[发明专利]一种基于模板的手骨自动分割方法

摘要

本发明公开了一种基于模板的手骨自动分割方法。本发明首先建立骨龄样本库。然后训练样本并建立模板，同一时期内需要对各节骨块分别建立模板。最后基于模板的手骨分割。本发明提取包括骨骺在内的完整骨骼形状特征，包含更丰富的骨骼发育信息；同时避免了陷入无休止的调参；并且通过训练集更新的方法有效的降低了人工标注的工作量。本发明解决了手骨分割难题，为接下来进行骨龄评定提供有力的工具。

主权项

1.一种基于模板的手骨自动分割方法，其特征在于该方法具体是：步骤1、建立骨龄样本库收集公开的手骨X光平片数据集，该数据集包括有效的标注；根据手骨发育的阶段性阶段，将样本按照年龄分成若干时期；不同时期的样本均包含在同一个样本库中，用来建立不同的模板；步骤2、训练样本并建立模板通过建立手骨的轮廓模板来自动分割待测骨块，同一时期内需要对各节骨块分别建立模板；针对单个骨块的样本训练及模板建立遵循以下几个步骤:a.选择训练集的n个样本，手动记录下第i个骨块上第j个关键特征点的位置坐标然后将其构成一维形状向量，记作α_i，i＝1,2,…,n；b.将获得的形状向量归一化；采用的归一化方法是Procrustes变换，需要计算的参数包括旋转角度θ_i，水平方向平移量ΔX_i，垂直方向平移量ΔY_i；对一维形状向量α_i做一次Procrustes变换记作c.将对齐之后的形状向量进行主成分分析；首先计算平均形状向量然后计算协方差矩阵接着对协方差矩S进行矩阵分解；将其p个特征值λi从大到小排列，选择前t个特征值满足：其中f是比例系数，对应特征向量构成的矩阵记作Pt；d.建立关键点的局部灰度特征；首先要对所有训练样本的灰度值进行归一化，然后对关键点附近像素点进行采样并做主成分分析，最后将结果作为特征参数保存；其中关键点灰度特征用g₁,g₂,…g_k表示，平均灰度特征用表示；经步骤a～d，初步建立模板；由于训练集中的初始样本数目远达不到充分训练的要求，所以需要将该模板用于验证集的搜索匹配，将匹配成功的图像加入训练集作为训练样本；如果有骨块关键点匹配失败，则用手工标记的方法进行纠正，然后加入训练集；直到所有验证集的样本都能找到关键点坐标，合并到训练集为止；至此，得到了除测试样本之外所有样本的特征点信息；进一步生成测试用的模板；步骤3、基于模板的手骨分割对于基于模板的手骨分割，分为两步进行：(1)检测：前面建立的模板包括平均形状主成分分析之后的前t个特征值和对应特征矩阵P_t，参数b反映了骨块姿态的变化：将模板应用于新图像的搜索时，需要用到之前训练好的每个特征点的平均灰度特征新的计算后获得的第j个关键点的灰度特征与之间的相似性度量用Mahalanobis距离表示，并作为更新参数的依据；(2)分割：通过模板搜索的方式获得各个手骨的形状特征和局部特征，然后将指骨、掌骨、尺桡骨依次分割出来。