[发明专利]一种基于计算机视觉的放射影像智能分割方法

权利要求书

1.一种基于计算机视觉的放射影像智能分割方法，其特征在于，该方法包括：

采集胸部X光图像，对胸部X光图像进行分割得到骨骼区域图像；

以骨骼区域图像中每个像素点为中心点建立窗口图像，根据窗口图像内各个像素点灰度值获取突变点及突变点的数量，根据窗口图像内突变点的数量计算突变比例，根据突变比例及预设的突变比例阈值确定初始骨骼边缘点；

将骨骼区域图像中的每个骨骼与预设的标准骨骼模板进行匹配得到对应的标准骨骼模板，获取标准骨骼模板的中心曲线，该中心曲线即为对应骨骼的中心曲线；获取标准骨骼模板的中心曲线的步骤包括：对标准骨骼模板进行二值化处理得到二值图像；对二值图像进行细化处理得到骨骼的多个骨架节点；基于图理论对所有骨架节点进行最短路经算法得到最短线条；最短路径形成的线条即为骨骼线条；利用多项式拟合方法对骨骼线条进行拟合得到标准骨骼模板的中心曲线，所述标准骨骼模板的中心曲线即为对应骨骼的中心曲线；

根据中心曲线及每个骨骼的轮廓获取每个骨骼的上边缘曲线和下边缘曲线；

计算每个骨骼的初始骨骼边缘点距上边缘曲线、下边缘曲线的最小距离，根据最小距离及预设的阈值确定最终骨骼边缘点；

根据最终骨骼边缘点制作掩膜，根据掩膜和骨骼区域图像得到掩膜图像，对掩膜图像进行均衡化得到增强图像。

2.根据权利要求1所述的一种基于计算机视觉的放射影像智能分割方法，其特征在于，对胸部X光图像进行分割得到骨骼区域图像的步骤包括：

对胸部X光图像进行DNN语义分割；

属于背景类的标注为0，属于骨骼类的标注为1，其中，骨骼类包括：肋骨和锁骨；

获取属于背景类的背景区域和属于骨骼类的骨骼区域图像。

3.根据权利要求1所述的一种基于计算机视觉的放射影像智能分割方法，其特征在于，根据窗口图像内各个像素点灰度值获取突变点及突变点的数量的步骤包括：

获取每个中心点对应的像素点的灰度值及中心点的8个方向邻域的像素点的灰度值；

计算窗口图像内各个像素点与中心点的灰度差；

根据灰度差获取突变点，并确定突变点的数量。

4.根据权利要求1所述的一种基于计算机视觉的放射影像智能分割方法，其特征在于，根据窗口图像内突变点的数量计算突变比例，根据突变比例及预设的突变比例阈值确定初始骨骼边缘点的步骤包括：

计算突变点个数占窗口图像内所有像素点个数的比例，该比例记为突变比例；

当突变比例大于突变比例阈值时，则将该中心像素点定义为初始骨骼边缘点；

当突变比例大于突变比例阈值时，则将该中心像素点定义为初始骨骼非边缘点。

5.根据权利要求1所述的一种基于计算机视觉的放射影像智能分割方法，其特征在于，计算每个骨骼的初始骨骼边缘点距上边缘曲线、下边缘曲线的最小距离的步骤包括：

根据下式（1）计算最小距离：

（1）

其中，ΔD表示最小距离；表示任意一个初始骨骼边缘点的坐标；表示初始骨骼边缘点到上边缘曲线或者下边缘曲线上的最小距离的坐标点。

6.根据权利要求1所述的一种基于计算机视觉的放射影像智能分割方法，其特征在于，根据最小距离及预设的阈值确定最终骨骼边缘点的步骤包括：

当最小距离大于预设的阈值时，将初始骨骼边缘点判定为非骨骼点；

当最小距离小于预设的阈值时，将初始骨骼边缘点判定为骨骼点，则该骨骼点即为最终骨骼点。