CN108309334A - 一种脊柱x线影像的数据处理方法 - Google Patents

Abstract

本发明涉及一种脊柱X线影像的数据处理方法，包括以下步骤：a）将脊柱X线影像导入数据处理中心；b）对导入的图像进行图像识别；c）对识别后的图像进行预定参数值测量，得到一组数据值；d）将步骤c）中得到的数据值进行处理后输出。通过该方法可以帮助骨科大夫对脊柱X线的影像进行准确和快速的处理，并把结果输出显示，可以极大的提高外科医师的工作效率和质量。

Description

一种脊柱X线影像的数据处理方法

技术领域

本发明属于医疗技术领域，尤其涉及一种脊柱X线影像的数据处理方法。

背景技术

随着社会老龄化的加剧和人们生活方式的改变，脊柱疾病的发病率逐年增加。据统计，1993年美国的脊柱融合手术仅61000 例，到2011年已增至45万例；在我国仅腰椎病患者就已超过2亿人，2016年我国脊柱内固定手术量达473，697例。在脊柱疾病的诊疗过程中，脊柱X线片的准确测量具有重要意义。然而脊柱X线片的测量对于骨科大夫来说是一件十分头痛的事情。一方面，脊柱外科专业程度较高，相关的X线测量方法需要有较深的专业背景知识才能掌握；同时测量参数众多，记忆困难，许多缺乏临床知识和手术经验的骨科大夫仅了解一些基本参数的测量，对于诸如骨盆参数这些近年来研究认为对手术治疗有更加深入指导意义的参数并不了解，更无法进一步提供相关的诊断和治疗指导；另外，脊柱X线片的测量过程复杂繁琐，即使是有丰富经验的骨科医师完整测量一个病例也需占用大量临床工作时间，而且存在难以避免的人为误差，严重影响脊柱外科医师的工作效率和质量。

发明内容

为解决上述技术问题，本发明提供一种脊柱X线影像的数据处理方法。通过该方法可以帮助骨科大夫对脊柱X线的影像进行准确和快速的处理，并把结果输出显示，可以极大的提高外科医师的工作效率和质量。

本发明是通过以下技术方案来实现的：一种脊柱X线影像的数据处理方法，包括以下步骤：

a）将脊柱X线影像导入数据处理中心；

b）对导入的图像进行图像识别；

c）对识别后的图像进行预定参数值测量，得到一组数据值；

d）将步骤c）中得到的数据值进行处理后输出。

进一步，所述脊柱X线影像为X光片，并且至少包括全脊柱正位X光片、全脊柱侧位X光片、过伸位X光片、过屈位X光片、左侧Bending相X光片及右侧Bending相X光片六张影像学图像。

进一步，所述数据值包括：腰椎前凸角、矢状面垂直轴、骨盆投射角、骶骨倾斜角、骶骨倾斜角、椎间角、椎间角变化值、滑移距离、腰椎滑脱分度。

进一步，步骤d）还包括：所述数据处理中心对所述影像添加标识线或标识点，同时，把各所述参数值及所述标识线或标识点部分或全部显示于所述影像上。

进一步，所述标识线或标识点包括：腰椎各椎体上、下及两侧边界线，椎体后下缘与下位椎体上缘垂线，双侧股骨头中点连线及连线中点，骶骨上缘边界线及其中点，颈7铅垂线及骶骨后下角垂线，X线片水平线及垂直线。

进一步，步骤b）对导入的图像进行图像识别，包括以下步骤：

b1）先对所述图像进行滤波，再分段线性灰度变换；

b2）在上述步骤之后进行图像分割、提取边缘，再进行连通域处理后进行形态学过滤；

b3）将数据从图像块迁移到轮廓形状；

b4）通过CNN学习图像块纹理模态和轮廓形状模态的联合表达层，形成从图像块到纹理的通路；

b5）沿所述通路进行轮廓提取，得到胸椎、腰椎、骶骨及双侧股骨头结构的轮廓形状。

进一步，步骤b）对导入的图像进行图像识别，还包括：

b6）采用多重线性回归分类器得到影像中胸椎与腰椎结构组合的可能性排序。

进一步，步骤b）对导入的图像进行图像识别，还包括：

b7）对各椎体、骶骨及双侧股骨头进行定位和编号。

9、根据权利要求8所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤b）中，采用人机交互的方式，对各椎体的位置、骶骨及双侧股骨头进行标注定位。

进一步，步骤b）中，采用人机交互的方式，对部分椎体或骶骨或双侧股骨头的位置进行定位和编号，余下的椎体由所述数据处理中心自动识别定位和编号。

进一步，步骤b）中，对各椎体、骶骨及双侧股骨头进行数据处理中心全自动定位和编号。

进一步，步骤c）中，根据胸椎、腰椎和骶骨的边界条件以及股骨头中心连线对所述参数值进行测量。

进一步，步骤d）中，将步骤c）中得到的数据值进行处理包括：

使用时间递归神经网络，为每一例影像加上标签，并将该标签下的图像以及相应的所述数据值结果存放于数据处理中心数据库中。

采用本发明所提供的一种脊柱X线影像的数据处理方法，可以脊柱X线影像的智能化数据处理，实现脊柱X线影像的通用、方便、快速、准确的参数测量，极大的提高了医疗质量和医疗效率。

本发明针对性强，专业程度高。不仅可以对脊柱X线影像进行准确的识别，更重要的是可以快速、准确的对复杂的脊柱X线影像进行参数测量，经综合分析后将医生所需的各种参数进行报告式的输出，必要时可以将带有标识线的X线片直接打印出来，解决了目前人工测量专业要求高、普及率低、测量速度慢、准确度差的问题。具有很强的临床实用意义以及推广意义。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面将参考附图并结合实施例来详细说明本发明。以下结合附图对本发明的原理和特征进行描述，需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。所举实例只用于解释本发明，并非用于限定本发明的范围。

名词解释：

腰椎前凸角(lumbar lordosis，LL)：L1上终板连线至S1上终板连线的夹角。说明：开角向腹侧为正，开角向背侧为负。

矢状面垂直轴(sagittal vertical axis，SVA)：S1后上缘与经C7椎体中心所作的铅垂线的距离（铅垂线位于S1后上缘前方为正值，位于后方为负值）。

骨盆投射角/骨盆入射角/骨盆指数(pelvic incidence，PI)：于S1上终板中点及双侧股骨头中心连线中点作连线，该连线与S1上终板垂线的夹角。

骶骨倾斜角/骶骨角(sacral slope，SS)：为S1上终板切线与水平线的夹角。

骨盆倾斜角(pelvic tilt，PT)：于S1上终板中点及双侧股骨头中心连线中点作连线，该连线与铅垂线的夹角。

椎间角（椎间隙开角）：同一椎间隙上下终板连线的夹角，说明：开角向腹侧为正，开角向背侧为负。

椎间角变化值：在前屈后伸X光片上，同一椎间角差值的绝对值。

滑移距离：包括冠状位滑移距离和矢状位滑移距离，冠状位滑移距离即侧方滑移，指上位椎体外侧缘向下位椎体上终板做垂线，垂线交点与下位椎体上终板外侧缘的距离。矢状位滑移距离指上位椎体下终板后缘向下位椎体上终板做垂线，垂线交点与下位椎体上终板后缘的距离，上位椎体相对于下位椎体向前滑移为前滑脱，向后滑移为后滑脱。

腰椎滑脱分度，临床上一般分为五度：

I度----指上位椎体向前滑移距离不超过下位椎体上终板长度的1/4者。滑脱<25%

II度----超过1/4，但不超过2/4者。滑脱25%-50%

III度----超过2/4，但不超过3/4者。滑脱50%-75%

IV度----超过3/4者，但不超过4/4。滑脱75%-100%

V度----超过4/4者，即100%，为完全滑脱。患病率：患病率，是指某特定时间内总人口中某病新旧病例之和所占的比例。

全脊柱X线：指包括脊柱全部椎体（颈椎、胸椎、腰椎）的X线图像。包括X线正位（由后往前看），X线侧位（由左往右看）两个相。

左右Bending相：指的是患者向左弯腰及向右弯腰时分别所拍摄的全脊柱X线图像（而非直立状态）。

人工智能：人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

APP：APP是英文Application的简称，由于智能手机的流行，APP指智能手机的第三方应用程序。

请参考附图1，为本发明所提供的一种脊柱X线影像的数据处理方法的一种具体实施方式的流程图。

一，图像获取

将脊柱X线影像的全脊柱正位X光片、全脊柱侧位X光片、过伸位X光片、过屈位X光片、左侧Bending相X光片及右侧Bending相X光片六张影像学图像导入数据处理中心，如有必要，还可以把其它的X光片导入进去。导入方式可以是利用DICOM系统从医院影像科PACS系统获得后直接导入，也可以是通过拍摄图片的方式拍摄后导入。该数据处理中心用于对导入的图像进行数据处理，可以是计算机软件系统，也可以是手机、平板电脑等移动设备的处理系统。该数据处理中心可以和数据处理后的显示端为一体，也可以是将图像通过远程通讯的方式发送到数据处理中心后，经数据处理中心处理后将所需的结果返回至该发送端。

二，图像识别

对导入的图像进行图像识别，包括以下步骤：

b1）先对所述图像进行滤波，再分段线性灰度变换；

b2）在上述步骤之后进行图像分割、提取边缘，再进行连通域处理后进行形态学过滤；

b3）利用多模态深度波尔兹曼机(Deep Boltzmann Machine)将数据从图像块迁移到轮廓形状；

b4）通过CNN学习图像块纹理模态和轮廓形状模态的联合表达层，形成从图像块到纹理的通路；

b5）使用吉布斯采样(Gibbs Sampling)方法沿所述通路进行轮廓提取，得到胸椎、腰椎、骶骨及双侧股骨头结构的轮廓形状。

b6）采用多重线性回归分类器得到影像中胸椎与腰椎结构组合的可能性排序。一般情况下，胸椎12节，对应12根肋骨，腰椎5节，但是有些个体的胸椎会是13节或11节，腰椎为6节或4节，或者其它的节数，这些即为胸椎和腰椎的可能组合。

b7）对各椎体、骶骨及双侧股骨头进行定位和编号。

一种具体实施方式中，如果有些个体的生长发育情况非常特别，可能采用常规算法无法自动识别，或者医师有偏好，也可以采用人机交互的方式，由医师对各椎体的位置、骶骨及双侧股骨头的位置进行人工定位和编号，以辅助完成识别过程。

另一种具体实施方式中，还可以采用人机交互的方式，由医师对部分椎体或骶骨或双侧股骨头的位置进行定位和编号，余下的椎体由所述数据处理中心自动识别定位和编号。比如有些影像关键椎体发育特别或者拍摄不清晰，可以采用这种模式来进行辅助识别。

如果不需要对影像进行辅助，可以利用数据处理中心，对各椎体、骶骨及双侧股骨头进行数据处理中心全自动定位和编号。

上述几种不同模式，可以由医师自行选择操作，可以满足更多的需求，提高本方法的适用范围。

上述对导入的图像进行识别的方法，准确度高，自适应能力强，并且处理速度高效快捷。

三，图像分析，参数测量

确定好各椎体轮廓后，需对其进行分析，找出各边界条件，根据椎体的边界条件对所述参数值进行测量。

为了满足分型及医师的需求，数据处理中心对以下参数值进行测量：

腰椎前凸角、矢状面垂直轴、骨盆投射角、骶骨倾斜角、骶骨倾斜角、椎间角、椎间角变化值、滑移距离、腰椎滑脱分度。通过数据中心把上述参数测量后，可以免去医师传统的手工测量，精确度和效率将大大提高。

由于医师在为病人做手术的时候，只根据简单的手术方案还难以进行实施，为了便于医师在手术中随时方便的查看影像，数据处理中心可以在影像上添加标识线或标识点，标识线或标识点包括腰椎各椎体上、下及两侧边界线，椎体后下缘与下位椎体上缘垂线，双侧股骨头中点连线及连线中点，骶骨上缘边界线及其中点，颈7铅垂线及骶骨后下角垂线，X线片水平线及垂直线。根据需要，医师可以选择性的，把各所述参数值及所述标识线或标识点部分或全部显示于所述影像上。这样，可以直接打印出带有标识的影像，更加方便医师进行手术时随时查看，而且免去了人工划线的种种弊端。

四，数据分析

根据直接测量的参数值，对部分数据需要进行数据分析后得到新的数据，以满足医师的需求，方便医师根据分析结果判定病情。

五、结果输出

在对导入的影像进行识别及数据分析、处理后，通过显示端可以将数据参数输出，进而可以自由查看或打印。

另外，为了提高处理系统的准确度及效率，在每处理一个病例的影像图片后，使用时间递归神经网络，为每一例影像加上标签，并将该标签下的图像以及相应的所述数据值结果存放于数据处理中心数据库中。这样，就可以不断积累数据，不断的增强系统的人工智能深度学习效果，进而会使图像处理速度越来越快，而且越来越准确。

综上所述，本发明提供的一种脊柱X线影像的数据处理方法，利用“数据处理中心/人工智能 识别-测量计算-分析”系统，对患者脊柱X线片进行快速、准确识别及测量，获取相关重要参数，综合分析推导出对脊柱疾病诊断和治疗具有指导意义的相关参数。该发明可解决手工测量速度慢、精度差的问题，提高基层大夫对该类疾病的诊断指导能力和专业脊柱外科大夫的医疗效率和医疗质量。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (13)

1.一种脊柱X线影像的数据处理方法，其特征在于，包括以下步骤：

a）将脊柱X线影像导入数据处理中心；

b）对导入的图像进行图像识别；

c）对识别后的图像进行预定参数值测量，得到一组数据值；

d）将步骤c）中得到的数据值进行处理后输出。

2.根据权利要求1所述的一种脊柱X线影像的数据处理方法，其特征在于，所述脊柱X线影像为X光片，并且至少包括全脊柱正位X光片、全脊柱侧位X光片、过伸位X光片、过屈位X光片、左侧Bending相X光片及右侧Bending相X光片六张影像学图像。

3.根据权利要求2所述的一种脊柱X线影像的数据处理方法，其特征在于，所述数据值包括：腰椎前凸角、矢状面垂直轴、骨盆投射角、骶骨倾斜角、骶骨倾斜角、椎间角、椎间角变化值、滑移距离、腰椎滑脱分度。

4.根据权利要求1所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤d）还包括：所述数据处理中心对所述影像添加标识线或标识点，同时，把各所述参数值及所述标识线或标识点部分或全部显示于所述影像上。

5.根据权利要求4所述的一种脊柱X线影像的数据处理方法，其特征在于，所述标识线或标识点包括：腰椎各椎体上、下及两侧边界线，椎体后下缘与下位椎体上缘垂线，双侧股骨头中点连线及连线中点，骶骨上缘边界线及其中点，颈7铅垂线及骶骨后下角垂线，X线片水平线及垂直线。

6.根据权利要求1所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤b）对导入的图像进行图像识别，包括以下步骤：

b1）先对所述图像进行滤波，再分段线性灰度变换；

b2）在上述步骤之后进行图像分割、提取边缘，再进行连通域处理后进行形态学过滤；

b3）将数据从图像块迁移到轮廓形状；

b4）通过CNN学习图像块纹理模态和轮廓形状模态的联合表达层，形成从图像块到纹理的通路；

b5）沿所述通路进行轮廓提取，得到胸椎、腰椎、骶骨及双侧股骨头结构的轮廓形状。

7.根据权利要求6所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤b）对导入的图像进行图像识别，还包括：

b6）采用多重线性回归分类器得到影像中胸椎与腰椎结构组合的可能性排序。

8.根据权利要求7所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤b）对导入的图像进行图像识别，还包括：

b7）对各椎体、骶骨及双侧股骨头进行定位和编号。

9.根据权利要求8所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤b）中，采用人机交互的方式，对各椎体的位置、骶骨及双侧股骨头进行标注定位。

10.根据权利要求8所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤b）中，采用人机交互的方式，对部分椎体或骶骨或双侧股骨头的位置进行定位和编号，余下的椎体由所述数据处理中心自动识别定位和编号。

11.根据权利要求8所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤b）中，对各椎体、骶骨及双侧股骨头进行数据处理中心全自动定位和编号。

12.根据权利要求8述的一种脊柱X线影像的数据处理方法，其特征在于，步骤c）中，根据胸椎、腰椎和骶骨的边界条件以及股骨头中心连线对所述参数值进行测量。

13.根据权利要求1-12任一项所述的一种脊柱X线影像的数据处理方法，其特征在于，步骤d）中，将步骤c）中得到的数据值进行处理包括：

使用时间递归神经网络，为每一例影像加上标签，并将该标签下的图像以及相应的所述数据值结果存放于数据处理中心数据库中。