前人基于傳統(tǒng)圖像處理的手骨分割工作主要采用了以下四種方法：

1、基于閾值的分割：

    基于圖像灰度計(jì)算一個(gè)或多個(gè)閾值，并將每個(gè)像素點(diǎn)與閾值相比較，是圖像分割中應(yīng)用最廣泛的一類方法，其實(shí)現(xiàn)難點(diǎn)如何在于尋找合適的灰度閾值，主要可分為全局閾值和自適應(yīng)閾值兩種。全局閾值只有一個(gè)固定閾值，如進(jìn)行圖像二值化；而自適應(yīng)閾值的典型算法如OTSU算法，其核心思想是類間方差最大，能夠自適應(yīng)的尋找閾值。

    為了將手骨與周圍的軟組織及背景區(qū)分開，許多相關(guān)研究在前處理階段都使用了基于閾值的分割方法，包括二值閾值、動(dòng)態(tài)閾值、雙閾值等。由于手掌和背景的對比較強(qiáng)，這類方法在提取手掌時(shí)效果較好。但因軟組織和手骨在X光片中的灰度對比不強(qiáng)，且邊緣容易有噪聲影響，單獨(dú)使用閾值分割無法取得理想的分割效果。

2、基于區(qū)域的分割：

    主要包括區(qū)域生長和分裂合并兩大類，這類方法將臨近像素間的相似性作為分割的判斷依據(jù)，分割過程的后續(xù)操作依賴于前續(xù)結(jié)果的判斷。典型算法包括種子生長法、分水嶺算法等，其核心思想是通過圖像梯度大小判斷像素點(diǎn)間的變化劇烈程度，從而找到區(qū)域輪廓。

    Manos等人在他們的手骨分割研究中采用了區(qū)域生長的區(qū)域合并的方法，其實(shí)驗(yàn)結(jié)果標(biāo)明，區(qū)域生長算法高度依賴于前處理的邊緣檢測的準(zhǔn)確度。Han等人采用分水嶺算法和梯度向量流方法進(jìn)行手骨分割的預(yù)處理，這兩種方法的效果都很依賴待分割物體邊緣的梯度大小。另外，圖像上手骨內(nèi)部信號不均勻也會影響該類方法的效果。

3、基于邊緣檢測的分割：

    通過檢測出具有灰度階躍的邊緣位置，確定圖像分割的邊界。邊緣檢測算子一般是原圖像的梯度或二階導(dǎo)數(shù)。常用的邊緣檢測算子包括Sobel算子、Canny算子等。

    Pietka等人使用了Sobel梯度算子進(jìn)行邊緣檢測，并根據(jù)經(jīng)驗(yàn)選擇合適的閾值，獲得指骨及其骨骺的邊緣分割圖。該方法中，指骨及其骨骺的圖像分割僅依靠梯度檢測，分割準(zhǔn)確度較差。Pal和King將模糊集算法應(yīng)用于手腕骨X光片的邊緣檢測中并取得了成功。該算法包括在檢測其邊緣之前使用對比度增強(qiáng)操作以及模糊屬性平面中的平滑來預(yù)先增強(qiáng)區(qū)域之間的對比度，然后使用模糊分類器從空間域提取屬性平面，最終實(shí)現(xiàn)邊緣檢測。Aifeng Zhang等人通過Canny邊緣檢測器進(jìn)行邊緣檢測，找出腕骨ROI區(qū)域。然而，手腕部X光圖像上的部分手骨和軟組織信號存在重疊，導(dǎo)致灰度對比減弱，影響這類方法的穩(wěn)定性。

4、基于輪廓模型的分割：

    這類方法又稱為基于能量泛函函數(shù)的圖像分割，其核心思想是將尋找圖像分割輪廓轉(zhuǎn)變?yōu)榍蠼饽芰糠汉钚≈档膯栴}。函數(shù)自變量為一條曲線，使用這條曲線來逼近目標(biāo)輪廓，求解能量泛函的最小值可通過求解函數(shù)對應(yīng)的歐拉方程實(shí)現(xiàn)。典型的算法包括：snake主動(dòng)輪廓模型、水平集方法、主動(dòng)形狀模型（ASM）、主動(dòng)外觀模型（AAM）等，在手骨分割研究中具有廣泛的應(yīng)用。

    Michael和Nelson在HANDX手骨測量系統(tǒng)中采用了主動(dòng)輪廓算法進(jìn)行了手骨分割。但該分割算法對噪聲較為敏感，特別是邊緣附近的噪聲會嚴(yán)重影響手骨的最終分割效果。Mahmoodi等人采用了分水嶺算法提取了手部輪廓。在確定輪廓后，再通過骨塊形狀的先驗(yàn)知識結(jié)合主動(dòng)形狀模型完成了指骨分割。Niemeijer、Giordano等人都引入了主動(dòng)形狀模型進(jìn)行了腕骨的分割。Lindner 等人在snake主動(dòng)輪廓模型的基礎(chǔ)上，提出了基于隨機(jī)森林和約束局部模型的自動(dòng)標(biāo)定方法。其結(jié)果表明：在保證形狀模型訓(xùn)練樣本數(shù)量的前提下，該方法具有較好的分割準(zhǔn)確度。BoneXpert系統(tǒng)通過主動(dòng)外觀模型算法自動(dòng)分割出手骨和腕骨部位的15塊骨頭。該系統(tǒng)能夠預(yù)測的年齡范圍不包含2歲以下的兒童，且無法處理圖像質(zhì)量較差或手骨有形變的X光片。

    2017年，Simu等人對比了不同分割方法在手骨分割任務(wù)上的效果。文章指出，手骨分割是骨齡評估的重要步驟，然而，由于手腕部X射線圖像上的兩組對比都不強(qiáng)，包括手骨和軟組織對比及軟組織和背景對比，且圖像灰度分布不均勻，難以獲得精確的手骨分割圖像。因此，作者比較了如OTSU自適應(yīng)閾值方法、基于Tsallis熵的二值方法、K均值聚類方法、粒子群算法和本征能量最小化（Multi-plicative intrinsic component optimization，MICO）等多達(dá)11中方法在手骨分割問題的效果。實(shí)驗(yàn)結(jié)果顯示，本征能量最小化方法能夠取得最好的分割效果。

【版權(quán)聲明】本文為華為云社區(qū)用戶原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載，如需轉(zhuǎn)載請自行聯(lián)系原作者進(jìn)行授權(quán)。如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內(nèi)容，歡迎發(fā)送郵件進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，本社區(qū)將立刻刪除涉嫌侵權(quán)內(nèi)容，舉報(bào)郵箱： cloudbbs@huaweicloud.com

相關(guān)知識

連續(xù)康復(fù)訓(xùn)練動(dòng)作分割與評估
基于人體姿態(tài)識別的自重健身輔助教練系統(tǒng)、方法、終端
一種基于3D打印的膝關(guān)節(jié)局部組織分區(qū)塑形方法專利檢索
用于深層組織掃描和成像的順應(yīng)超聲乳房貼片
胸骨骨折的典型癥狀 胸骨骨折的日常護(hù)理方法
中醫(yī)正骨手法 8種方法告別骨折的煩惱
【排行榜】崇郫市割包皮手術(shù)？
干貨—肋骨骨折的初始評估和處理
骨肌系統(tǒng)CT研究新進(jìn)展（2021）
【六院新聞】3D打印——讓骨科手術(shù)“私人訂制”

網(wǎng)址: 基于圖像處理的手骨分割方法 http://www.u1s5d6.cn/newsview468546.html