一种大关节组织的分割方法和分割系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110458850A(43)申请公布日2019.11.15(21)申请号201910708060.1(22)申请日2019.08.01(71)申请人北京灵医灵科技有限公司地址100083北京市海淀区中关村东路8号东升大厦B座917(72)发明人林海晓武正强(74)专利代理机构北京天方智力知识产权代理事务所(普通合伙)11719代理人谷成(51)Int.Cl.G06T7/11(2017.01)G06K9/62(2006.01)G06T7/136(2017.01)权利要求书2页说明书8页附图3页(54)发明名称一种大关节组织的分割方法和分割系统(57)摘要本发明提供了一种大关节组织的分割方法和分割系统，解决现有关节组织分割效率低下的技术问题。方法包括：形成图像分割基准；根据所述图像分割基准形成MRI图像中单一像素的组织类别和位置特征以确定组织平面轮廓；根据各所述MRI图像中的所述组织平面轮廓结合所述图像分割基准形成组织立体轮廓。利用骨骼特征简化了组织分割过程，利用相关的图像和信息特征形成对象轮廓的自动化处理和辨识准确度提升，利用分割基准形成图像量化规则、像素内涵信息和建模构架有效融合，使得大关节构成组织可以在MRI图像中实现主体自动分割、轮廓准确定位和自动三维建模，有效提高了专业人力识别资源的识别效率。CN110458850ACN110458850A权利要求书1/2页1.一种大关节组织的分割方法，其特征在于，包括：形成图像分割基准；根据所述图像分割基准形成MRI图像中单一像素的组织类别和位置特征以确定组织平面轮廓；根据各所述MRI图像中的所述组织平面轮廓结合所述图像分割基准形成组织立体轮廓。2.如权利要求1所述的大关节组织的分割方法，其特征在于，所述形成图像分割基准包括：根据各MRI图像的像素尺寸建立MRI图像的坐标空间；根据骨骼影像特征确定MRI图像中骨骼轮廓；在基准MRI图像中标记待分割组织的范围参考点；在所述基准MRI图像中形成围绕单一像素的伪像素；通过像素训练集形成所述待分割组织的随机森林分类模型。3.如权利要求1所述的大关节组织的分割方法，其特征在于，所述伪像素可以是三个直线排列的所述单一像素形成的伪像素，也可以是三个折线排列的所述单一像素形成。4.如权利要求1所述的大关节组织的分割方法，其特征在于，所述根据所述图像分割基准形成MRI图像中单一像素的组织类别和位置特征以确定组织平面轮廓包括：通过随机森林分类模型确定各伪像素的类别；通过所述随机森林分类模型确定单一像素的类别；比较所述单一像素与关联伪像素的类别权值确认所述单一像素的组织类别；比较所述单一像素与关联伪像素的灰度权值确认所述单一像素的位置特征，并形成组织平面轮廓。5.如权利要求4所述的大关节组织的分割方法，其特征在于，所述比较所述单一像素与关联伪像素的类别权值确认所述单一像素的组织类别包括：利用范围参考点进行聚类获得所述单一像素的聚集范围集合；在每个聚集范围中，将每一个单一像素类别与周围的伪像素类别比较，当存在至少两个相邻伪像素的类别与单一像素的类别相同时，确认单一像素类别准确，确认与类别对应的组织类别；当不存在至少两个相邻伪像素的类别与单一像素的类别相同时，将单一像素从聚集范围中排除。6.如权利要求5所述的大关节组织的分割方法，其特征在于，所述比较所述单一像素与关联伪像素的类别权值确认所述单一像素的组织类别包括：逐一确定每个所述聚集范围，在一个聚集范围内确定边缘的外围单一像素；将每一个外围单一像素与周围的伪像素灰度比较，当外围单一像素的至少两个相邻伪像素的灰度值与单一像素的灰度值达到灰度跳变阈值时，确认对应此单一像素处轮廓准确；当不存在两个相邻伪像素的灰度值与单一像素的灰度值达到灰度跳变阈值时，将此单一像素从聚集范围中排除。7.如权利要求1所述的大关节组织的分割方法，其特征在于，所述根据各所述MRI图像中的所述组织平面轮廓结合所述图像分割基准形成组织立体轮廓包括：建立每一张MRI图像中所述组织平面轮廓和所述骨骼轮廓间的相对位置特征；2CN110458850A权利要求书2/2页根据相邻MRI图像的各组织之间所述相对位置特征的变化趋势形成相邻MRI图像间的拟合系数；结合MRI图像中的所述组织平面轮廓和所述拟合系数在所述坐标空间中形成所述组织立体轮廓。8.一种大关节组织的分割系统，其特征在于，包括：存储器，用于存储如权利要求1至7任一所述的大关节组织的分割方法处理过程对应的程序代码；处理器，用于执行所述程序代码。9.一种大关节组织的分割系统，其特征在于，包括：基准形成装置，用于形成图像分割基准；二维轮廓形成装置，用于根据所述图像分割基准形成MRI图像中单一像素的组织类别和位置特征以确定组织