基于改進(jìn)活動(dòng)輪廓模型的手掌骨的提取

德州學(xué)院 孫振國(guó) 李海軍

1.引言

在醫(yī)療康復(fù)系統(tǒng)中，x射線(xiàn)圖像手掌骨的提取主要處理的問(wèn)題是根據(jù)手掌骨的邊緣特性，能夠找到病變部位為醫(yī)生提供準(zhǔn)確的病變數(shù)據(jù)，使病人能夠在短時(shí)間得到康復(fù)。因?yàn)槭终乒鞘侨菀资軅课唬绻貌坏郊皶r(shí)診斷就會(huì)使病變加劇，嚴(yán)重影響了人的健康。醫(yī)生需要提取準(zhǔn)確的骨骼輪廓信息才能夠?qū)κ軅课贿M(jìn)行診斷并做出正確的康復(fù)理療。

2.運(yùn)用圖像相交去除肌肉痕跡

圖1 原X射線(xiàn)圖

圖2 灰度化圖像

圖3 去除肌肉痕跡后二值化圖像

圖4 膨脹反色后圖像

圖像預(yù)處理過(guò)程中運(yùn)用了圖像相交去除肌肉痕跡。首先根據(jù)初始開(kāi)關(guān)函數(shù)將輸入圖像像素分成目標(biāo)和背景，在第一遍對(duì)圖像掃描結(jié)束后，平均兩個(gè)積分器的值以確定一個(gè)閾值。用這個(gè)閾值控制開(kāi)關(guān)再次將輸入圖像分成目標(biāo)和背景，并用作新的開(kāi)關(guān)函數(shù)。如此將迭代反復(fù)進(jìn)行直到開(kāi)關(guān)函數(shù)不再發(fā)生變化，此時(shí)得到的目標(biāo)和背景即為最終分割結(jié)果。分割后的圖像邊界處存在著間斷，為了準(zhǔn)確地找到骨骼邊緣，對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理和區(qū)域填充，精確提取骨骼區(qū)域[3]，然后根據(jù)手腕骨及其邊緣特性利用改進(jìn)的活動(dòng)輪廓模型來(lái)識(shí)別骨骼，對(duì)手腕骨病變進(jìn)行治療提供決策支持。圖像預(yù)處理過(guò)程如圖1，2，3，4所示。

3.活動(dòng)輪廓模型的改進(jìn)

經(jīng)初始輪廓模型[1-3]標(biāo)定的輪廓在骨骼外部肌肉附近接近骨骼邊緣，與實(shí)際輪廓相差較大，這種誤差不能滿(mǎn)足今后對(duì)骨齡識(shí)別。如圖5所示。

貪婪算法具有計(jì)算量小，收斂速度快等優(yōu)點(diǎn)。因此本文使用貪婪算法來(lái)實(shí)現(xiàn)活動(dòng)輪廓的能量最小化。通常貪婪算法的搜索窗口是控制點(diǎn)的8鄰域，如圖6所示。

圖5 初始的活動(dòng)輪廓邊緣提取圖

圖6 原始貪婪算法中控制點(diǎn)的搜索

圖7 改進(jìn)后的搜索窗口

本文中，利用改進(jìn)的搜索窗口，使搜索方向沿著法線(xiàn)方向，搜索窗口為沿著法線(xiàn)方向的狹長(zhǎng)窗口。因?yàn)樘崛〉某跏驾喞诠趋肋吘壍耐饷妫虼怂阉鞣较蚴莾?nèi)法線(xiàn)方向。搜索窗口的寬度為1，長(zhǎng)度為L(zhǎng)。由于活動(dòng)輪廓是沿著法線(xiàn)方向移動(dòng)，控制點(diǎn)之間的距離基本保持均勻，避免了控制點(diǎn)的堆積特性。如圖7所示。

改進(jìn)后的貪婪算法考慮了灰度梯度的方向信息，利用了一些先驗(yàn)信息，避免了搜索的盲目性，提高了收斂的速度，去除了活動(dòng)輪廓的收縮趨勢(shì)，提高了算法的魯棒性[5]。

圖8 改進(jìn)后的活動(dòng)輪廓邊緣提取圖

如圖8，活動(dòng)輪廓模型的控制點(diǎn)基本到達(dá)了肌肉邊緣，只有極個(gè)別的點(diǎn)稍有偏差。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)于手掌X射線(xiàn)圖像的輪廓跟蹤是一個(gè)比較有效的方法[4-5]。

通過(guò)改進(jìn)的活動(dòng)輪廓模型的提取將手掌原型輪廓定位，但是手掌骨上的肌肉也會(huì)影響對(duì)病變的識(shí)別。本文采用了圖像反色，直方圖峰值多閾值分割，邊緣提取等操作將骨骼輪廓提取。醫(yī)生可利用手掌骨數(shù)據(jù)庫(kù)中的原型手掌骨和當(dāng)前的手掌骨進(jìn)行比對(duì)，可達(dá)到檢測(cè)病變的目的。

4.結(jié)束語(yǔ)

本文通過(guò)對(duì)手掌骨的提取，提出了對(duì)能量項(xiàng)及Snake算法的改進(jìn)方法，基本達(dá)到了對(duì)X射線(xiàn)手掌骨骼邊緣的跟蹤與提取，利用改進(jìn)的活動(dòng)輪廓模型準(zhǔn)確的定位到手掌骨邊緣，然后利用閾值分割和邊緣跟蹤算法對(duì)骨骼進(jìn)行了提取，為下一步進(jìn)行手掌部位病變檢測(cè)及康復(fù)理療奠定了基礎(chǔ)。

[1]趙偉斌,楊小輝,周智恒.基于活動(dòng)輪廓的物品自動(dòng)檢查系統(tǒng)研究[J].現(xiàn)代計(jì)算機(jī),2012(23).

[2]張鶴,董彥麟.一種改進(jìn)的變分水平集車(chē)輛檢測(cè)技術(shù)[J].遼寧科技大學(xué)學(xué)報(bào),2011(03).

[3]錢(qián)華明,姜波.一種基于多通道衛(wèi)星云圖的臺(tái)風(fēng)分割方法[J].北京航空航天大學(xué)學(xué)報(bào),2011(04).

[4]劉建磊,馮大政.一種基于二維拉格朗日連續(xù)水平集的圖像分割方法[J].電子與信息學(xué)報(bào),2010(07).

[5]李志軍,牛照東,陳曾平.基于模板的前視紅外圖像建筑物分割方法[J].光電工程,2012(05).