[发明专利]一种基于超声影像的脊柱横突定位方法

权利要求书

1.一种基于超声影像的脊柱横突定位方法，其特征在于步骤如下：

第一步：利用2.5维超声宽景成像方法，将带有位置感应装置的超声探头垂直紧贴皮肤，在脊柱左右两侧对脊柱横突进行扫描成像，得到N帧脊柱横突的原始帧B超图像和图像中每一个像素点的空间位置信息，N1；

第二步：以已知的横突表面区域图像为模板图像，利用模板匹配方法分别将每一帧B超图像和模板图像进行模板匹配，得到每一帧B超图像中的横突表面定位区域；

第三步：利用图像分割方法分别对每一帧B超图像中的横突表面定位区域进行分割处理，得到每一帧B超图像中的横突表面区域的轮廓；

第四步：以每一帧B超图像中的横突表面区域轮廓的最高像素点为该帧图像横突的标志位置点，标志位置点结合其在原始帧B超图像的空间位置信息得到横突的三维空间位置信息；

第五步：由于超声探头扫描过程中，同一个横突会出现在多幅连续采集的原始帧B超图像中，因此利用凝聚型层次聚类方法对所有帧B超图像的横突三维空间位置信息进行聚类处理，得到的聚类中心即为最终定位的脊柱横突空间位置。

2.如权利要求1所述的一种基于超声影像的脊柱横突定位方法，其特征在于：第二步中所述的模板匹配方法采用基于像素信息的模板匹配方法，基于像素信息的模板匹配是采用像素灰度的相似度度量，包括互信息、绝对误差和、误差平方和算法。

3.如权利要求1所述的一种基于超声影像的脊柱横突定位方法，其特征在于：第二步中所述的模板匹配方法采用基于特征信息的模板匹配方法，包括轮廓特征匹配算法、纹理特征匹配算法、SIFT特征匹配算法、词袋模型算法。

4.如权利要求1或2或3所述的一种基于超声影像的脊柱横突定位方法，其特征在于：第三步中所述的图像分割方法，可以采用传统的图像边缘检测方法、像素聚类方法、主动轮廓模型方法或基于深度学习的图像分割方法。