
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于CBCT图像的分形分析与Canny边缘检测算法对骨小梁模式的比较评估
《Scientific Reports》:Comparative evaluation of fractal analysis and canny edge-detection algorithms for the quantification and classification of bone trabecular patterns in cone-beam computed tomography
【字体: 大 中 小 】 时间:2026年09月23日 来源:Scientific Reports 4.9
编辑推荐:
摘要虽然灰度密度指标容易受到锥形束计算机断层扫描 (CBCT) 噪声和校准不一致性的影响,但先进的图像处理算法提供了一种潜在的无创且客观的替代方案。本研究展示了对分形分析 (FA) 和 Canny 边缘检测 (CED) 算法的比较评估,用于量化和分类不同的骨小梁模式。在这项离
虽然灰度密度指标容易受到锥形束计算机断层扫描 (CBCT) 噪声和校准不一致性的影响,但先进的图像处理算法提供了一种潜在的无创且客观的替代方案。本研究展示了对分形分析 (FA) 和 Canny 边缘检测 (CED) 算法的比较评估,用于量化和分类不同的骨小梁模式。在这项离体实验研究中,120 块牛肋骨骨块被分为四个形态学组 (D1-D4),并使用标准化的 CBCT 方案进行成像。从每个骨块选定的二维重建切片上分析了一个标准化的 50 × 50 像素感兴趣区域 (ROI)。FA 和 CED 分别量化了结构复杂度和边缘数量。使用方差分析和多重校正的事后检验评估组间差异,并使用探索性受试者工作特征 (ROC) 分析来估计成对区分度。FA 和 CED 值在四个形态学组之间均存在显著差异 (p < 0.001)。FA 区分了每一对比较 (p ≤ 0.014),而 CED 未能区分 D2 和 D3 (p = 0.717)。FA 的探索性 AUC 范围为 0.77 至 0.99,CED 为 0.64 至 1.00。在此受控离体模型中,FA 和 CED 提供了对 CBCT 图像上不同骨小梁模式的客观、可重复量化。FA 在区分中间密度 (D2 和 D3) 方面表现出色,而 CED 在更致密和更疏松的骨模式 (D1 和 D4) 方面表现更优。两种算法的互补性能支持了它们作为视觉骨模式评估的定量辅助手段的潜力。