一种关节图像高性能分析方法与流程

本发明涉及图像处理领域，具体为一种关节图像高性能分析方法。

背景技术

三维立体医学图像应用广泛，常见的图像形式包括磁共振成像(mri)、ct等。三维立体医学图像的图像数据，是指用数值表示的各像素灰度值的集合。在进行图像数据分析时，特别是对于三维立体医学图像分析时，如何快速从中提取定量的临床诊断指标，是目前需要解决的问题。

技术实现要素：

本发明的目的是：提供一种关节图像高性能分析方法，能够根据软骨的分割结果和图像的空间分辨率，计算软骨处的厚度。

实现上述目的的技术方案是：一种关节图像高性能分析方法，包括以下步骤：软骨图像获取步骤；二值图像获取步骤，用以获取所述软骨图像的分割图像，所述分割图像中包括软骨区域和非软骨区域，将所要计算的非软骨区的灰度值设为0，并对软骨区域的像素点进行二值化处理获得二值图像；软骨内外层表面初始化步骤，用像素点标记在所述二值图像中标记软骨的内外表面，所标定的像素点标记作为求解拉普拉斯方程的边界条件；快速卷积求解拉普拉斯方程步骤，用以根据边界条件，通过卷积算法求解拉普拉斯方程，在二值图像中得到一个有源场；快速距离转换步骤，用以根据求得的有源场以及二值图像的空间分辨率，得到软骨各个部位的对应厚度。

进一步的，所述软骨内外层表面初始化步骤包括：软骨边缘距离梯度图谱生成步骤，计算软骨边缘距离图谱，并根据该图谱计算软骨边缘距离梯度图谱；软骨-软骨下骨边缘距离梯度图谱生成步骤，计算软骨-软骨下骨边缘距离图谱，并根据该图谱计算软骨-软骨下骨边缘距离梯度图谱；软骨上下表面标记步骤，计算软骨边缘距离梯度图谱和软骨-软骨下骨边缘距离梯度图谱对应位置梯度的内积，将内积大于0且位于软骨边缘的像素标记为软骨内表面，将内积小于0且位于软骨边缘的像素标记为软骨外表面。

所述快速卷积求解拉普拉斯方程步骤中，二维卷积核为：

进一步的，采用了gpu加速算法，采用卷积的方式实现了对给定边界条件下拉普拉斯方程的求解；拉普拉斯方程及其对应的边界条件为：

其中，表示软骨边缘像素点标记，表示软骨外边缘像素点标记，表示所求的有源场。

所述快速距离转换步骤包括有源场梯度方向图谱计算步骤，根据求解拉普拉斯方程得到的有源场，计算其对应的梯度方向图谱；边界距离计算步骤，通过求解下列偏微分方程的数值解，得到软骨内部各个像素点距离软骨内边缘和软骨外边缘的距离：

其中，l0和l1分别表示距离软骨内边缘和软骨外边缘的长度，表示软骨边缘，表示软骨外边缘，表示有源场梯度方向的单位向量；软骨厚度转换步骤，通过对l0和l1求和，得到软骨对应位置软骨的厚度w(x)，其中：

w(x)＝l0(x)+l1(x)

其中，l0(x)和l1(x)分别表示位于x处的像素点距离软骨内边缘和软骨外边缘的长度。

本发明的优点是：本发明的关节图像高性能分析方法，通过对软骨分割结果的二值图像进行处理，计算得到软骨各个部位的厚度，能够准确详细地评估软骨厚度，为临床诊断提供相关参考。

附图说明

下面结合附图和实施例对本发明作进一步解释。

图1是实施例1的图像数据分析统计方法步骤流程图。

图2是图1中步骤01)的具体流程图。

图3是图2中步骤03)的具体流程图。

具体实施方式

以下实施例的说明是参考附加的图式，用以例示本发明可用以实施的特定实施例。

实施例：如图1所示，一种关节图像高性能分析方法，包括步骤01)-步骤05)，如图1所示。

步骤01)软骨图像获取步骤，采用核磁共振等方法获取三维立体医学图像，此方法为现有技术，对此不再赘述。

步骤02)二值图像获取步骤，用以获取所述软骨图像的分割图像，所述分割图像中包括软骨区域和非软骨区域。将所要计算的非软骨区的灰度值设为0以去除非软骨区，并对软骨区域的像素点进行二值化处理获得二值图像。

步骤03)软骨内外层表面初始化步骤，用以定位软骨的内外表面，并对其进行初始化；所述图像包括软骨分割结果的二值图像；对应软骨下骨分割结果的二值图像在步骤01)中会被作为参考数据，引入处理过程。在步骤03)中用像素点标记在所述二值图像中标记软骨的内外表面，所标定的像素点标记作为求解拉普拉斯方程的边界条件。具体的，如图2所示，步骤03)包括步骤031)-步骤033)。步骤031)软骨边缘距离梯度图谱生成步骤，计算软骨边缘距离图谱，并根据该图谱计算软骨边缘距离梯度图谱；步骤032)软骨-软骨下骨边缘距离梯度图谱生成步骤，计算软骨-软骨下骨边缘距离图谱，并根据该图谱计算软骨-软骨下骨边缘距离梯度图谱；步骤033)软骨上下表面标记步骤，计算软骨边缘距离梯度图谱和软骨-软骨下骨边缘距离梯度图谱对应位置梯度的内积，将内积大于0且位于软骨边缘的像素标记为软骨内表面，将内积小于0且位于软骨边缘的像素标记为软骨外表面。

步骤04)快速卷积求解拉普拉斯方程步骤，用以根据边界条件，通过卷积算法求解拉普拉斯方程，在二值图像中得到一个有源场和图像的空间分辨率信息。该步骤04)采用gpu加速和快速卷积的方式实现，用以求解给定边界条件下拉普拉斯方程；拉普拉斯方程的边界条件即为步骤03)得到的软骨内外边界。卷积算法中二维卷积核为：

步骤05)快速距离转换步骤，用以根据求得的有源场以及二值图像的空间分辨率，得到软骨各个部位的对应厚度；用以根据求解拉普拉斯方程得到的有源场和图像的空间分辨率信息，计算软骨厚度。具体的，如图3所示，步骤05)包括步骤051)-步骤053)。步骤051)有源场梯度方向图谱计算步骤，根据求解拉普拉斯方程得到的有源场，计算其对应的梯度方向图谱；步骤052)边界距离计算步骤，通过分别求解和的数值解，得到软骨内部各个像素点距离软骨内边缘和软骨外边缘的距离；其中l0和l1分别表示距离软骨内边缘和软骨外边缘的长度，表示软骨边缘像素点标记，表示软骨外边缘像素点标记，表示有源场梯度方向的单位向量；步骤053)软骨厚度转换步骤，通过对软骨-软骨内边缘距离图谱和软骨-软骨外边缘距离图谱求和，得到软骨厚度图谱。

本发明可以应用在软骨分割结果的二值图像的处理上，例如可以通过对膝关节序列磁共振图像软骨分割结果进行分析，对骨关节炎病程中软骨的厚度变化分析提供辅助信息。软骨的结构和功能变化是骨关节炎临床诊断的重要特征。关于膝关节软骨厚度精准的计算，对于骨关节炎的治疗和诊断具有重要意义。

通过对健康人群的膝关节不同位置的软骨厚度进行计算和统计分析，可以得到膝关节软骨厚度的图谱；通过对健康人群和骨关节炎患者膝关节不同位置的软骨厚度进行统计学分析，可以得到膝关节软骨在骨关节炎病程中的变化趋势；根据不同位置的变化趋势的差异，可以得到膝关节软骨对于骨关节炎的敏感区域。

以上仅为本发明的较佳实施例，本发明的使用范围并不限于此，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。