CN108682001A - 骨密度的测量方法及装置 - Google Patents

Abstract

本发明实施例公开了一种骨密度的测量方法及装置，包括：获取X光机已拍摄的X光片，从该X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像，从上述肢体图像中分割出上述待测量肢体中骨骼的骨骼图像；根据上述骨骼图像的灰度值、楔块图像的灰度值，确定上述骨骼的骨密度。相较于现有技术而言，本发明实施例在拍摄X光片之前，在待测量肢体所在的平面放置一个楔块，通过对比骨骼图像与楔块图像的灰度值，来确定骨骼的骨密度，诊断过程不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免骨质疏松的漏诊。

Description

骨密度的测量方法及装置

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种骨密度的测量方法及装置。

背景技术

骨密度全称为骨骼矿物质密度，是骨骼强度的一个重要指标，用来反映骨质疏松的程度。由于骨质疏松患者很容易发生骨折，因此早期的诊断和干预治疗，能够有效的预防骨质疏松性骨折。

鉴于X摄影成像技术具有操作简单、辐射剂量较低和价格低廉等优点，利用拍摄X光片来确定骨密度得到了广泛的应用。然而，目前确定骨密度的方法都是由医生通过观察X线光片来确定，这种方法只有当骨量减少到30％至40％，才有明显的视觉差异，因此存在较大的漏诊率。

发明内容

本发明实施例的主要目的在于提供一种骨密度的测量方法及装置，可以解决现有技术中利用X光片来人为确定骨密度的方式存在较大漏诊率的技术问题。

为实现上述目的，本发明实施例第一方面提供一种骨密度的测量方法，该方法包括：

获取X光机已拍摄的X光片，从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像，所述待测量肢体位于所述楔块的底面所在的平面内，所述楔块的底面与所述X光机的成像镜头平行；

从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像；

根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度。

可选的，所述从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像的步骤包括：

利用预置的阈值分割算法，在所述X光片中分割出原始肢体图像及所述楔块图像；

利用预置的双边滤波算法对所述原始肢体图像进行去噪处理；

利用预置的直方图均衡化算法对经过去噪处理的所述原始肢体图像进行处理，得到所述肢体图像。

可选的，所述待测量肢体为手前臂，所述骨骼为尺桡骨，所述从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像的步骤包括：

将所述肢体图像转化为二值图像，基于所述二值图像的灰度值分布情况，确定所述尺桡骨的桡腕关节；

按照所述肢体图像灰度值的阶跃变化情况，在所述肢体图像中确定所述尺桡骨的骨体边界；

基于所述骨体边界及所述桡腕关节，利用预置的边缘识别算法确定所述尺桡骨的边缘轮廓，按照所述边缘轮廓从所述肢体图像中分割出所述尺桡骨的骨骼图像。

可选的，所述根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度的步骤包括：

计算所述骨骼图像的平均灰度值；

在所述楔块图像中查找灰度值与所述平均灰度值相同的参照点；

基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼的骨密度。

可选的，所述根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度的步骤包括：

计算所述骨骼图像中选定区域的区域平均灰度值；

在所述楔块图像中查找灰度值与所述区域平均灰度值相同的参照点；

基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼在所述选定区域的骨密度。

为实现上述目的，本发明实施例第二方面提供一种骨密度的测量装置，该装置包括：

提取模块，用于获取X光机已拍摄的X光片，从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像，所述待测量肢体位于所述楔块的底面所在的平面内，所述楔块的底面与所述X光机的成像镜头平行；

分割模块，用于从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像；

确定模块，用于根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度。

可选的，所述提取模块包括：

预提取模块，用于利用预置的阈值分割算法，在所述X光片中分割出原始肢体图像及楔块图像；

第一处理模块，用于利用预置的双边滤波算法对所述原始肢体图像进行去噪处理；

第二处理模块，用于利用预置的直方图均衡化算法对经过去噪处理的所述原始肢体图像进行处理，得到所述肢体图像。

可选的，所述待测量肢体为手前臂，所述骨骼为尺桡骨，所述分割模块包括：

第一确定模块，用于将所述肢体图像转化为二值图像，基于所述二值图像的灰度值分布情况，确定所述尺桡骨的桡腕关节；

第二确定模块，用于按照所述肢体图像灰度值的阶跃变化情况，在所述肢体图像中确定所述尺桡骨的骨体边界；

边缘分割模块，用于基于所述骨体边界及所述桡腕关节，利用预置的边缘识别算法确定所述尺桡骨的边缘轮廓，按照所述边缘轮廓从所述肢体图像中分割出所述尺桡骨的骨骼图像。

可选的，所述确定模块包括：

第一计算模块，用于计算所述骨骼图像的平均灰度值；

第一查找模块，用于在所述楔块图像中查找灰度值与所述平均灰度值相同的参照点；

第一诊断模块，用于基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼的骨密度。

可选的，所述确定模块包括：

第二计算模块，用于计算所述骨骼图像中选定区域的区域平均灰度值；

第二查找模块，用于在所述楔块图像中查找灰度值与所述区域平均灰度值相同的参照点；

第二诊断模块，用于基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼在所述选定区域的骨密度。

本发明实施例提供了一种骨密度的测量方法，相较于现有技术而言，本发明实施例在拍摄X光片之前，在待测量肢体所在的平面放置一个楔块，然后在拍摄好的X光片中提取出待测量肢体的肢体图像以及上述楔块的楔块图像，然后从上述肢体图像中分割出待测量肢体中骨骼的骨骼图像，利用骨骼图像的灰度值、楔块图像的灰度值，即可计算出上述待测量肢体中骨骼的骨密度，由于本发明实施例是通过对比骨骼图像与楔块图像的灰度值，来确定骨骼的骨密度，诊断过程不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免骨质疏松的漏诊。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中骨密度的测量方法的流程示意图；

图2a为本发明实施例中楔块的侧面示意图；

图2b为本发明实施例中楔块的立体示意图；

图3a为本发明实施例中已拍摄的X光片的示例图；

图3b为本发明实施例中从X光片中提取出的肢体图像的示例图；

图3c为本发明实施例中从X光片中提取出的楔块图像的示例图；

图4为本发明实施例中步骤101的细化步骤的流程示意图；

图5为本发明实施例中步骤102的细化步骤的流程示意图；

图6a为本发明实施例中肢体图像各个横坐标对应的所有像素点的灰度值之和的曲线示意图；

图6b为本发明实施例中尺桡骨的桡腕关节所在的横坐标示意图；

图7为本发明实施例中特征代价图的构建方式示意图；

图8为本发明实施例中分割出的尺桡骨的骨骼图像示意图；

图9为本发明实施例中步骤103的细化步骤的流程示意图；

图10为本发明实施例中步骤103的另一细化步骤的流程示意图；

图11为本发明实施例中骨密度的测量装置的功能模块示意图；

图12为本发明实施例中提取模块1101的细化程序模块示意图；

图13为本发明实施例中分割模块1102的细化程序模块示意图；

图14为本发明实施例中确定模块1103的细化程序模块示意图；

图15为本发明实施例中确定模块1103的另一细化程序模块示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，图1为本发明实施例中骨密度的测量方法的流程示意图，本发明实施例中，上述方法包括：

步骤101、获取X光机已拍摄的X光片，从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像，所述待测量肢体位于所述楔块的底面所在的平面内，所述楔块的底面与所述X光机的成像镜头平行；

本发明实施例中，通过X光机拍摄待测量肢体的肢体图像时，在待测量肢体的一侧放置一个楔块，该楔块的底面与上述X光机的成像镜头平行，且上述待测量肢体位于上述楔块的底面所在的平面内。

其中，上述楔块优选为铝楔，为了更好的理解本发明，参照图2a、图2b，图2a为本发明实施例中楔块的侧面示意图，图2b为本发明实施例中楔块的立体示意图。

进一步的，在拍摄完X光片之后，获取已拍摄的X光片，从该X光片中提取出待测量肢体的肢体图像以及上述楔块的楔块图像。为了更好的理解本发明实施例，参照图3a至图3c，图3a为本发明实施例中已拍摄的X光片的示例图；图3b为本发明实施例中从X光片中提取出的肢体图像的示例图；图3c为本发明实施例中从X光片中提取出的楔块图像的示例图。

步骤102、从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像；

本发明实施例中，在从上述X光片中提取出待测量肢体的肢体图像之后，从该肢体图像中分割出上述待测量肢体中存在的骨骼的骨骼图像。

步骤103、根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度。

本发明实施例中，在分割出上述骨骼图像之后，即可根据上述骨骼图像与上述楔块图像的灰度值分布情况，来确定上述骨骼的骨密度。

其中，可以理解的是，楔块的厚度越厚，其透光率就会越差，因此上述楔块图像的灰度值会随着楔块厚度的变化而变化，楔块厚度越大的区域，灰度值就会越小，楔块厚度越小的区域，灰度值就会越大。

具体的，由于上述骨骼图像与上述楔块图像是同框拍摄的，因此，可以通过楔块图像的灰度值分布情况，即可反映出上述骨骼的骨密度变化情况。

本发明实施例所提供的一种骨密度的测量方法，相较于现有技术而言，本发明实施例在拍摄X光片之前，在待测量肢体所在的平面放置一个楔块，然后在拍摄好的X光片中提取出待测量肢体的肢体图像以及上述楔块的楔块图像，然后从上述肢体图像中分割出待测量肢体中骨骼的骨骼图像，利用骨骼图像的灰度值、楔块图像的灰度值，即可计算出上述待测量肢体中骨骼的骨密度，由于本发明实施例是通过对比骨骼图像与楔块图像的灰度值，来确定骨骼的骨密度，诊断过程不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免骨质疏松的漏诊。

进一步地，基于上述实施例，参照图4，图4为本发明实施例中步骤101的细化步骤的流程示意图，本发明实施例中，上述步骤101中描述的从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像的步骤包括：

步骤401、利用预置的阈值分割算法，在所述X光片中分割出原始肢体图像及楔块图像；

本发明实施例中，先去除上述X光片四周的黑色边框，将黑色边框内的图像作为有效成像区域，然后利用预置的阈值分割算法，在该有效成像区域中分割出原始肢体图像及楔块图像。

其中，上述阈值分割算法采用基于区域的图像分割技术，其原理是按照灰度级对像素集合进行划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性，这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。在本实施例中，可以计算上述有效成像区域的灰度均值，基于该灰度均值设置若干个阈值，然后利于上述阈值分割算法从上述有效成像区域中分割出原始肢体图像及楔块图像。

步骤402、利用预置的双边滤波算法对所述原始肢体图像进行去噪处理；

本发明实施例中，在从上述有效成像区域中分割出原始肢体图像之后，采用预置的双边滤波算法对分割出的原始肢体图像进行去噪处理，从而尽可能的保留上述原始肢体图像中的锐利边界。

其中，上述双边滤波算法是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。

步骤403、利用预置的直方图均衡化算法对经过去噪处理的所述原始肢体图像进行处理，得到所述肢体图像。

鉴于直方图均衡化可以对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度进行压缩，从而扩展像元取值的动态范围，提高对比度和灰度色调的变化，使图像更加清晰。因此，本发明实施例中，还可以采用直方图均衡化算法来对上述原始肢体图像进行处理，提高上述原始肢体图像的对比度和灰度色调的变化，使之更加清晰。

本发明实施例所提供的骨密度的测量方法，先利用预置的阈值分割算法，在上述X光片中分割出原始肢体图像及楔块图像，然后利用预置的双边滤波算法对上述原始肢体图像进行去噪处理，再利用预置的直方图均衡化算法对经过去噪处理的原始肢体图像进行处理，使得到的上述肢体图像尽可能的保留锐利边界，并具有较佳的对比度，从而更加有利于后续确定骨骼的骨密度。

进一步地，基于上述实施例，参照图5，图5为本发明实施例中步骤102的细化步骤的流程示意图，本发明实施例中，上述待测量肢体为手前臂，上述骨骼为尺桡骨，上述步骤102中描述的从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像的步骤包括：

步骤501、将所述肢体图像转化为二值图像，基于所述二值图像的灰度值分布情况，确定所述尺桡骨的桡腕关节；

本发明实施例中，由于在实际的临床诊断过程中，为了减少X光机对人体的辐射伤害，因此大多通过测量手前臂中尺桡骨的骨密度来判断患者身体的骨密度，因此，下面着重以手前臂为例进行说明。可以理解的是，上述待测量肢体采用人体的其他部位时，同样适用于本方法。

具体的，首先将上述肢体图像转化为二值图像，或者采用较小的阈值，利用预置分割算法分割上述肢体图像，获得上述肢体图像对应的二值图像；然后统计二值图中各个横坐标对应的所有像素点的灰度值之和，然后将各个横坐标对应的所有像素点的灰度值之和连接起来，形成一条曲线，如图6a所示，图6a为本发明实施例中肢体图像各个横坐标对应的所有像素点的灰度值之和的曲线示意图。

进一步的，在上述曲线中查找一个最高点，如E点，然后向左、向右查找上述曲线中存在的波谷，如F点，并将F点的横坐标作为上述尺桡骨的桡腕关节所在的横坐标，如图6b所示，图6b为本发明实施例中尺桡骨的桡腕关节所在的横坐标示意图。

步骤502、按照所述肢体图像灰度值的阶跃变化情况，在所述肢体图像中确定所述尺桡骨的骨体边界；

本发明实施例中，在确定上述尺桡骨的桡腕关节之后，确定尺桡骨骨体所在的区域，然后在尺桡骨骨体所在的区域随机选取一个横坐标，确定该横坐标对应的所有像素点的灰度值变化情况，选取灰度值阶跃变化最大的6个像素点，然后剔除纵坐标最大和最小的的2个像素点(皮肤边界)，将剩余4个像素点的纵坐标作为上述尺桡骨的骨体边界。

其中，可以理解的是，上述尺桡骨骨体与手前臂肉体部分、以及X光片背景的像素灰度值会有明显的不同，变化会比较明显，可能呈现出阶跃状，因此，可以按照上述肢体图像灰度值的阶跃变化情况，在上述肢体图像中确定上述尺桡骨的骨体边界。

步骤503、基于所述骨体边界及所述桡腕关节，利用预置的边缘识别算法确定所述尺桡骨的边缘轮廓，按照所述边缘轮廓从所述肢体图像中分割出所述尺桡骨的骨骼图像。

本发明实施例中，在确定上述尺桡骨的骨体边界及桡腕关节之后，即可利用预置的边缘识别算法确定上述尺桡骨的边缘轮廓，按照该边缘轮廓从上述肢体图像中分割出上述尺桡骨的骨骼图像。

其中，首先构建特征代价图，由于尺桡骨骨体边缘的强梯度方向是垂直方向，尺桡骨关节部分的强梯度方向是水平方向，根据此特点，分别构造强调骨体边界的代价图和强调骨关节的代价图，参照图7，图7为本发明实施例中特征代价图的构建方式示意图，该代价图由Canny边界检测算法和方向梯度加权值叠加而成，权重n优先设为0.7，权重m优先设为0.6。其中，向梯度计算采用sobel梯度检测算子，水平方向的梯度卷积模板为垂直方向的梯度卷积模板为

进一步的，基于上述强调骨体边界代价图和步骤502中确定的骨体边界，以及利用强调骨关节边界代价图和步骤501确定的桡腕关节，确定上述尺桡骨的边缘轮廓，然后按照该边缘轮廓从上述肢体图像中分割出上述尺桡骨的骨骼图像。参照图8，图8为本发明实施例中分割出的尺桡骨的骨骼图像示意图。

本发明实施例所提供的骨密度的测量方法，包括将上述图像转化为二值图像，基于该二值图像的灰度值分布情况，确定上述尺桡骨的桡腕关节，以及按照上述肢体图像灰度值的阶跃变化情况，在上述肢体图像中确定上述尺桡骨的骨体边界，基于上述骨体边界及桡腕关节，利用预置的边缘识别算法确定上述尺桡骨的边缘轮廓，按照该边缘轮廓从上述肢体图像中分割出上述骨骼图像，从而可以按照该骨骼图像的灰度值及上述楔块图像的灰度值，来确定上述骨骼的骨密度。

进一步地，基于上述实施例，参照图9，图9为本发明实施例中步骤103的细化步骤的流程示意图，本发明实施例中，上述步骤103中描述的根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度的步骤包括：

步骤901、计算所述骨骼图像的平均灰度值；

步骤902、在所述楔块图像中查找灰度值与所述平均灰度值相同的参照点；

步骤903、基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼的骨密度。

本发明实施例中，如果需要确定上述骨骼整体的平均骨密度，则首先计算上述骨骼图像中所有像素点的平均灰度值，然后在上述楔块图像中查找出找灰度值与上述平均灰度值相同的参照点，然后确定楔块在该参照点的楔块厚度，基于确定的楔块厚度以及预设的楔块厚度与骨密度之间的映射关系，即可确定出上述骨骼整体的平均骨密度。

例如，假设上述骨骼图像的平均灰度值为100，上述楔块图像的灰度值的范围为0-200，若上述楔块图像中灰度值为100的位置所对应的楔块灰度为D，而楔块灰度D对应的骨密度为T(g/cm³)，则确定上述骨骼的骨密度为T(g/cm³)。

其中，上述参照点可以为一个像素点，也可以为若干个相邻像素点组成的像素块。上述楔块厚度与骨密度之间的映射关系可通过大量的实验获得。

本发明实施例所提供的骨密度的测量方法，通过计算上述骨骼图像的平均灰度值，在上述楔块图像中查找灰度值与上述平均灰度值相同的参照点，基于上述楔块在该参照点的楔块厚度以及上述映射关系，即可确定上述骨骼的骨密度，不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免漏诊。

进一步地，基于上述实施例，参照图10，图10为本发明实施例中步骤103的另一细化步骤的流程示意图，本发明实施例中，上述步骤103中描述的根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度的步骤包括：

步骤1001、计算所述骨骼图像中选定区域的区域平均灰度值；

步骤1002、在所述楔块图像中查找灰度值与所述区域平均灰度值相同的参照点；

步骤1003、基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼在所述选定区域的骨密度。

本发明实施例中，如果需要确定上述骨骼某个区域(例如尺桡骨两端或者中部)的平均骨密度，则可以在上述骨骼图像中选定需要确定的区域，然后再计算上述骨骼图像中已选定区域的区域平均灰度值，然后在上述楔块图像中查找出灰度值与上述区域平均灰度值相同的参照点，然后确定楔块在该参照点的楔块厚度，基于确定的楔块厚度以及预设的楔块厚度与骨密度之间的映射关系，即可确定出上述骨骼中已选定区域的平均骨密度。

本发明实施例所提供的骨密度的测量方法，通过计算上述骨骼图像中选定区域的区域平均灰度值，在上述楔块图像中查找灰度值与上述区域平均灰度值相同的参照点，基于上述楔块在该参照点的楔块厚度以及上述映射关系，即可确定上述骨骼在上述选定区域的骨密度，不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免漏诊。

进一步地，本发明实施例还提供一种骨密度的测量装置，参照图11，图11为本发明实施例中骨密度的测量装置的功能模块示意图，上述装置包括：

提取模块1101，用于获取X光机已拍摄的X光片，从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像，所述待测量肢体位于所述楔块的底面所在的平面内，所述楔块的底面与所述X光机的成像镜头平行；

分割模块1102，用于从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像；

确定模块1103，用于根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度。

本发明实施例所提供的一种骨密度的测量装置，相较于现有技术而言，本发明实施例在拍摄X光片之前，在待测量肢体所在的平面放置一个楔块，然后在拍摄好的X光片中提取出待测量肢体的肢体图像以及上述楔块的楔块图像，然后从上述肢体图像中分割出待测量肢体中骨骼的骨骼图像，利用骨骼图像的灰度值、楔块图像的灰度值，即可计算出上述待测量肢体中骨骼的骨密度，由于本发明实施例是通过对比骨骼图像与楔块图像的灰度值，来确定骨骼的骨密度，诊断过程不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免漏诊。

进一步地，基于上述实施例，参照图12，图12为本发明实施例中提取模块1101的细化程序模块示意图，本发明实施例中，上述提取模块1101包括：

预提取模块1201，用于利用预置的阈值分割算法，在所述X光片中分割出原始肢体图像及楔块图像；

第一处理模块1202，用于利用预置的双边滤波算法对所述原始肢体图像进行去噪处理；

第二处理模块1203，用于利用预置的直方图均衡化算法对经过去噪处理的所述原始肢体图像像进行处理，得到所述肢体图像。

本发明实施例所提供的骨密度的测量装置，先利用预置的阈值分割算法，在上述X光片中分割出原始肢体图像及楔块图像，然后利用预置的双边滤波算法对上述原始肢体图像进行去噪处理，再利用预置的直方图均衡化算法对经过去噪处理的原始肢体图像进行处理，使得到的上述肢体图像与所述楔块图像尽可能的保留锐利边界，并具有较佳的对比度，从而更加有利于后续确定骨骼的骨密度。

进一步地，基于上述实施例，参照图13，图13为本发明实施例中分割模块1102的细化程序模块示意图，本发明实施例中，上述待测量肢体为手前臂，上述骨骼为尺桡骨，上述分割模块1102包括：

第一确定模块1301，用于将所述肢体图像转化为二值图像，基于所述二值图像的灰度值分布情况，确定所述尺桡骨的桡腕关节；

第二确定模块1302，用于按照所述肢体图像灰度值的阶跃变化情况，在所述肢体图像中确定所述尺桡骨的骨体边界；

边缘分割模块1303，用于基于所述骨体边界及所述桡腕关节，利用预置的边缘识别算法确定所述尺桡骨的边缘轮廓，按照所述边缘轮廓从所述肢体图像中分割出所述尺桡骨的骨骼图像。

本发明实施例所提供的骨密度的测量装置，包括将上述图像转化为二值图像，基于该二值图像的灰度值分布情况，确定上述尺桡骨的桡腕关节，以及按照上述肢体图像灰度值的阶跃变化情况，在上述肢体图像中确定上述尺桡骨的骨体边界，基于上述骨体边界及桡腕关节，利用预置的边缘识别算法确定上述尺桡骨的边缘轮廓，按照该边缘轮廓从上述肢体图像中分割出上述骨骼图像，从而可以按照该骨骼图像的灰度值及上述楔块图像的灰度值，来确定上述骨骼的骨密度。

进一步地，基于上述实施例，参照图14，图14为本发明实施例中确定模块1103的细化程序模块示意图，本发明实施例中，上述确定模块1103包括：

第一计算模块1401，用于计算所述骨骼图像的平均灰度值；

第一查找模块1402，用于在所述楔块图像中查找灰度值与所述平均灰度值相同的参照点；

第一诊断模块1403，用于基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼的骨密度。

本发明实施例所提供的骨密度的测量装置，通过计算上述骨骼图像的平均灰度值，在上述楔块图像中查找灰度值与上述平均灰度值相同的参照点，基于上述楔块在该参照点的楔块厚度以及上述映射关系，即可确定上述骨骼的骨密度，不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免漏诊。

进一步地，基于上述实施例，参照图15，图15为本发明实施例中确定模块1103的另一细化程序模块示意图，本发明实施例中，上述确定模块1103包括：

第二计算模块1501，用于计算所述骨骼图像中选定区域的区域平均灰度值；

第二查找模块1502，用于在所述楔块图像中查找灰度值与所述区域平均灰度值相同的参照点；

第二诊断模块1503，用于基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼在所述选定区域的骨密度。

本发明实施例所提供的骨密度的测量装置，通过计算上述骨骼图像中选定区域的区域平均灰度值，在上述楔块图像中查找灰度值与上述区域平均灰度值相同的参照点，基于上述楔块在该参照点的楔块厚度以及上述映射关系，即可确定上述骨骼在上述选定区域的骨密度，不需要人为参与，因此测量出的骨密度准确度较高，从而可以有效的避免漏诊。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上为对本发明所提供的一种骨密度的测量方法及装置的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种骨密度的测量方法，其特征在于，所述方法包括：

获取X光机已拍摄的X光片，从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像，所述待测量肢体位于所述楔块的底面所在的平面内，所述楔块的底面与所述X光机的成像镜头平行；

从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像；

根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度。

2.根据权利要求1所述的方法，其特征在于，所述从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像的步骤包括：

利用预置的阈值分割算法，在所述X光片中分割出原始肢体图像及所述楔块图像；

利用预置的双边滤波算法对所述原始肢体图像进行去噪处理；

利用预置的直方图均衡化算法对经过去噪处理的所述原始肢体图像进行处理，得到所述肢体图像。

3.根据权利要求1所述的方法，其特征在于，所述待测量肢体为手前臂，所述骨骼为尺桡骨，所述从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像的步骤包括：

将所述肢体图像转化为二值图像，基于所述二值图像的灰度值分布情况，确定所述尺桡骨的桡腕关节；

按照所述肢体图像灰度值的阶跃变化情况，在所述肢体图像中确定所述尺桡骨的骨体边界；

基于所述骨体边界及所述桡腕关节，利用预置的边缘识别算法确定所述尺桡骨的边缘轮廓，按照所述边缘轮廓从所述肢体图像中分割出所述尺桡骨的骨骼图像。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度的步骤包括：

计算所述骨骼图像的平均灰度值；

在所述楔块图像中查找灰度值与所述平均灰度值相同的参照点；

基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼的骨密度。

5.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度的步骤包括：

计算所述骨骼图像中选定区域的区域平均灰度值；

在所述楔块图像中查找灰度值与所述区域平均灰度值相同的参照点；

基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼在所述选定区域的骨密度。

6.一种骨密度的测量装置，其特征在于，所述装置包括：

提取模块，用于获取X光机已拍摄的X光片，从所述X光片中提取出待测量肢体的肢体图像以及预置的楔块的楔块图像，所述待测量肢体位于所述楔块的底面所在的平面内，所述楔块的底面与所述X光机的成像镜头平行；

分割模块，用于从所述肢体图像中分割出所述待测量肢体中骨骼的骨骼图像；

确定模块，用于根据所述骨骼图像的灰度值、所述楔块图像的灰度值，确定所述骨骼的骨密度。

7.根据权利要求6所述的装置，其特征在于，所述提取模块包括：

预提取模块，用于利用预置的阈值分割算法，在所述X光片中分割出原始肢体图像及所述楔块图像；

第一处理模块，用于利用预置的双边滤波算法对所述原始肢体图像进行去噪处理；

第二处理模块，用于利用预置的直方图均衡化算法对经过去噪处理的所述原始肢体图像进行处理，得到所述肢体图像。

8.根据权利要求6所述的装置，其特征在于，所述待测量肢体为手前臂，所述骨骼为尺桡骨，所述分割模块包括：

第一确定模块，用于将所述肢体图像转化为二值图像，基于所述二值图像的灰度值分布情况，确定所述尺桡骨的桡腕关节；

第二确定模块，用于按照所述肢体图像灰度值的阶跃变化情况，在所述肢体图像中确定所述尺桡骨的骨体边界；

边缘分割模块，用于基于所述骨体边界及所述桡腕关节，利用预置的边缘识别算法确定所述尺桡骨的边缘轮廓，按照所述边缘轮廓从所述肢体图像中分割出所述尺桡骨的骨骼图像。

9.根据权利要求6至8任意一项所述的装置，其特征在于，所述确定模块包括：

第一计算模块，用于计算所述骨骼图像的平均灰度值；

第一查找模块，用于在所述楔块图像中查找灰度值与所述平均灰度值相同的参照点；

第一诊断模块，用于基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼的骨密度。

10.根据权利要求6至8任意一项所述的装置，其特征在于，所述确定模块包括：

第二计算模块，用于计算所述骨骼图像中选定区域的区域平均灰度值；

第二查找模块，用于在所述楔块图像中查找灰度值与所述区域平均灰度值相同的参照点；

第二诊断模块，用于基于所述楔块在所述参照点的楔块厚度，以及预设的所述楔块的楔块厚度与骨密度之间的映射关系，确定所述骨骼在所述选定区域的骨密度。