本發(fā)明專利技術(shù)提供一種醫(yī)用圖像處理裝置及醫(yī)用圖像處理方法，包括：圖像存儲部，存儲包含股骨頭的第一圖像；圖像分割部，分割出僅含有股骨頭部分的第二圖像；特征檢驗部，檢驗第二圖像邊緣是否為圓，顯示不為圓部分的圖像；紋理檢測部，包括：ROI區(qū)域選取單元，從第二圖像選取ROI區(qū)域；灰度變換單元，所述區(qū)域作灰度梯度變換，大于第一閾值的點置為0；細分單元，將ROI區(qū)域細分成多個第二區(qū)域，ROI區(qū)域面積是第二區(qū)域面積的整數(shù)倍；計數(shù)單元，對第二區(qū)域內(nèi)的0的個數(shù)進行計數(shù)；第一判斷單元，判斷第二區(qū)域0個數(shù)是否超過第二閾值；第一顯示單元，顯示超過第二閾值的第二區(qū)域的圖像。上述裝置和方法能夠?qū)崿F(xiàn)股骨頭醫(yī)用圖像的自動化處理。
【技術(shù)實現(xiàn)步驟摘要】
醫(yī)用圖像處理裝置及醫(yī)用圖像處理方法
本專利技術(shù)涉及醫(yī)療
，更具體地，涉及一種醫(yī)用圖像處理裝置及醫(yī)用圖像處理方法。
技術(shù)介紹
通常，關(guān)于股骨頭的醫(yī)用圖像依靠醫(yī)生的肉眼觀測，并沒有對股骨頭的醫(yī)用圖像進行自動化處理的裝置和方法。
技術(shù)實現(xiàn)思路
鑒于上述問題，本專利技術(shù)提供一種對股骨頭的醫(yī)用圖像進行自動化處理的醫(yī)用圖像處理裝置及醫(yī)用圖像處理方法。根據(jù)本專利技術(shù)的一個方面，提供一種醫(yī)用圖像處理裝置，包括：圖像存儲部，用于存儲包含股骨頭的第一圖像；圖像分割部，分割出僅含有股骨頭部分的第二圖像；特征檢驗部，檢驗第二圖像的邊緣是否為圓，顯示不為圓的部分的圖像；紋理檢測部，包括：ROI區(qū)域選取單元，在第二圖像上選取ROI區(qū)域；灰度變換單元，將ROI區(qū)域作灰度梯度變換，將灰度梯度大于第一閾值的點置為0；細分單元，將ROI區(qū)域細分成多個第二區(qū)域，ROI區(qū)域面積是第二區(qū)域面積的整數(shù)倍；計數(shù)單元，對每個第二區(qū)域內(nèi)的0的個數(shù)進行計數(shù)；第一判斷單元，判斷第二區(qū)域的0的個數(shù)是否超過第二閾值；第一顯示單元，顯示超過第二閾值的第二區(qū)域的圖像。根據(jù)本專利技術(shù)的另一個方面，提供一種醫(yī)用圖像處理方法，包括：步驟S1，存儲包含股骨頭的第一圖像；步驟S2，分割出僅含有股骨頭部分的第二圖像；步驟S3，檢驗第二圖像的邊緣是否為圓，顯示不為圓的部分的圖像；步驟S4，檢測第二圖像的紋理特征，包括：在第二圖像上選取ROI區(qū)域；將ROI區(qū)域作灰度梯度變換，將灰度梯度大于第一閾值的點置為0；將ROI區(qū)域細分成多個第二區(qū)域，ROI區(qū)域的面積是第二區(qū)域面積的整數(shù)倍；對每個第二區(qū)域內(nèi)的0的個數(shù)進行計數(shù)；判斷第二區(qū)域的0的個數(shù)是否超過第二閾值，顯示超過第二閾值的第二區(qū)域的圖像。本專利技術(shù)所述醫(yī)用圖像處理裝置及醫(yī)用圖像處理方法對股骨頭的醫(yī)用圖像進行分割和不同區(qū)域劃分顯示自動化處理，方便觀看，一目了然。上述醫(yī)用圖像處理裝置實現(xiàn)ROI區(qū)域分割和疾病診斷的一體化，其分割準(zhǔn)確、速度較快，可以為病人提供可靠的診斷結(jié)果；能夠?qū)︶t(yī)生診斷病變起參考作用；降低基層醫(yī)院醫(yī)生的誤診率，減少醫(yī)生工作量；能夠識別和診斷潛在病變。附圖說明通過參考以下具體實施方式及權(quán)利要求書的內(nèi)容并且結(jié)合附圖，本專利技術(shù)的其它目的及結(jié)果將更加明白且易于理解。在附圖中：圖1是本專利技術(shù)所述醫(yī)用圖像處理裝置構(gòu)成框圖的示意圖；圖2是本專利技術(shù)所述醫(yī)用圖像處理方法流程圖的示意圖。具體實施方式在下面的描述中，出于說明的目的，為了提供對一個或多個實施例的全面理解，闡述了許多具體細節(jié)。然而，很明顯，也可以在沒有這些具體細節(jié)的情況下實現(xiàn)這些實施例。在其它例子中，為了便于描述一個或多個實施例，公知的結(jié)構(gòu)和設(shè)備以方框圖的形式示出。下面將參照附圖來對根據(jù)本專利技術(shù)的各個實施例進行詳細描述。圖1是本專利技術(shù)所述醫(yī)用圖像處理裝置構(gòu)成框圖的示意圖，如圖1所示，所述醫(yī)用圖像處理裝置包括：圖像存儲部1，用于存儲包含股骨頭的第一圖像；圖像分割部2，分割出僅含有股骨頭部分的第二圖像，例如，用局部二元擬合(LBF)的方法，將人體髖關(guān)節(jié)醫(yī)用圖像中的股骨頭部分分割出來；特征檢驗部3，檢驗第二圖像的邊緣是否為圓，顯示不為圓的部分的圖像；紋理檢測部4，包括：ROI區(qū)域選取單元41，在第二圖像上選取ROI區(qū)域(感興趣區(qū)域，預(yù)進行紋理檢測的區(qū)域，也可以直接將整個第二圖像作為ROI區(qū)域)；灰度變換單元42，將ROI區(qū)域作灰度梯度變換，將灰度梯度大于第一閾值的點置為0；細分單元43，將ROI區(qū)域細分成多個第二區(qū)域，ROI區(qū)域面積是第二區(qū)域面積的整數(shù)倍；計數(shù)單元44，對每個第二區(qū)域內(nèi)的0的個數(shù)進行計數(shù)；第一判斷單元45，判斷第二區(qū)域的0的個數(shù)是否超過第二閾值，可以作為判斷第二區(qū)域是否病變的依據(jù)；第一顯示單元46，顯示超過第二閾值的第二區(qū)域的圖像，例如將異常部分在第二圖像或第一圖像內(nèi)部呈現(xiàn)出來。優(yōu)選地，所述細分單元43采取九宮格的方法，將ROI區(qū)域分為多個矩形第二區(qū)域，例如將ROI區(qū)域分為n×n個矩形第二區(qū)域，其中，n是可以根據(jù)判斷精度自行設(shè)定的參數(shù)，為任何大于1的整數(shù)，優(yōu)選地，將ROI區(qū)域分為4×4個矩形第二區(qū)域。在本專利技術(shù)的一個實施例中，圖像分割部2包括：粗搜索模塊21，對第一圖像進行搜索，在股骨頭邊緣選取設(shè)定數(shù)量的輪廓點，形成初始輪廓；迭代模塊22，通過全局線性回歸函數(shù)和隨機森林對初始輪廓進行迭代，直至得到最小化局部二值特征和最小化線性回歸量，得到各輪廓點的最佳位置，形成最佳輪廓形狀作為分割線，具體地，迭代模塊22包括：隨機森林單元，使用隨機森林預(yù)測形狀變化，在每一次迭代中，構(gòu)建前一次迭代后的輪廓形狀的各輪廓點的樹，得到各輪廓點的局部二元特征；全局線性回歸單元，在每一次迭代中，通過上一次迭代的輪廓形狀后每個輪廓點對應(yīng)的局部二值特征對全局線性回歸器進行訓(xùn)練，確定形狀增量，根據(jù)形狀增量和上一次迭代后的輪廓形狀，確定此次迭代的輪廓形狀；最佳輪廓形狀獲得單元，利用局部二值特征和全局線性回歸器分別近似輪廓形狀內(nèi)、外部灰度，通過最小化能量函數(shù)進行迭代，得到最小化局部二值特征和最小化線性回歸量，形成最佳輪廓形狀，St＝St-1+ΔSmint＝St-1+WmintΦmint(I,St-1)其中，t是迭代次數(shù)索引，Φmint(I,St-1)表示對于初始輪廓形狀I(lǐng)在t-1次迭代后的輪廓形狀St-1的最小化局部二值特征，Wmint是最小化線性回歸量，ΔSmint是最小形狀增量。在本專利技術(shù)的一個實施例中，特征檢測部3包括：邊緣提取單元31，提取第二圖像中股骨頭邊緣部分的點(輪廓點，圓弧部分的點)；擬合單元32，采用擬合方法(例如最小二乘法)擬合上述各點對應(yīng)的圓心和半徑；確定單元33，確定各點到擬合的圓心的距離以及所述距離與擬合的半徑的差值的絕對值；第二判斷單元34，判斷上述差值的絕對值是否大于第三閾值，可以作為判斷股骨頭病變的依據(jù)，將大于第三閾值的絕對值對應(yīng)的點作為股骨頭異常的部分；第二顯示單元35，顯示所述絕對值大于第三閾值的點；加法器36，將各點的所述絕對值相加；第三判斷單元37，判斷上述相加的結(jié)果是否大于第四閾值，作為判斷股骨頭病變的依據(jù)，如果大于第四閾值，發(fā)出預(yù)警信號，進行股骨頭病變的報警。在本專利技術(shù)的一個實施例中，上述圖像處理裝置還包括預(yù)處理部5，對第一圖像進行濾波去噪和對比度增強，具體地，所述預(yù)處理部5包括：中值濾波器51和對比度增強模塊52，以便使圖像分割部分割結(jié)果更為精確，其中，所述中值濾波器51采用二維滑動模板，將板內(nèi)像素按照像素值的大小進行排序，生成單調(diào)上升(或下降)的為二維數(shù)據(jù)序列。二維中值濾波輸出為g(x,y)＝med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分別為原始圖像和處理后圖像，(x，y)是圖像上的二維坐標(biāo)，med是中值濾波函數(shù)，W是二維滑動模板，當(dāng)二維滑動模板為矩形時，l是矩形長，k是矩形寬。所述對比度增強模塊52包括：讀入單元521，讀入中值濾波器濾波后的第一圖像；統(tǒng)計單元522，統(tǒng)計第一圖像中各像素點的灰度值出現(xiàn)的次數(shù)；出現(xiàn)概率確定單元523，根據(jù)所有灰度值出現(xiàn)的總次數(shù)，得到各灰度值的出現(xiàn)概率；前綴確定單元524，確定各灰度值出現(xiàn)概率的前綴，所述前綴是不大于灰度值的各灰度值的出現(xiàn)概率之和；均衡化單元525，根據(jù)下式(1)和(2)利用各像素點的灰度值的本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種醫(yī)用圖像處理裝置，其特征在于，包括：圖像存儲部，用于存儲包含股骨頭的第一圖像；圖像分割部，分割出僅含有股骨頭部分的第二圖像；特征檢驗部，檢驗第二圖像的邊緣是否為圓，顯示不為圓的部分的圖像；紋理檢測部，包括：ROI區(qū)域選取單元，在第二圖像上選取ROI區(qū)域；灰度變換單元，將ROI區(qū)域作灰度梯度變換，將灰度梯度大于第一閾值的點置為0；細分單元，將ROI區(qū)域細分成多個第二區(qū)域，ROI區(qū)域面積是第二區(qū)域面積的整數(shù)倍；計數(shù)單元，對每個第二區(qū)域內(nèi)的0的個數(shù)進行計數(shù)；第一判斷單元，判斷第二區(qū)域的0的個數(shù)是否超過第二閾值；第一顯示單元，顯示超過第二閾值的第二區(qū)域的圖像。
【技術(shù)特征摘要】
1.一種醫(yī)用圖像處理裝置，其特征在于，包括：圖像存儲部，用于存儲包含股骨頭的第一圖像；圖像分割部，分割出僅含有股骨頭部分的第二圖像；特征檢驗部，檢驗第二圖像的邊緣是否為圓，顯示不為圓的部分的圖像；紋理檢測部，包括：ROI區(qū)域選取單元，在第二圖像上選取ROI區(qū)域；灰度變換單元，將ROI區(qū)域作灰度梯度變換，將灰度梯度大于第一閾值的點置為0；細分單元，將ROI區(qū)域細分成多個第二區(qū)域，ROI區(qū)域面積是第二區(qū)域面積的整數(shù)倍；計數(shù)單元，對每個第二區(qū)域內(nèi)的0的個數(shù)進行計數(shù)；第一判斷單元，判斷第二區(qū)域的0的個數(shù)是否超過第二閾值；第一顯示單元，顯示超過第二閾值的第二區(qū)域的圖像。2.根據(jù)權(quán)利要求1所述的醫(yī)用圖像處理裝置，其特征在于，所述特征檢測部包括：邊緣提取單元，提取第二圖像中股骨頭邊緣部分的點；擬合單元，采用擬合方法擬合上述各點對應(yīng)的圓心和半徑；確定單元，確定各點到擬合的圓心的距離以及所述距離與擬合的半徑的差值的絕對值；第二判斷單元，判斷上述差值的絕對值是否大于第三閾值；第二顯示單元，顯示所述絕對值大于第三閾值的點；加法器，將各點的所述絕對值相加；第三判斷單元，判斷上述相加的結(jié)果是否大于第四閾值，如果大于第四閾值，發(fā)出預(yù)警信號。3.根據(jù)權(quán)利要求1所述的醫(yī)用圖像處理裝置，其特征在于，還包括預(yù)處理部，對第一圖像進行濾波去噪和對比度增強。4.根據(jù)權(quán)利要求3所述的醫(yī)用圖像處理裝置，其特征在于，所述預(yù)處理部包括中值濾波器和對比度增強模塊，其中，所述對比度增強模塊包括：讀入單元，讀入中值濾波器濾波后的第一圖像；統(tǒng)計單元，統(tǒng)計第一圖像中各像素點的灰度值出現(xiàn)的次數(shù)；出現(xiàn)概率確定單元，根據(jù)所有灰度值出現(xiàn)的總次數(shù)，得到各灰度值的出現(xiàn)概率；前綴確定單元，確定各灰度值出現(xiàn)概率的前綴，所述前綴是不大于灰度值的各灰度值的出現(xiàn)概率之和；均衡化單元，根據(jù)下式(1)和(2)利用各像素點的灰度值的前綴對各像素點進行像素映射，rq(i)＝Round(r(i)×255)(1)i->rq(i)(2)其中，i為像素點索引，r(i)為像素點i的灰度值的前綴，rq(i)為像素點i量化后的灰度級，Round是四舍五入函數(shù)。5.根據(jù)權(quán)利要求1所述的醫(yī)用圖像處理裝置，其特征在于，所述圖像分割部包括：粗搜索模塊，對第一圖像進行搜索，在股骨頭邊緣選取設(shè)定數(shù)量的輪廓點，形成初始輪廓；迭代模塊，通過全局線性回歸函數(shù)和隨機森林對初始輪廓進行迭代，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：閭海榮，耿照旭，江瑞，張學(xué)工，李林，
申請(專利權(quán))人：清華大學(xué)，
類型：發(fā)明
國別省市：北京,11
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。