[发明专利]股骨头三维模型的重建方法、空间骨盆参数测量方法

说明书

本发明一种股骨头三维模型的重建方法，包括以下步骤：将包含股骨头的原始二维CT图像进行二值化处理；将含股骨头的二值图采用非梯度最大值抑制算法获得边缘轮廓；利用高斯卷积核得到每个像素的梯度向量；获得的边缘轮廓中的所有像素均为三角形候选像素；计算梯度模值，得到构成一个圆的像素对；对步骤S4中每对像素构成的圆的圆心点进行聚类，识别出股骨头区域；采用聚类算法对S5中识别出的股骨头区域进行聚类，得到三维股骨头坐标，重建股骨头三维模型。本发明还公开一种空间骨盆参数测量方法。本发明具有将二维参数扩展到三维参数，可以拓宽椎体研究的范围，更符合临床实践；消除用户交互需求，保证框架更高效、可靠、准确，技术要求更低的优点。

技术领域

本发明涉及医学图像处理、深度学习技术领域，尤其涉及股骨头三维模型的重建方法、空间骨盆参数测量方法。

背景技术

骨盆是连结脊柱和下肢之间的盆状骨架，由后方的骶、尾骨(脊柱最低的两块骨)和左右两髋骨连接而成的完整骨环。

矢状位脊柱骨盆参数的确定，基于空间股骨头中心定位。目前，空间股骨头中心自动定位是在CT数据自动空间重建股骨头的基础上实现的。CT数据中股骨头位置的检测是重建中最重要的一步。一般来说，空间股骨头中心的自动定位过程分为两个阶段：从CT数据中检测股骨头区域和空间股骨头中心的检测。基于改进的随机采样圆检测算法检测股骨头区域，利用半径滤波获得股骨头空间中心。对图像的一半执行整个过程，检测一个股骨头，然后对图像的另一半执行相同的步骤。

股骨头通常被认为是球形的。在CT切片中，股骨头检测可以转换为圆形检测过程。圆检测的方法很多，但大多数圆检测算法都是基于霍夫变换的，该算法耗时、耗内存。

另外，骨盆参数的测量主要采用人工通过手动在二维图像上测量骨盆参数，即，通过在计算机辅助软件上对二维图像进行手动标定和测量，在测量过程中往往需要在不同切片中进行来回切换来找到准确的测量点；使得测量工作效率低下，技术要求高，结果不可靠。

矢状位脊柱骨盆参数的准确测量是顺利实施脊柱矫形手术重要条件，临床上所用的骨盆参数测量方法以手工测量平面CT图像为主，且整个过程人工干预较多，造成参数估计准确性下降。

发明内容

本发明旨在提供一种基于股骨头三维模型的重建方法、空间骨盆参数测量方法，通过利用病人的CT图像，能完成对病人的包括骨盆入口平面面积等参数的自动测量。

本发明通过以下技术手段实现解决上述技术问题的：一种股骨头三维模型的重建方法，包括以下步骤：

S1、将包含股骨头的原始二维CT图像进行二值化处理，得到含股骨头的二值图；

S2、将含股骨头的二值图采用非梯度最大值抑制算法获得边缘轮廓；

S3、利用高斯卷积核在对边缘轮廓图像在水平和垂直方向上进行卷积，得到每个像素的梯度向量；

S4、获得的边缘轮廓中的所有像素均为三角形候选像素；计算每对像素的梯度模值，得到构成一个圆的像素对；

S5、对步骤S4中每对像素构成的圆的圆心点进行聚类，识别出股骨头区域；

S6、采用聚类算法对S5中识别出的股骨头区域进行聚类，得到三维股骨头坐标，重建股骨头三维模型。

优选地，所述S3采用包括以下方式得到梯度向量：

Grad_x(x,y)＝G_x(x,y)*I_edge

Grad_y(x,y)＝G_y(x,y)*I_edge