[发明专利]骨骼分割边界确定方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种骨骼分割边界确定方法、装置、电子设备及存储介质，该方法包括：获取针对人体目标区域进行连续扫描得到的原始扫描图像帧的序列；根据各所述原始扫描图像帧中各像素点的灰度值，确定与各所述原始扫描图像帧相对应的粗糙度图像；针对每一个粗糙度图像，基于灰度增强图像公式确定与所述原始扫描图像帧相对应的灰度增强图像；针对每一个原始扫描图像帧，基于与所述原始扫描图像帧相对应的灰度增强图像，确定所述第一骨骼和所述第二骨骼的骨骼分割边界。通过本发明实施例的技术方案，实现了提高骨骼分割边界确定的准确性的技术效果。

技术领域

本发明实施例涉及医疗技术领域，尤其涉及一种骨骼分割边界确定方法、装置、电子设备及存储介质。

背景技术

图像分割在医学影像分析领域的应用非常广泛。在临床手术规划、模拟及人体三维可视化中，通过医学影像进行骨骼的完整分割具有重要意义。

通常是通过电子计算机断层扫描(Computed Tomography，CT)采集的序列形式的医学图像来获取骨骼数据。基于CT图像进行骨性结构分割的方法包括传统分割方法和深度学习方法。传统分割方法包括滤波、自动化阈值、形态学处理等方式，通过传统分割方法难以准确的区分骨骼和其他组织的分割边界，存在分割准确率低的问题；深度学习方法需要大量的标注数据来对深度学习模型进行训练和测试，但是，人体骨骼的标注数据难以获取，并且人体骨骼存在个体差异性（尤其是人体的部分下肢骨骼），仍然存在分割准确率和速度低的问题。

发明内容

本发明实施例提供了一种骨骼分割边界确定方法、装置、电子设备及存储介质，以实现提高骨骼分割边界确定的准确性的技术效果。

第一方面，本发明实施例提供了一种骨骼分割边界确定方法，该方法包括：

获取针对人体目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述人体目标区域包括第一骨骼和第二骨骼；

根据各所述原始扫描图像帧中各像素点的灰度值，确定与各所述原始扫描图像帧相对应的粗糙度图像；其中，所述粗糙度图像是基于各像素点的粗糙度值确定，所述粗糙度值基于像素点邻域内的邻域像素点的灰度值确定；

针对每一个粗糙度图像，基于灰度增强图像公式确定与所述原始扫描图像帧相对应的灰度增强图像；其中，所述灰度增强图像公式为J=aG+bR，G表示所述原始扫描图像帧，R表示所述粗糙度图像，a表示使用线性回归确定的与所述原始扫描图像帧对应的权重参数，b表示使用线性回归确定的与所述粗糙度图像对应的权重参数，J表示所述灰度增强图像；

针对每一个原始扫描图像帧，基于与所述原始扫描图像帧相对应的灰度增强图像，确定所述第一骨骼和所述第二骨骼的骨骼分割边界。

第二方面，本发明实施例还提供了一种骨骼分割边界确定装置，该装置包括：

序列获取模块，用于获取针对人体目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述人体目标区域包括第一骨骼和第二骨骼；

粗糙度图像确定模块，用于根据各所述原始扫描图像帧中各像素点的灰度值，确定与各所述原始扫描图像帧相对应的粗糙度图像；其中，所述粗糙度图像是基于各像素点的粗糙度值确定，所述粗糙度值基于像素点邻域内的邻域像素点的灰度值确定；

灰度增强图像确定模块，用于针对每一个粗糙度图像，基于灰度增强图像公式确定与所述原始扫描图像帧相对应的灰度增强图像；其中，所述灰度增强图像公式为J=aG+bR，G表示所述原始扫描图像帧，R表示所述粗糙度图像，a表示使用线性回归确定的与所述原始扫描图像帧对应的权重参数，b表示使用线性回归确定的与所述粗糙度图像对应的权重参数，J表示所述灰度增强图像；

骨骼分割边界确定模块，用于针对每一个原始扫描图像帧，基于与所述原始扫描图像帧相对应的灰度增强图像，确定所述第一骨骼和所述第二骨骼的骨骼分割边界。