[发明专利]一种基于CT序列图像的腰椎骨自动定位方法

权利要求书

1.一种基于CT序列图像的腰椎骨自动定位方法，其特征在于，该方法包括以下步骤，步骤一，载入横断位CT序列图像，对DICOM原始数据进行预处理，三维重建出骨骼增强冠状图；基于横断位CT序列图像三维重建出骨骼增强冠状图的方法包括以下步骤：

步骤A，此处的CT序列图像指的是做胸腹部CT检查获取的横断位CT序列图像，至少包括最后一节胸椎骨T12和第一节腰椎骨L1；

步骤B，获取CT序列图像即DICOM图像的头文件标签字段INSTANCENUMBER，对序列图片进行排序以符合CT扫描的时间顺序；

步骤B，根据DICOM图像数据进行灰度值统计确定骨骼区域灰度值阈值；

步骤D，根据DICOM图像数据进行灰度值统计确定金属物灰度值阈值，通过阈值限定消除可能存在的金属物影响；

步骤E，确定有效DICOM图像数据范围，设置遍历范围，消除CT机床床板产生的影响；

步骤F，基于以上步骤，按CT扫描顺序遍历处理每一张DICOM图像，提取骨骼部分的有效数据三维重建出骨骼冠状图，DICOM图像的CT序列号即所生成冠状图的行号；

步骤二，基于多尺度模板匹配的方法自动匹配胸椎骨T12，提取匹配胸椎骨T12的CT起始序列号n₀；

步骤三，基于深度学习网络，训练基于横断位CT图像的腰椎骨分割模型；

步骤四，将n₀作为起始序列号，用训练好的模型进行横断位图像腰椎骨分割并保存分割结果；

步骤五，基于横断位图像腰椎骨分割结果的像素总和，分离椎间盘和椎体，提取每一节腰椎骨对应的CT序列号区间；分离椎间盘和椎体，提取腰椎骨对应序列号区间的方法包括以下步骤：

步骤a)，计算自n₀开始每一张CT图片的分割结果进行像素总和统计；

步骤b)，绘制分割结果对应的CT序列号与分割结果对应的像素总和间的曲线图；

步骤c)，设置分离椎体和椎间盘的像素总和阈值，对曲线图进行二值化处理，生成类似方波的曲线；

步骤d)，方波高值对应的序列号区间依次对应包含胸椎骨T12，腰椎骨L1,L2,L3,L4,L5所在CT图片的序列号区间。

2.根据权利要求1所述的基于CT序列图像的腰椎骨自动定位方法，其特征在于，所述步骤二中，多尺度模板匹配的方法包括以下步骤：

步骤a，以任意骨骼冠状图中第一节腰椎骨L1和最后一节胸椎骨T12及相连的肋骨区域作为特征模板；

步骤b，将生成的骨骼冠状图和特征模板二值化；

步骤c，将二值化的特征模板与骨骼冠状图进行多尺度模板匹配，并对匹配区域绘制矩形框；

步骤d，返回矩形右上角顶点的纵坐标，即胸椎骨T12的起始CT序列号n₀。

3.根据权利要求1或2所述的基于CT序列图像的腰椎骨自动定位方法，其特征在于，所述步骤三中，基于深度学习训练基于横断位CT图片的椎骨分割模型的方法包括以下步骤：

步骤1，获取若干例胸腹部CT扫描数据，选取包含腰椎骨的DICOM图像转化为PNG格式作为训练集图片；

步骤2，将除皮质骨外椎骨骨小梁区域作为ROI对训练集图片进行标注，生成训练标签图片；

步骤3，选取全卷积神经网络，以全卷积神经网络FCN为底层特征提取结构；

步骤4，基于深度学习UNET网络进行训练，调整训练参数，得到基于横断位CT图片的椎骨分割模型；

步骤5，利用新样本对椎骨分割模型进行测试，得到测试结果。

4.根据权利要求1或2所述的基于CT序列图像的腰椎骨自动定位方法，其特征在于，所述步骤四中用训练好的模型进行腰椎骨分割的方法，包括以下步骤：

步骤1)，将从n₀开始的CT序列DICOM图像转化为PNG格式；

步骤2)，利用训练好的分割模型从n₀开始对PNG格式图片进行提取分割；

步骤3)，保存分割结果。