[发明专利]肋骨中心线检测装置及方法

说明书

本发明属于图像处理技术领域，具体提供了一种肋骨中心线检测装置及方法，旨在解决现有技术鲁棒性差和计算速度慢的技术问题。为此目的，本发明提供了一种肋骨中心线检测方法，包括：基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据肋骨所在区域获取每根肋骨对应的肋骨区域；获取在目标图像对应的三维空间图像中每个肋骨区域对应的多个特定平面，并且根据特定平面计算相应肋骨区域的重心，将每个肋骨区域的所有重心相连得到相应肋骨的中心线。基于上述步骤，本发明提供的肋骨中心线检测方法可以准确高效地识别出目标图像中肋骨所在区域，可以适应多种异常情况，鲁棒性好，计算速度快。本发明的装置同样具有上述有益效果。

技术领域

本发明属于图像处理技术领域，具体涉及一种肋骨中心线检测装置及方法。

背景技术

影像科的医生通常会借助CT图像来检测肋骨骨折和癌症的肋骨转移。每个病人的CT图像的数量可能达到百余张，为了检查CT图像中存在的病灶和异常，医生往往需要逐层对CT图像进行检查，跟踪每根肋骨在不同层的片子上的动态变化，以便在视觉上跟踪肋骨截面积的改变。但是人工对CT图像进行检查相当耗时，并且人工检查容易造成失误而错过肋骨异常。

提取肋骨中心线可以用来增强展开肋骨的可视化，可以让医生更加高效和有效地检查肋骨的相关情况，肋骨的中心线还可以用于定位器官、登记病变以及引导间隔改变分析的串行胸廓CT扫描之间的对应性的参考。

现有的肋骨中心线的检测方法可以包括下述几种方法：

1、将肋骨建模为细长管状结构，并且采用海赛矩阵(Hessian)或者结构张量本征系统分析进行脊背体素检测，通过计算3D空间中每个点的海赛矩阵的特征值来检测管状结构。但是这种方法在计算方面花费很高，而且可能无法对所有患者都获得一致的结果。

2、通过模板进行肋骨中心线匹配：肋骨的切面通常具有一定的规律，肋骨中心的脊髓偏暗，肋骨边缘的骨头偏亮，肋骨边缘呈椭圆形，可以根据上述规律设计模板匹配肋骨进而找到中心线，再根据需要对中心线进行修正。但是许多情况下，肋骨骨髓可能比肋骨边界更暗，从而无法将肋骨中心点一致地检测为脊背体素。

3、通过机器学习的方法识别中心线：提取CT图像的Haar特征，通过人工标注的数据训练中心线的预测模型，对每个像素预测其为中心线的概率。

4、通过曲线追踪的方法追踪中心线：人工设置种子或者自动选择种子，采用如卡尔曼滤波的追踪方法，从一个切片到下一个切片对所检测到的肋骨中心点进行追踪。但是该方法需要人工初始种子点，对于骨折之类的肋骨病变所造成的局部模糊或者不连续高度敏感。

现有技术方案的鲁棒性较差，对于医学影像，特别是包含病灶的数据往往变化多样，人工设置的规则不能很好地处理异常情况；计算速度慢，由于需要处理较为复杂的异常情况，现有技术的方法需要设置较多的规则和步骤，从而导致计算速度慢。

因此，如何提出一种解决上述问题的技术方案是本领域技术人员目前需要解决的问题。

发明内容

为了解决现有技术的上述问题，即为了解决现有技术鲁棒性差和计算速度慢的问题，本发明的第一方面提供了一种肋骨中心线检测装置，包括：

肋骨识别模块，配置为基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据所述肋骨所在区域获取每根肋骨对应的肋骨区域；

肋骨中心线获取模块，配置为获取在所述目标图像对应的三维空间图像中每个所述肋骨区域对应的多个特定平面，并且根据所述特定平面计算相应肋骨区域的重心，将所述每个肋骨区域的所有重心相连得到相应肋骨的中心线；

其中，所述肋骨识别模型是基于预先标定的肋骨图像并利用机器学习算法所构建的神经网络模型；所述特定平面是平面角度为预设极角并且平行于预设的坐标轴的平面，所述极角的角度值取决于根据所述肋骨所在区域的重心对相应肋骨区域内的二维投影点进行极坐标变换后得到的二维投影点极角范围。