兒童髖關節發育狀況計算機自動診斷的方法與流程

2023-05-04 16:00:06 1

本發明涉及生物醫學圖像檢測技術領域，尤其涉及生物組織圖像分割及檢測方法及程序。

背景技術：

發育性髖關節發育不良(developmentaldysplasiaofthehip．ddh)是指出生前和出生後股骨頭及髖臼在發育和(或)解剖關係中出現異常的一系列髖關節病症。隨著患兒年齡增長，髖關節周圍的繼發病理改變越來越多且越來越重，治療也變得越來越困難。所以，早診斷、早治療對其預後改善具有重要意義。

graf根據髖關節的超聲檢查結果，首先提出了一種方法，即在髖關節冠狀面超聲圖像上作三條線（見附圖1）：(1)基線：自關節囊在髂骨上的起點(a)至骨性髖臼外側緣(b)引一直線：(2)髖臼蓋線或稱骨頂線：髖臼窩內髂骨下緣(d)至骨性髖臼外側緣(b)的連線；(3)軟骨髖臼蓋線或稱軟骨頂線：為骨性髖臼外側緣(b)至纖維軟骨盂緣中央(c)的連線。

此方法要求在標準圖像上必須具有清晰的髂骨、圓弧型的骨性髖臼頂和軟骨性髖臼頂。基線和髖臼蓋線相交成角，用來衡量骨性髖臼發育的程度，軟骨髖臼蓋線的延長線和基線相交成β角，代表軟骨髖臼蓋發育的程度。根據β角大小將髖關節分為四型，i型：α>60。，β<55。為正常髖關節；ii型：α角為43。～60。，β角為55。～77。即骨性髖臼發育不良，軟骨蓋變形：ⅲ型：α77。，即半脫位，股骨頭向後上方脫位，軟骨髖臼蓋受壓變形；ⅳ型：完全脫位，股骨頭位於軟組織內。此法目前已得到廣泛的應用。其測量指標中，角最具診斷價值，是判斷髖關節特別是髖臼發育的主要指標。

morin等在1985年依靠冠狀面超聲波圖像提出了股骨頭覆蓋率法(morinratio，mr)：在髖關節切面上，沿髂骨外側緣作一直線(p)，再以此直線做兩條平行線分別與股骨頭的內側緣、外側緣相切。股骨頭內切線至直線的距離(d)與股骨頭內、外切線的間距(d)之比稱股骨頭覆蓋率(mr，見附圖2)。mr小於33％為異常，大於58％為正常。mr已成為判斷股骨頭脫位程度的一項參考指標。

超聲影像是發育性髖關節異常篩查的首選方法。但人工超聲影像局限在於必須依賴於有關醫護人員的主觀經驗來進行骨性髖臼頂角度α，軟骨性髖臼頂角度β的測量，因此檢測結果因醫護人員主觀差異不同而不同，易造成錯誤診斷。本發明提出的算法是在超聲波圖像的基礎上採用區域可適配模型算法對超聲波圖像進行分割。根據graf方法，從分割結果中尋找出構成α角，β角所需的相關樣本點，並擬合出三條直線。這樣計算出來的α，β角的結果更加精確，從而儘可能的減小因角度測量所帶來的誤差，因此更加能保證診斷結果的準確性。此外本專利中同時也計算了股骨頭覆蓋率mr。

如前所述，本發明算法的核心在於圖像分割中的區域可適配模型算法。區域可適配模型算法是由chunmingli等學者對其之前提出的活動輪廓模型算法的改進。活動輪廓模型算法是一種廣泛應用於圖像分割的算法。從本質上來說就是一條能量極小化曲線，在曲線本身的內力和圖像等外部約束力作用下移動的變形輪廓線線，該曲線鎖定在圖像特徵附近，準確地將它們極小化。

chunmingli等學者於2005、2008對於傳統的活動輪廓模型進行改進。在其中，li提出了以變分水平集方程表示的基於區域的活動輪廓模型（簡稱rsf）。模型中定義了一個區域可擴展適配能量函數，該能量函數中的適配函數是基於一個輪廓線和對輪廓線內外兩邊的局部圖像灰度的估計而定義。利用形成的模型對水平集輪廓線進行演變，演變輪廓線朝著最小化能量函數方向進行，並最終獲得最小化相應的能量函數的輪廓線。該方法還可以有效應對圖像灰度不均勻、初始輪廓線敏感性等常見於一般活動輪廓模型的問題。該模型在相對小的計算複雜度下，獲得了非常好的分割效果。因此，它已經被成功的應用於醫用圖像分割等眾多領域中。

技術實現要素：

本發明實施例提出了一種基於區域可擴展適配模型的兒童髖關節發育狀況診斷算法，通過對原始超聲波儀器採集的圖像進行預處理，圖像分割，提取特徵，自動地計算三項指標，快速地給出診斷結果。本發明適用於兒童髖關節發育的臨床診斷，具有快速、高效、準確等諸多優點。

基於區域可擴展適配模型的兒童髖關節發育診斷算法大體分為4個步驟：原始髖關節圖像預處理、髖關節圖像分割、特徵抽取、三項指標的計算。

step1：原始髖關節圖像預處理

在超聲波儀器採集的髖關節圖像按內容可視為由兩類圖像構成：髖關節組織圖像，及儀器設備自帶的背景圖像，包括整個輸入的圖像中除髖關節組織圖像外其他的字符，標識條等，見附圖3。在圖像的預處理環節就是要完全去除背景信息，留下不含背景的超聲圖像。本專利中採用的預處理算法如下：首先，將原始輸入的真彩圖像轉換為灰度圖像，通過圖像的腐蝕算法去除髖關節組織圖像外的字符等幹擾信息。其中，腐蝕算法的原理是選定大小一定的腐蝕結構元，將腐蝕結構元覆蓋整個圖像區域。在每個結構元所覆蓋的子區域中選取該區域的最小灰度值替代整個覆蓋子區域的灰度值。一般情況下，為了將幹擾信息腐蝕掉，結構元的寬度要大於幹擾字符的寬度或保證剩餘殘留幹擾較少。在完成腐蝕步驟後，髖關節圖像由髖關節組織圖像和灰度值為零的外邊框構成，見附圖4。其次，選取適當閾值將圖像轉換為二值圖像，檢測輸入圖像的豎直方向是否有標識條，或白色背景。二值化後，豎直方向的白條通常為超過一定範圍的連續1，檢測圖像若有這類特徵則將標識條區域的圖像灰度值置為零，見附圖5；檢測出二值化後圖像的水平方向及豎直方向上大於一定區域面積的非零區域最大及最小坐標值，確定裁剪圖像的坐標並對圖像進行裁剪，保留下髖關節組織的圖像而去除其外的邊框，見附圖6。

step2：髖關節組織圖像分割

為了提取出髖關節組織結構的特徵，首先需要先提取出髖關節組織結構的輪廓線，而為了獲得輪廓線需要對髖關節組織結構進行分割。本專利中採用的分割算法是區域可擴展適配模型（rsf）算法。

rsf模型的重點在於一個區域可擴展的數據擬合能量項。假設存在圖像空間，是在圖像空間中的一條閉合輪廓線，對於給定點，能量方程可定義為：

在水平集方法中，使用水平集函數的零水平集方程示輪廓線，則能量項可具體表示如下：

其中，和為正常數；和分別用於估計輪廓線外部和內部的灰度值；k選用了高斯核函數，其參數規定了灰度範圍。

則是一片以點x為中心的局部區域中的點，區域的大小由核函數k中的標量參數控制。，，h表示heaviside方程，該方程在實際運算中由光滑函數近似替代：

是輪廓的內外圖像灰度的按一定權重分配的均方誤差估計，其中和分別是輪廓的內外圖像灰度的估計，是每個的灰度的權重，的屬性使得灰度對能量的貢獻隨著離中心點越來越遠而減小並趨於零。因此能量受鄰域的點的灰度的控制。

在能量方程（1）中，用於計算輪廓長度，該項在水平集方法中可被表示為，因此（1）中的能量方程可被寫為：

為保持演化中的水平集輪廓（水平集的正確計算和穩定性），li等加入水平集規則項，該項代表了方程偏離符號距離函數的程度，可表示為：

綜上，整個能量方程可定義為：

其中是正常數。

和是用梯度下降法對能量方程（6）最小化而獲得，其定義為：

對於給定點,當輪廓線c與目標邊界重合，且和最優的估計了輪廓線c兩邊的圖像灰度值時，能量函數得以最小化。

分割結果見附圖7，附圖8。

step3.特徵提取

在已經分割出輪廓的髖關節組織圖像中提取出roi（regionsofinterest,即感興趣的區域），骨性髖臼，軟骨性髖臼（y型軟骨），股骨頭三部分。所用算法具體實現如下：根據roi處於圖像下方，且處於股骨頭外測緣之下的特點，分別找出這三部分中的一點，通過該點找出其所在輪廓線上的封閉曲線。至此就找出了所有的構成三部分特徵的點，並通過這些點找出需要的特徵輪廓。若找出的特徵輪廓圖像過小，則放大兩倍見附圖9。接下來就是在骨性髖臼和軟骨性髖臼兩部分特徵中選擇合適的點以擬合出三條直線，為後面的計算α，β角做鋪墊。選擇方法為通過對圖像左側部分縱向掃描，獲得與髂骨側面交點，通過這些交點，用最小二乘法擬合出基線；通過對基線以下部分的橫向掃描，獲得與髂骨下肢及骨緣區相交的點，通過這些交點，用最小二乘法擬合出骨頂線；通過對基線以上部分的橫向掃描，獲得與髖臼盂唇交點，通過這些交點以及骨緣區末端，用最小二乘法擬合出軟骨頂線。擬合三條直線結果見附圖10除此之外，為獲得mr值，需找到股骨頭內、外側與基線平行的切線，為此選擇股骨頭上方的點，通過該點做與基線平行的線；同樣選擇股骨頭下方的點，通過該點做與基線平行的線。劃線結果見附圖11。

step4.三項指標的計算

在α，β角的計算中，是通過擬合出的三條直線的斜率來進行求解的。假設三條擬合直線的斜率分別為k1，k2，k3，其中k1為擬合的基線的斜率，k2為所擬合的骨頂線的斜率，k3為所擬合的軟骨頂線的斜率，根據兩直線夾角公式得:

,或。

為計算股骨頭覆蓋率mr，做一條垂直於三條平行線的直線，分別獲得與三條平行線的交點，從上往下分別為，，，則mr的計算為：

。

根據算出的三項指標中，主要權重在於α角，其次在於mr，β角的權重關係最弱，因此在判斷兒童髖關節發育是否正常時以α角為主，mr，β角為輔。最終，根據計算出來的三項指標結合評價標準給出最後的診斷結果。見附圖12。評價標準如表1:

表1:兒童髖關節graf，mr法診斷標準

綜上所述，本發明實施例對兒童髖關節超聲圖像通過髖關節圖像預處理、髖關節圖像分割、圖像特徵提取和三項指標的計算，獲得兒童髖關節發育狀況評判結果，評判依據為三項指標：骨性髖臼頂角度α，軟骨性髖臼頂角度β，及髖臼對股骨頭覆蓋率mr。

本發明算法的核心步驟是採用圖像分割中的區域可適配模型算法對預處理過的原始圖像進行分割，分割效果良好，能有效地應對採集圖像可能遇到的亮度分布不均的各種問題。本發明中所採用的計算三項指標方法，不需依賴人工判斷，能快速、自動計算三項指標，並給出診斷結果，有著簡潔，高效，誤差小等多項優點，使得普通醫生也能勝任兒童髖關節異常的篩查任務。為驗證本發明的實際診斷效果，特在一定數量的實驗樣本上進行驗證，驗證結果見表2。該表中的正確分類是以專業醫師的人工診斷為依據。可以看出本發明對於正常髖關節的診斷有91.89%的正確率，對非正常的髖關節的診斷準確率還有待於進一步改善。本方法可對兒童髖關節超聲圖像迅速自動劃線，適用於兒童髖關節發育狀況的輔助診斷，但仍需在後續工作中使其精度得到進一步提高。

表2：兒童髖關節自動診斷結果

本領域內的技術人員應明白，本發明的實施例可提供為方法、系統、或電腦程式產品。因此，本發明可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本發明可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質（包括但不限於磁碟存儲器、cd-rom、光學存儲器等）上實施的電腦程式產品的形式。

本發明是參照根據本發明實施例的方法、設備（系統）、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

以上所述的具體實施例，對本發明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發明的具體實施例而已，並不用於限定本發明的保護範圍，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。

附圖說明：

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹。在附圖中：

圖1為graf髖關節檢查三線作圖法示意圖；

圖2為mr法髖關節檢查作圖法示意圖；

圖3為原始超聲波儀器所採集圖像；

圖4為對原始圖像腐蝕後的圖像；

圖5為去掉白條後的二值圖像；

圖6為對原始圖像進行剪切後的圖像；

圖7為用rsf算法分割後獲得的輪廓圖像；

圖8為二值化後的圖像輪廓；

圖9為從輪廓中提取的特徵輪廓；

圖10為根據特徵點擬合出的三條直線；

圖11為mr切線；

圖12為最終診斷結果。