[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

本發(fā)明公開一種基于圖像數(shù)據(jù)處理的人工骨數(shù)據(jù)分析方法，涉及圖像處理技術(shù)領(lǐng)域，解決的技術(shù)問題是人工骨數(shù)據(jù)分析，該方法包括：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；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。通過分層圖像融合算法提高了圖像處理能力，提高了人工骨數(shù)據(jù)分析能力。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，且更確切地涉及一種基于圖像數(shù)據(jù)處理的人工骨數(shù)據(jù)分析方法。

背景技術(shù)

骨移植是治療骨缺損的主要方法，也是目前臨床上除輸血以外應用最廣泛的組織移植，骨缺損表示骨的結(jié)構(gòu)完整性被破壞。腫瘤、外傷、壞死、先天畸形等一系列病因往往會導致大體積的骨缺損產(chǎn)生。

人體缺損骨骼的制造與加工是醫(yī)療康復工程中的一個熱點問題，制備人工骨的優(yōu)劣直接影響到醫(yī)學治療的質(zhì)量。隨著骨缺損病例的增多，對骨修復材料提出了更高的要求，比如具有良好的生物相容性，無免疫原性及毒副作用；具有良好的生物可降解性；具有良好的骨傳導能力；具有良好的骨誘導能力；具有一定的機械強度；具有良好的可塑性。為了滿足不同患者的個體化需求，就需要對人工骨數(shù)據(jù)信息進行分析，比如以成人股骨為研究對象，在個體患者螺旋CT斷層掃描圖像的基礎上，應用計算機輔助幾何設計的理論，結(jié)合計算機圖形學和計算機圖像處理技術(shù)，并運用醫(yī)學圖像軟件、逆向工程軟件及實體建模等計算機輔助軟件，實現(xiàn)了缺損人工骨的外形建模和診斷。通過這種方式實現(xiàn)人工骨數(shù)據(jù)分析，進而診斷人工骨質(zhì)量，現(xiàn)有技術(shù)中在人工骨診斷過程中，如何實現(xiàn)人工骨數(shù)據(jù)分析以判斷出人工骨質(zhì)量問題是亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

針對上述技術(shù)的不足，本發(fā)明公開一種基于圖像數(shù)據(jù)處理的人工骨數(shù)據(jù)分析方法，通過圖像分析的方法，能夠?qū)崿F(xiàn)人工骨數(shù)據(jù)分析。

為了實現(xiàn)上述技術(shù)效果，本發(fā)明采用以下技術(shù)方案：

一種基于圖像數(shù)據(jù)處理的人工骨數(shù)據(jù)分析方法，其中包括：

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）