在X射线图像中检测圆圈的混合自动模型:关于关节假肢穿戴的案例研究
1Department of Electrical and Electronics Engineering, Karadeniz Technical University, Trabzon 61080, Turkey.
Bioengineering (Basel, Switzerland)
|February 27, 2026
概括
这项研究引入了一种自动混合框架,用于检测X射线图像中的圆形,改善了用于关节假肢分析等应用的几何特征提取. 该方法将深度学习与计算机视觉相结合,以获得可靠和一致的结果.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在X射线图像中检测圆形结构是困难的,因为对比度低,噪音和文物.
- 仅使用深度学习或几何方法的现有方法缺乏稳定性.
研究的目的:
- 开发一个全自动混合框架,用于在前后 (AP) X射线图像中进行强大的圆圈检测和几何特征提取.
- 在具有挑战性的X射线成像条件下解决当前圆形检测方法的局限性.
主要方法:
- 一个混合管道,结合YOLOv5用于区域本地化和Canny边缘检测,Edge-Snap改进和RANSAC圆圈配套Hough转换备用.
- 利用深度学习进行区域识别和计算机视觉技术,以实现精确的几何拟合.
主要成果:
- YOLOv5探测器实现了高兴地区定位性能 (mAP@0.5 = 0.971).
- 混合框架在不同的图像质量和假肢外观上展示了循环参数的一致提取.
- 该框架已成功应用于关节假肢磨损分析,计算位移组件.
结论:
- 拟议的端到端自动解决方案在X射线图像中提供了强大的圆圈检测.
- 这种混合方法提高了用于医学图像分析的几何特征提取的可靠性.
- 该框架显示了诸如植入物纵向监测等应用的潜力.
