一种X光影像处理系统的制作方法

一种x光影像处理系统
技术领域
1.本发明涉及一般的图像数据处理或产生技术领域，特别是涉及一种x光影像处理系统。


背景技术：

2.作为膝关节运动力学的关键因素之一，胫骨平台后倾角具有重要的参考价值。x光影像是常用的影像之一，膝关节的侧位x光影像常被用于胫骨平台后倾角的测量。目前基于x光影像的平台后倾角测量方法是通过用户进行手动测量，或者借助医学影像软件进行半自动测量，上述方法需要耗费大量的测量时间，存在测量胫骨平台后倾角效率较低的问题。如何提高测量胫骨平台后倾角的效率，是亟待解决的问题。


技术实现要素：

3.本发明目的在于，提供一种x光影像处理系统，提高了测量胫骨平台后倾角的效率。
4.根据本发明，提供了一种x光影像处理系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：s100，获取膝关节x光影像中初始的胫骨区域的像素点集mask=[pt1，pt2，
…
，pti，
…
，ptn]，其中，mask中第i个像素点pti=(xi，yi)，i的取值范围为1到n，n为mask包含的像素点的总数量，xi为第i个像素点pti的横坐标，yi为第i个像素点pti的纵坐标。
[0005]
s200，遍历mask，将pt
i-c追加到res，得到res=[pt
1-c，pt
2-c，
…
，pt
i-c，
…
，pt
n-c]，res的初始化为null，c为mask的中心点，c=(x0，y0)，，，round为取整。
[0006]
s300，获取θ=atan2(y
max
，x
max
)，y
max
为cov的最大特征值对应的特征向量vm=(x
max
，y
max
)中的第二个元素，x
max
为vm中的第一个元素，cov为res的协方差矩阵。
[0007]
s400，获取矫正后的胫骨区域的像素点集mask’=[pt
’1，pt
’2，
…
，pt’i
，
…
，pt’n
]，其中，mask’中第i个像素点pt’i
=(x’i
，y’i
)；当θ》0时，x
’’i=xi*cosθ-yi*sinθ，y
’’i=yi*cosθ xi*sinθ；当θ《0时，x
’’i=xi*cosθ yi*sin|θ|，y
’’i=yi*cosθ-xi*sin|θ|；x’i
和y’i
分别为将x
’’i和y
’’i保留小数点后q位得到的定点数，q为正整数。
[0008]
s500，获取edge，edge为mask’中边缘像素点的集合。
[0009]
s600，获取第一参考测量轴的垂线与胫骨平台前后缘连线的夹角；所述第一参考测量轴为经过pt1和pt2的直线，pt1=[(x
11
x
12
)/2，(y
11
y
12
)/2]，pt2=[(x
21
x
22
)/2，(y
21
y
22
)/2]，x
11
和x
12
分别为pt
11
和pt
12
的横坐标，x
21
和x
22
分别为pt
21
和pt
22
的横坐标，y
11
和y
12
分别为pt
11
和pt
12
的纵坐标，y
21
和y
22
分别为pt
21
和pt
22
的纵坐标；pt
11
和pt
12
分别为l1与edge的第一交点和第二交点，pt
21
和pt
22
分别为l2与edge的第一交点和第二交点，l1为与l0垂直且距离
l’为第一设定距离的直线，l2为与l0垂直且距离l’为第二设定距离的直线，l0为mask’的中心线，l’为经过pt0且与l0垂直的参考线，pt0为edge中纵坐标最小或最大的像素点。
[0010]
本发明与现有技术相比具有明显的有益效果，借由上述技术方案，本发明提供的x光影像处理系统可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下有益效果：本发明基于膝关节x光影像，实现了对胫骨平台后倾角的自动测量，相较于现有手动测量或者半自动测量的方法，提高了测量胫骨平台后倾角的效率。而且，本发明还包括对x光影中胫骨区域进行矫正的过程，且矫正后的胫骨区域中像素点的坐标为保留小数点后q位的定点数，由此校正后的胫骨区域中各像素点的相对位置关系更为明确，且矫正后的胫骨区域的像素点的精确性更高，更有利于快速和准确获取第一参考测量轴，提高测量胫骨平台后倾角的效率和准确性。
附图说明
[0011]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]
图1为本发明实施例提供的x光影像处理方法的流程图；图2为本发明实施例提供的膝关节x光影像；图3为本发明实施例提供的胫骨平台前后缘连线的示意图；图4为本发明实施例提供的第一参考测量轴的示意图。
具体实施方式
[0013]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0014]
根据本发明，提供了一种x光影像处理系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现x光影像处理方法。如图1所示，x光影像处理方法包括以下步骤：s100，获取膝关节x光影像中初始的胫骨区域的像素点集mask=[pt1，pt2，
…
，pti，
…
，ptn]，其中，mask中第i个像素点pti=(xi，yi)，i的取值范围为1到n，n为mask包含的像素点的总数量，xi为第i个像素点pti的横坐标，yi为第i个像素点pti的纵坐标。
[0015]
应当理解的是，对人体膝关节进行拍摄后得到的膝关节x光影像中不但包括胫骨区域，还包括非胫骨区域，如股骨区域、腓骨区域和背景区域等，如图2所示。因此，本发明还包括对膝关节x光影像进行分割的步骤。本领域技术人员知悉，利用现有技术中任何对x光影像进行分割的方法来获取本发明膝关节x光影像中初始的胫骨区域均落入本发明的保护范围。
[0016]
作为现有的一个对x光影像进行分割的具体实施方式，利用第一卷积神经网络对
膝关节x光影像进行分割，得到膝关节x光影像中初始的胫骨区域。可选的，第一卷积神经网络为unet或unet 。
[0017]
应当理解的是，本发明的初始的胫骨区域是对膝关节x光影像进行分割得到的胫骨区域，该初始的胫骨区域是相对于s400中矫正后的胫骨区域而言的，两者的区别在于初始的胫骨区域在膝关节x光影像中可能不是沿竖直方向延伸，而s400中矫正后的胫骨区域是沿竖直方向延伸。
[0018]
s200，遍历mask，将pt
i-c追加到res，得到res=[pt
1-c，pt
2-c，
…
，pt
i-c，
…
，pt
n-c]，res的初始化为null，c为mask的中心点，cc=(x0，y0)，，，round为取整。
[0019]
根据本发明，res为初始的胫骨区域中所有像素点和c点坐标相减得到的残差矩阵。
[0020]
s300，获取θ=atan2(y
max
，x
max
)，y
max
为cov的最大特征值对应的特征向量vm=(x
max
，y
max
)中的第二个元素，x
max
为vm中的第一个元素，cov为res的协方差矩阵。
[0021]
本领域技术人员知悉，利用现有技术中任意构建协方差矩阵的方法构建本发明的cov均落入本发明的保护范围。
[0022]
根据本发明，cov会对应多个特征值，且每个特征值都对应一个特征向量，将cov对应的多个特征值按照大小进行排序，选取最大的特征值对应的特征向量记为vm。本领域技术人员知悉，利用现有技术任意获取cov的最大特征值对应的特征向量的方法获取本发明的vm均落入本发明的保护范围。
[0023]
应当理解的是，atan2(y
max
，x
max
)为以坐标原点为起点且指向(x
max
，y
max
)的射线在坐标平面上与x轴正方向之间的角的角度。
[0024]
s400，获取矫正后的胫骨区域的像素点集mask’=[pt
’1，pt
’2，
…
，pt’i
，
…
，pt’n
]，其中，mask’中第i个像素点pt’i
=(x’i
，y’i
)；当θ》0时，x
’’i=xi*cosθ-yi*sinθ，y
’’i=yi*cosθ xi*sinθ；当θ《0时，x
’’i=xi*cosθ yi*sin|θ|，y
’’i=yi*cosθ-xi*sin|θ|；x’i
和y’i
分别为将x
’’i和y
’’i保留小数点后q位得到的定点数，q为正整数。
[0025]
根据本发明，当θ》0时，矫正后的胫骨区域由所述初始的胫骨区域以c为旋转中心，按逆时针方向旋转θ后得到；矫正后的胫骨区域是沿竖直方向延伸的。当θ《0时，矫正后的胫骨区域由所述初始的胫骨区域以c为旋转中心，按顺时针方向旋转|θ|后得到；矫正后的胫骨区域是沿竖直方向延伸的。由此，矫正后的胫骨区域中各像素点的位置关系更为明确，有利于快速和准确第一、二和三参考测量轴，提高获取胫骨平台后倾角的效率和准确性。
[0026]
优选的，x’i
和y’i
为保留小数点后q位的定点数。由此，矫正后的胫骨区域为亚像素级别，像素点的精确性更高，有利于提升获取第一、二和三参考测量轴的准确性，提高测量胫骨平台后倾角的准确性。
[0027]
根据本发明，得到x’i
和y’i
的方法包括：s410，获取f
x,i
=x
’’i*10q，f
y,i
=y
’’i*10q，f
x,i
为将x
’’i放大10q倍后的值，f
y,i
为将y
’’i放大10q倍后的值；s420，获取f
x,i
=round(f
x,i
)，f
y,i
=round(f
y,i
) ，f
x,i
为对f
x,i
取整后的值，f
y,i
为对f
y,i
取整后的值；
s430，获取x’i
=f
x,i
/10q，y’i
= f
y,i /10q。
[0028]
可选的，q=2。
[0029]
s500，获取edge，edge为mask’中边缘像素点的集合。
[0030]
本领域技术人员知悉，利用现有技术中任意获取边缘像素点的方法获取本发明mask’中边缘像素点均落入本发明的保护范围。应当理解的是，edge为mask’中边缘像素点的集合，那么edge即为mask’中的胫骨轮廓。
[0031]
s600，获取第一参考测量轴的垂线与胫骨平台前后缘连线的夹角；所述第一参考测量轴为经过pt1和pt2的直线，pt1=[(x
11
x
12
)/2，(y
11
y
12
)/2]，pt2=[(x
21
x
22
)/2，(y
21
y
22
)/2]，x
11
和x
12
分别为pt
11
和pt
12
的横坐标，x
21
和x
22
分别为pt
21
和pt
22
的横坐标，y
11
和y
12
分别为pt
11
和pt
12
的纵坐标，y
21
和y
22
分别为pt
21
和pt
22
的纵坐标；pt
11
和pt
12
分别为l1与edge的第一交点和第二交点，pt
21
和pt
22
分别为l2与edge的第一交点和第二交点，l1为与l0垂直且距离l’为第一设定距离的直线，l2为与l0垂直且距离l’为第二设定距离的直线，l0为mask’的中心线，l’为经过pt0且与l0垂直的参考线，pt0为edge中纵坐标最小或最大的像素点。
[0032]
根据本发明，胫骨平台前后缘连线为经过胫骨平台前缘关键点和后缘关键点的直线，如图3所示，1为胫骨平台前后缘连线，8为胫骨平台前缘关键点，9为胫骨平台后缘关键点。可选的，利用经训练的第二卷积神经网络获取胫骨平台前缘关键点和后缘关键点。对第二卷积神经网络进行训练的过程中，训练集为用户对平台前缘关键点和后缘关键点标注后的x光影像，可选的，所述第二卷积神经网络为unet或stacked hourglass。
[0033]
根据本发明，当膝关节x光影像中向下为纵轴正方向时，pt0为edge中纵坐标最小的像素点；当膝关节x光影像中向上为纵轴正方向时，pt0为edge中纵坐标最大的像素点。应当理解的是，矫正后的胫骨区域的像素点均位于pt0的下方，因此，l1和l2也应满足位于l’的下方的条件，否则，l1和l2不与edge存在交点，也就无法确定第一参考测量轴。
[0034]
可选的，还获取第二参考测量轴的垂线与胫骨平台前后缘连线的夹角，第二参考测量轴为经过pt
11
和pt
21
的直线，x
11
《x
12
，x
21
《x
22
。
[0035]
可选的，还获取第三参考测量轴的垂线与胫骨平台前后缘连线的夹角，第三参考测量轴为经过pt
12
和pt
22
的直线。
[0036]
作为本发明的实施例，以膝关节x光影像的左上角为原点，向右为横轴正方向，向下为纵轴的正方向，取edge中纵坐标最小的点作为pt0；通过细化算法提取mask’的中心线l0；获取经过pt0并与胫骨中心线l0垂直的直线作为l’，沿着胫骨中心线分别向下求取距离l’为5cm的直线l1，以及距离l’为15cm的直线l2；获取l1与胫骨轮廓的第一交点pt
11
和第二交点pt
12
，以及l2与胫骨轮廓的第一交点pt
21
和第二交点pt
22
；获取pt
11
和pt
12
的中心点pt1，以及pt
21
和pt
22
的中心点pt2，经过pt1和pt2的直线即为第一参考测量轴，经过pt
11
和pt
21
的直线即为第二参考测量轴，经过pt
12
和pt
22
的直线即为第三参考测量轴。如图4所示，1为胫骨平台前后缘连线，2为第一参考测量轴，3为第一参考测量轴的垂线，4为l1与胫骨轮廓的第一交点pt
11
，5为l1与胫骨轮廓的第二交点pt
12
，6为l2与胫骨轮廓的第一交点pt
21
，7为l2与胫骨轮廓的第二交点pt
22
。
[0037]
根据本发明，在获取了第一参考测量轴、第二参考测量轴和第三参考测量轴之后，就可以获得胫骨平台后倾角：第一参考测量轴的垂线与胫骨平台前后缘连线的夹角，第二参考测量轴的垂线与胫骨平台前后缘连线的夹角，以及第三参考测量轴的垂线与胫骨平台
前后缘连线的夹角。
[0038]
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明的范围由所附权利要求来限定。