CN108320288A - 一种特发性脊柱侧凸影像的数据处理方法 - Google Patents
一种特发性脊柱侧凸影像的数据处理方法 Download PDFInfo
- Publication number
- CN108320288A CN108320288A CN201711296385.0A CN201711296385A CN108320288A CN 108320288 A CN108320288 A CN 108320288A CN 201711296385 A CN201711296385 A CN 201711296385A CN 108320288 A CN108320288 A CN 108320288A
- Authority
- CN
- China
- Prior art keywords
- image
- data processing
- idiopathic scoliosis
- cobb
- processing method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 201000002972 idiopathic scoliosis Diseases 0.000 title claims abstract description 38
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 239000011436 cob Substances 0.000 claims description 41
- 238000005452 bending Methods 0.000 claims description 21
- 210000003109 clavicle Anatomy 0.000 claims description 11
- 230000001225 therapeutic effect Effects 0.000 claims description 9
- 238000003205 genotyping method Methods 0.000 claims description 8
- 210000000115 thoracic cavity Anatomy 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 230000004309 orthophoria Effects 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 11
- 238000007598 dipping method Methods 0.000 abstract description 2
- 206010039722 scoliosis Diseases 0.000 description 24
- 210000002745 epiphysis Anatomy 0.000 description 6
- 210000000038 chest Anatomy 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 210000001624 hip Anatomy 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 210000001549 wing of ilium Anatomy 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 210000003692 ilium Anatomy 0.000 description 3
- 210000001621 ilium bone Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000000142 acromioclavicular joint Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 208000007623 Lordosis Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 208000000875 Spinal Curvatures Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种特发性脊柱侧凸影像的数据处理方法，包括以下步骤：a）将特发性脊柱侧凸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特发性脊柱侧凸的影像处理从手工测量中解放出来，利用数据处理的方式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
技术领域
本发明属于医疗技术领域，尤其涉及一种特发性脊柱侧凸影像的数据处理方法。
背景技术
脊柱侧凸是脊柱三维结构上的复杂畸形，在我国的发病率为1%至2.7%。该病会影响患者脊柱的正常发育，损害心肺功能，甚至累及脊髓、造成瘫痪。早期发现、适时干预对于侧弯患者控制病情十分重要。
轻度的脊柱侧弯可以观察，严重时需要及时进行手术治疗，而脊柱侧弯的X线片识别、测量是明确诊断、确定分型的基础，目前国际上的Lenke分型以及国内处于领先地位的PUMC分型对于手术方案的制定具有重要指导意义。脊柱侧凸中最常见的类型为特发性脊柱侧凸，约占脊柱侧凸畸形总数的70%-80%，且目前只有特发性脊柱侧弯有较为完善的分型体系及相应的治疗原则。然而脊柱侧弯X线片的识别、测量和分型确定对于骨科大夫来说是一件十分头痛的事情。一方面，上述分型规则复杂，需要有较深的专业背景知识才能掌握，且记忆困难，疏于使用便会遗忘；同时脊柱侧弯发病广散但治疗主要集中于全国十几所大医院，因此，仅有少数顶尖的脊柱外科医师能熟练掌握测量方法及分型原则，许多基层医院的骨科大夫对于平时接触较少的脊柱侧弯病例都不知道如何测量，更无法提供进一步的诊断和治疗指导；另外，脊柱侧弯X线片的测量过程十分复杂繁琐，即使是有丰富侧弯治疗经验的医师完整测量一个病例也需约1小时的时间，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。
具体来说，目前脊柱侧弯X线片的人工测量存在以下问题：1.专业性强 脊柱侧弯X线片的测量需要有大量的专业知识作为基础，但由于该病治疗难度大，全国仅有十几所医院能够开展规范化诊疗，掌握测量技能的脊柱外科大夫更是少之又少。但该病发病广散，许多患者首次就诊都是在基层医院，当地骨科大夫由于缺乏相关专业知识背景和临床经验，面对平时少见的侧弯病例不能准确测量X线片，更无法给予正确治疗指导，延误的患者病情，甚至造成严重后果。 2.测量困难脊柱侧弯X线片测量涉及大量参数，还需在相关参数测量基础上进行推导计算、确定分型、提出治疗方案，过程十分复杂繁琐，一个病例的测量需占用大夫大量的临床工作时间。而且受到测量人员临床经验、主观思想、手工误差等方面的影响，测量结果的准确性难以保证，这会影响到最佳临床治疗方案的确定 3.分型复杂侧弯分型规则复杂，难记易忘，即使是经验丰富的脊柱外科大夫也常会因遗忘、疏忽等原因造成分型错误，影响后续治疗。
发明内容
为解决上述技术问题，本发明提供一种特发性脊柱侧凸影像的数据处理方法。通过该方法可以帮助骨科大夫对特发性脊柱侧凸的影像处理从手工测量中解放出来，利用数据处理的方式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：一种特发性脊柱侧凸影像的数据处理方法，包括以下步骤：
a）将特发性脊柱侧凸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，所述特发性脊柱侧凸影像为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、左侧Bending相X光片及右侧Bending相X光片、悬吊相X光片和支点弯曲相X光片六张影像学图像。
进一步，所述数据值包括：全脊柱正位相Cobb角、左侧Bending相Cobb角、右侧Bending相Cobb角、悬吊相Cobb角、支点相Cobb角、顶椎偏距、TS、顶椎旋转度、Risser征、T1倾斜角、锁骨角、RSH、矢状面T5-12 Cobb角、矢状面T2-12 Cobb角、矢状面T10-L2 Cobb角、矢状面T12-L1 Cobb角、矢状面T12-S1 Cobb角、矢状面L1-5 Cobb角、矢状面L1-S1 Cobb角、SVA。
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：顶椎或椎间盘标识中心点、Cobb角边界线、颈7铅垂线及骶骨中点平分线。
进一步，所述数据处理中心内预设有特发性脊柱侧凸分型数据库，并且在步骤d）中，对处理后的所述数据值与所述分型数据库进行数据匹配，根据匹配结果将分型结果输出。
进一步，所述分型数据库包括Lenke分型或PUMC分型数据库。
进一步，所述数据处理中心内还预设有针对Lenke分型或PUMC分型下每种类型所对应的治疗方案，输出Lenke分型结果或PUMC分型结果的同时，将对应的治疗方案一并输出。
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，得到所有椎体结构的轮廓形状。
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）对各椎体进行定位和编号。
进一步，步骤b）中，采用人机交互的方式，对各椎体的位置进行定位和编号。
进一步，步骤b）中，采用人机交互的方式，对部分椎体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，根据椎体的边界条件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特发性脊柱侧凸影像的数据处理方法，可以特发性脊柱侧凸影像的智能化数据处理，实现脊柱侧凸影像的通用、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。不仅可以对脊柱侧弯进行准确的识别，更重要的是可以快速、准确的对复杂的脊柱侧凸X光线片进行参数测量，经综合分析后对每一例病例进行脊柱侧凸分型归类，并基于分型提出合理的治疗建议，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：
脊柱侧凸：脊柱侧弯：它是一种脊柱的三维畸形，包括冠状位、矢状位和轴位上的序列异常。正常人的脊柱从后面看应该是一条直线，并且躯干两侧对称。如果从正面看有双肩不等高或后面看到有后背左右不平，就应怀疑“脊柱侧凸”。这个时候应拍摄站立位的全脊柱X线片，正常脊柱椎体按序列呈直线排布，如出现脊柱弯曲，即可诊断为脊柱侧凸。
特发性脊柱侧凸：生长发育期间原因不清的脊柱侧凸称为特发性脊柱侧凸。是最常见的脊柱侧凸畸形，占脊柱侧凸畸形的70%-80%。
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）。
脊柱悬吊相：指患者头部固定，双脚悬空，且双手无抓握(类似于“上吊”)时所拍摄的全脊柱X线图像。
支点Bending相：指患者侧卧位，将侧凸最弯曲处顶点放置一硬质圆弧形“顶子”矫正侧凸从而获得相应Cobb角。
Cobb角：是衡量脊柱侧弯的角度的一个标准，以上下弯曲最顶端的两个椎体上、下缘所成角度，即为Cobb角。
冠状面：沿左、右方向将人体横切所得到的面。
矢状面：沿前后方向将人体纵切所得到的面。
骶骨中垂线（CSVL）：CSVL描述了脊柱相对于骨盆的冠状面位置。在第一骶骨中点画一条平行于X线片片缘的垂线,它可能同骶骨终板并不垂直。
颈7铅垂线（C7PL）：过C7（第7节颈椎）中点做一条铅垂线。
顶椎偏距(AVT): 胸段顶椎偏距AVT：顶椎中心点至C7PL的距离。胸腰段/腰段顶椎偏距AVT：顶椎中心点至CSVL的距离。
躯干偏移（TS）：CSVL与C7PL间的距离。
顶椎旋转度：用于衡量顶椎椎体的旋转度：0度没有旋转，椎弓根对称；I度椎弓根位于椎体的边缘；II度凹陷椎弓根部分消失；III度凹侧椎弓根完全消失；IV度凸侧椎弓根越过中线。
Risser征：又称Risser等级，用于评估患者骨成熟的程度。Risser0级，未见髂骨骨嵴骨骺。1级可见骨嵴骨骺初始骨化；2级髂骨骨嵴骨骺骨化达髂骨翼的1/2；3级髂骨骨嵴骨骺达髂骨翼的3/4；4.髂骨嵴骨骺骨化达整个髂骨翼，但尚未与髂骨融合。5级髂骨级骨骺骨化达整个髂骨翼，并与髂骨完全融合。
T1倾斜角：沿T1头侧终板的直线，与水平线的夹角。
锁骨角：锁骨角为锁骨水平参考线(clavicle horizontal reference line,CHRL),即触及并垂直于X线片外侧缘锁骨最高点的直线,和锁骨参考线(claviclereference line,CRL),即触及右侧和左侧锁骨最高点的连线所成的夹角。
肩部高度（RSH）：, X线片肩部高度定义为上水平参考线(superior horizontalreference line,SHRL),即经过肩部软组织影和经较高侧肩锁关节垂线的交点的水平线,和下水平参考线(inferior horizontal reference line,IHRL),即经较低侧肩锁关节的相似直线之间的垂直距离(单位为mm)。两条线之间的距离。
矢状位椎体轴线（SVA）：过C7中点的垂线与S1后上缘的距离。
冠状面骨盆倾斜：双侧骶骨翼的尖的连线与水平线的夹角。
双下肢不等长距离：通过在股骨头最高点画一条水平切线来创建股骨水平参考线(femoral horizontal reference line,FHRL)。通过高侧股骨头和低测股骨头的两条水平切线的高度差即为双下肢不等长。如果左髋高,此值为正值,如果右髋高则为负值。
请参考附图1，为本发明所提供的一种特发性脊柱侧凸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
将特发性脊柱侧凸影像的全脊柱正位X光片、全脊柱侧位X光片、左侧Bending相X光片及右侧Bending相X光片、悬吊相X光片和支点弯曲相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，得到所有椎体结构的轮廓形状。
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，由医师对一部分特定的椎体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：
冠状面参数，包括：
1、冠状面Cobb角：全脊柱正位相Cobb角，左侧Bending相Cobb角、右侧Bending相Cobb角、悬吊相Cobb角、支点相Cobb角（根据片子类型）
由于侧弯的数量不同，所以冠状面Cobb角的数量会根据不同的个体有所不同，每张影像有1-3个不等。
2、顶椎偏距（AVT）；3、TS； 4、顶椎旋转度；5、Risser征；6、T1倾斜角；7、锁骨角；8、RSH；
矢状面参数，包括：
中胸/下胸后凸（矢状面T5-12 Cobb角）；2、胸后凸（矢状面T2-12 Cobb角）；3、胸腰矢状序列（矢状面T10-L2 Cobb角、矢状面T12-L1 Cobb角）；4、腰前凸（矢状面T12-S1 Cobb角、矢状面L1-5 Cobb角、矢状面L1-S1 Cobb角）5、SVA
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顶椎或椎间盘标识中心点、Cobb角边界线、颈7铅垂线及骶骨中点平分线。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
在输出结果方面，为了最大化的减少医师的工作量，提高医疗效率，所述数据处理中心内预设有特发性脊柱侧凸分型数据库，对处理后的所述数据值与所述分型数据库进行数据匹配，根据匹配结果将分型结果输出。
分型数据库包括Lenke分型或PUMC分型数据库或者其它任意数据库。
为了方便医师快速、准确的直接得到治疗方案，所述数据处理中心内还预设有针对Lenke分型或PUMC分型下每种类型所对应的治疗方案，输出Lenke分型结果或PUMC分型结果的同时，将对应的治疗方案一并输出。
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。
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 (16)
1.一种特发性脊柱侧凸影像的数据处理方法，其特征在于，包括以下步骤：
a）将特发性脊柱侧凸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所述的一种特发性脊柱侧凸影像的数据处理方法，其特征在于，所述特发性脊柱侧凸影像为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、左侧Bending相X光片及右侧Bending相X光片、悬吊相X光片和支点弯曲相X光片六张影像学图像。
3.根据权利要求2所述的一种特发性脊柱侧凸影像的数据处理方法，其特征在于，所述数据值包括：全脊柱正位相Cobb角、左侧Bending相Cobb角、右侧Bending相Cobb角、悬吊相Cobb角、支点相Cobb角、顶椎偏距、TS、顶椎旋转度、Risser征、T1倾斜角、锁骨角、RSH、矢状面T5-12 Cobb角、矢状面T2-12 Cobb角、矢状面T10-L2 Cobb角、矢状面T12-L1 Cobb角、矢状面T12-S1 Cobb角、矢状面L1-5 Cobb角、矢状面L1-S1 Cobb角、SVA。
4.根据权利要求1所述的一种特发性脊柱侧凸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所述的一种特发性脊柱侧凸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：顶椎或椎间盘标识中心点、Cobb角边界线、颈7铅垂线及骶骨中点平分线。
6.根据权利要求1所述的一种特发性脊柱侧凸影像的数据处理方法，其特征在于，所述数据处理中心内预设有特发性脊柱侧凸分型数据库，并且在步骤d）中，对处理后的所述数据值与所述分型数据库进行数据匹配，根据匹配结果将分型结果输出。
7.根据权利要求6所述的一种特发性脊柱侧凸影像的数据处理方法，其特征在于，所述分型数据库包括Lenke分型或PUMC分型数据库。
8.根据权利要求7所述的一种特发性脊柱侧凸影像的数据处理方法，其特征在于，所述数据处理中心内还预设有针对Lenke分型或PUMC分型下每种类型所对应的治疗方案，输出Lenke分型结果或PUMC分型结果的同时，将对应的治疗方案一并输出。
9.根据权利要求1所述的一种特发性脊柱侧凸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，得到所有椎体结构的轮廓形状。
10.根据权利要求9所述的一种特发性脊柱侧凸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。
11.根据权利要求10所述的一种特发性脊柱侧凸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）对各椎体进行定位和编号。
12.根据权利要求11所述的一种特发性脊柱侧凸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，对各椎体的位置进行定位和编号。
13.根据权利要求11所述的一种特发性脊柱侧凸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。
14.根据权利要求11所述的一种特发性脊柱侧凸影像的数据处理方法，其特征在于，步骤b）中，对各椎体进行数据处理中心全自动定位和编号。
15.根据权利要求11述的一种特发性脊柱侧凸影像的数据处理方法，其特征在于，步骤c）中，根据椎体的边界条件对所述参数值进行测量。
16.根据权利要求1-15任一项所述的一种特发性脊柱侧凸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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711296385.0A CN108320288B (zh) | 2017-12-08 | 2017-12-08 | 一种特发性脊柱侧凸影像的数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711296385.0A CN108320288B (zh) | 2017-12-08 | 2017-12-08 | 一种特发性脊柱侧凸影像的数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108320288A true CN108320288A (zh) | 2018-07-24 |
| CN108320288B CN108320288B (zh) | 2023-05-30 |
Family
ID=62892578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711296385.0A Active CN108320288B (zh) | 2017-12-08 | 2017-12-08 | 一种特发性脊柱侧凸影像的数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108320288B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108309334A (zh) * | 2017-12-08 | 2018-07-24 | 李书纲 | 一种脊柱x线影像的数据处理方法 |
| CN109464148A (zh) * | 2018-11-12 | 2019-03-15 | 深圳码隆科技有限公司 | 测量脊柱弯曲的装置及系统 |
| CN110448270A (zh) * | 2018-08-01 | 2019-11-15 | 冯世庆 | 人工智能腰椎间盘突出诊断及分型系统 |
| CN110613542A (zh) * | 2019-09-10 | 2019-12-27 | 江苏云仟佰数字科技有限公司 | 一种智能脊柱侧弯矫形系统 |
| CN112381757A (zh) * | 2020-10-09 | 2021-02-19 | 温州医科大学附属第二医院、温州医科大学附属育英儿童医院 | 一种基于人工智能-图像识别的脊柱全长X线片测算脊柱侧弯Cobb角的系统及方法 |
| CN112472111A (zh) * | 2020-12-14 | 2021-03-12 | 上海交通大学医学院附属新华医院 | 一种脊柱侧凸早期自检与康复云平台 |
| CN112528991A (zh) * | 2020-12-04 | 2021-03-19 | 华南理工大学广州学院 | 一种对腰椎间盘进行标注的方法、装置、设备和存储介质 |
| CN112686854A (zh) * | 2020-12-25 | 2021-04-20 | 四川大学华西医院 | 一种自动测量脊柱侧弯Cobb角的方法及其系统 |
| CN112802019A (zh) * | 2021-04-01 | 2021-05-14 | 成都成电金盘健康数据技术有限公司 | 一种基于脊柱AIS影像的lenke分型方法 |
| CN113284090A (zh) * | 2021-04-25 | 2021-08-20 | 上海脊合医疗科技有限公司 | 一种脊柱侧弯检测方法与医疗平台 |
| WO2021189843A1 (zh) * | 2020-09-22 | 2021-09-30 | 平安科技（深圳）有限公司 | Ct图像椎骨定位方法、装置、设备及介质 |
| CN113516614A (zh) * | 2020-07-06 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 脊柱影像的处理方法、模型训练方法、装置及存储介质 |
| CN115187606A (zh) * | 2022-09-14 | 2022-10-14 | 中国医学科学院北京协和医院 | 一种青少年特发性脊柱侧凸pumc分型方法 |
| CN115713661A (zh) * | 2022-11-29 | 2023-02-24 | 湘南学院 | 一种脊柱侧弯Lenke分型系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002150303A (ja) * | 2000-08-14 | 2002-05-24 | Siemens Corporate Res Inc | デジタルラジオグラフィにおける脊椎軸及び脊椎境界の自動検出 |
| CN1795823A (zh) * | 2004-12-23 | 2006-07-05 | 香港理工大学 | 一种早期检测特发性脊柱侧凸的智能增强系统及其方法 |
| CN1969756A (zh) * | 2005-09-07 | 2007-05-30 | 美国西门子医疗解决公司 | 用图像和测角来计算机辅助检测脊柱弯曲度的系统和方法 |
| WO2008021224A1 (en) * | 2006-08-16 | 2008-02-21 | Siemens Medical Solutions Usa, Inc. | System and method for spinal cord and vertebrae segmentation |
| CN101558999A (zh) * | 2009-05-25 | 2009-10-21 | 张俊华 | 一种脊柱侧凸x线图像辅助诊断系统及其方法 |
| WO2011083480A2 (en) * | 2010-01-11 | 2011-07-14 | Ramot At Tel-Aviv University Ltd. | Method and system for detecting contours in an image |
| US20150173701A1 (en) * | 2012-07-24 | 2015-06-25 | Agfa Healthcare Nv | Method, apparatus and system for automated spine labeling |
| WO2017151757A1 (en) * | 2016-03-01 | 2017-09-08 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Recurrent neural feedback model for automated image annotation |
-
2017
- 2017-12-08 CN CN201711296385.0A patent/CN108320288B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002150303A (ja) * | 2000-08-14 | 2002-05-24 | Siemens Corporate Res Inc | デジタルラジオグラフィにおける脊椎軸及び脊椎境界の自動検出 |
| CN1795823A (zh) * | 2004-12-23 | 2006-07-05 | 香港理工大学 | 一种早期检测特发性脊柱侧凸的智能增强系统及其方法 |
| CN1969756A (zh) * | 2005-09-07 | 2007-05-30 | 美国西门子医疗解决公司 | 用图像和测角来计算机辅助检测脊柱弯曲度的系统和方法 |
| WO2008021224A1 (en) * | 2006-08-16 | 2008-02-21 | Siemens Medical Solutions Usa, Inc. | System and method for spinal cord and vertebrae segmentation |
| CN101558999A (zh) * | 2009-05-25 | 2009-10-21 | 张俊华 | 一种脊柱侧凸x线图像辅助诊断系统及其方法 |
| WO2011083480A2 (en) * | 2010-01-11 | 2011-07-14 | Ramot At Tel-Aviv University Ltd. | Method and system for detecting contours in an image |
| US20150173701A1 (en) * | 2012-07-24 | 2015-06-25 | Agfa Healthcare Nv | Method, apparatus and system for automated spine labeling |
| WO2017151757A1 (en) * | 2016-03-01 | 2017-09-08 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Recurrent neural feedback model for automated image annotation |
Non-Patent Citations (2)
| Title |
|---|
| PETER MYSLING等: "A unifying framework for automatic and semi-automatic segmentation of vertebrae from radiographs using sample-driven active shape models", 《MACHINE VISION AND APPLICATIONS》 * |
| 符晓娟: "基于自动混合建模的椎骨MRI图像分割算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108309334A (zh) * | 2017-12-08 | 2018-07-24 | 李书纲 | 一种脊柱x线影像的数据处理方法 |
| CN110448270A (zh) * | 2018-08-01 | 2019-11-15 | 冯世庆 | 人工智能腰椎间盘突出诊断及分型系统 |
| CN110448270B (zh) * | 2018-08-01 | 2022-07-19 | 冯世庆 | 人工智能腰椎间盘突出诊断及分型系统 |
| CN109464148B (zh) * | 2018-11-12 | 2021-09-14 | 深圳码隆科技有限公司 | 测量脊柱弯曲的装置及系统 |
| CN109464148A (zh) * | 2018-11-12 | 2019-03-15 | 深圳码隆科技有限公司 | 测量脊柱弯曲的装置及系统 |
| CN110613542A (zh) * | 2019-09-10 | 2019-12-27 | 江苏云仟佰数字科技有限公司 | 一种智能脊柱侧弯矫形系统 |
| CN113516614A (zh) * | 2020-07-06 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 脊柱影像的处理方法、模型训练方法、装置及存储介质 |
| WO2021189843A1 (zh) * | 2020-09-22 | 2021-09-30 | 平安科技（深圳）有限公司 | Ct图像椎骨定位方法、装置、设备及介质 |
| CN112381757A (zh) * | 2020-10-09 | 2021-02-19 | 温州医科大学附属第二医院、温州医科大学附属育英儿童医院 | 一种基于人工智能-图像识别的脊柱全长X线片测算脊柱侧弯Cobb角的系统及方法 |
| CN112528991A (zh) * | 2020-12-04 | 2021-03-19 | 华南理工大学广州学院 | 一种对腰椎间盘进行标注的方法、装置、设备和存储介质 |
| CN112472111A (zh) * | 2020-12-14 | 2021-03-12 | 上海交通大学医学院附属新华医院 | 一种脊柱侧凸早期自检与康复云平台 |
| CN112472111B (zh) * | 2020-12-14 | 2023-08-29 | 上海交通大学医学院附属新华医院 | 一种脊柱侧凸早期自检与康复云平台 |
| CN112686854A (zh) * | 2020-12-25 | 2021-04-20 | 四川大学华西医院 | 一种自动测量脊柱侧弯Cobb角的方法及其系统 |
| CN112802019A (zh) * | 2021-04-01 | 2021-05-14 | 成都成电金盘健康数据技术有限公司 | 一种基于脊柱AIS影像的lenke分型方法 |
| CN113284090A (zh) * | 2021-04-25 | 2021-08-20 | 上海脊合医疗科技有限公司 | 一种脊柱侧弯检测方法与医疗平台 |
| CN113284090B (zh) * | 2021-04-25 | 2022-04-01 | 上海脊合医疗科技有限公司 | 一种脊柱侧弯检测方法与医疗平台 |
| CN115187606A (zh) * | 2022-09-14 | 2022-10-14 | 中国医学科学院北京协和医院 | 一种青少年特发性脊柱侧凸pumc分型方法 |
| CN115187606B (zh) * | 2022-09-14 | 2022-12-13 | 中国医学科学院北京协和医院 | 一种青少年特发性脊柱侧凸pumc分型方法 |
| CN115713661A (zh) * | 2022-11-29 | 2023-02-24 | 湘南学院 | 一种脊柱侧弯Lenke分型系统 |
| CN115713661B (zh) * | 2022-11-29 | 2023-06-23 | 湘南学院 | 一种脊柱侧弯Lenke分型系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108320288B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108320288A (zh) | 一种特发性脊柱侧凸影像的数据处理方法 | |
| US8644568B1 (en) | Automated patient-specific bone-implant biomechanical analysis | |
| JP2022500148A (ja) | 人工知能の術中外科的ガイダンスシステムと使用方法 | |
| US8126234B1 (en) | Automated patient-specific bone-implant biomechanical analysis | |
| Short et al. | Validation of a computer modelled forensic facial reconstruction technique using CT data from live subjects: a pilot study | |
| CN108053394A (zh) | 一种医学影像系统 | |
| JP6426608B2 (ja) | 解析モルフォミクス：高速医用画像自動解析法 | |
| Duong et al. | Three-dimensional classification of spinal deformities using fuzzy clustering | |
| CN108309334A (zh) | 一种脊柱x线影像的数据处理方法 | |
| CN110177492A (zh) | 用于治疗关节的方法和设备，包括髋关节中的凸轮型股骨髋臼撞击症和髋关节中的钳夹型股骨髋臼撞击症的治疗 | |
| CN107016666A (zh) | 基于坐标体系的骨盆ct三维重建的图像后处理方法 | |
| Nelson et al. | Association of incident symptomatic hip osteoarthritis with differences in hip shape by active shape modeling: the Johnston County Osteoarthritis Project | |
| US20220254018A1 (en) | Device, process and system for diagnosing and tracking of the development of the spinal alignment of a person | |
| Baillargeon et al. | Sensitivity, reliability and accuracy of the instant center of rotation calculation in the cervical spine during in vivo dynamic flexion-extension | |
| CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
| CN115187606B (zh) | 一种青少年特发性脊柱侧凸pumc分型方法 | |
| US11883219B2 (en) | Artificial intelligence intra-operative surgical guidance system and method of use | |
| Sharp et al. | Computer based methods for measurement of joint space width: update of an ongoing OMERACT project. | |
| CN108431899A (zh) | 图像处理方法 | |
| Ćuković et al. | Supporting diagnosis and treatment of scoliosis: using augmented reality to calculate 3D spine models in real-time-ARScoliosis | |
| CN110269633A (zh) | 医学图像处理方法和计算机可读存储介质 | |
| Lambert et al. | Computerized tomography based 3D modeling of the clavicle | |
| CN108447044A (zh) | 一种基于医学图像配准的骨髓炎病变分析方法 | |
| Chockalingam et al. | Study of marker placements in the back for opto-electronic motion analysis | |
| Saw et al. | Skeleton-Based 3D Femur Shape Analysis System Using Maximum-Minimum Centre Approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |