申请/专利权人：华志微创医疗科技(北京)有限公司

申请日：2019-04-01

公开（公告）日：2021-02-09

公开（公告）号：CN109993754B

主分类号：G06T7/11(20170101)

分类号：G06T7/11(20170101);G06T7/136(20170101)

优先权：

专利状态码：失效-未缴年费专利权终止

法律状态：2024.04.09#未缴年费专利权终止;2021.02.09#授权;2019.08.02#实质审查的生效;2019.07.09#公开

摘要：本发明实施例公开了一种从图像上进行颅骨分割的方法和系统，该方法包括：获取预设类型的图像；根据所述图像提取图像数据；根据所述图像数据确定颅骨的区域范围；根据颅骨特征从所述颅骨的区域范围内提取颅骨数据；根据所述颅骨数据进行颅骨显示。本发明解决现有技术中由于采用手动控制分割颅骨而导致的效率低且受人为因素影响颅骨提取准确性低的问题，相对于现有技术中通过人工操作进行颅骨分离的方式，具有颅骨分离效率高、准确性高的优点。

主权项：1.一种从图像上进行颅骨分割的方法，其特征在于，包括以下步骤：获取预设类型的图像；根据所述图像提取图像数据；根据所述图像数据确定颅骨的区域范围；根据颅骨特征从所述颅骨的区域范围内提取颅骨数据；根据所述颅骨数据进行颅骨显示；其中，所述根据所述图像数据确定颅骨的区域范围的步骤，包括：根据所述图像数据确定所述图像的灰度值；如果所述图像的灰度值在预设灰度阈值区间内，则认定所述图像为第一类型图像，并认定所述图像数据全部为颅骨数据；其中，在确定所述图像的灰度值之后，还包括：如果所述图像的灰度值不在所述预设灰度阈值区间内，则获取所述图像的长度，所述图像的长度为所述图像中人的头部向脚部方向扫描的长度；如果所述图像的长度小于预设长度，则认定所述图像数据全部为颅骨数据区域范围；其中，在获取所述图像的长度之后，还包括：如果所述图像的长度大于等于所述预设长度，则获取所述图像的扫描视窗；如果所述图像的扫描视窗小于预设扫描视窗宽度，则获取所述图像中颅顶和牙齿的位置；根据所述图像中颅顶和牙齿的位置确定颅骨区域。

全文数据：从图像上进行颅骨分割的方法和系统技术领域本发明实施例涉及图像处理技术领域，具体涉及一种从图像上进行颅骨分割的方法和系统。背景技术随着医学图像技术的发展,计算机辅助诊断技术已经被广泛运用在临床研究中,伴随脑疾病的发病率不断增高,脑图像研究受到了高度关注，通过脑CTComputedTomography，电子计算机断层扫描MRIMagneticResonanceImaging，磁共振成像图像检查，不仅防止手术检查介入对患者带来伤害,也可以辅助临床医生制定手术方案,其中脑CTMRI图像的分割处理是必不可少的步骤。目前的颅骨分割方法多采用手动控制分割，需要大量的交互步骤来完成颅骨提取，效率低且受人为因素影响颅骨提取准确性低。发明内容为此，本发明实施例提供一种从图像上进行颅骨分割的方法和系统，以解决现有技术中由于采用手动控制分割颅骨而导致的效率低且受人为因素影响颅骨提取准确性低的问题。为了实现上述目的，本发明实施例提供如下技术方案：根据本发明实施例的第一方面提供一种从图像上进行颅骨分割的方法，包括以下步骤：获取预设类型的图像；根据所述图像提取图像数据；根据所述图像数据确定颅骨的区域范围；根据颅骨特征从所述颅骨的区域范围内提取颅骨数据；根据所述颅骨数据进行颅骨显示。进一步地，所述根据所述图像数据确定颅骨的区域范围的步骤，包括：根据所述图像数据确定所述图像的灰度值；如果所述图像的灰度值在预设灰度阈值区间内，则认定所述图像为第一类型图像，并认定所述图像数据全部为颅骨数据区域范围。进一步地，在确定所述图像的灰度值之后，还包括：如果所述图像的灰度值不在所述预设灰度阈值区间内，则获取所述图像的长度，所述图像的长度为所述图像中人的头部向脚部方向扫描的长度；如果所述图像的长度小于预设长度，则认定所述图像数据全部为颅骨数据。进一步地，在获取所述图像的长度之后，还包括：如果所述图像的长度大于等于所述预设长度，则获取所述图像的扫描视窗；如果所述图像的扫描视窗小于预设扫描视窗宽度，则获取所述图像中颅顶和牙齿的位置；根据所述图像中颅顶和牙齿的位置确定颅骨区域。进一步地，在获取所述图像的扫描视窗之后，还包括：如果所述图像的扫描视窗大于等于所述预设扫描视窗宽度，则采用基于haar-like特征的AdaBoost机器学习方法，定位颅骨所在区域。根据本发明实施例的第二方面提供一种从图像上进行颅骨分割的系统，包括：图像获取模块，用于获取预设类型的图像；图像数据提取模块，用于根据所述图像提取图像数据；颅骨区域范围确定模块，用于根据所述图像数据确定颅骨的区域范围；颅骨数据提取模块，用于根据颅骨特征从所述颅骨的区域范围内提取颅骨数据；显示模块，用于根据所述颅骨数据进行颅骨显示。进一步地，所述颅骨区域范围确定模块具体用于根据所述图像数据确定所述图像的灰度值，如果所述图像的灰度值在预设灰度阈值区间内，则认定所述图像为第一类型图像，并认定所述图像数据全部为颅骨数据。进一步地，所述颅骨区域范围确定模块还用于如果所述图像的灰度值不在所述预设灰度阈值区间内，则获取所述图像的长度，所述图像的长度为所述图像中人的头部向脚部方向扫描的长度；如果所述图像的长度小于预设长度，则认定所述图像数据全部为颅骨数据区域范围。进一步地，所述颅骨区域范围确定模块还用于如果所述图像的长度大于等于所述预设长度，则获取所述图像的扫描视窗；如果所述图像的扫描视窗小于预设扫描视窗宽度，则获取所述图像中颅顶和牙齿的位置；根据所述图像中颅顶和牙齿的位置确定颅骨区域。进一步地，所述颅骨区域范围确定模块还用于如果所述图像的扫描视窗大于等于所述预设扫描视窗宽度，则采用基于haar-like特征的AdaBoost机器学习方法，定位颅骨所在区域。本发明实施例具有如下优点：对预设类型的图像提取图像数据，并根据图像数据可以确定颅骨的区域范围，进而从该区域范围内提取颅骨数据进行显示，相对于现有技术中通过人工操作进行颅骨分离的方式，具有颅骨分离效率高、准确性高的优点。附图说明为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。图1为本发明实施例1提供的从图像上进行颅骨分割的方法的流程图；图2为本发明实施例1提供的从图像上进行颅骨分割的方法中确定颅骨区域方法的详细流程图；图3为本发明实施例1提供的从图像上进行颅骨分割的方法中机器学习检测颅骨的流程图；图4为本发明实施例1提供的从图像上进行颅骨分割的方法中颅骨分割的流程图；图5为本发明实施例2提供的从图像上进行颅骨分割的系统的结构框图。具体实施方式以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例1图1为本发明实施例1提供的从图像上进行颅骨分割的方法的流程图。如图1所示，本发明实施例1提供了一种从图像上进行颅骨分割的方法，包括以下步骤：S1：获取预设类型的图像。在本发明的一个实施例中，预设类型的图像可以是CT图像，也可以是MRI图像。预设类型的图像是通过相应的图像成像设备生成的，例如通过CT扫描设备对目标用户如患者拍摄的图像。其中，该预设类型的图像中可能包括该目标用户颅骨全部位置，也可能包括该目标用户的颅骨的部分位置即目标用户的颅骨未全部出现在该预设类型的图像中。S2：根据图像提取图像数据。通过对该图像的进行图像处理可以得到图像数据S3：根据图像数据确定颅骨的区域范围。图2为本发明实施例1提供的从图像上进行颅骨分割的方法中确定颅骨区域方法的详细流程图。如图2所示，在本发明的一个实施例中，步骤S3包括：通过数据的灰度值图像的灰度值确定图像类型，具体为：根据图像数据确定图像的灰度值，如果图像的灰度值在预设灰度阈值区间内，则认定图像为第一类型图像。在本发明的一个示例中，预设灰度阈值区间为-500到1000。如果认定图像为第一类型图像，则认定图像数据全部为颅骨数据，以便后续步骤提取颅骨数据进行显示。进一步地，在确定图像的灰度值之后，还包括：如果图像的灰度值不在预设灰度阈值区间内即该图像为非第一类型图像，则获取图像的长度。其中，图像的长度为图像中人的头部向脚部方向扫描的长度。如果图像的长度小于预设长度，则认定图像数据全部为颅骨数据区域范围。在本发明的一个示例中，预设长度为25厘米，并可以根据用户需求进行调整，通常用户头顶至颅骨下端牙齿的位置长度不超过25厘米。具体地，通常对目标用户进行扫描时都是以目标用户的头顶开始按照预设扫描方向进行扫描，例如从目标用户的头顶开始向目标用户的脚部方向进行CT扫描，如果图像的长度过短即图像的长度小于预设长度，如图像的长度为5厘米，则图像中可能未包括目标用户颅骨的全部位置，但由于扫描开始位置为目标用户的头顶开始，因此认定图像数据全部为颅骨数据区域范围。进一步地，在获取图像的长度之后，还包括：如果图像的长度大于等于预设长度，认为图像的长度方向包含了目标人物颅骨在长度方向的全部，此时获取图像的扫描视窗。如果图像的扫描视窗小于预设扫描视窗宽度，则获取图像中颅顶和牙齿的位置。在本发明的一个示例中，预设扫描视窗宽度为10厘米，该扫描视窗宽度，用户判断扫描视窗是否过窄。根据图像中颅顶和牙齿的位置确定颅骨区域，即图像中颅顶至牙齿最下端之间的区域为颅骨区域。进一步地，在获取图像的扫描视窗之后，还包括：如果图像的扫描视窗大于等于预设扫描视窗宽度，则采用基于haar-like特征的AdaBoost机器学习方法，定位颅骨所在区域。图3为本发明实施例1提供的从图像上进行颅骨分割的方法中机器学习检测颅骨的流程图。如图3所示，其中AdaBoost分类器的学习由离线完成，而颅骨检测在矢状位方向上的最大密度投影上进行，因此效率很高。在离线学习之前，首先收集头部医学图像数据，将数据映射到统一尺度上，然后人工进行颅骨区域的标记，作为机器学习的正样本，接着取不包含颅骨或颅骨不完整的区域进行标记，作为机器学习的负样本，其中负样本数取正样本数的5倍。其中，正负样本之间的数量关系可以根据需求进行调整。在离线机器学习中，首先计算输入样本在多个尺度上的Haar-Like特征，然后将这些Haar-Like特征放入级联的AdaBoost分类器中进行学习，最后得到颅骨区域的分类器。在检测过程中，首先将输入数据映射到矢状位最大密度投影图上，然后对最大密度投影进行同尺度处理，接着对处理后的最大密度投影图进行检测窗大小的截取，并判断检测窗是否为颅骨区域。连续移动检测窗，直至发现颅骨区域，否则将全部区域作为颅骨区域进行计算。S4：根据颅骨特征从颅骨的区域范围内提取颅骨数据。在确定颅骨的区域范围以后，可以根据颅骨特征进行骨骼提取，然后对提取的颅骨数据进行后处理。其中，颅骨特征可以为颅骨对应的灰度值。对提取的颅骨数据进行后处理包括阈值分割、区域生长和形态学操作等方法。图4为本发明实施例1提供的从图像上进行颅骨分割的方法中颅骨分割的流程图。如图4所示，对于颅骨分割，主要采用阈值分割、区域生长和形态学操作方法，具体包括：1.计算颅骨区域内图像数据的直方图，并对直方图进行平滑处理；2.根据平滑后的直方图确定骨骼的阈值范围；3.根据骨骼阈值范围对颅骨区域的图像数据进行标记；4.对标记进行区域生长及形态学操作包括但不限于膨胀，腐蚀等处理；5.依据标记完成颅骨数据提取；S5：根据颅骨数据进行颅骨显示。颅骨显示可以分析提取出的颅骨厚度来为医生手术中颅骨钻孔提供钻孔厚度参考。根据本发明实施例的从图像上进行颅骨分割的方法，对预设类型的图像提取图像数据，并根据图像数据可以确定颅骨的区域范围，进而从该区域范围内提取颅骨数据进行显示，相对于现有技术中通过人工操作进行颅骨分离的方式，具有颅骨分离效率高、准确性高的优点。实施例2图5为本发明实施例2提供的从图像上进行颅骨分割的系统的结构框图。如图5所示，本发明实施例的从图像上进行颅骨分割的系统，包括：图像获取模块100、图像数据提取模块200、颅骨区域范围确定模块300、颅骨数据提取模块400和显示模块500。其中，图像获取模块100用于获取预设类型的图像。图像数据提取模块200用于根据图像提取图像数据。颅骨区域范围确定模块300用于根据图像数据确定颅骨的区域范围。颅骨数据提取模块400用于根据颅骨特征从颅骨的区域范围内提取颅骨数据。显示模块500用于根据颅骨数据进行颅骨显示。根据本发明实施例的从图像上进行颅骨分割的系统，对预设类型的图像提取图像数据，并根据图像数据可以确定颅骨的区域范围，进而从该区域范围内提取颅骨数据进行显示，相对于现有技术中通过人工操作进行颅骨分离的方式，具有颅骨分离效率高、准确性高的优点。在本发明的一个实施例中，颅骨区域范围确定模块300具体用于根据图像数据确定图像的灰度值，如果图像的灰度值在预设灰度阈值区间内，则认定图像为第一类型图像，并认定图像数据全部为颅骨数据范围。在本发明的一个实施例中，颅骨区域范围确定模块300还用于如果图像的灰度值不在预设灰度阈值区间内，则获取图像的长度，图像的长度为图像中人的头部向脚部方向扫描的长度；如果图像的长度小于预设长度，则认定图像数据全部为颅骨数据。在本发明的一个实施例中，颅骨区域范围确定模块300还用于如果图像的长度大于等于预设长度，则获取图像的扫描视窗；如果图像的扫描视窗小于预设扫描视窗宽度，则获取图像中颅顶和牙齿的位置；根据图像中颅顶和牙齿的位置确定颅骨区域。在本发明的一个实施例中，颅骨区域范围确定模块300还用于如果图像的扫描视窗大于等于预设扫描视窗宽度，则采用基于haar-like特征的AdaBoost机器学习方法，定位颅骨所在区域。需要说明的是，本发明实施例的从图像上进行颅骨分割的系统的具体实施方式与本发明实施例的从图像上进行颅骨分割的方法的具体实施方式类似，具体参见从图像上进行颅骨分割的方法部分的描述，为了减少冗余，不做赘述。另外，本发明实施例的从图像上进行颅骨分割的系统的其它构成以及作用对于本领域的技术人员而言都是已知的，为了减少冗余，不做赘述。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

权利要求：1.一种从图像上进行颅骨分割的方法，其特征在于，包括以下步骤：获取预设类型的图像；根据所述图像提取图像数据；根据所述图像数据确定颅骨的区域范围；根据颅骨特征从所述颅骨的区域范围内提取颅骨数据；根据所述颅骨数据进行颅骨显示。2.根据权利要求1所述的方法，其特征在于，所述根据所述图像数据确定颅骨的区域范围的步骤，包括：根据所述图像数据确定所述图像的灰度值；如果所述图像的灰度值在预设灰度阈值区间内，则认定所述图像为第一类型图像，并认定所述图像数据全部为颅骨数据。3.根据权利要求2所述的方法，其特征在于，在确定所述图像的灰度值之后，还包括：如果所述图像的灰度值不在所述预设灰度阈值区间内，则获取所述图像的长度，所述图像的长度为所述图像中人的头部向脚部方向扫描的长度；如果所述图像的长度小于预设长度，则认定所述图像数据全部为颅骨数据区域范围。4.根据权利要求3所述的方法，其特征在于，在获取所述图像的长度之后，还包括：如果所述图像的长度大于等于所述预设长度，则获取所述图像的扫描视窗；如果所述图像的扫描视窗小于预设扫描视窗宽度，则获取所述图像中颅顶和牙齿的位置；根据所述图像中颅顶和牙齿的位置确定颅骨区域。5.根据权利要求3所述的方法，其特征在于，在获取所述图像的扫描视窗之后，还包括：如果所述图像的扫描视窗大于等于所述预设扫描视窗宽度，则采用基于haar-like特征的AdaBoost机器学习方法，定位颅骨所在区域。6.一种从图像上进行颅骨分割的系统，其特征在于，包括：图像获取模块，用于获取预设类型的图像；图像数据提取模块，用于根据所述图像提取图像数据；颅骨区域范围确定模块，用于根据所述图像数据确定颅骨的区域范围；颅骨数据提取模块，用于根据颅骨特征从所述颅骨的区域范围内提取颅骨数据；显示模块，用于根据所述颅骨数据进行颅骨显示。7.根据权利要求6所述的系统，其特征在于，所述颅骨区域范围确定模块具体用于根据所述图像数据确定所述图像的灰度值，如果所述图像的灰度值在预设灰度阈值区间内，则认定所述图像为第一类型图像，并认定所述图像数据全部为颅骨数据区域范围。8.根据权利要求7所述的系统，其特征在于，所述颅骨区域范围确定模块还用于如果所述图像的灰度值不在所述预设灰度阈值区间内，则获取所述图像的长度，所述图像的长度为所述图像中人的头部向脚部方向扫描的长度；如果所述图像的长度小于预设长度，则认定所述图像数据全部为颅骨数据。9.根据权利要求8所述的系统，其特征在于，所述颅骨区域范围确定模块还用于如果所述图像的长度大于等于所述预设长度，则获取所述图像的扫描视窗；如果所述图像的扫描视窗小于预设扫描视窗宽度，则获取所述图像中颅顶和牙齿的位置；根据所述图像中颅顶和牙齿的位置确定颅骨区域。10.根据权利要求9所述的系统，其特征在于，所述颅骨区域范围确定模块还用于如果所述图像的扫描视窗大于等于所述预设扫描视窗宽度，则采用基于haar-like特征的AdaBoost机器学习方法，定位颅骨所在区域。

百度查询： 华志微创医疗科技(北京)有限公司 从图像上进行颅骨分割的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD