骨龄自动评测系统中桡骨的分割与提取研究

　　0　引　言

　　骨龄是衡量少年儿童骨骼发育程度的数据指标,反映了机体的生物学年龄。骨龄常用于少年儿童发育程度的评价、儿童的保健咨询及生长监测、小儿内分泌疾病的诊断与治疗、少年儿童未来身高的预测;骨龄数据也可用于文艺和体育竞技中,选才和确定比赛选手的骨龄分组等;在司法中,研究未成年人骨龄与实际年龄和刑事责任年龄间的关系,有助于合理地进行司法判案。如何实现骨龄评测的自动化,使得骨龄评定简单、快捷、准确、可重复性强,已成为国内外许多研究机构的研究重点[1,2]。

　　1992年,国家体委在修改TW2法[3]的基础上,制定了适合我国国情的中国人骨发育标准———CHN计分法。该方法选取左手、腕部的14个骨骼,为各骨划分不同的等级,每一等级有一定的得分,14个骨块的总分为发育成熟度得分,由此得到相应的骨龄值。2006年,我国以百分位数法分别制订了TW3-C RUS,TW3-C腕骨和RUS-CHN骨龄标准,称为《中国人手腕骨发育标准—中华05》[4]。

　　骨龄自动评价系统就是利用图像处理和模式识别的方法,让计算机自动处理并分析手、腕骨X光片图像,提取图像中手掌特征骨,将其与骨发育标准中的相应部位进行比较,以确定发育等级,给出相应得分,最终求得受测者生理发育年龄的计算机系统。自动评价系统与人工评价系统相比,具有速度快,可重复性强,易操作,公正的优点。

　　计算机骨龄自动评价系统一般由4个部分组成:X光片图像预处理、X光片图像分割、骨骼特征提取、骨块识别与骨龄计算。这里针对CHN计分法14个特征骨骼中桡骨的定位、分割和边缘提取方法进行了研究。

　　1　预处理

　　腕骨X光片图像通常表现为对比度低,软组织之间的边界模糊,组织特征可变性及形状结构和细微结构的分布复杂等,如图1所示。

　　预处理的目的是去除图像中的噪声和干扰,增强图像的对比度,以突出目标区域,使图像便于分割。在预处理中,先采用中值滤波[5]去除图像中部分噪声,再用Laplacian增强[6]和线性增强相结合的图像增强方法,增强骨骼与软组织间的对比度,尤其是远节指骨部分的对比度,骨骼边缘和骨缝从视觉上看更加清晰,且不失真,如图2所示。对增强图像以非黑像素点最大、最小亮度差值的1/5作为阈值,进行二值化,对二值图像进行形态学处理和区域填充,精确提取手形区域的二值图像,如图3所示。精确的手形二值图像包含了完整的手掌信息,并且进一步减少了背景和软组织区域,有利于后面对各特征骨块的分割、定位和提取。

　　2　基于Canny算子和Sobel算子公共边缘图像的边缘提取算法