(B)1 · Web view關節囊內的髁突骨折,不易造成關節黏連。 一位26歲男性病人因車禍導致嚴重顎顏面受傷,其傷病情形如下:舌部嚴重撕裂傷,下顎骨骨縫合處不穩定性骨折,上顎骨低位性LeFort
指骨X 光影像的ROI 處理之研究The Research of Process of ROI of ...
Transcript of 指骨X 光影像的ROI 處理之研究The Research of Process of ROI of ...
國立中興大學
資訊科學與工程學系
研究專題
指骨 X 光影像的 ROI處理之研究
The Research of Process of ROI of Phalangeal Bones Radiographs
學 生: 王建琁 詹雅評
指導老師: 喻石生 教 授
中華民國九十七年六月
- 1 -
目 錄
第一章、緒論........................................................................................................... - 4 -
1.1 研究動機.................................................................................................... - 4 -
1.2 自動化骨齡估測系統................................................................................ - 6 -
1.3 章節簡介.................................................................................................... - 7 -
第二章、影像前處理............................................................................................... - 8 -
2.1 取出手掌輪廓............................................................................................ - 8 -
2.1.1去背景.............................................................................................. - 8 -
2.1.2手掌影像二值化.............................................................................. - 8 -
2.1.3 Component..................................................................................... - 11 -
2.2 ROI的定位與選取................................................................................... - 12 -
2.3 ROI影像處理........................................................................................... - 15 -
2.3.1 Equalization ................................................................................... - 15 -
2.3.2 Gamma-Equalization ..................................................................... - 17 -
2.3.3幾種常用的 Filter.......................................................................... - 19 -
2.3.4 Lee Filer ......................................................................................... - 20 -
第三章、影像切割................................................................................................. - 23 -
3.1 邊緣偵測法.............................................................................................. - 24 -
3.1.1 Sobel邊緣偵測法 ......................................................................... - 24 -
3.2 分類法......................................................................................................- 25 -
3.2.1 Two-Means分類法........................................................................ - 26 -
3.2.2 Fuzzy Two-Means分類法............................................................. - 27 -
3.2.3 Adaptive Two-Means分類法 ........................................................ - 29 -
3.3 實驗結果比較.......................................................................................... - 32 -
3.4 改善分割結果的方法.............................................................................. - 34 -
3.4.1 Component演算法改良................................................................ - 34 -
3.4.2 Modified Adaptive Two-means with Lock .................................... - 35 -
第四章、形態學..................................................................................................... - 39 -
4.1 膨脹(dilation)與侵蝕(erosion) ................................................................ - 39 -
4.2 斷開(Opening)和閉合(Closing) .............................................................. - 40 -
4.3 區域填充.................................................................................................. - 41 -
4.4 連通成分的抽取...................................................................................... - 42 -
第五章、結論與心得............................................................................................. - 44 -
參考文獻................................................................................................................. - 45 -
- 2 -
圖表目錄 圖 1.1 自動化骨齡分析系統流程................................................................... - 6-
圖 2.1 拿掉 X 光片外圍的背景...................................................................... - 9-
圖 2.2 Triangle演算法示意圖 ........................................................................ - 9-
圖 2.3 掌影像二值化....................................................................................... -10-
圖 2.4 標示點的方法....................................................................................... -11-
圖 2.5 Component流程圖............................................................................... -12-
圖 2.6 水平掃描定位指頭............................................................................... -13-
圖 2.7 取出中軸............................................................................................... -13-
圖 2.8 點 xk,l 元素之鄰近點示意圖. ............................................................. -13-
圖 2.9 手指之中軸........................................................................................... -14-
圖 2.10 中軸上的元素鄰近點灰階值總和....................................................... -14-
圖 2.11 圗 2.10之一階微分.............................................................................. -14-
圖 2.12 Equalization前後比較 ......................................................................... -16-
圖 2.13 Gamma-Equalization實驗結果.. ......................................................... -17-
圖 2.14 Gamma-Equalization示意圖 ............................................................... -18-
圖 2.15 三種 Filter對胡椒鹽雜訊的處理結果................................................ -20-
圖 2.16 Lee filter實驗結果............................................................................... -21-
圖 3.1 取出影像特徵的過程........................................................................... -22-
圖 3.2 實作 Sobel之結果 ............................................................................... -24-
圖 3.3 背景部份............................................................................................... -25-
圖 3.4 Two-means實驗結果 ........................................................................... -26-
圖 3.5 Fuzzy Two-means實驗結果 (使用參數ε =0.05) ............................... -27-
圖 3.6 Modified Adaptive Two-means分類法................................................ -30-
圖 3.7 Component之改良............................................................................... -33-
圖 3.8 Component改良實驗結果................................................................... -34-
圖 3.9 使用 Modified Adaptive Two-means 產生過度切割的情況.............. -34-
圖 3.10 Modified Adaptive Two-means with Lock 第三步驟之結果 ............. -36-
圖 3.11 Modified Adaptive Two-means with Lock 與 without Lock之比較 . -36-
圖 4.1 膨脹運算過程示意圖........................................................................... -37-
圖 4.2 侵蝕運算過程示意圖........................................................................... -38-
圖 4.3 區域填充之結果................................................................................... -39-
圖 4.4 連通成分的抽取之結果....................................................................... -40-
- 3 -
表 3.1 Two-means 與 Fuzzy Two-means切割結果之比較.......................... -31-
表 3.2 Modified Adaptive Two-means 與 Modified Adaptive Two-means
after Gamma-equalization切割結果之比較........................................ -32-
- 4 -
第一章、緒論
1.1 研究動機
估測兒童骨齡(Bone age)或骨骼發育之成熟度,一直以來都
是小兒內分泌醫學在臨床診斷上非常重要的一環,此方法被廣
泛使用的原因是其較為簡單,且僅需要手掌的 X 光片便可進行
骨齡的估算[1]。在臨床應用上,可針對生長及發育異常的兒童
給予適度的治療與監控,進一步更可用來估測兒童未來的成人
身高。在小兒放射醫學上,主要針對患者左手手腕 X 光片進行
整體的觀察與分析並估測其骨齡,進而與患者的實際年齡進行
比較,藉由判斷兩者間是否有明顯之差異,以此做為臨床診斷
之依據。
在臨床醫學上,一般判別骨齡主要有兩個依據,分別為分
析腕骨和指骨的骨骼特徵。然而,前者僅能分析小於 9~12 歲
的骨齡,適用範圍較小[2],故本實驗主要針對指骨部分的感興
趣區域(Region of interest: ROI)進行分析。由於指骨骨骼成長在
不同的年齡階段有著不同的構造與特性,因此一般可分為兩個
階段:早期階段(early stage)骨骺(epiphysis)逐漸由點變厚變寬,
而後期階段(later stage)則為骨骺與幹骺端(metaphysic)融合,當
融合完成後即為成人骨骼。兩階段用來判別骨齡的方法也因每
階段骨骼特性的不同而有差異。早期階段主要以骨骺的形狀、
大小、骨骺與幹骺端的半徑及兩者之間的距離…等特徵作為骨
齡估測的依據,主要是利用影像切割的技術來完成上述相關特
徵的萃取與分析;後期階段的影像特徵可以透過分析頻率域來
了解骨骺與幹骺端融合區塊的融合程度,使用的特徵萃取方法
有小波轉換(warelet transform)、傅立葉轉換(Fourier transform)
等技術[3]。
臨床上,最普遍用來估測骨齡的方法有下列兩種,分別為
Greulic and Pyle(GP)[4,5]及 Tanner and Whitehouse(TW2)[6]。GP
- 5 -
法係為一種圖像比對法,主要是利用整張待估測影像與資料庫
圖像(含性別與年齡等資訊)的 X 光片一一做比較,找出最相似
者,則該資料庫所記錄的年齡即為估測的骨齡。而 TW2 法則
屬於一種計分法,它將骨骺生長狀態區分為八個階段,再以指
節為單位依照不同階段分別計分,最後根據總分評估其骨齡。
TW2 法將骨骺生長狀況區分為以下八階段(B~I):
Stage B ) 骨骺與幹骺端區間有單一鈣離子的沉澱物
Stage C ) 骨骺開始有明顯的外觀
Stage D ) 骨骺最大半徑為幹骺端寬的一半或一半以上
Stage E ) 骨骺邊緣是凹的
Stage F ) 骨骺與幹骺端的半徑一樣寬
Stage G ) 骨骺包住幹骺端
Stage H ) 骨骺與幹骺端開始融合
Stage I ) 骨骺與幹骺端完全融合
鑑於骨頭 X 光片影像中各類組織-包含骨頭組織(bone
tissue)及軟組織(soft tissue),此兩個組織的灰階對比程度較低,
再加上外在因素以及個體間骨骼差異性大,使得觀察者無法明
確判別。又因為不可能找到完全相同的兩張 X 光片,使得 GP
法在不同觀察者中常會得到不同的骨齡估測結果。另外,由於
每個觀察者受到影像判讀訓練的程度和方法不同,對於影像分
析的重點及累積之經驗均有差異,這些都將影響骨齡估測的結
果,综合以上分析,使得利用 GP 法所估測之骨齡其主觀成分
非常大[7]。而 TW2 法係由觀察每個指節再分別給分,雖然比
GP法來的準確且客觀,但步驟細節繁瑣且費時造成評估困難。
此兩種方法,在資料庫檔案的比對以及判別所屬階段與相似程
度上的歸類,皆由人工進行,不僅耗費大量人力與時間,還可
能因觀察者的不同而有不客觀的結果[5,8],所以目前極需一個
電腦系統既客觀、準確又省時的估測骨齡 [9,10]。然而在自動
化骨齡估測系統中,骨骼之特徵萃取為其重要之關鍵因素,而
準確的影像特徵切割乃為首要之任務。
經由以上的分析,我們希望在此研究中,可以藉由各種數
位影像處理的技術,針對各階段骨骼發育的特性,進行影像的
- 6 -
特徵強化,以作為後續影像特徵切割作業及特徵萃取與分析之
依據,最終可達到準確估測骨齡之目的,並有效降低時間與人
力,提高診斷的準確度。本專題即針對自動化指骨 ROI 影像特
徵之切割進行研究與實驗,利用多種影像處理技術以及影像切
割的方法,希望得到較好的指骨影像自動化切割結果。
1.2 自動化骨齡估測系統
一般來說,自動化骨齡分析估測系統主要分成三大部分(圖
1.1),第一部分為影像處理,第二部份為特徵萃取,第三部份
為骨齡估測。而本專題研究主要係針對第一部分及第二部份進
行研究分析。
影像處理影像處理影像處理影像處理 特徵萃取特徵萃取特徵萃取特徵萃取 骨齡估測骨齡估測骨齡估測骨齡估測
影像前處理
ROI 萃取
資料庫
取出 ROI
切割 分析
圖 1.1 自動化骨齡分析系統流程
以下就上圖三個部份,做詳細的介紹與說明:
(一一一一) 影像處影像處影像處影像處理理理理:首先我們利用二值化以及找出最大區域亮塊的
方法去除手掌周圍的雜訊以及找出手掌輪廓。完成手掌輪
廓的擷取後,接著要對手指中軸進行定位,最後根據手指
中軸的灰階變化取出感興趣區域 ROI(Region Of Interest)
影像。
(二) 特徵萃取特徵萃取特徵萃取特徵萃取:為了要判別骨齡,我們需要找出足以代表個別
X 光片影像的特徵,此部分即為特徵萃取。而特徵萃取必
須對於上述取出的各個 ROI 區域進行分析;以骨骼發育前
期來說,首先必須透過影像切割的技術進行,最後選出足
以判別骨齡的某幾項特徵,如骨骺的形狀、大小、半徑…
- 7 -
等。而影像切割的方法,主要依據三種基礎概念:1)臨界
值,2)邊界,3)分類。以臨界值為基礎(threshold-base)的分
割,是依據所選定的臨界值來分割,大於此臨界值者歸為
物體點 (Object point),剩餘的歸於背景點 (Background
point),也可選定多個臨界值來分類多個標的物;以邊界
為基礎(dge-base)的分割,是根據灰階的非連續性特徵在區
域之間找尋邊界,我們使用 sobel實作;而以分類為基礎
(clustering-base)的分割,是將擁有相同性質者歸於同類,
藉此分出不同的群組。本研究使用的影像切割方法有
Two-means、Fuzzy Two-means、Adapt Two-means。在實驗
的過程中,因為使用 Two-means時分類的依據太過果斷及
缺乏彈性,使得分類結果並非我們理想的狀態,尤其是在
骨頭的邊緣是最不易被準確切割的地方。進而改採 Fuzzy
Two-means,結果非但沒有得到較精確的分類,反而使計
算上更為繁複。最後,改用以上述方法為基礎衍生出來且
改良過的 Adapt Two-means,希望能在骨頭邊緣上得到更
精確的分類。
(三) 骨齡估測骨齡估測骨齡估測骨齡估測:經由上述兩大步驟-影像處理及切割後,我們
可以得到清楚的特徵影像,最後藉由與資料庫中的影像特
徵的比較進行骨齡分析,進而判別骨頭年齡,此部分即為
骨齡估測。
1.3 章節簡介
為了達到本研究的目的,我們實作各種影像處理和影像分
割的方法,以取得完整精確的骨頭特徵,使得估測骨齡時有準
確的依據。在第二章,將逐一介紹我們在影像處理上所使用的
方法與技術,以利於後續切割演算法的進行。第三章,便進入
重要的影像切割步驟,將一系列介紹各種影像切割的原理與方
法分析比較。接著,第四章會針對切割後的影像做進一步的處
理,在此我們利用型態學的處理技術讓切割後的影像更趨於理
想目標。最後,第五章是本研究及實驗的結論與未來的發展。