本發明涉及股骨和髖臼的參數計算技術領域，更具體地說，本發明涉及一種基于ct三維序列圖像的股骨和髖臼解剖參數獲取方法。

背景技術：

在治療股骨頭壞死的半髖關節置換臨床手術中，不同患者的髖臼骨骼形態差異很大，如果使用標準件式的人工股骨頭假體進行置換，術后效果不理想，因此，人工股骨頭假體的個性化設計就顯得十分必要。

現多采用如下的技術方案解決這一個問題；1.人工進行分割，操作人員手動進行分割提取；2.以大量髖關節圖像數據作為訓練集，訓練得出髖臼的統計學形狀或者利用廣義hough變換得到其平均形狀，然后對于具體患者的髖臼形狀進行匹配后調整；3.以一副人工分割好的數據，作為先驗形狀，然后對于具體患者的髖臼形狀進行匹配后調整；4.首先得到髖關節的二值圖像，可得到股骨頭和髖關節粘連在一起的初始輪廓，然后利用圖像的灰度和鄰域信息將粘連部分分開，最后再利用梯度信息進一步矯正。

但是上述現有技術存在如下缺陷：首先，每個患者的髖關節形狀差異很大，得到的先驗形狀很難和具體患者的匹配，并且，醫生測量髖臼和股骨解剖參數一般是在二維圖像上手動進行的，如x射線透視圖或ct的二維斷層圖，這就造成了測量存在很大的誤差，因此由先驗形狀得到的分割結果不準確，無法解決髖臼和股骨頭個性化分割與問題；2.整個過程需要復雜的人工交互，對操作人員的經驗要求較高，不同操作人員得到的分割結果可能差別很大；3.如果使用智能算法，需要積累大量的數據集樣本，才能保證結果的相對正確，實現難度很大，一般的非醫學院附屬醫院很難積累足夠的樣本。

在一些已公開的專利文獻中，也提出了使用圖像處理的方式來解決上述技術問題。但是，這些已公開的技術方案，基本思路還是通過在ct斷層圖像中逐層分割股骨，以實現股骨分割和建模的目的，并未提供一個有效的髖臼、股骨同時精確分割的方法，也不能對髖臼測的解剖參數進行自動測量。

技術實現要素：

針對上述技術中存在的不足之處，本發明提供一種基于ct三維序列圖像的股骨和髖臼解剖參數獲取方法，直接對ct三維序列圖像進行建模，快速、自動地實現股骨和髖臼的精確分割及解剖參數獲取，輔助人工骨頭假體的個性化設計。

為了實現根據本發明的這些目的和其它優點，本發明通過以下技術方案實現：

本發明提供一種基于ct三維序列圖像的股骨和髖臼解剖參數獲取方法，其包括以下步驟：

獲取具有股骨和髖臼的ct三維序列圖像；

股骨與髖臼的分割：對所述ct三維序列圖像依次進行粗分割、分離以及精確分割，獲得股骨精確分割圖像和髖臼精確分割圖像；

股骨解剖參數計算：根據所述股骨精確分割圖像，構造股骨表面的三角網格表面模型，計算股骨直徑參數、髓腔內徑參數以及股骨頭的球面擬合參數；

髖臼解剖參數計算：根據所述髖臼精確分割圖像，構造髖臼表面的三角網格表面模型，選擇髖臼的三角網格表面模型表面的若干點，計算髖臼的前后徑；

其中，所述股骨直徑參數和所述髓腔內徑參數分別包括最大外接圓直徑d外、最小內接圓直徑d內以及最佳擬合圓直徑d佳；所述股骨頭的球面擬合參數包括股骨頭的擬合球半徑和頸干角。

優選的是，所述ct三維序列圖像的粗分割，包括以下步驟：

采用閾值分割方法分割ct三維序列圖像中的骨骼，得到骨骼的初分割圖像；

對骨骼初分割圖像依次進行半徑不同的形態閉操作，獲得股骨和髖臼的二次分割圖像；

對股骨和髖臼的二次分割圖像分別進行基于二值迭代空洞填充算法的空洞填充，獲得兩個骨骼粗分割圖像。

優選的是，所述股骨與髖臼的分離，包括以下步驟：

對兩個所述骨骼粗分割圖像分別依次進行閾值增長分割、半徑不同的形態學開操作，獲得去髖臼的股骨圖像和去除股骨的髖臼圖像。

優選的是，所述股骨與髖臼的精確分割，包括以下步驟：

分別以所述股骨圖像和所述髖臼圖像為初始曲面，初始化水平集函數ls股骨；

基于區域信息和邊緣信息構造水平集函數，采用窄帶法對水平集函數ls股骨進行水平集演化，分別獲得股骨精確分割圖像和髖臼精確分割圖像。

優選的是，計算股骨直徑參數，包括以下步驟：

使用等值面提取算法構造股骨的表面模型，并進一步進行三角網格化，獲得股骨的三角網格表面模型；

通過指定中心或自動生成來提取股骨的中心線；

分別以股骨中心線上等間距分布的若干點為圓心，計算股骨三角網格表面模型的斷面所對應的最大外接圓直徑d外、最小內接圓直徑d內和最佳擬合圓直徑d佳。

優選的是，若指定中心來提取股骨的中心線，即，指定股骨中心線提取的起點、終點以及中心線經過的中間端點，則執行以下步驟：

以股骨頭表面的一點為起點，以股骨最下端的一點為終點，采用最大通量算法計算股骨三角網格表面模型中股骨的第一中心線；

以大轉子表面的一點為起點，以股骨最下端的一點為終點，采用最大通量算法計算股骨三角網格表面模型中股骨的第二中心線；

分別遍歷第一中心線和第二中心線中的所有離散點，分別構造第一中心線和第二中心線的離散點集合cls1、cls2，則，cls1＝{p1，…，pn}，cls2＝{q1，…，qm}，pn和qm分為為點的三維坐標；

比較任意pn和qm：若|pn-qm|＜t且|pn-qm|＜|pn-qm’|(m’＝1,..,m-1,m+1,…,m)，則使用(pn+qm)/2分別取代pn和qm進行坐標更新；坐標更新后的pn、qm分別記作p’n和q’m；并將修改后p’n和q’m設置為不可修改，獲得將第一中心線和第二中心線合并成的一條二分叉的第三中心線；

使用端點檢測算法檢測端點坐標；

或，若自動生成股骨的中心線，則執行以下步驟：

基于股骨三角網格表面模型，采用無端點約束的中心線提取算法，提取股骨的第四中心線；

手動選擇不必要的中心線分支，并將其刪除。

優選的是，計算股骨頭的球面擬合參數，包括以下步驟：

離散化第一中心線，獲得分布于第一中心線上的離散點集；

構造第一中心線上任一離散點的法平面，法平面與股骨三角網格表面模型產生一個閉合截面曲線；

離散化閉合截面曲線，獲得分布于閉合截面曲線上的離散點集；

對閉合截面曲線上的離散點集進行圓擬合，計算擬合得到圓周的半徑；

以第一中心線的起點為起點，以第一中心線的終端為終點，搜索圓周半徑的最大階躍點；

構造法平面，最大階躍點位于法平面上，法平面的法向量為第一中心線在最大階躍點的主切向量；法平面法向量的方向指向第一中心線的端點側；

以法平面為切平面，去除法向量側的三角面片模型，獲得股骨頭的表面模型；

對骨頭的表面模型依次進行面片化簡、平滑和游離面去除，得到股骨頭表面模型的后處理曲面，后處理曲面的頂點記作pi＝(xi,yi,zi)，由pi擬合球面的公式為：err＝σi[(xi-x0)²+(yi-y0)²+(zi-z0)²-r2]；通過最小化err得到擬合球面的參數，r為擬合球面的半徑，x0、y0和z0為擬合球面的球心；

使用第一中心線上的離散點擬合直線，其擬合得到的直線記作第一直線，計算其方向向量；使用第二中心線上的離散點擬合直線，其擬合得到的直線記作第二直線，計算其方向向量；計算第一直線和第二直線的內積，即可得到第一直線的方向向量與第二直線的方向向量之間的夾角，即為頸干角。

優選的是，髖臼解剖參數計算，包括以下步驟：

采用等值面提取算法構造髖臼的表面模型，并進一步進行三角網格化，獲得髖臼的三角網格表面模型；

選擇髖臼三角網格表面模型表面的若干個點，計算髖臼的前后徑。

優選的是，在獲取ct三維序列圖像與所述股骨與髖臼分割之間，還包括步驟：

對具有股骨和髖臼的ct三維序列圖像進行預處理，所述預處理至少包括采用三維高斯平滑算法對所述ct三維序列圖像進行平滑濾波處理。

優選的是，對所述ct三維序列圖像進行粗分割與分離之間，還包括步驟：采用多尺度hessian矩陣對股骨和髖臼間隙部分進行增強。

本發明至少包括以下有益效果：

本發明提供的基于ct三維序列圖像的股骨和髖臼解剖參數獲取方法，通過對獲取的具有股骨和髖臼的ct三維序列圖像，依次進行股骨與髖臼的粗分割、分離、精確分割的處理方法以精確分割股骨和髖臼，在分割的同時自動測量計算股骨直徑參數、髓腔內徑參數、股骨頭的球面擬合參數以及髖臼前后徑等股骨與髖臼的參數；整個分割和測量過程直接在ct三維序列圖像上進行，無需手動在單個ct的二維斷層圖像上進行分割，快速、自動地實現股骨、髖臼以及髓腔的精確分割以及相關解剖參數獲取，輔助人工骨頭假體的個性化設計，智能化水平較高。

本發明的其它優點、目標和特征將部分通過下面的說明體現，部分還將通過對本發明的研究和實踐而為本領域的技術人員所理解。

附圖說明

圖1為本發明基于ct三維序列圖像的股骨和髖臼解剖參數獲取方法流程圖；

圖2為本發明所述的ct三維序列圖像粗分割的方法流程圖；

圖3為本發明所述的ct三維序列圖像中股骨與髖臼分離的方法流程圖；

圖4為本發明所述的ct三維序列圖像中股骨與髖臼精確分割的方法流程圖。

具體實施方式

下面結合附圖對本發明做進一步的詳細說明，以令本領域技術人員參照說明書文字能夠據以實施。

應當理解，本文所使用的諸如“具有”、“包含”以及“包括”術語并不排除一個或多個其它元件或其組合的存在或添加。

如圖1所示，本發明提供一種基于ct三維序列圖像的股骨和髖臼解剖參數獲取方法，其包括以下步驟：

s10，獲取具有股骨和髖臼的ct三維序列圖像；

s20，股骨與髖臼的分割：對ct三維序列圖像依次進行粗分割、分離以及精確分割，獲得股骨精確分割圖像和髖臼精確分割圖像；

s30，股骨解剖參數計算：根據股骨精確分割圖像，構造股骨表面的三角網格表面模型，計算股骨直徑參數、髓腔內徑參數以及股骨頭的球面擬合參數；

s40，髖臼解剖參數計算：根據髖臼精確分割圖像，構造髖臼表面的三角網格表面模型，選擇髖臼的三角網格表面模型表面的若干點，計算髖臼的前后徑。

上述實施方式中，步驟s10中，具有股骨和髖臼的ct三維序列圖像為ct三維序列圖像。

步驟20中，如圖2所示，對ct三維序列圖像的粗分割包括以下步驟：

s21，采用閾值分割方法分割ct三維序列圖像中的骨骼，得到骨骼的初分割圖像。閾值分割方法的低閾值，記作tl、高閾值為ct三維序列圖像的ct值最大值，記作tmax，則閾值分割后獲得的骨骼初分割圖像記作i1。

s22，對骨骼初分割圖像依次進行半徑不同的形態閉操作，獲得股骨和髖臼的二次分割圖像。具體為，使用半徑為re1的模板對i1進行膨脹操作，在膨脹操作后的圖像上使用半徑為rr1的模板進行腐蝕操作，并且re＜rr，形態學閉操作后的圖像記作il1；使用半徑為re2的模板對i1進行膨脹操作，在膨脹操作后的圖像上使用半徑為rr2的模板進行腐蝕操作，并且re2＝rr2，形態學閉操作后的圖像記作il2。

s23，對股骨和髖臼的二次分割圖像分別進行基于二值迭代空洞填充算法的空洞填充，獲得兩個骨骼粗分割圖像。具體為，對il1和il2使用模板半徑為r1的模板進行基于二值迭代空洞填充算法的空洞填充，以填補步驟s22中二次分割后圖像中的空洞，獲得兩個粗分割圖像，分別記作il1-1和il2-1；以il1-1為模板，得到分割后的骨骼粗分割圖像，記作i1-1；以il2-1為模板，得到分割后的骨骼粗分割圖像，記作i2-1。

步驟20中，如圖3所示，對ct三維序列圖像中股骨與髖臼的分離，包括以下步驟：s24，對兩個骨骼粗分割圖像分別依次進行閾值增長分割、半徑不同的形態學開操作，獲得去髖臼的股骨圖像和去除股骨的髖臼圖像。股骨與髖臼的分離，采用區域增長方法，具體為，在骨骼粗分割圖像i1-1和骨骼粗分割圖像i2-1中，分別選擇一個或若干個位于股骨側的種子點；設置低閾值為t2且t2≥t1、閾值增長的高閾值tl＝tmax來對兩幅粗分割圖像分別進行區域增長分割；對區域增長后的分割結果使用形態學開操作，即先進行腐蝕操作再進行膨脹操作，腐蝕和膨脹的模板半徑都為r2，得到股骨初步分割后去除髖臼的結果，記作i股骨-1，以及髖臼初步分割后去除股骨的結果，記作i髖臼-1。

步驟20中，如圖4所示，對ct三維序列圖像中股骨與髖臼的精確分割，包括以下步驟：s25，分別以股骨圖像和髖臼圖像為初始曲面，初始化水平集函數ls股骨；s26，基于區域信息和邊緣信息構造水平集函數，采用窄帶法對水平集函數ls股骨進行水平集演化，分別獲得股骨精確分割圖像和髖臼精確分割圖像。具體地，分別以i股骨-1和i髖臼-1為初始曲面，初始化水平集函數ls股骨；采用區域信息和邊緣信息構造水平集函數，在水平集演化過程中使用窄帶法，分別得到股骨和髖臼的精確分割圖像，分別記作i股骨-2和i髖臼-2。

步驟30中，股骨直徑參數和髓腔內徑參數分別包括最大外接圓直徑d外、最小內接圓直徑d內以及最佳擬合圓直徑d佳；股骨頭的球面擬合參數包括股骨頭的擬合球半徑和頸干角。

具體地，計算股骨直徑參數，包括以下步驟：

s31，使用等值面提取算法構造股骨的表面模型，并進一步進行三角網格化，獲得股骨的三角網格表面模型，記作s股骨。

s32，通過指定中心或自動生成來提取股骨的中心線，其中，

1.若指定中心來提取股骨的中心線，即指定中心線提取的起點、終點以及中心線經過的中間端點，則執行以下步驟；

以股骨頭表面的一點ps1為起點，以股骨最下端的一點pt為終點，采用最大通量算法計算股骨三角網格表面模型中股骨的第一中心線，記作cl1；

以大轉子表面的一點ps2為起點，以股骨最下端的一點pt為終點，采用最大通量算法計算股骨三角網格表面模型中股骨的第二中心線，記作cl2；

分別遍歷第一中心線cl1和第二中心線cl2中的所有離散點，分別構造第一中心線cl1和第二中心線cl2的離散點集合cls1、cls2，則，cls1＝{p1，…，pn}，cls2＝{q1，…，qm}，pn和qm分為為點的三維坐標；

比較任意pn和qm：若|pn-qm|＜t且|pn-qm|＜|pn-qm’|(m’＝1,..,m-1,m+1,…,m)，則使用(pn+qm)/2分別取代pn和qm進行坐標更新；坐標更新后的pn、qm分別記作p’n和q’m；并將修改后p’n和q’m設置為不可修改，獲得將第一中心線cl1和第二中心線cl2合并成的一條二分叉的第三中心線cl3；

使用端點檢測算法檢測端點坐標，則第三中心線cl3的起點記為pd、終點記為pt；

2.若自動生成股骨的中心線，則執行以下步驟：

基于股骨三角網格表面模型，采用無端點約束的中心線提取算法，提取股骨的第四中心線cl4；

手動選擇不必要的中心線分支，并將其刪除。

s33，分別以股骨中心線上等間距分布的若干點為圓心，計算股骨三角網格表面模型的斷面所對應的最大外接圓直徑d外、最小內接圓直徑d內和最佳擬合圓直徑d佳。

步驟s30中，髓腔內徑參數的計算，包括步驟：以s股骨為roi區域，將s股骨外側標記為背景；采用閾值分割，分割得到髓腔；采用等值面提取算法的方法得到髓腔表面并進行三角面片化處理，髓腔的三角面片表面記作s髓腔；使用自動的中心線提取算法計算s髓腔的中心線；以中心線上等間距分布若干點為圓心，計算s股骨斷面所對應的最大外接圓直徑d外，最小內接圓直徑d內和最佳擬合圓直徑d佳及其最小值，并記錄該點坐標。

步驟s30中，計算股骨頭的球面擬合參數，包括以下步驟：

1)、離散化第一中心線cl1，獲得分布于第一中心線cl1上的離散點集，記作pcl1；

2)、構造第一中心線cl1上任一離散點pcl1的法平面pn，法平面pn與s股骨三角網格表面模型產生一個閉合截面曲線，記作c；

3)、離散化閉合截面曲線c，獲得分布于閉合截面曲線c上的離散點集，記作pc，則pc＝{pc1,…,pcn’}；

對閉合截面曲線上的離散點集pc進行圓擬合，計算擬合得到圓周的半徑rpc；

4)、以第一中心線cl1的起點ps1為起點，以第一中心線pd的終端為終點，搜索圓周半徑的最大階躍點pj；

5)、構造法平面pn，最大階躍點pj位于法平面上，法平面pn的法向量為第一中心線cl1在最大階躍點pj的主切向量；法平面pn法向量的方向指向第一中心線cl1的端點側pd；

6)、以法平面pn為切平面，去除法向量側的三角面片模型，獲得股骨頭的表面模型，記作s股骨；

7)、對骨頭的表面模型依次進行面片化簡、平滑和游離面去除，得到股骨頭表面模型s股骨的后處理曲面，后處理曲面的頂點記作pi＝(xi,yi,zi)，由pi擬合球面的公式為：err＝σi[(xi-x0)²+(yi-y0)²+(zi-z0)²-r2]；通過最小化err得到擬合球面的參數，r為擬合球面的半徑，x0、y0和z0為擬合球面的球心；

8)、使用第一中心線cl1上的離散點擬合直線，其擬合得到的直線記作第一直線cl1l，計算其方向向量cl1d；使用第二中心線cl2上的離散點擬合直線，其擬合得到的直線記作第二直線cl2l，計算其方向向量cl2d；計算第一直線cl1l和第二直線cl2l的內積，即可得到第一直線cl2l的方向向量cl1d與第二直線cl2l的方向向量cl2d之間的夾角，即為頸干角。

步驟s30中，髖臼解剖參數計算，包括以下步驟：

采用等值面提取算法構造髖臼的表面模型，并進一步進行三角網格化，獲得髖臼的三角網格表面模型；

選擇髖臼三角網格表面模型表面的若干個點，計算髖臼的前后徑。

在步驟s10獲取ct三維序列圖像與步驟s20股骨與髖臼分割之間，還包括步驟：

s50，對具有股骨和髖臼的ct三維序列圖像進行預處理，預處理至少包括采用三維高斯平滑算法對ct三維序列圖像進行平滑濾波處理。

步驟s20中，對ct三維序列圖像進行粗分割與分離之間，作為優選，還包括步驟：采用多尺度hessian矩陣對股骨和髖臼間隙部分進行增強。具體地，包括以下步驟：

1)在原始ct三維序列圖像中選擇包含股骨和髖臼整個間隙的roi區域，對該roi區域中體素計算其hessian矩陣的特征值，分別記作λ1,λ2和λ3；

2)由于股骨和髖臼之間間隙是一個近似于具有一定厚度的曲面，其局部結構可以看做是盤狀結構，因此其間隙的局部hessian矩陣的特征具有以下特征：λ1<<λ2≤λ3；

3)構造盤狀目標函數：

其中，ra＝λ2/λ3，α、β和c是敏感性參數；一般情況下，α和β取值為0.5，c根據圖像灰度范圍調整；當體素位于盤狀目標中時，v輸出一個較大的響應。

4)由于股骨和髖臼之間間隙厚度存在一定差異，使用多尺度hessian濾波器對圖像進行濾波：

其中，δ是空間尺度因子，當δ與血管實際寬度接近或匹配時，血管相似性函數將輸出一個較大的值。在本發明中，δ的取值范圍介于[dmin/4,dmax/4]，即δmin＝dmin/4，δmax＝dmax/4。dmin和dmax表示圖像中血管的最小寬度和最大寬度。在δ的取值范圍內，將其等分為n個尺度，逐級增大δ，計算v的輸出相應，并計算其最大響應：

5)設置盤狀目標檢測閾值t，若v0≥t，則認為該像素位于盤狀目標內，將該像素置為背景值，否則認為該像素位于盤狀目標之外，保持原灰度值不變。

本發明提供的基于ct三維序列圖像的股骨和髖臼解剖參數獲取方法，通過對獲取的具有股骨和髖臼的ct三維序列圖像，依次進行股骨與髖臼的粗分割、分離、精確分割的處理方法以精確分割股骨和髖臼，在分割的同時自動測量計算股骨直徑參數、髓腔內徑參數、股骨頭的球面擬合參數以及髖臼前后徑等股骨與髖臼的參數；整個分割和測量過程直接在ct三維序列圖像上進行，無需手動在單個ct的二維斷層圖像上進行分割，快速、自動地實現股骨、髖臼以及髓腔的精確分割以及相關參數獲取，輔助人工骨頭假體的個性化設計，智能化水平較高。

盡管本發明的實施方案已公開如上，但其并不僅僅限于說明書和實施方式中所列運用。它完全可以被適用于各種適合本發明的領域。對于熟悉本領域的人員而言可容易地實現另外的修改。因此在不背離權利要求及等同范圍所限定的一般概念下，本發明并不限于特定的細節和這里示出與描述的圖例。