[发明专利]一种二维X射线头影测量图像解剖特征点自动定位方法

说明书

本发明公开了一种二维X射线头影测量图像解剖特征点自动定位方法，属于图像处理技术领域。首先计算X射线头影测量图像中每个解剖特征点的偏移距离图，将其和头影测量图像作为训练数据。其次，基于卷积神经网络模型构建自动编码生成对抗性网络，并将已有训练数据作为输入，训练该网络预测针对目标解剖特征点的偏移距离图。再次，当获得新的X射线头影测量图像时，将训练好的自动编码生成对抗性网络作用于新图像，以获得目标解剖特征点的偏移距离图。最后，使用回归投票方法从偏移距离图中求得目标解剖特征点坐标。本发明能自动、准确地获得二维X线头影测量图像中解剖特征点位置。

技术领域

本发明涉及图像处理技术领域，具体涉及一种二维X射线头影测量图像解剖特征点自动定位方法。

背景技术

口腔正畸学的主要任务是通过检测生长中及发育完成的牙颌面结构，以发现牙颌面结构中的形态异常并矫正之。头影测量图像描述了患者的骨骼、牙齿和软组织结构，并提供了用于正畸分析和治疗计划的所有图像，是口腔正畸学中用于正畸分析和治疗计划的重要临床和研究工具。自20世纪中期以来，X射线头影测量已被广泛用于口腔正畸临床诊断、矫治设计、疗效评价等领域，还可以用于头面部结构研究、儿童生长发育观察等方面。

头影测量图像是在临床正畸过程中经过X射线测量技术对头部骨骼进行扫描，得到的测量图像。头颅图的头影测量分析中对解剖特征点进行标记是必要的，1982年，Rakosi定义了90个特征点，这些标志已经被正畸医师用于临床研究。其中，临床实践和近年的一些研究中共采用了19个特征点。在临床实践中，特征点需要手动标记，正畸医师通常首先在二维X射线头影测量图像上跟踪颅面部结构轮廓，然后从直线和角度参考线和其他几何形状提取特征点。然而，手动标记是耗时且主观的。一位经验丰富的牙齿矫正医生需要长达20分钟的时间来进行一次X射线头影测量分析，这其中往往会受到观察者内部和观察者之间的误差影响。为了解决人工标记问题，许多临床研究都集中在解剖特征点识别问题上。

国内外学者也使用自动定位方法处理X射线头影测量图像中结构特征点的定位问题。大多数方法的速度与准确度都差强人意。

目前对于X射线头影测量图像中解剖特征点的定位问题都存在准确度低等问题，而人工标记的工作量大、耗时长。

发明内容

本发明的目的在于克服现有技术中的不足，提出了一种二维X射线头影测量图像解剖特征点自动定位方法，解决了人工标记工作量大、耗时长和准确度低的技术问题。

为解决上述技术问题，本发明提供了一种二维X射线头影测量图像解剖特征点自动定位方法，其特征是，包括以下步骤：

步骤S1，获取一定数量X射线头影测量图像作为样本集；

步骤S2，对样本集中每幅图像：标注出图像中每个特征点的坐标，根据图像中各像素点与特征点的坐标，计算获得每个特征点的偏移距离图；

步骤S3，对于每个特征点：将步骤S2获得的与其对应的所有偏移距离图和步骤S1中头影测量图像样本集作为训练数据，输入预设对抗性网络模型中，以训练该对抗性网络模型预测此特征点的偏移距离图；

步骤S4，对待测X射线头影测量图像，利用步骤S3中已训练的各特征点对应的对抗性网络进行预测，获得每个特征点的偏移距离图；

步骤S5，根据每个特征点的偏移距离图，计算获得每个特征点的坐标。

进一步的，根据图像中各像素点与特征点的坐标计算获得每个特征点的偏移距离图的过程为：对图像中每个特征点：

计算每个像素点(x, y)到该特征点的偏移向量(d_x, d_y)；