[发明专利]基于深度神经网络的X光片手骨兴趣区域自动提取方法

摘要

一种基于深度神经网络的X光片手骨兴趣区域自动提取方法，对原始手骨X光片影像，去除影像两边黑色背景嵌入文字的部分；统一对原始手骨X光片影像进行提亮、去噪操作；采样并训练模型M1，得到没有文字的手骨X光片影像Output2；对于Output2归一化尺寸得到Output3；采样并训练模型M2，对Output3中的手骨、背景、手骨背景相交的部分进行判断；基于模型M2对Output3中的影像滑窗判断，依据判断值得到手骨标记映射图Output4；基于Output3和Output4，得到仅有手骨的影像Output5；对Output5进行优化得到最终的手骨兴趣区域。本发明可以自动获取X光片中的手骨兴趣区域。

主权项

一种基于深度神经网络的X光片手骨兴趣区域自动提取方法，其特征在于：所述方法包括以下步骤：步骤一，对原始手骨X光片灰度影像，去除影像两边的黑色背景嵌入文字的部分，从而使得原图像去除掉大部分的文字；步骤二，对原始手骨X光片灰度影像进行提亮操作，该步骤，先对影像进行整体亮度评估，对于亮度不足的影像才进行提亮操作，提亮之后进行去噪操作，得到的影像集称为Output1；步骤三，采样并训练模型M1，该模型用于去除Output1中的X光片中手骨附近以及手骨上的文字，得到没有文字的手骨X光片灰度影像Output2；步骤四，将Output2中所有影像归一化尺寸，为保持高宽大小一致，先进行两侧黑底填充操作，当图片是宽比高的数值大时，采取两侧向内切割的操作。然后再对影像缩小至(512,512)，称新的影像集为Output3；步骤五，采样并训练模型M2，该模型用于对Output3中的手骨，背景，手骨背景(大小为16*16)相交的三部分进行判断；步骤六，有了模型M2，对Output3中的影像滑窗判断，将判断的值加到每个像素点中，接着每个像素点根据自己得到的不同判断类型的值的大小，将手骨部分的像素值设为255，背景部分的像素值设为0。从而得到手骨二值标记图，称之为Output4；步骤七，对照Output4的手骨二值标记图，在Output3的基础上得到仅有手骨区域的影像，但是同时该影像中依然会存在背景杂质，于是在这里需要进行一次最大联通区域的计算，去除杂质，得到Output5；步骤八，由于Output5中存在影像周围光圈被判断为手骨组织的现象，并且它与最大联通区域是相连接的，由于光圈的长远远大于手骨的宽，于是对Output5中每张影像的底部部分做差异比较，从而去除影像中的光圈，得到最终的手骨兴趣区域。