[发明专利]一种基于CT图像测量腰1椎体CT值的方法

说明书

本发明公开了一种基于CT图像测量腰1椎体CT值的方法，步骤1：对CT图像进行预处理，得到训练集；步骤2：对训练集进行图像块剪裁操作，得到数据集；步骤3：通过深度学习进行腰1椎体分割；步骤4：边缘检测精确定位腰1椎体；步骤5：孔洞填充；步骤6：寻找腰1椎体像素点；步骤7：累加腰1椎体像素点并换算CT值。本发明设计了一种腰1椎体CT值测算的方法，本方法基于先分割后计算的思路，较为准确的实现腰1椎体CT值的测算。

技术领域

本发明涉及腰椎测量技术领域，具体为一种基于CT图像测量腰1椎体CT值的方法。

背景技术

通过分析腰1椎体的CT值可以用来评估骨密度进而可以辅助诊断骨量减少，骨质疏松等疾病。

传统的测量腰1椎体的CT值存在精度低和成本高等问题。本专利提出一种方法直接基于CT图像通过计算机深度学习，进行数字图像处理，非常方便的测量腰1椎体的CT值供医生进行疾病诊断。

发明内容

本发明的目的在于提供一种基于CT图像测量腰1椎体CT值的方法，该方法首先对CT图像进行预处理，接着通过深度学习对腰1椎体分割，再遍历整张片累加腰1椎体的像素点，最后像素点个数乘以每个像素的面积求得整个腰1椎体的面积即CT值，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于CT图像测量腰1椎体CT值的方法，包括以下步骤：

步骤1：对CT图像进行预处理，得到训练集；

步骤2：对训练集进行图像块剪裁操作，得到数据集；

步骤3：通过深度学习进行腰1椎体分割；

步骤4：边缘检测精确定位腰1椎体；

步骤5：孔洞填充；

步骤6：寻找腰1椎体像素点；

步骤7：累加腰1椎体像素点并换算CT值。

优选的，所述步骤1包括以下步骤：

步骤1.1：采用CLAHE算法对图像进行直方图均衡化；

步骤1.2：采用伽马变换调整图像整体灰度；

步骤1.3：归一化图像像素值在0到1之间。

优选的，所述步骤1.1包括：在CLAHE算法中，对于像素邻域，对比度是通过变换函数的斜率计算得到的，变换函数的斜率与该像素邻域的累积分布函数CDF斜率成正比，在计算该像素邻域的CDF之前，CLAHE算法根据指定的阈值对直方图进行裁剪，并将裁剪部分均匀地分布到直方图中。

优选的，所述步骤1.2包括：伽马变换通过对灰度值进行非线性操作，使处理后图像的灰度值与处理前图像的灰度值之间呈现非线胜指数关系，实现灰度拉伸；

伽马变换公式如下：

I_OUT＝cI_IN^γ

其中I_in为处理后图像的灰度值，I_OUT为处理前图像的灰度值，c为灰度缩放系数，γ为变换指数；

当γ取不同值时，输入灰度值取0到255并对输入输出灰度值做归一化为0到1之间，当γ小于1时，图像的灰度值提高；当γ大于1时，图像的整体亮度拉低；当γ等于1时，整体亮度与原图一致，取值为0.5。

优选的，所述步骤1.3包括：像素的归一化通过将所有像素值除以最大像素值来实现，最大像素值为255；

计算公式如下：

x'＝(x-X_min)/(X_max-X_min)；