一種x射線透視圖像中導(dǎo)針位置自動識別方法
【專利摘要】本發(fā)明涉及一種基于醫(yī)療X射線透視圖像中導(dǎo)針位置自動識別方法。該方法在獲取X射線透視圖像的圖像輪廓后，通過概率霍夫變換算法檢測圖像輪廓中的線段，然后從檢測到的線段中對置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的相互平行或近似平行的線段對進(jìn)行識別，再根據(jù)線段對的中心線在X射線透視圖像中繪制套筒或?qū)п樀难娱L線從而實(shí)現(xiàn)X射線透視圖像中導(dǎo)針位置自動識別。本發(fā)明該方法能夠顯著減少X射線暴露時(shí)間、顯著縮短手術(shù)時(shí)間、減少對病人的二次傷害；同時(shí)能夠提高手術(shù)導(dǎo)針定位的準(zhǔn)確度、提高手術(shù)效率。
【專利說明】一種X射線透視圖像中導(dǎo)針位置自動識別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像處理【技術(shù)領(lǐng)域】，特別是一種骨科微創(chuàng)手術(shù)在透視時(shí)的X射線透視圖像中導(dǎo)針位置自動識別方法。

【背景技術(shù)】
[0002]自1983年英國外科醫(yī)生Wickham首次提出“微創(chuàng)外科(Minimally InvasiveSurgery,MIS) ”的概念以來，微創(chuàng)技術(shù)及理論在骨科中的運(yùn)用不斷發(fā)展成熟，成為現(xiàn)代骨科發(fā)展的重要方向。一所醫(yī)院的骨科有沒有微創(chuàng)骨科，微創(chuàng)技術(shù)覆蓋的領(lǐng)域是否全面是衡量該醫(yī)院或?qū)W科核心競爭力的標(biāo)尺。微創(chuàng)是指微小損傷，是以最小的侵襲和最少的生理干擾達(dá)到外科療效的新型外科技術(shù)。它不光具有小的切口，重要的是具有更佳的內(nèi)環(huán)境穩(wěn)定狀態(tài)，更輕的全身反應(yīng)，更短的愈合時(shí)間，更少的瘢痕愈合，以及更好的心理效應(yīng)。關(guān)節(jié)鏡技術(shù)是骨科最早使用的微創(chuàng)技術(shù)。腔鏡技術(shù)是骨科快速發(fā)展的另一個(gè)領(lǐng)域脊柱外科使用的微創(chuàng)技術(shù)。微創(chuàng)骨科的來源主要還取決于臨床實(shí)踐，微創(chuàng)觀念做指導(dǎo)，微創(chuàng)技術(shù)做保證，二者缺一不可，手術(shù)操作的微創(chuàng)化是保證治療過程微損傷的根本。
[0003]在骨科微創(chuàng)領(lǐng)域中另一個(gè)值得重視的是骨折治療微創(chuàng)觀念的產(chǎn)生，正是在這一觀點(diǎn)的指導(dǎo)下，各種髓內(nèi)針技術(shù)、外固定技術(shù)得到了不斷的發(fā)展和改進(jìn)，術(shù)中無須塑形，植入體內(nèi)后與骨表面接觸面積小，對血供影響小，有利于骨折愈合，使原本非常棘手的骨質(zhì)疏松癥患者骨折和假體周圍骨折的鋼板固定獲得良好的臨床療效。骨科微創(chuàng)手術(shù)對內(nèi)置物的位置都有嚴(yán)格的要求，通常需要在骨折部位置入若干克氏針作為內(nèi)置物(如空心螺釘)的引導(dǎo)裝置或骨折固定裝置，克氏針也可以稱之為克氏針導(dǎo)針或直接稱為導(dǎo)針。目前這一操作需要在X射線引導(dǎo)下進(jìn)行。一般操作步驟是，首先醫(yī)生根據(jù)經(jīng)驗(yàn)將導(dǎo)針經(jīng)皮插入至骨面，經(jīng)X射線透視驗(yàn)證，如圖1a所示的導(dǎo)針置入前(導(dǎo)針置入至骨面)的透視圖像，通過該透視圖像并根據(jù)人眼判斷導(dǎo)針位置是否正確，如果正確則繼續(xù)置入，如若錯(cuò)誤則調(diào)整位置，然后再次進(jìn)行驗(yàn)證；如此反復(fù)直至位置正確，如圖1b所示的導(dǎo)針置入后的透視圖像。由于在導(dǎo)針置入前，人眼不能根據(jù)如圖1a所示的透視圖像精確預(yù)測導(dǎo)針置入的位置，所以在置入導(dǎo)針過程中，通常還需要多次反復(fù)驗(yàn)證和調(diào)整才能保證置入位置精確，這樣就嚴(yán)重增加了 X射線暴露時(shí)間。


【發(fā)明內(nèi)容】

[0004]本發(fā)明針對骨科微創(chuàng)手術(shù)中基于X射線透視圖像在導(dǎo)針精確定位和處理時(shí)間等方面存在的缺陷或不足，提供一種X射線透視圖像中導(dǎo)針位置自動識別方法，通過對X射線透視圖像中置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的線段對的識別，繪制導(dǎo)針(或套筒)的延長線，實(shí)現(xiàn)導(dǎo)針位置自動識別。能夠顯著減少X射線暴露時(shí)間，減少對病人及醫(yī)生的健康危害；同時(shí)能夠提高手術(shù)路徑的準(zhǔn)確度、減少對病人的二次傷害、顯著縮短手術(shù)時(shí)間、提高手術(shù)效率。
[0005]本發(fā)明的技術(shù)方案如下:
[0006]一種X射線透視圖像中導(dǎo)針位置自動識別方法，其特征在于，所述方法在獲取X射線透視圖像的圖像輪廓后，通過概率霍夫變換算法檢測圖像輪廓中的線段，然后從檢測到的線段中對置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的相互平行或近似平行的線段對進(jìn)行識別，再根據(jù)線段對的中心線在X射線透視圖像中繪制套筒或?qū)п樀难娱L線從而實(shí)現(xiàn)X射線透視圖像中導(dǎo)針位置自動識別。
[0007]所述方法先對X射線透射圖像進(jìn)行圓半徑檢測后再通過邊緣檢測算子獲取X射線透視圖像的圖像輪廓。
[0008]所述邊緣檢測算子采用Sobel算子。
[0009]在檢測到圖像輪廓中的線段后，將線段的兩端點(diǎn)分別至圓心的距離與圓半徑的比較的方式過濾掉非目標(biāo)邊緣的線段。
[0010]所述非目標(biāo)邊緣的線段包括離圓周遠(yuǎn)的線段和兩端都在圓周或接近圓周上的線段。
[0011]從檢測到的線段中通過比較檢測到的線段斜率并根據(jù)線段端點(diǎn)和中點(diǎn)間的距離以及兩線段圍成區(qū)域中的多個(gè)選取點(diǎn)的像素值實(shí)現(xiàn)對置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的相互平行或近似平行的線段對的識別。
[0012]在線段對識別后利用幾何方法計(jì)算線段對的中心線和線段間寬度，再對線段對進(jìn)行過濾和整合，所述整合包括對于利用不同線段對的位置相似所判斷的同一目標(biāo)邊緣的多組線段對只保留寬度最大的線段對。
[0013]所述方法采用Sobel算子利用閾值計(jì)算的方式進(jìn)行邊緣檢測以獲取X射線透視圖像的圖像輪廓，在圖像輪廓中的線段檢測或線段對的識別失敗后，再返回Sobel算子將計(jì)算的閾值自增后再進(jìn)行邊緣檢測以重新獲取X射線透視圖像的圖像輪廓，然后再進(jìn)行線段檢測和線段對的識別，實(shí)現(xiàn)循環(huán)。
[0014]所述方法通過概率霍夫變換算法針對圖像輪廓的像素點(diǎn)識別出其經(jīng)過的直線并根據(jù)二維的累加器統(tǒng)計(jì)所述直線被識別的次數(shù)確定圖像空間中的直線以及確定線段的長度。
[0015]所述圓半徑檢測是以X射線透視圖像中圓心位置基準(zhǔn)采用圓半徑值自增的方式根據(jù)圓周上的像素值得到圓半徑。
[0016]本發(fā)明的技術(shù)效果如下:
[0017]本發(fā)明提供的一種X射線透視圖像中導(dǎo)針位置自動識別方法，針對骨科微創(chuàng)手術(shù)在透視時(shí)顯示的X射線透視圖像，先獲取該透視圖像的圖像輪廓，再通過概率霍夫變換算法檢測圖像輪廓中的線段，然后從檢測到的線段中對置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的相互平行或近似平行的線段對進(jìn)行識別，最后根據(jù)線段對的中心線在X射線透視圖像中繪制套筒或?qū)п樀难娱L線從而實(shí)現(xiàn)X射線透視圖像中導(dǎo)針位置自動識別。該導(dǎo)針位置自動識別算法能夠有效解決現(xiàn)有技術(shù)在導(dǎo)針置入前由于人眼判斷導(dǎo)針位置不準(zhǔn)確造成的導(dǎo)針反復(fù)置入和調(diào)整的問題，在將導(dǎo)針和套筒置入至骨面后即可通過本發(fā)明的方法在X射線透視圖像中繪制套筒或?qū)п樀难娱L線，根據(jù)該延長線可精度確定導(dǎo)針位置的合理性，為后續(xù)的骨科微創(chuàng)手術(shù)步驟提供了基準(zhǔn)，能夠顯著減少X射線暴露時(shí)間，減少對病人及醫(yī)生的健康危害；同時(shí)能夠提高手術(shù)路徑的準(zhǔn)確度、減少對病人的二次傷害、顯著縮短手術(shù)時(shí)間、提高手術(shù)效率。
[0018]優(yōu)選地，在檢測到圖像輪廓中的線段后，將線段的兩端點(diǎn)分別至圓心的距離與圓半徑的比較的方式過濾掉非目標(biāo)邊緣的線段，也就是利用線段兩端點(diǎn)和圓關(guān)系過濾掉圖像輪廓中不可能是所求導(dǎo)針或套筒邊緣的線段，比如過濾掉離圓周遠(yuǎn)的線段和兩端都在圓周或接近圓周上的線段，在過濾掉非目標(biāo)邊緣的線段后，剩下目標(biāo)邊緣線段，再從目標(biāo)邊緣線段中進(jìn)行線段對的識別，上述方式能夠進(jìn)一步提高導(dǎo)針位置自動識別的效率。
[0019]優(yōu)選地，對線段對的識別是從檢測到的線段中識別置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的線段對，通過比較檢測到的線段斜率，保證兩條線段相互平行或近似平行；通過比較線段端點(diǎn)和中點(diǎn)間的距離，保證兩條線段不會相隔過遠(yuǎn)；通過比較兩線段圍成區(qū)域中的多個(gè)選取點(diǎn)的像素值，保證線段之間的是較黑的導(dǎo)針或套筒，上述方式為準(zhǔn)確識別套筒或?qū)п槂蓚?cè)邊緣的線段對提供了保證，進(jìn)一步提高了導(dǎo)針位置的自動識別的精度以及提高手術(shù)路徑的準(zhǔn)確度。

【專利附圖】

【附圖說明】
[0020]圖1a為現(xiàn)有骨科微創(chuàng)手術(shù)透視時(shí)導(dǎo)針置入至骨面的透視圖像，圖1b為導(dǎo)針置入后的透視圖像。
[0021]圖2為本發(fā)明X射線透視圖像中導(dǎo)針位置自動識別方法的優(yōu)選流程圖。
[0022]圖3為本發(fā)明X射線透視圖像中導(dǎo)針位置自動識別方法的另一種優(yōu)選流程圖。
[0023]圖4為本發(fā)明X射線透視圖像中導(dǎo)針位置自動識別方法的識別結(jié)果示意圖。

【具體實(shí)施方式】
[0024]下面結(jié)合附圖對本發(fā)明進(jìn)行說明。
[0025]本發(fā)明涉及一種X射線透視圖像中導(dǎo)針位置自動識別方法，該方法是在獲取X射線透視圖像的圖像輪廓后，通過概率霍夫變換算法檢測圖像輪廓中的線段，然后從檢測到的線段中對置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的相互平行或近似平行的線段對進(jìn)行識別，再根據(jù)線段對的中心線在X射線透視圖像中繪制套筒或?qū)п樀难娱L線從而實(shí)現(xiàn)X射線透視圖像中導(dǎo)針位置自動識別。下面對本發(fā)明的X射線透視圖像中導(dǎo)針位置自動識別方法的具體步驟進(jìn)行詳細(xì)說明，其優(yōu)選流程如圖2所示。
[0026]1、圖像載入，該圖像為骨科微創(chuàng)手術(shù)在透視時(shí)所顯示的X射線透視圖像，其實(shí)質(zhì)為計(jì)算機(jī)圖像。
[0027]2、圓半徑檢測
[0028]對X射線透射圖像進(jìn)行圓半徑檢測，以X射線透視圖像中圓心位置基準(zhǔn)采用圓半徑值自增的方式根據(jù)圓周上的像素值得到圓半徑。也就是說，默認(rèn)圖像(即X射線透視圖像)中圓心位置即圖像正中心，首先將圓半徑設(shè)置為足夠小的值，逐漸自增(+1)，每次自增后檢測圓周上被選取若干點(diǎn)的像素值，當(dāng)像素值都足夠黑時(shí)停止自增，即獲得圓半徑。
[0029]3、獲得圖像輪廓
[0030]通過邊緣檢測算子獲取X射線透視圖像的圖像輪廓，該邊緣檢測算子可以采用Sobel算子或Canny算子。該實(shí)施例是利用Sobel算子利用閾值計(jì)算的方式進(jìn)行邊緣檢測以獲取X射線透視圖像的圖像輪廓。Sobel算子是一離散性差分算子，用來運(yùn)算圖像亮度函數(shù)的梯度的近似值。在圖像的任何一點(diǎn)使用此算子，產(chǎn)生對應(yīng)的梯度矢量或其法矢量。該算子包含兩組3x3的矩陣，分別為橫向和縱向，將其與圖像作平面卷積，即可分別得出橫向和縱向的亮度差分近似值。如果以A代表原始圖像，Gx和Gy分別代表經(jīng)橫向和縱向邊緣檢測的圖像，其公式如下:
_+ I O -1]「-1-2-1
[0031]Gx = + 2 O -2O = O O O * A
+ 10-1+ I +2 + I
[0032]用Gx和Gy的絕對值之和計(jì)算梯度向量的LI距離G:
[0033]G= I Gx I +1 Gy I
[0034]對LI距離G的大小進(jìn)行閾值化后可以得到二值的邊緣圖，閾值化參數(shù)值第一次采用默認(rèn)，在重返本步驟時(shí)每次計(jì)算的閾值自增(+1)，閾值自增后再進(jìn)行邊緣檢測可以重新獲取X射線透視圖像的圖像輪廓。
[0035]4、線段檢測
[0036]利用概率霍夫變換算法檢測圖像輪廓中可能是導(dǎo)針(或套筒)邊緣的線段。其原理是針對圖像輪廓中隨機(jī)挑選的像素點(diǎn)，識別出所有可能經(jīng)過它的直線，用二維的累加器(P，Θ)統(tǒng)計(jì)特定的直線被識別的次數(shù)，一旦累加器中某項(xiàng)達(dá)到給定最小值后掃描沿對應(yīng)直線的像素點(diǎn)并移除所有經(jīng)過的點(diǎn)，從而確定圖像空間中的直線，同時(shí)確定線段的長度。具體地:
[0037]該算法在圖像空間和極坐標(biāo)變換空間之間做了一個(gè)映射。極坐標(biāo)下直線的參數(shù)方程為:
[0038]P = xcos Θ +ysin Θ
[0039]則圖像空間中的一個(gè)點(diǎn)(?, y0)對應(yīng)極坐標(biāo)變換空間中為下列正弦曲線:
[0040]P = X0Cos Θ +y0sin Θ
[0041]圖像空間中的一條直線:
[0042]p0 = xcos Θ 0+ysin θ 0
[0043]對應(yīng)著變換空間過點(diǎn)(ρ。，Θ 0)的一個(gè)正弦曲線族；
[0044]算法隨機(jī)獲取圖像上的前景點(diǎn)，映射到極坐標(biāo)變換空間中的一條曲線，極坐標(biāo)變換空間中的曲線交點(diǎn)意味著對圖像空間中的直線進(jìn)行投票，變換空間中越多的曲線交于一點(diǎn)(Po，Θ ^，意味著圖像空間中對應(yīng)的直線
[0045]p0 = xcos Θ 0+ysin Θ。的存在性越明顯。
[0046]當(dāng)極坐標(biāo)變換空間中同一點(diǎn)經(jīng)過的曲線數(shù)達(dá)到最小投票數(shù)(該最小投票數(shù)為自定義參數(shù)，即為可以確認(rèn)直線存在所需投票數(shù)的下限)，將其在圖像空間中對應(yīng)的直線找出，用在直線上搜索點(diǎn)的方法確定線段的起點(diǎn)和終點(diǎn)，當(dāng)在圖像空間中確定該線段之后，記錄該線段參數(shù)并在圖像中刪除該線段，以免重復(fù)統(tǒng)計(jì)。
[0047]5、線段篩除
[0048]線段篩除為優(yōu)選步驟，是在檢測到圖像輪廓中的線段后，將線段的兩端點(diǎn)分別至圓心的距離與圓半徑的比較的方式過濾掉非目標(biāo)邊緣的線段。可利用線段兩端點(diǎn)與圓關(guān)系的規(guī)則過濾掉不可能是所求的圖像輪廓中的導(dǎo)針(或套筒)邊緣的線段，即過濾掉非目標(biāo)邊緣的線段。篩除規(guī)則主要為兩端點(diǎn)不要都離圓周較遠(yuǎn)，也不要兩端點(diǎn)都在圓周或很接近圓周上。計(jì)算方法是將線段兩端點(diǎn)分別與圓心求距離，再與圓半徑比較，經(jīng)過這一步驟可以過濾掉大多數(shù)非目標(biāo)邊緣的線段。比如說，圓半徑在240像素?260像素之間時(shí)，線段的兩端點(diǎn)距離圓周超過12像素?13像素時(shí)可認(rèn)為是非目標(biāo)邊緣的線段。
[0049]6、線段對識別
[0050]從檢測到的線段中利用規(guī)則識別可能是置入骨面的所求導(dǎo)針(或套筒)邊緣的線段對。識別規(guī)則包括比較檢測到的線段斜率，保證兩條線段平行或大致平行；比較線段端點(diǎn)及中點(diǎn)間距離，保證兩條線段不會相隔過遠(yuǎn)，比如線段對相對應(yīng)的端點(diǎn)間距離不應(yīng)超過60像素，中點(diǎn)間距離不應(yīng)超過50像素；比較兩線段圍成區(qū)域若干選取點(diǎn)的像素值，保證線段之間的是較黑的導(dǎo)針(或套筒)等。
[0051]7、線段對計(jì)算
[0052]利用幾何方法計(jì)算線段對的中心線與線段間寬度。
[0053]8、線段對過濾和整合
[0054]線段對過濾和整合為優(yōu)先步驟，過濾和整合步驟中都用到了線段對的寬度。過濾主要是過濾掉寬度過窄或過寬的線段對，保留的線段對寬度通常在5像素?40像素之間；整合包括利用不同線段對的位置相似來判斷不同線段對可能表示同一目標(biāo)邊緣，判斷為表示同一目標(biāo)邊緣的多組線段對只保留其中寬度最大的線段對。完成了這一步即可以認(rèn)為是完成了置入骨面的導(dǎo)針(或套筒)的識別。
[0055]9、繪制套筒或?qū)п樀难娱L線
[0056]根據(jù)最終識別到的線段對的中心線，在X射線透視圖像中繪制套筒或?qū)п樀难娱L線從而實(shí)現(xiàn)X射線透視圖像中導(dǎo)針位置自動識別。該識別結(jié)果如圖4所示，圖4中的黑線為繪制的導(dǎo)針(或套筒)的延長線。
[0057]圖3為本發(fā)明X射線透視圖像中導(dǎo)針位置自動識別方法的另一種優(yōu)選流程圖。進(jìn)一步，本發(fā)明所述方法還優(yōu)選地利用返回策略。其中，如果在上述步驟3獲得圖像輪廓之后的步驟中失敗，如步驟4沒有檢測到線段或步驟5所有線段都被篩除或步驟6沒有識別到線段對或步驟8線段對都被過濾掉，則返回步驟3獲得圖像輪廓中，同時(shí)將Sobel算子邊緣檢測所計(jì)算的閾值自增(+1)，再繼續(xù)該步驟3以及以后的步驟重新計(jì)算，直到能運(yùn)行完所有步驟并且獲得結(jié)果為止，如圖3所示。也就是說，將計(jì)算的閾值自增后再進(jìn)行邊緣檢測以重新獲取X射線透視圖像的圖像輪廓，然后再進(jìn)行線段檢測、線段篩除和線段對的識別等等步驟，實(shí)現(xiàn)循環(huán)。如果運(yùn)算的閾值已經(jīng)自增到某一值仍無法識別，則停止循環(huán)，返回整個(gè)識別步驟失敗息。
[0058]優(yōu)選地，在骨科微創(chuàng)手術(shù)中應(yīng)用本發(fā)明所述的X射線透視圖像中導(dǎo)針位置自動識別方法的操作如下:
[0059]I)首先利用常規(guī)手術(shù)方法進(jìn)行骨折復(fù)位、消毒鋪單等工作；
[0060]2)選擇合適的入路，切開皮膚，分離皮下組織，將導(dǎo)針(或套筒)經(jīng)切口插入，直至骨面；
[0061]3)選擇合適的方位進(jìn)行X射線透視，X射線透視圖像能夠清晰顯示手術(shù)部位骨性結(jié)構(gòu)和導(dǎo)針(或套筒)，并且利用圖像傳輸設(shè)備將圖像載入計(jì)算機(jī)系統(tǒng)，此時(shí)的X射線透視圖像如圖1a所示；
[0062]4)通過本發(fā)明的X射線透視圖像中導(dǎo)針位置自動識別方法自動計(jì)算識別導(dǎo)針(或套筒)及其延長線的位置和導(dǎo)針(或套筒)寬度，并將透視圖像和相應(yīng)的延長線顯示出來，如圖4所示；
[0063]5)最后醫(yī)生根據(jù)延長線準(zhǔn)確判斷導(dǎo)針(或套筒)的位置是否合理，如果不合理，調(diào)整導(dǎo)針(或套筒)的位置后，重新透視并采用本發(fā)明的X射線透視圖像中導(dǎo)針位置自動識別方法計(jì)算延長線，直至位置滿意為止。
[0064]根據(jù)微創(chuàng)手術(shù)要求，利用本發(fā)明的X射線透視圖像中導(dǎo)針位置自動識別方法也可以進(jìn)行其它方位的透視驗(yàn)證。自動識別的導(dǎo)針(或套筒)的位置合理后，將導(dǎo)針置入骨內(nèi)合適深度。
[0065]應(yīng)當(dāng)指出，以上所述【具體實(shí)施方式】可以使本領(lǐng)域的技術(shù)人員更全面地理解本發(fā)明創(chuàng)造，但不以任何方式限制本發(fā)明創(chuàng)造。因此，盡管本說明書參照附圖和實(shí)施例對本發(fā)明創(chuàng)造已進(jìn)行了詳細(xì)的說明，但是，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，仍然可以對本發(fā)明創(chuàng)造進(jìn)行修改或者等同替換，總之，一切不脫離本發(fā)明創(chuàng)造的精神和范圍的技術(shù)方案及其改進(jìn)，其均應(yīng)涵蓋在本發(fā)明創(chuàng)造專利的保護(hù)范圍當(dāng)中。
【權(quán)利要求】
1.一種X射線透視圖像中導(dǎo)針位置自動識別方法，其特征在于，所述方法在獲取X射線透視圖像的圖像輪廓后，通過概率霍夫變換算法檢測圖像輪廓中的線段，然后從檢測到的線段中對置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的相互平行或近似平行的線段對進(jìn)行識別，再根據(jù)線段對的中心線在X射線透視圖像中繪制套筒或?qū)п樀难娱L線從而實(shí)現(xiàn)X射線透視圖像中導(dǎo)針位置自動識別。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法先對X射線透射圖像進(jìn)行圓半徑檢測后再通過邊緣檢測算子獲取X射線透視圖像的圖像輪廓。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述邊緣檢測算子采用Sobel算子。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在檢測到圖像輪廓中的線段后，將線段的兩端點(diǎn)分別至圓心的距離與圓半徑的比較的方式過濾掉非目標(biāo)邊緣的線段。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述非目標(biāo)邊緣的線段包括離圓周遠(yuǎn)的線段和兩端都在圓周或接近圓周上的線段。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，從檢測到的線段中通過比較檢測到的線段斜率并根據(jù)線段端點(diǎn)和中點(diǎn)間的距離以及兩線段圍成區(qū)域中的多個(gè)選取點(diǎn)的像素值實(shí)現(xiàn)對置入骨面的導(dǎo)針或套筒兩側(cè)邊緣的相互平行或近似平行的線段對的識別。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在線段對識別后利用幾何方法計(jì)算線段對的中心線和線段間寬度，再對線段對進(jìn)行過濾和整合，所述整合包括對于利用不同線段對的位置相似所判斷的同一目標(biāo)邊緣的多組線段對只保留寬度最大的線段對。
8.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法采用Sobel算子利用閾值計(jì)算的方式進(jìn)行邊緣檢測以獲取X射線透視圖像的圖像輪廓，在圖像輪廓中的線段檢測或線段對的識別失敗后，再返回Sobel算子將計(jì)算的閾值自增后再進(jìn)行邊緣檢測以重新獲取X射線透視圖像的圖像輪廓，然后再進(jìn)行線段檢測和線段對的識別，實(shí)現(xiàn)循環(huán)。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法通過概率霍夫變換算法針對圖像輪廓的像素點(diǎn)識別出其經(jīng)過的直線并根據(jù)二維的累加器統(tǒng)計(jì)所述直線被識別的次數(shù)確定圖像空間中的直線以及確定線段的長度。
10.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述圓半徑檢測是以X射線透視圖像中圓心位置基準(zhǔn)采用圓半徑值自增的方式根據(jù)圓周上的像素值得到圓半徑。
【文檔編號】A61B6/00GK104200196SQ201410397089
【公開日】2014年12月10日 申請日期:2014年8月12日 優(yōu)先權(quán)日:2014年8月12日
【發(fā)明者】侯志勇, 劉榮生, 張維軍 申請人:侯志勇, 北京天智航醫(yī)療科技股份有限公司