[發明專利]一種C型臂X光機圖像的識別方法

在審

• 申請號: 202210017148.0
• 申請日: 2022-01-07
• 公開（公告）號: CN114533094A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 張儒毅;胡一為;彭亮;章凱
• 申請（專利權）人: 寧波大學
• 主分類號: A61B6/00
• 分類號: A61B6/00
• 代理公司: 寧波奧圣專利代理有限公司 33226
• 代理人: 程天鵬

1.一種C型臂X光機圖像的識別方法，其特征在于包括以下步驟：

步驟1)：通過術前X光機獲取全脊柱X光片并轉化為初始灰度圖像I₁，對I₁進行自適應對比度增強得到增強后的圖像，根據增強后的圖像獲取脊柱圖像的左邊界S₁和右邊界S₂，并對I₁上依據S₁和S₂進行裁剪得到脊柱圖像I₂；

步驟2)：通過U-Net網絡對I₁處理后生成分割后的二分類圖像，將分割后的二分類圖像進行裁剪得到裁剪后的二分類圖像，隨后根據裁剪后的二分類圖像獲取頸椎與胸椎的分界線L1以及胸椎與腰椎的分界線L2；

步驟3)：通過YOLOv3模型對I₂處理得到檢測后的脊柱圖像，然后基于L1和L2設置檢測后的脊柱圖像中預測框的類別標簽并放大，得到放大后的檢測圖像I₃，將I₃依據S₁和S₂覆蓋I₁中的I₂部分即獲得最終的全脊柱X光片椎骨識別圖像I₄；

步驟4)：通過C型臂X光機獲取與全脊柱X光片匹配的C臂X光圖像I₅，根據I₁與I₅基于SIFT算法獲得匹配的特征點，獲取待識別的C臂X光圖像的圓心坐標(x₀,y₀)，最后在I₄中以(x₀,y₀)為圓心，以I₅的半徑R為半徑進行裁剪得到最終的C臂X光識別圖像。

2.根據權利要求1所述的一種C型臂X光機圖像的識別方法，其特征在于具體過程如下：

步驟1)-1：獲取I₁中的每一個點的局部均值，將在I₁中坐標為(i,j)的點的局部均值記為M(i,j)，其中，n為預設的水平局部長度參數，m為預設的垂直長度參數，f(s,k)表示I₁中坐標為(s,k)的點的灰度值，0≤i≤P,0≤j≤Q，i-n≤s≤i+n，j-m≤k≤j+m，P表示I₁的水平總長度，Q表示I₁的垂直總長度；

步驟1)-2：獲取I₁中的每一個點的局部標準差，將在I₁中坐標為(i,j)的點的局部標準差記為σ²(i,j)，

步驟1)-3：獲取增強后的圖像中每個點的灰度值，構建增強后的圖像，其中，定義增強后的圖像中坐標為(i,j)的點的灰度值為I(i,j)，I(i,j)＝M(i,j)+G(f(i,j)-M(i,j))，其中α為預設的增強系數且0α1，f(i,j)表示I₁中坐標為(i,j)的點的灰度值，M為整個I₁的灰度均值，

步驟1)-4：獲取增強后的圖像的所有垂直分量的灰度和，將所有垂直分量的灰度和按照對應的橫坐標從小至大的順序排列形成垂直分量的灰度和序列IH，定義垂直分量的灰度和序列中與所有橫坐標為i的點對應的垂直分量的灰度和為IH(i)，定義增強后的灰度圖像的平均灰度強度為MI，定義增強后的灰度圖像中所有點的灰度值的標準差為SI，在IH中以MI+SI為閾值篩選出大于閾值的垂直分量的灰度和，將篩選出的所有垂直分量的灰度和中在IH中序號最小的垂直分量的灰度和記為IH₁并將IH₁的序號記為S₁，將篩選出的所有垂直分量的灰度和中在IH中序號最大的垂直分量的灰度和記為IH₂并將IH₂的序號記為S₂，將S₁作為水平方向上的左邊界值得到脊柱圖像的左邊界，將S₂作為水平方向上的右邊界值得到脊柱圖像的右邊界，隨后從I₁上依據S₁和S₂進行裁剪得到脊柱圖像I₂；

步驟2)-1：構建U-Net網絡，設定I₁中的肋骨區域，將I₁統一縮放處理為672*384像素大小后輸入U-Net網絡，生成分割后的二分類圖像，將分割后的二分類圖像中的肋骨區域的灰度設置為G，200≤G≤255，將分割后的二分類圖像中的非肋骨區域的灰度設置為0；

步驟2)-2：將分割后的二分類圖像依據S₁和S₂進行裁剪得到裁剪后的二分類圖像，隨后獲取裁剪后的二分類圖像中的所有垂直分量中第一個灰度值為G的點的垂直坐標的坐標均值MV₁，同時獲取裁剪后的二分類圖像中的每個垂直分量中最后一個灰度值為G的點的垂直坐標的坐標均值MV₂，將垂直坐標為MV₁的點相連構成的分界線作為頸椎與胸椎的分界線L1，將垂直坐標為MV₂的點相連構成的分界線作為胸椎與腰椎的分界線L2；

步驟3)：將I₂的水平長度記為W₁，設定I₂中的椎骨區域，將I₂縮放到256*608像素后輸入YOLOv3模型中，輸出檢測后的脊柱圖像，然后基于MV₁和MV₂設置檢測后的脊柱圖像中預測框的類別標簽得到帶有類別標簽的檢測圖像，其中將預測框中心坐標位于MV₁和MV₂之間的預測框的類別標簽設置為胸椎，將預測框中心坐標在MV₂之下的預測框的類別標簽設置為腰椎，然后將帶有類別標簽的脊柱圖像放大為W₁*Q的像素大小，最后生成放大后的檢測圖像I₃，將I₃依據S₁和S₂覆蓋I₁中的I₂部分即獲得最終的全脊柱X光片椎骨識別圖像I₄；

步驟4)-1：通過C型臂X光機獲取與全脊柱X光片匹配的C臂X光圖像I₅，根據I₁與I₅基于SIFT算法獲得匹配的特征點，將I₁中的特征點集合記為D₁，D₁＝D₁₁,D₁₂…D_1v，將I₅中的特征點集合記為D₂，D₂＝D₂₁,D₂₂…D_2v，其中v為獲得的特征點的組數；

步驟4)-2：將I₅的半徑記為R，定義I₅的圓心坐標為(R，R)，獲取I₅特征點到圓心的相對X向系數和相對Y向系數，定義I₅中坐標為(x_2i',y_2i')的點的相對X向系數為p_x(2i′)，其中，0≤x_2i′≤2R,0≤y_2i′≤2R,，定義I₅中坐標為(x_2i',y_2i')的點的相對Y向系數為p_y(2i′)，獲取D₁中每個特征點與下一個特征點之間的距離集合r₁，r₁＝{r₁₁,r₁₂,…,r_1(v-1)}，其中，r₁₁表示第一個特征點與第二個特征點之間的距離，r₁₂表示第二個特征點與第三個特征點之間的距離，r_1(v-1)表示倒數第二個特征點與最后一個特征點之間的距離，獲取D₂中特征點之間的距離集合r₂，r₂＝{r₂₁,r₂₂,…,r_2(v-1)},其中，r₂₁表示第一個特征點與第二個特征點之間的距離，r₂₂表示第二個特征點與第三個特征點之間的距離，r_2(v-1)表示倒數第二個特征點與最后一個特征點之間的距離，定義相對半徑系數的集合為r₃，r₃＝{r₃₁,r₃₂,…,r_3(v-1)},

步驟4)-3：定義待識別的C臂X光圖像的圓心坐標為(x₀,y₀)，其中，(x_2k′,y_2k′)表示I₅中任意一個特征點的坐標，0≤x_2k′≤2R,0≤y_2k′≤2R，p_x(2k′)表示I₅中坐標為(x_2k′,y_2k′)的點的相對X向系數，r_3k′表示r₃中序號為k′的相對半徑系數，(x_2(k′+1),y_2(k′+1))表示I₅中坐標為(x_2k′,y_2k′)的下一個特征點的坐標，p_x(k′+1)表示I₅中坐標為(x_2(k′+1),y_2(k′+1))的點的相對X向系數，r_3(k′+1)表示r₃中序號為(k′+1)的相對半徑系數，p_y(2k′)表示I₅中坐標為(x_2k′,y_2k′)的點的相對Y向系數，p_y(k′₊₁₎表示I₅中坐標為(x_2(k′+1),y_2(k′+1))的點的相對Y向系數，

步驟4)-4：在I₄中以(x₀,y₀)為圓心，以R為半徑進行裁剪得到最終的C臂X光識別圖像。