[发明专利]识别脊柱矢状位图像异常的方法及计算设备

说明书

本发明公开了一种识别脊柱矢状位图像异常的方法，该方法适于在计算设备中执行，包括步骤：从脊柱矢状位图像中截取出每块椎骨的感兴趣区域，生成至少一个感兴趣区域图像；提取每个感兴趣区域图像的至少一个特征；基于至少一个特征生成每个感兴趣区域图像的特征向量；将特征向量输入预设分类模型，以确定感兴趣区域图像的类别；以及基于感兴趣区域图像的类别判断其对应的感兴趣区域是否异常。本发明一并公开了相应的计算设备。

技术领域

本发明涉及图像处理技术领域，尤其是识别脊柱矢状位图像异常的方法及计算设备。

背景技术

随着计算机技术和图像处理技术的迅速发展，利用计算机技术来辅助骨科精准手术的技术也逐渐增多。最常见的应用如通过磁共振(Magnetic Resonance Imaging，MRI)成像，从磁共振图像中可以得到物质的多种物理特性参数，如质子密度、自旋－晶格驰豫时间T1、自旋－自旋驰豫时间T2、扩散系数、磁化系数、化学位移等等，以将其应用于全身各系统的成像诊断。MRI的主要应用之一是脊柱成像，以获得人体的脊柱矢状位图像，进而应用在各种脊柱疾病诊断中，如椎间盘突出、滑脱椎骨等。但目前利用MRI图像通过计算机辅助诊断的相关方法，在很大程度上还是取决于人工定位和解剖分割，既容易出错又耗费大量人力。。

鉴于此，需要一种能快速准确地识别脊柱矢状位图像中异常的方案，以更好地辅助专业医生对各种脊柱疾病的诊断。

发明内容

为此，本发明提供了识别脊柱矢状位图像异常的方法及计算设备，以力图解决或者至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种识别脊柱矢状位图像异常的方法，该方法适于在计算设备中执行，包括步骤：从脊柱矢状位图像中截取出每块椎骨的感兴趣区域，生成至少一个感兴趣区域图像；提取每个感兴趣区域图像的至少一个特征；基于至少一个特征生成每个感兴趣区域图像的特征向量；将特征向量输入预设分类模型，以确定感兴趣区域图像的类别；以及基于感兴趣区域图像的类别判断其对应的感兴趣区域是否异常。

可选地，在根据本发明的方法中，还包括利用训练图像训练生成预设分类模型的步骤，包括：提取训练图像的至少一个特征；基于至少一个特征生成每个训练图像的特征向量；以及将训练图像的特征向量及标签输入预训练的分类模型，基于决策函数生成预设分类模型。

可选地，在根据本发明的方法中，在提取训练图像的至少一个特征的步骤之前，还包括步骤：从脊柱矢状位图像中截取出每块椎骨的感兴趣区域；以及将所截取的感兴趣区域缩放到预定尺寸，作为训练图像。

可选地，在根据本发明的方法中，至少一个特征包括：局部纹理特征、方向梯度的金字塔直方图特征、亮度直方图特征和胡矩特征。

可选地，在根据本发明的方法中，提取每个感兴趣区域图像的至少一个特征的步骤还包括：提取感兴趣区域图像的方向梯度的金字塔直方图特征；计算感兴趣区域图像的方向梯度的金字塔直方图特征与预设方向梯度的金字塔直方图特征的余弦相似度；若余弦相似度不大于阈值，则提取该感兴趣区域图像的至少一个特征中的其它特征；以及若余弦相似度大于阈值，则从至少一个感兴趣区域图像中过滤掉该感兴趣区域图像。

可选地，在根据本发明的方法中，预设方向梯度的金字塔直方图特征根据所有训练图像的方向梯度的金字塔直方图特征确定。

可选地，在根据本发明的方法中，从脊柱矢状位图像中截取出每块椎骨的感兴趣区域、生成至少一个感兴趣区域图像的步骤包括：以相邻椎骨的中心点的连线为边生成对应的正方形，其中正方形包含感兴趣区域；以及从脊柱矢状位图像中截取出每个正方形，作为感兴趣区域图像。

可选地，在根据本发明的方法中，感兴趣区域图像的类别为0和1；基于感兴趣区域图像的类别判断其对应的感兴趣区域是否异常的步骤包括：当感兴趣区域图像的类别为0时，确定其对应的感兴趣区域正常；当感兴趣区域图像的类别为1时，确定其对应的感兴趣区域异常。