[發明專利]識別脊柱矢狀位圖像異常的方法及計算設備

有效

• 申請號: 201810517109.0
• 申請日: 2018-05-25
• 公開（公告）號: CN108830835B
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 張逸凌;劉星宇;安奕成
• 申請（專利權）人: 北京長木谷醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 謝建云;趙愛軍

1.一種識別脊柱矢狀位圖像異常的方法，所述方法適于在計算設備中執行，所述方法包括步驟：

從所述脊柱矢狀位圖像中截取出每塊椎骨的感興趣區域，生成至少一個感興趣區域圖像；

提取每個所述感興趣區域圖像的至少一個特征；

基于所述至少一個特征生成每個感興趣區域圖像的特征向量；

將所述特征向量輸入預設分類模型，以確定所述感興趣區域圖像的類別；以及

基于所述感興趣區域圖像的類別判斷其對應的感興趣區域是否異常，

其中，所述至少一個特征包括：局部紋理特征、方向梯度的金字塔直方圖特征、亮度直方圖特征和胡矩特征，所述提取每個所述感興趣區域圖像的至少一個特征的步驟還包括：

提取感興趣區域圖像的方向梯度的金字塔直方圖特征；

計算感興趣區域圖像的方向梯度的金字塔直方圖特征與預設方向梯度的金字塔直方圖特征的余弦相似度；

若所述余弦相似度不大于閾值，則提取該感興趣區域圖像的至少一個特征中的其它特征；

若所述余弦相似度大于閾值，則從所述至少一個感興趣區域圖像中過濾掉該感興趣區域圖像。

2.如權利要求1所述的方法，還包括利用訓練圖像訓練生成預設分類模型的步驟，包括：

提取所述訓練圖像的至少一個特征；

基于所述至少一個特征生成每個訓練圖像的特征向量；以及

將所述訓練圖像的特征向量及標簽輸入預訓練的分類模型，基于決策函數生成預設分類模型。

3.如權利要求2所述的方法，其中，在所述提取訓練圖像的至少一個特征的步驟之前，還包括步驟：

從脊柱矢狀位圖像中截取出每塊椎骨的感興趣區域；以及

將所截取的感興趣區域縮放到預定尺寸，作為訓練圖像。

4.如權利要求3所述的方法，其中，所述預設方向梯度的金字塔直方圖特征根據所有訓練圖像的方向梯度的金字塔直方圖特征確定。

5.如權利要求4所述的方法，其中，所述從脊柱矢狀位圖像中截取出每塊椎骨的感興趣區域、生成至少一個感興趣區域圖像的步驟包括：

以相鄰椎骨的中心點的連線為邊生成對應的正方形，其中所述正方形包含感興趣區域；以及

從所述脊柱矢狀位圖像中截取出每個正方形，作為感興趣區域圖像。

6.如權利要求5所述的方法，其中，提取局部紋理特征的步驟包括：

對感興趣區域圖像中的每個像素，通過判斷以其為中心的鄰域內各像素與其的大小關系，生成所述像素的二進制值；以及

利用直方圖統計所有像素的二進制值，生成第一長度的局部紋理特征。

7.如權利要求6所述的方法，其中，提取方向梯度的金字塔直方圖特征的步驟包括：

根據不同的預定尺度將感興趣區域圖像分割成不同數量個子圖像；

在每種預定尺度下，

計算每個子圖像中各像素點的梯度方向和梯度幅值；

根據各像素點的梯度方向和梯度幅值生成該預定尺度下感興趣區域圖像的方向梯度直方圖特征；

拼接不同預定尺度下的方向梯度直方圖特征，生成所述感興趣區域圖像的第二長度的方向梯度的金字塔直方圖特征。

8.如權利要求7所述的方法，其中，提取亮度直方圖特征的步驟包括：

統計感興趣區域圖像中各亮度值的像素個數；

計算各亮度值的像素個數占所述感興趣區域圖像像素總數的概率值；以及

基于所述概率值生成第三長度的亮度直方圖特征。

9.如權利要求8所述的方法，其中，提取胡矩特征的步驟包括：

計算感興趣區域圖像的二階和三階歸一化中心矩；

根據所述二階和三階歸一化中心矩計算出7個不變矩；

拼接所述7個不變矩得到初始胡矩特征；以及

對所述初始胡矩特征進行取對數運算，生成第四長度的胡矩特征。