[發(fā)明專利]一種基于圖像數(shù)據(jù)處理的人工骨數(shù)據(jù)分析方法

有效

• 申請?zhí)枺?/td>: 202210675640.7
• 申請日: 2022-06-15
• 公開（公告）號: CN114782414B
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計）人: 韓苗苗;鄧榮霞;張桂東;張建光;羅鵬
• 申請（專利權(quán)）人: 深圳市邁捷生命科學有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H30/20;G06V10/764;G06T5/00
• 代理公司: 北京中索知識產(chǎn)權(quán)代理有限公司 11640
• 代理人: 劉潔

1.一種基于圖像數(shù)據(jù)處理的人工骨數(shù)據(jù)分析方法，其特征在于：包括：

步驟1、人工骨CT圖像數(shù)據(jù)信息獲取；

通過CT圖像掃描方法得到人工骨橫斷面圖像數(shù)據(jù)信息；輸出人工骨矢狀位或者冠狀位的斷面圖像信息；

步驟2、人工骨CT圖像數(shù)據(jù)信息處理；

通過分層圖像融合算法對獲取的人工骨CT圖像數(shù)據(jù)信息降噪和低頻分量轉(zhuǎn)換，以實現(xiàn)不同部位數(shù)據(jù)信息的融合；

在實現(xiàn)不同部位數(shù)據(jù)信息的融合時，首先將人工骨CT圖像拆分為若干個小圖像片段，記作為：

（1）

公式（1）中，P_I表示CT圖像信息源圖像集合，p表示拆分后的圖像片段，n表示片段數(shù)量序列；

基于平滑閾值將平滑和非平滑片段進行分類，其中隨機片段和主方向片段均屬于非平滑片段，在分類時，計算每個人工骨CT圖像像素的梯度g_ij， 其中，j=1，2，…，w；i表示源圖像片段數(shù)量序列，i=1，2，…，n；w為梯度的下標j的取值，由x和y坐標梯度g_ij（x）和g_ij（y）組成，圖像向量v_i中每個像素k_ij的梯度的梯度值為：

（2）

然后分解每個圖像片段的梯度值，梯度值公式為：

（3）

式（3）中，G_i表示圖像片段的梯度，表示圖像片段梯度的橫坐標和縱坐標，U_iS_iV_i表示G_i的梯度值分解，U_i表示人工骨CT圖像主方向向量橫向坐標數(shù)據(jù)信息，V_i表示人工骨CT圖像主方向向量縱向坐標數(shù)據(jù)信息；S_i表示主方向向量的對角線2×2矩陣；當獲得S_i時，可以計算主方向量度R，R的計算方法如式（4）所示：

（4）

公式（4）中，R越小，人工骨CT圖像向量越隨機，在這種情況，計算閾值R以區(qū)分人工骨CT圖像的隨機和主方向片段，作為低通濾波器，過濾人工骨CT圖像信息，以提高人工骨CT圖像信息質(zhì)量；

再采用二維高斯模糊函數(shù)實現(xiàn)數(shù)據(jù)信息的平滑，公式為：

（5）

公式（5）中，x是水平軸上距原點的距離，y是垂直軸上距原點的距離，σ是高斯分布的標準偏差，σ是介于0-3之間的可變數(shù)值；

采用加權(quán)平均融合規(guī)則融合平滑片段、隨機片段和主方向片段獲取低頻分量，采用Max-L1融合規(guī)則融合平滑片段、隨機片段和主方向片段獲取高頻分量，基于低頻分量和高頻分量得到輸出圖像；

步驟3、人工骨CT圖像數(shù)據(jù)信息分析：通過圖像重組的方式實現(xiàn)人工骨數(shù)據(jù)信息分析；

步驟4、人工骨CT圖像數(shù)據(jù)信息計算輸出。

2.根據(jù)權(quán)利要求1所述的一種基于圖像數(shù)據(jù)處理的人工骨數(shù)據(jù)分析方法，其特征在于：所述分層圖像融合算法中還設(shè)置有圖像預處理，圖像預處理的方法為：

步驟（21）、 CT圖像信息格式轉(zhuǎn)換，把DICOM圖像轉(zhuǎn)化為BMP位圖文件或者數(shù)字化信息；

步驟（22）、CT圖像信息預處理，CT 圖像的形成當中引入不同的噪聲，對圖像進行平滑和噪聲去除預處理，采用中值濾波、最小均方濾波或者平滑濾波對圖片進行平滑處理；

步驟（23）、CT圖像信息分割，將骨組織區(qū)域分離出來，通過圖像二值化自動選取閾值，圖像二值化為Otsu 方法，將CT圖像信息內(nèi)方差最小和類間方差最大的灰度值作為最佳閾值；

步驟（24）、輪廓提取；通過邊緣檢測得到CT圖像信息輪廓數(shù)據(jù)，邊緣檢測是對圖像的邊緣進行處理獲得閉合平滑的邊緣信息，利用邊緣檢測算子進行圖像邊緣檢測，圖像矢量輪廓數(shù)據(jù)是點陣圖形的矢量化，沿著圖像的邊界進行搜索，將搜索到的輪廓線上的點坐標記錄在點列中存儲。