[發明專利]兒童髖關節發育狀況計算機自動診斷的方法

在審

• 申請號: 201610114042.7
• 申請日: 2016-03-01
• 公開（公告）號: CN107146214A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 林冬云;余翔
• 申請（專利權）人: 廈門大學;醫創（廈門）醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種計算機自動診斷兒童髖關節發育狀況的方法，主要特征包括：

髖關節圖像預處理：通常在獲取超聲波儀器圖像過程中包含了外邊框，其中有用于標記圖像的相關文字及線條，因此，在對髖關節圖像進行分割前需要先去除外邊框；

髖關節圖像分割：運用區域可適配模型（簡稱RSF）算法對經預處理過的圖像進行分割，獲取髖關節組織輪廓，為下一步中提取相關特征的樣本點做鋪墊；

圖像特征提?。涸谝逊指畛龅膱D像輪廓線中提取出與三項指標計算相關的組織輪廓線，并在提取出輪廓線的基礎上提取出相關的樣本點，構成相關計算所需的點列；

Graf法的α角、β角指標的計算：通過之前提取出的特征點列擬合三條直線，分別為髖關節基線、骨頂線、軟骨頂線，基線與骨頂線夾角即為α角，基線與軟骨頂線夾角即為β角；

股骨頭覆蓋率MR的計算：所需數據點為原圖像右側股骨頭內測緣與外測緣相關樣本點，通過外測緣樣本點做與基線平行直線為外側緣切線；通過內測緣樣本點做與基線平行直線為內測緣切線，得到內測緣切線與基線距離d，以及內外測緣切線距離D，獲得MR值為d/D；

根據做出的α角，β角，以及MR值，再根據graf方法，以及MR法輸出診斷結果。

2.如權利要求1所述的髖關節檢測方法，其特征在于，首先將獲取的真彩圖轉換為灰度圖，再進行腐蝕，去除邊框文字；其次將輸入圖像二值化，對圖像中白色底進行檢測并去除，最后通過殘留的超聲波圖像邊框確定超聲波圖像的大小，并剪切，得到無邊框的超聲圖像。

3.如權利要求1,2所述的髖關節檢測方法，其特征在于，運用RSF算法對二維髖關節圖像進行分割；

RSF模型的重點在于一個區域可擴展的數據擬合能量項，假設存在圖像空間是在圖像空間 中的一條閉合輪廓線，對于給定點 ，能量方程可定義為：

在水平集方法中，使用水平集函數的零水平集方程來示輪廓線，則能量項可具體表示如下：

其中， 和為正常數；和分別用于估計輪廓線外部和內部的灰度值；選用了高斯核函數，其參數規定了灰度范圍；are positive constants, 數據，我們試著

則是一片以點x為中心的局部區域中的點，區域的大小由核函數K中的標量參數控制；，，H表示Heaviside方程 ，該方程在實際運算中由光滑函數近似替代：

是輪廓的內外圖像灰度的按一定權重分配的均方誤差估計，其中 和分別是輪廓的內外圖像灰度的估計，是每個的灰度的權重，的屬性使得灰度對能量的貢獻隨著離中心點越來越遠而減小并趨于零，因此能量受鄰域的點的灰度的控制；在能量方程（1）中，用于計算輪廓長度，該項在水平集方法中可被表示為，因此（1）中的能量方程可被寫為：

為保持演化中的水平集輪廓（水平集的正確計算和穩定性），Li等加入水平集規則項，該項代表了方程偏離符號距離函數的程度，可表示為：

綜上，整個能量方程可定義為：

其中是正常數；

和是用梯度下降法對能量方程（6）最小化而獲得，其定義為：

對于給定點,當輪廓線C與目標邊界重合，且 和 最優的估計了輪廓線C兩邊的圖像灰度值時，能量函數得以最小化。

4.如權利要求1,2,3所述的髖關節檢測方法，其特征在于，在已分割出的圖像輪廓線中，根據髖關節的Y形軟骨及股骨頭處于圖像下方的特點，提取出髖關節的Y形軟骨及股骨頭的組織輪廓線。

5.如權利要求1,2,3,4所述的髖關節檢測方法，其特征在于在提取出髖關節的Y形軟骨及股骨頭的組織輪廓線的基礎上提取髂骨上側、髂骨下肢及骨緣區、髖臼盂唇骨緣區的相關樣本點，構成相關計算所需的點列。

6.如權利要求1,2,3,4,5所述的髖關節檢測方法，其特征在于根據提取的髂骨上側樣本點，通過最小二乘法線性回歸擬合出基線；根據提取的髂骨下肢及骨緣區的樣本點，通過最小二乘法線性回歸擬合出骨頂線；根據提取的髖臼盂唇骨緣區的樣本點，通過最小二乘法線性回歸擬合出軟骨頂線，由基線和骨頂線的夾角計算出α角，軟骨性髖臼線與髖關節基準線的夾角即為β角。

7.如權利要求1,2,3,4,5所述的髖關節檢測方法，其特征在于根據提取的股骨頭外、內測緣樣本點做關于基線的平行線，取垂直于三條平行線的直線與之相交，獲得三個交點坐標（x1,y1）、（x2,y2）、（x3,y3），根據三點坐標計算骨頭覆蓋率MR

（9）。