中， 为空间滤波算子；t2和t3为预定阈值。
一种CT图像中脊髓的提取方法
技术领域
背景技术
发明内容
中椎体的半径；为所述二维简化模型中椎孔中轴线与轴切面的交点以及椎体中轴线与轴切面的交点之间的相对位移。
表示所述椎管的中轴线的三维广义霍夫变换空间中的像素点，n＝1,…,N，N为离散点数的总数。
具体实施方式
矢状轴的分量。具体地，在本实施例中，通过Sobel滤波器来估计图像中脊椎骨边缘点的位置和边缘点的梯度。一般的，脊椎骨灰度值要远高于其周围像素的灰度值，因此，正规化梯度向量也是脊椎骨表面法向量。另外，在一般的CT扫描中，人体的冠状轴、矢状轴与图像的x轴、y轴近似平行，因此，可以直接使用x和y方向正规化的梯度近似表示 的两个分量。接着，执行步骤S302，根据所述边缘点位置 和所述正规化梯度向量 得到所述边缘点映射到广义霍夫变换空间中的位置 和 并进行投票，得到所述广义霍夫空间中的点分布函数 和 具体地，得到所述 的公式为：
成立时，取值为1，否则取值为0。则广义霍夫变换空间中的点分布函数 的公式为：
参数，σ2＝0.1。
0
成立时，取值为1，否则取值为0；接着，根据所述初始掩模S (x)，通过公式计算所述椎管中轴线形状约束的椎管概率p2(x)，其中， 为空间
滤波算子；g2(·)为变换函数。在本实施例中，g2(t)＝t。
脊髓，其中， 为空间滤波算子；t2和t3为预定阈值。具体地，在本实施例中，t2和t3的取值为
0.5。首先，将所述三维CT图像中成为椎管的概率p(x)大于0.5的像素点赋值为1，其余的像素点赋值为0，得到二值化图像。接着，将二值化图像进行空间平滑滤波，并将平滑的二值化图像中像素值大于0.5的赋值为1，其余的像素点赋值为0，此时得到的二值化图像即为所述椎管的分割掩模。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种任意复杂裂缝介质格子法弹性建模方法 | 2020-05-16 | 390 |
| 一种基于双目视觉的车载视频异常运动检测方法 | 2020-05-22 | 112 |
| 有源电子梯形电路的有限频率范围迭代学习容错控制方法 | 2020-05-12 | 580 |
| 一种单频雷达成像方法和装置 | 2020-05-17 | 312 |
| 一种基于多边形广义霍夫变换的图像匹配方法 | 2020-05-24 | 216 |
| 带电流控制滑动流形的移相全桥直流变换器PWM滑模控制方法 | 2020-05-13 | 253 |
| 大规模埋地油气管道GIC和PSP计算方法 | 2020-05-20 | 882 |
| 一种图像分割方法及系统 | 2020-05-23 | 118 |
| 一种有源电力滤波器无传感器控制方法 | 2020-05-11 | 712 |
| 一种基于边缘和梯度特征的模板匹配算法 | 2020-05-12 | 96 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
