CN109064447A - 骨密度展示方法、装置及设备 - Google Patents
骨密度展示方法、装置及设备 Download PDFInfo
- Publication number
- CN109064447A CN109064447A CN201810713328.6A CN201810713328A CN109064447A CN 109064447 A CN109064447 A CN 109064447A CN 201810713328 A CN201810713328 A CN 201810713328A CN 109064447 A CN109064447 A CN 109064447A
- Authority
- CN
- China
- Prior art keywords
- femur
- value
- bone density
- neck
- bony areas
- 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.)
- Pending
Links
Classifications
-
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种骨密度展示方法、装置及设备,所述方法包括:获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;获取所述目标骨骼区域中每个体素的骨密度值;确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。本发明可以更形象地展示目标骨骼区域中各个部位的骨密度值,并且可通过模型中各部位的伪彩色值变化展示骨密度值的变化情况,展示效果更直观。
Description
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展示方法、装置及设备。
背景技术
现有的骨密度测量技术中,通常以表格形式展示被测量者的目标骨骼区域(如腰椎、股骨头到股骨颈等区域)的骨密度的T值和Z值。其中,T值为被测量者与健康年轻人的平均骨密度的比值,Z值为被测量者与同龄人的平均骨密度的比值。
然而,上述以表格形式展示骨密度的T值和Z值的方式仅能从目标骨骼区域的总体数据上反映被测量者的骨密度,而无法展示目标骨骼区域中不同部位的骨密度,展示方式不够直观。
发明内容
有鉴于此,本发明提出一种骨密度展示方法、装置及设备以解决上述技术问题。
为了达到上述目的,本发明所采用的技术方案为:
根据本发明实施例的第一方面,提出了一种骨密度展示方法,包括:
获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
获取所述目标骨骼区域中每个体素的骨密度值;
确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
在一实施例中,所述方法还包括,根据以下步骤构建第一目标骨骼区域模型,所述目标骨骼区域包括股骨头到股骨颈区域:
通过对所述CT序列图像的每一幅图像中的股骨头到股骨颈区域进行定位,确定所述每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径;
根据所述股骨头的中心点和半径构建股骨头包围盒,以及根据所述股骨颈的中心线和股骨颈半径构建股骨颈包围盒,所述股骨头包围盒用于包围待构建的股骨头模型,所述股骨颈包围盒用于包围股骨颈模型,所述股骨头包围盒和股骨颈包围盒的一端相连;
基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界;
根据所述第一骨皮质外边界以及所述股骨头的中心点、所述股骨颈的中心线构建第一目标骨骼区域模型。
在一实施例中,所述基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界,包括:
基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点;
根据所述多个采样点构建二维采样图像;
确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界;
根据所述第二骨皮质外边界确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
在一实施例中,所述基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点,包括:
在所述股骨颈包围盒的中心线上,以及所述中心线的位于所述股骨头包围盒内部的延长线上,确定多个点;
在所述多个点中的每一点所属的横截面上,以所述每一点为中心点,间隔预设角度向空间引出多条辐射线,所述横截面垂直于所述股骨颈包围盒的中心线及所述延长线;
根据所述多条辐射线中每条辐射线的引出方向,依次采集多条辐射线上、位于所述股骨头包围盒和股骨颈包围盒内部的多个采样点。
在一实施例中,所述根据所述多个采样点构建二维采样图像,包括:
将所述多个采样点按照对应辐射线的引出方向以及引出顺序进行依次排列,以构建所述二维采样图像。
在一实施例中,所述确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界,包括:
根据所述二维采样图像上各采样点与邻近点的连接代价,获取总连接代价最小的连接路径;
根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界。
在一实施例中,所述根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界之后,所述方法还包括:
接收用于调整第二骨皮质外边界的指令;
根据所述指令对所述第二骨皮质外边界进行优化。
在一实施例中,所述获取所述目标骨骼区域中每个体素的骨密度值,包括:
基于双能CT骨密度检测设备对所述被检体的目标骨骼区域进行检测,得到所述目标骨骼区域中每个体素的骨密度。
在一实施例中,所述确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,包括:
基于预先存储的骨密度值与伪彩色值的对应关系数据,查询所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,所述伪彩色值包括红R、绿G、蓝B三个颜色通道中至少一个颜色通道的颜色值以及透明度。
在一实施例中,所述方法还包括:
根据所述目标骨骼区域中每个体素的骨密度值确定所述每个体素的骨密度相对信息,所述骨密度相对信息包括骨密度T值或骨密度Z值;
确定每个体素的骨密度相对信息对应的伪彩色值;
在根据所述CT序列图像构建的第二目标骨骼区域模型上展示所述每个体素的骨密度相对信息对应的伪彩色值。
在一实施例中,其特征在于,
所述获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像,包括:
获取被检体的目标骨骼区域在不同扫描时间的CT序列图像;
所述获取所述目标骨骼区域中每个体素的骨密度值,包括:
获取所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值;
所述确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,包括:
确定所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值对应的伪彩色值;
所述在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值,包括:
在根据所述CT序列图像构建的第一目标骨骼区域模型上分别展示所述每个体素在所述不同扫描时间的骨密度值对应的伪彩色值。
根据本发明实施例的第二方面,提出了一种骨密度展示装置,包括:
序列图像获取模块,用于获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
骨密度值获取模块,用于获取所述目标骨骼区域中每个体素的骨密度值;
伪彩色值确定模块,用于确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
伪彩色值展示模块,用于在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
在一实施例中,所述装置还包括骨骼模型构建模块,所述目标骨骼区域包括股骨头到股骨颈区域:
所述骨骼模型构建模块包括:
骨骼区域定位单元,用于通过对所述CT序列图像的每一幅图像中的股骨头到股骨颈区域进行定位,确定所述每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径;
包围盒构建单元,用于根据所述股骨头的中心点和半径构建股骨头包围盒,以及根据所述股骨颈的中心线和股骨颈半径构建股骨颈包围盒,所述股骨头包围盒用于包围待构建的股骨头模型,所述股骨颈包围盒用于包围股骨颈模型,所述股骨头包围盒和股骨颈包围盒的一端相连;
第一边界确定单元,用于基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界;
骨骼模型构建单元,用于根据所述第一骨皮质外边界以及所述股骨头的中心点、所述股骨颈的中心线构建第一目标骨骼区域模型。
在一实施例中,所述第一边界确定单元还用于:
基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点;
根据所述多个采样点构建二维采样图像;
确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界;
根据所述第二骨皮质外边界确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
在一实施例中,所述第一边界确定单元还用于:
在所述股骨颈包围盒的中心线上,以及所述中心线的位于所述股骨头包围盒内部的延长线上,确定多个点;
在所述多个点中的每一点所属的横截面上,以所述每一点为中心点,间隔预设角度向空间引出多条辐射线,所述横截面垂直于所述股骨颈包围盒的中心线及所述延长线;
根据所述多条辐射线中每条辐射线的引出方向,依次采集多条辐射线上、位于所述股骨头包围盒和股骨颈包围盒内部的多个采样点。
在一实施例中,所述第一边界确定单元还用于:
将所述多个采样点按照对应辐射线的引出方向以及引出顺序进行依次排列,以构建所述二维采样图像。
在一实施例中,所述第一边界确定单元还用于:
根据所述二维采样图像上各采样点与邻近点的连接代价,获取总连接代价最小的连接路径;
根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界。
在一实施例中,所述第一边界确定单元还用于:
接收用于调整第二骨皮质外边界的指令;
根据所述指令对所述第二骨皮质外边界进行优化。
在一实施例中,所述骨密度值获取模块还用于基于双能CT骨密度检测设备对所述被检体的目标骨骼区域进行检测,得到所述目标骨骼区域中每个体素的骨密度。
在一实施例中,所述伪彩色值确定模块还用于基于预先存储的骨密度值与伪彩色值的对应关系数据,查询所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,所述伪彩色值包括红R、绿G、蓝B三个颜色通道中至少一个颜色通道的颜色值以及透明度。
在一实施例中,所述装置还包括:
相对信息确定模块,用于根据所述目标骨骼区域中每个体素的骨密度值确定所述每个体素的骨密度相对信息,所述骨密度相对信息包括骨密度T值或骨密度Z值;
相对伪彩确定模块,用于确定每个体素的骨密度相对信息对应的伪彩色值;
相对伪彩展示模块,用于在根据所述CT序列图像构建的第二目标骨骼区域模型上展示所述每个体素的骨密度相对信息对应的伪彩色值。22、根据权利要求12所述的装置,其特征在于,
所述序列图像获取模块还用于获取被检体的目标骨骼区域在不同扫描时间的CT序列图像;
所述骨密度值获取模块还用于获取所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值;
所述伪彩色值确定模块还用于确定所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值对应的伪彩色值;
所述伪彩色值展示模块还用于在根据所述CT序列图像构建的第一目标骨骼区域模型上分别展示所述每个体素在所述不同扫描时间的骨密度值对应的伪彩色值。
根据本发明实施例的第三方面,提出了一种骨密度展示设备,包括:
处理器;
被配置为存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
获取所述目标骨骼区域中每个体素的骨密度值;
确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
根据本发明实施例的第四方面,提出了一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
获取所述目标骨骼区域中每个体素的骨密度值;
确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
由以上技术方案可见,本申请通过获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像,并获取所述目标骨骼区域中每个体素的骨密度值,以及确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,进而在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值,可以更形象地展示目标骨骼区域中各个部位的骨密度值,并且可通过模型中各部位的伪彩色值变化展示骨密度值的变化情况,展示效果更直观。
附图说明
图1A示出了根据本发明的一示例性实施例的骨密度展示方法的流程图;
图1B示出了根据本发明的一示例性实施例的骨密度展示效果示意图;
图1C示出了根据本发明的一示例性实施例的T0时间的骨密度展示效果示意图;
图1D示出了根据本发明的一示例性实施例的T1时间的骨密度展示效果示意图;
图1E示出了根据本发的一示例性实施例的T0时间的骨密度和T1时间的骨密度的差值的展示效果示意图;
图2A示出了根据本发明的一示例性实施例的基于神经网络方法分别对股骨头和股骨颈进行分割的示意图;
图2B示出了根据本发明的一示例性实施例的如何构建第一目标骨骼区域模型的流程图;
图2C示出了根据本发明的一示例性实施例的目标骨骼区域的示意图;
图2D示出了根据本发明的一示例性实施例的股骨头包围盒和股骨颈包围盒的结构示意图;
图3示出了根据本发明的一示例性实施例的如何确定第一目标骨骼区域模型中目标骨骼区域的第一骨皮质外边界的流程图;
图4示出了根据本发明的一示例性实施例的如何在股骨头包围盒和股骨颈包围盒内获取多个采样点的流程图;
图5示出了根据本发明的一示例性实施例的如何确定二维采样图像中股骨头到股骨颈区域的第二骨皮质外边界的流程图;
图6A示出了根据本发明的又一示例性实施例的如何确定二维采样图像中股骨头到股骨颈区域的第二骨皮质外边界的流程图;
图6B至图6C示出了根据本发明的一示例性实施例的二维采样图像的示意图;
图7示出了根据本发明的又一示例性实施例的骨密度展示方法的流程图;
图8示出了根据本发明的一示例性实施例的骨密度展示装置的结构框图;
图9示出了根据本发明的又一示例性实施例的骨密度展示装置的结构框图;
图10示出了根据本发明的一示例性实施例的骨密度展示设备的结构框图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换包含在本发明的保护范围内。
本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二等来描述各种结构,但这些结构不应限于这些术语。这些术语仅用来将同一类型的结构彼此区分开。
图1A示出了根据本发明的一示例性实施例的骨密度展示方法的流程图;图1B示出了根据本发明的一示例性实施例的骨密度展示效果示意图;图1C示出了根据本发明的一示例性实施例的T0时间的骨密度展示效果示意图;图1D示出了根据本发明的一示例性实施例的T1时间的骨密度展示效果示意图;图1E示出了根据本发明的一示例性实施例的T0时间的骨密度与T1时间的骨密度的差值的展示效果示意图。如图1A所示,该方法包括以下步骤S101-S104:
S101:获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像。
在一实施例中,获取通过医用CT机(计算机X线断层摄影机)等设备采集的被检体的目标骨骼区域CT序列图像。
在一实施例中,上述目标骨骼区域可以为腰椎中的预设区域(如编号为L1-L4的脊柱骨)或股骨头到股骨颈的区域,具体选择的骨骼区域可以由开发人员根据实际需要进行设置,本实施例对此不进行限定。
S102:获取所述目标骨骼区域中每个体素的骨密度值。
在一实施例中,可以根据实际需要选择单光子吸收检测法、X线吸收检测法、定量计算机断层扫描QCT方法或定量超声法等获取目标骨骼区域中每个体素的骨密度值,本实施例对具体骨密度方法不进行限定。
在一实施例中,可以基于双能CT骨密度检测设备对所述被检体的目标骨骼区域进行检测,得到所述目标骨骼区域中每个体素的骨密度。例如,可以基于双能CT骨密度检测设备对所述被检体的目标骨骼区域进行检测,得到所述目标骨骼区域中每个体素包含的多种物质(如,骨骼中的脂肪、胶原蛋白、红骨髓、水等)含量,并以钙和水作为基物质,对所述多种物质含量进行分解,得到每个体素包含的钙含量,进而根据所述钙含量确定每个体素的骨密度。
与单能CT骨密度检测方法相比,双能CT检测方法由于考虑了多种物质同时存在的影响,通过物质分解的方式确定出骨矿物质的密度,可以保证骨密度测量的准确性,为后续基于模型展示骨密度提供良好的基础。
S103:确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值。
在一实施例中,可以预先设置多个骨密度值与伪彩色值的对应关系,进而可以在确定目标骨骼区域中每个体素的骨密度值后,通过查询该对应关系,确定每个体素的骨密度值对应的伪彩色值。
在一实施例中,上述所述伪彩色值可以包括红R、绿G、蓝B三个颜色通道中的一个或多个颜色通道的颜色值,以及各个颜色的透明度A。
在一实施例中,可以为每个骨密度值设置一对应的数组[r,g,b,a],其中,r为红色通道的颜色值,g为绿色通道的颜色值,b为蓝色通道的颜色值,a为透明度的值。
举例来说,若骨密度值变化范围为[100,500],则可以设置其中包含的子变化范围[100,200]、[200,400]和[300,400]分别对应于绿色系的伪彩色值、蓝色系的伪彩色值以及红色系的伪彩色值。
在一实施例中,为了体现骨密度值变化的连续性,还可以使上述各个子变化范围对应的伪彩色值也连续变化,以提升后续在模型上展示骨密度的视觉效果。
S104:在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
在一实施例中,可以在得到目标骨骼区域的CT序列图像后,可以根据目标骨骼区域的特点从CT序列图像中的每一幅图像中识别出目标骨骼区域,进而根据各幅图像对应的识别结果构建第一目标骨骼区域模型。
在一实施例中,上述第一目标骨骼区域模型的建立方法还可以参见下述图2B所示实施例,在此先不进行详述。
在一实施例中,如图1B所示,在得到目标骨骼区域中每个体素的骨密度值对应的伪彩色值后,可以将每个体素的骨密度值对应的伪彩色值展示在构建的第一目标骨骼区域模型上。
在一实施例中,步骤S101中所述获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像,可以包括:
获取被检体的目标骨骼区域在不同扫描时间的CT序列图像;
步骤S102中所述获取所述目标骨骼区域中每个体素的骨密度值,可以包括:
获取所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值;
步骤S103中所述确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,可以包括:
确定所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值对应的伪彩色值;
步骤S104中所述在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值,可以包括:
在根据所述CT序列图像构建的第一目标骨骼区域模型上分别展示所述每个体素在所述不同扫描时间的骨密度值对应的伪彩色值。
举例来说,利用上述骨密度显示方法,可以得到上述被检体的不同扫描时间的骨密度值(参见图1C和图1D),进而将该不同扫描时间的骨密度值进行对比,例如计算骨密度的差值,并确定该骨密度的差值对应的伪彩色值,以实现骨密度的对比显示和骨密度变化情况的跟踪显示。其中,骨密度差值的伪彩色值的确定方法可以参见上述骨密度值的伪彩色值的确定方法,在此不进行赘述。
由上述描述可知,本实施例通过获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像,并获取所述目标骨骼区域中每个体素的骨密度值,进而确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,以在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值,由于根据被检体的目标骨骼区域的CT序列图像构建第一目标骨骼区域模型,并根据目标骨骼区域中各个体素的骨密度值确定伪彩色值,因而可以更形象地展示目标骨骼区域中各个部位的骨密度值,并且,由于第一目标骨骼区域模型上展示的伪彩色值是基于骨密度值确定的,因而可实现通过模型中各部位的伪彩色值变化展示骨密度值的变化情况,展示效果更直观。
在一实施例中,上述步骤S104中根据所述CT序列图像构建第一目标骨骼区域模型时,可以选用股骨头到股骨颈区域作为目标股骨区域,因为该区域承受人体自身的力量较大,且相对容易获得。为了构建股骨头到股骨颈区域模型(即第一目标骨骼区域模型),首先要对CT序列图像中的股骨头和股骨颈进行准确、高效地分割。
在一实施例中,对CT序列图像中的股骨头和股骨颈进行分割的方式可以包括以下几种:
第一种:基于神经网络方法分别对股骨头和股骨颈进行分割;
第二种:基于模型方法分别分割股骨头和股骨颈;
第三种:基于神经网络方法分割股骨头,并基于模型方法分割股骨颈;
第四种:基于模型方法分割股骨头,并神经网络方法分割骨颈。
值得说明的是,以上四种方式可以由研发人员根据实际需要进行选择,本实施例对此不进行限定。并且,上述第三种和第四种方式的相关解释和说明可以参见下述对于第一种和第二种方式的介绍,不再进行赘述。
图2A示出了根据本发明的一示例性实施例的基于神经网络方法分别对股骨头和股骨颈进行分割的示意图。如图2A所示,基于神经网络方法对股骨头进行分割的步骤如下:
(1)卷积神经网络学习阶段:
(1.1)人工标记股骨头需要分割部分的标注mark;
(1.2)输入样本图像到神经网络,前向计算输出预测mark的图像;
(1.3)将步骤(1.1)中标记好的标注mark与步骤(1.2)中得到预测mark进行比较;
(1.4)根据步骤(1.3)中的比较结果进行反向传播调整神经网络参数;
(1.5)重复执行步骤(1.1)到步骤(1.4)的操作,直到得到满意的分割结果,进而得到训练好的神经网络。
(2)基于卷积神经网络分割股骨头阶段
(2.1)人工或自动识别需要分割的股骨头区域;
(2.2)对步骤(2.1)中的股骨头区域进行图像采样;
(2.3)将步骤(2.2)中的采样图像输入到训练好的神经网络中,前向计算得到股骨头的输出mark图像。
同理,可以基于神经网络方法对股骨颈进行分割,在此不进行详述。
在此基础上,可以基于股骨头和股骨颈的分割结果确定股骨头模型和股骨颈模型中的相关参数,进而采用现有的模型构建方法构建股骨头和股骨颈模型,具体建模方法可以由开发人员根据实际需要进行选取,本实施例对此不进行限定。
下面以一具体实施例说明如何基于模型方法分割股骨头和股骨颈,并构建目标股骨区域模型。图2B示出了根据本发明的一示例性实施例的如何构建第一目标骨骼区域模型的流程图;图2C示出了根据本发明的一示例性实施例的目标骨骼区域的示意图;图2D示出了根据本发明的一示例性实施例的股骨头包围盒和股骨颈包围盒的结构示意图。本实施例在上述实施例的基础上,以如何构建第一目标骨骼区域模型为例进行示例性说明。
如图2C所示,目标骨骼区域A包括股骨头001到股骨颈002的区域,其中,C区域为小转子到股骨近心端的预设区域,B区域为A区域与C区域之间的区域。如图2B所示,可以根据以下步骤S201-S204构建第一目标骨骼区域模型:
S201:通过对所述CT序列图像的每一幅图像中的股骨头到股骨颈区域进行定位,确定所述每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径。
在一实施例中,由于股骨头在CT图像中呈现唯一的类圆形,因而可以基于类圆形识别算法对每一幅图像中的股骨头区域(即股骨头和股骨颈)进行定位,以分别确定每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径。
S202:根据所述股骨头的中心点和半径构建股骨头包围盒,以及根据所述股骨颈的中心线和股骨颈半径构建股骨颈包围盒。
如图2D所示,所述股骨头包围盒(图2D中的半球部分)用于包围待构建的股骨头模型,所述股骨颈包围盒(图2D中的圆柱部分)用于包围股骨颈模型,由于股骨头和股骨颈相连,因而构建的股骨头包围盒和股骨颈包围盒的一端相连。
在一实施例中,由于构建的股骨头包围盒用于包围股骨头模型,因而可以根据股骨头模型的中心点、股骨头半径确定股骨头包围盒的中心点、半径。举例来说,可以使股骨头包围盒的中心点与股骨头模型的中心点重合,股骨头包围盒的半径大于股骨头模型的半径。例如,可以使股骨头包围盒的半径为股骨头模型的半径的2倍,进而可以根据股骨头包围盒的中心点、半径构建股骨头包围盒。
在一实施例中,可以根据股骨颈模型的中心线、半径确定股骨颈包围盒的中心线、半径,并根据股骨颈包围盒的中心线、半径构建股骨颈包围盒;其中,所述股骨颈包围盒的中心线可以与所述股骨颈模型的中心线重合,且所述股骨颈包围盒的半径大于所述股骨颈模型的半径。
在一实施例中,由于构建的股骨颈包围盒用于包围股骨颈模型,因而可以根据股骨颈模型的中心线、半径确定股骨颈包围盒的中心线、半径。举例来说,可以使股骨颈包围盒的中心线与股骨颈模型的中心线重合,股骨颈包围盒的半径大于股骨颈模型的半径,例如,可以使股骨颈包围盒的半径与股骨头包围盒的半径相同。
S203:基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
在一实施例中,可以基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点,进而根据获取的多个采样点生成二维采样图像,进而基于该生成的二维采样图像确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界,更具体的方式可以参见下述图3所示实施例,在此先不进行详述。
S204:根据所述第一骨皮质外边界以及所述股骨头的中心点、所述股骨颈的中心线构建第一目标骨骼区域模型。
在一实施例中,当确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界后,即可根据上述股骨头的中心点和股骨颈的中心线构建股骨头模型和股骨颈模型,得到第一目标骨骼区域模型。
由上述描述可知,本实施例通过通过对所述CT序列图像的每一幅图像中的股骨头到股骨颈区域进行定位,确定所述每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径,并根据所述股骨头的中心点和半径构建股骨头包围盒,以及根据所述股骨颈的中心线和股骨颈半径构建股骨颈包围盒,进而基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界,以根据所述第一骨皮质外边界以及所述股骨头的中心点、所述股骨颈的中心线构建第一目标骨骼区域模型,可以实现准确地分割CT序列图像中股骨头区域的骨皮质外边界,进而可以提高构建模型的准确性,提升基于目标骨骼模型展示骨密度的效果。图3示出了根据本发明的一示例性实施例的如何确定第一目标骨骼区域模型中目标骨骼区域的第一骨皮质外边界的流程图;本实施例在上述实施例的基础上,以如何确定第一目标骨骼区域模型中目标骨骼区域的第一骨皮质外边界为例进行示例性说明。如图3所示,步骤S203中所述基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界,可以包括以下步骤S301-S304:
S301:基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点。
在一实施例中,可以基于空间辐射线法分别在股骨头包围盒以及股骨颈包围盒内获取多个采样点。由于股骨头包围盒和股骨颈包围盒分别包围股骨头模型和股骨颈模型,因而获取的多个采样点必然包括股骨头模型和股骨颈模型的表面上的采样点,即股骨头区域的骨皮质外边界对应的采样点。
S302:根据所述多个采样点构建二维采样图像。
在一实施例中,将获取的多个采样点根据对应的采集顺序进行排列,以生成二维采样图像。
S303:确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界。
在一实施例中,由于二维采样图像上包含上述采集的多个采样点,即包含股骨头区域的骨皮质外边界对应的采样点,因而可以采用预设图像处理方法(例如最短路径法),在该二维采样图像上确定股骨头区域的骨皮质外边界。
S304:根据所述第二骨皮质外边界确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
在一实施例中,当在该二维采样图像上确定股骨头区域的骨皮质外边界后,可以根据二维采样图像上的采样点与股骨头模型和股骨颈模型的表面上的采样点之间的对应关系,确定股骨头模型和股骨颈模型中所述目标骨骼区域的第一骨皮质外边界,即第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
由上述描述可知,本实施例基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点,并根据所述多个采样点构建二维采样图像,然后确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界,进而根据所述第二骨皮质外边界确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界,可以准确地确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界,有利于提高后续进行CT图像中目标骨骼区域分割的精确度,进而可以提高构建模型的准确性,提升基于目标骨骼模型展示骨密度的效果。
图4示出了根据本发明的一示例性实施例的如何在股骨头包围盒和股骨颈包围盒内获取多个采样点的流程图;本实施例在上述实施例的基础上,以如何在股骨头包围盒和股骨颈包围盒内获取多个采样点为例进行示例性说明。如图4所示,上述步骤S301中所述基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点,可以包括以下步骤S401-S403:
S401:在所述股骨颈包围盒的中心线上,以及所述中心线的位于所述股骨头包围盒内部的延长线上,确定多个点。
在一实施例中,在股骨颈包围盒的中心线以及该中心线的延长线(该延长线位于包围盒内部)上,以预设采样步长确定多个点。
S402:在所述多个点中的每一点所属的横截面上,以所述每一点为中心点,间隔预设角度向空间引出多条辐射线,所述横截面垂直于所述股骨颈包围盒的中心线及所述延长线。
在一实施例中,在一实施例中,对于上述多个点中的每一点而言,均存在一个垂直于股骨颈包围盒的中心线及延长线的横截面。以每一点为中心点在其所对应的横截面上,间隔预设角度向空间引出多条辐射线。例如在每一横截面上间隔2°引出辐射线,则共可引出180条辐射线。
S403:根据所述多条辐射线中每条辐射线的引出方向,依次采集多条辐射线上、位于所述股骨头包围盒和股骨颈包围盒内部的多个采样点。
在一实施例中,根据多条辐射线中每条辐射线的引出方向(即由中心点指向空间的方向),按照预设采样步长依次采集多条辐射线上、位于股骨头包围盒和股骨颈包围盒内部的各个采样点。
由上述技术方案可知,通过在所述股骨颈包围盒的中心线上,以及所述中心线的位于所述股骨头包围盒内部的延长线上,确定多个点,并在所述多个点中的每一点所属的横截面上,以所述每一点为中心点,间隔预设角度向空间引出多条辐射线,所述横截面垂直于所述股骨颈包围盒的中心线及所述延长线,进而根据所述多条辐射线中每条辐射线的引出方向,依次采集多条辐射线上、位于所述股骨头包围盒和股骨颈包围盒内部的多个采样点,可以实现基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点,有利于提高后续进行CT图像中目标骨骼区域分割的精确度。
在此基础上,步骤S302中所述根据所述多个采样点构建二维采样图像,可以包括:
将多个采样点按照对应辐射线的引出方向以及引出顺序进行依次排列,以生成所述二维采样图像。
在一实施例中,可将所述多个采样点中,对应于同一条辐射线的采样点按照对应辐射线的引出方向从左向右进行依次排列;并将排列的采样点按照对应辐射线的引出顺序从上向下进行依次排列,以生成二维采样图像。
图5示出了根据本发明的一示例性实施例的如何确定二维采样图像中股骨头到股骨颈区域的第二骨皮质外边界的流程图;本实施例在上述实施例的基础上,以如何确定二维采样图像中股骨头到股骨颈区域的第二骨皮质外边界为例进行示例性说明。如图5所示,步骤S303中所述确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界,可以包括以下步骤S501-S502:
S501:根据所述二维采样图像上各采样点与邻近点的连接代价,获取总连接代价最小的连接路径。
在一实施例中,在二维采样图像上,由上至下分别确定各采样点与预设方向上(例如左下、正下、右下)的邻近点的连接代价,进而确定各条由上之下的连接路径的总连接代价,以确定总连接代价最小的连接路径。
在一实施例中,所述连接代价的计算公式如下式(1)所示:
Cost=w1*A+w2*B+w3*C(1)
其中,Cost为两点(即采样点与一邻近点)连接的代价,A为两点横向两邻域灰度差值的和,B为两点梯度的差,C为两点的距离,w1、w2和w3分别为A、B和C的权重。
S502:根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界。
在一实施例中,若确定总连接代价最下的一条连接路径,则可根据该连接路径上的各采样点确定股骨头区域的骨皮质外边界。
由上述技术方案可知,通过获取总连接代价最小的连接路径,进而根据所述连接路径的获取结果确定所述骨皮质外边界,可以实现准确地确定股骨头区域的骨皮质外边界,有利于提高后续进行CT图像中目标骨骼区域分割的精确度。
图6A示出了根据本发明的又一示例性实施例的如何确定二维采样图像中股骨头到股骨颈区域的第二骨皮质外边界的流程图;图6B至图6C示出了根据本发明的一示例性实施例的二维采样图像的示意图。本实施例在上述实施例的基础上,以如何确定二维采样图像中股骨头到股骨颈区域的第二骨皮质外边界为例进行又一示例性说明。如图6A所示,步骤S303中所述确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界,可以包括以下步骤S601-S604:
S601:根据所述二维采样图像上各采样点与邻近点的连接代价,获取总连接代价最小的连接路径。
S602:根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界。
S603:接收用于调整第二骨皮质外边界的指令。
S604:根据所述指令对所述第二骨皮质外边界进行优化。
其中,步骤S601-S602的相关解释和说明可以参见上述图5所示实施例,在此不进行赘述。
由于股骨头的内侧与髋臼靠的非常近,而且由于受到CT机器本身精度的影响,股骨头的内侧与髋臼之间的边界更加不明显,用上述最短路径方法不能准确地确定所述股骨头和股骨颈外边界,因而需要进一步优化。
在一实施例中,当接收到用于调整第二骨皮质外边界的指令后,可以根据该指令中携带的第二骨皮质外边界的位置信息对所述第二骨皮质外边界进行优化,即将当前二维采样图像中展示的第二骨皮质外边界的位置调整为上述指令中携带的第二骨皮质外边界的位置。如图6B、图6C所示,用户可以通过手动编辑方式,将二维采样图像中展示的第二骨皮质外边界“拖拽”至指定位置(即将第二骨皮质外边界由位置003“拖拽”至位置004),以达到优化的目的。
图7示出了根据本发明的又一示例性实施例的骨密度展示方法的流程图;如图7所示,该方法包括以下步骤S701-S707:
S701:获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
S702:获取所述目标骨骼区域中每个体素的骨密度值;
S703:确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
S704:在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值;
其中,步骤S701-S704的相关解释和说明可以参见上述实施例,在此不进行赘述。
S705:根据所述目标骨骼区域中每个体素的骨密度值确定所述每个体素的骨密度相对信息,所述骨密度相对信息包括骨密度T值或骨密度Z值;
其中,骨密度T值为上述被检体与健康年轻人的平均骨密度的比值;骨密度Z值为上述被检体与同龄人的平均骨密度的比值。
S706:确定每个体素的骨密度相对信息对应的伪彩色值;
S707:在根据所述CT序列图像构建的第二目标骨骼区域模型上展示所述每个体素的骨密度相对信息对应的伪彩色值。
其中,骨密度相对信息对应的伪彩色值的确定方式可以参见上述骨密度值对应的伪彩色值的确定方式;第二目标骨骼区域模型的构建方法可以参见上述第一目标骨骼区域模型的构建方法,在此不再进行详述。
由上述技术方案可知,本实施例通过确定每个体素的骨密度相对信息对应的伪彩色值,并在根据所述CT序列图像构建的第二目标骨骼区域模型上展示所述每个体素的骨密度相对信息对应的伪彩色值,可以更形象地通过骨密度T值和Z值等骨密度相对信息来展示目标骨骼区域中各个部位的骨密度状态,使得展示效果更加直观。
图8示出了根据本发明的一示例性实施例的骨密度展示装置的结构框图;如图8所示,该装置包括:序列图像获取模块110、骨密度值获取模块120、伪彩色值确定模块130以及伪彩色值展示模块140,其中:
序列图像获取模块110,用于获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
骨密度值获取模块120,用于获取所述目标骨骼区域中每个体素的骨密度值;
伪彩色值确定模块130,用于确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
伪彩色值展示模块140,用于在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
由上述描述可知,本实施例通过获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像,并获取所述目标骨骼区域中每个体素的骨密度值,进而确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,以在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值,由于根据被检体的目标骨骼区域的CT序列图像构建第一目标骨骼区域模型,并根据目标骨骼区域中各个体素的骨密度值确定伪彩色值,因而可以更形象地展示目标骨骼区域中各个部位的骨密度值,并且,由于第一目标骨骼区域模型上展示的伪彩色值是基于骨密度值确定的,因而可实现通过模型中各部位的伪彩色值变化展示骨密度值的变化情况,展示效果更直观。
图9示出了根据本发明的又一示例性实施例的骨密度展示装置的结构框图;其中,序列图像获取模块210、骨密度值获取模块230、伪彩色值确定模块240以及伪彩色值展示模块250与前述图8所示实施例的序列图像获取模块110、骨密度值获取模块120、伪彩色值确定模块130以及伪彩色值展示模块140的功能相同,在此不进行赘述。如图9所示,该装置还可以包括骨骼模型构建模块220,其中,所述目标骨骼区域包括股骨头到股骨颈区域:
骨骼模型构建模块220可以包括:
骨骼区域定位单元221,用于通过对所述CT序列图像的每一幅图像中的股骨头到股骨颈区域进行定位,确定所述每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径;
包围盒构建单元222,用于根据所述股骨头的中心点和半径构建股骨头包围盒,以及根据所述股骨颈的中心线和股骨颈半径构建股骨颈包围盒,所述股骨头包围盒用于包围待构建的股骨头模型,所述股骨颈包围盒用于包围股骨颈模型,所述股骨头包围盒和股骨颈包围盒的一端相连;
第一边界确定单元223,用于基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界;
骨骼模型构建单元224,用于根据所述第一骨皮质外边界以及所述股骨头的中心点、所述股骨颈的中心线构建第一目标骨骼区域模型。
在一实施例中,第一边界确定单元223还可以用于:
基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点;
根据所述多个采样点构建二维采样图像;
确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界;
根据所述第二骨皮质外边界确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
在一实施例中,第一边界确定单元223还可以用于:
在所述股骨颈包围盒的中心线上,以及所述中心线的位于所述股骨头包围盒内部的延长线上,确定多个点;
在所述多个点中的每一点所属的横截面上,以所述每一点为中心点,间隔预设角度向空间引出多条辐射线,所述横截面垂直于所述股骨颈包围盒的中心线及所述延长线;
根据所述多条辐射线中每条辐射线的引出方向,依次采集多条辐射线上、位于所述股骨头包围盒和股骨颈包围盒内部的多个采样点。
在一实施例中,第一边界确定单元223还可以用于:
将所述多个采样点按照对应辐射线的引出方向以及引出顺序进行依次排列,以构建所述二维采样图像。
在一实施例中,第一边界确定单元223还可以用于:
根据所述二维采样图像上各采样点与邻近点的连接代价,获取总连接代价最小的连接路径;
根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界。
在一实施例中,第一边界确定单元223还可以用于:
接收用于调整第二骨皮质外边界的指令;
根据所述指令对所述第二骨皮质外边界进行优化。
在一实施例中,骨密度值获取模块230还可以用于基于双能CT骨密度检测设备对所述被检体的目标骨骼区域进行检测,得到所述目标骨骼区域中每个体素的骨密度。
在一实施例中,伪彩色值确定模块240还可以用于基于预先存储的骨密度值与伪彩色值的对应关系数据,查询所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,所述伪彩色值包括红R、绿G、蓝B三个颜色通道中至少一个颜色通道的颜色值以及透明度。
在一实施例中,所述装置还可以包括:
相对信息确定模块260,用于根据所述目标骨骼区域中每个体素的骨密度值确定所述每个体素的骨密度相对信息,所述骨密度相对信息包括骨密度T值或骨密度Z值;
相对伪彩确定模块270,用于确定每个体素的骨密度相对信息对应的伪彩色值;
相对伪彩展示模块280,用于在根据所述CT序列图像构建的第二目标骨骼区域模型上展示所述每个体素的骨密度相对信息对应的伪彩色值。
在一实施例中,序列图像获取模块210还用于获取被检体的目标骨骼区域在不同扫描时间的CT序列图像;
骨密度值获取模块230还用于获取所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值;
伪彩色值确定模块240还用于确定所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值对应的伪彩色值;
伪彩色值展示模块250还用于在根据所述CT序列图像构建的第一目标骨骼区域模型上分别展示所述每个体素在所述不同扫描时间的骨密度值对应的伪彩色值。
值得说明的是,上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
本发明医学图像构建装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图10所示,为本发明的医学图像构建装置所在电子设备的一种硬件结构图,除了图10所示的处理器、网络接口、内存之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等;从硬件结构上来讲该设备还可能是分布式的设备,可能包括多个接口卡,以便在硬件层面进行报文处理的扩展。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器处理时实现以下任务处理方法:
获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
获取所述目标骨骼区域中每个体素的骨密度值;
确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由本申请的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (24)
1.一种骨密度展示方法,其特征在于,包括:
获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
获取所述目标骨骼区域中每个体素的骨密度值;
确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括,根据以下步骤构建第一目标骨骼区域模型,所述目标骨骼区域包括股骨头到股骨颈区域:
通过对所述CT序列图像的每一幅图像中的股骨头到股骨颈区域进行定位,确定所述每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径;
根据所述股骨头的中心点和半径构建股骨头包围盒,以及根据所述股骨颈的中心线和股骨颈半径构建股骨颈包围盒,所述股骨头包围盒用于包围待构建的股骨头模型,所述股骨颈包围盒用于包围股骨颈模型,所述股骨头包围盒和股骨颈包围盒的一端相连;
基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界;
根据所述第一骨皮质外边界以及所述股骨头的中心点、所述股骨颈的中心线构建第一目标骨骼区域模型。
3.根据权利要求2所述的方法,其特征在于,所述基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界,包括:
基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点;
根据所述多个采样点构建二维采样图像;
确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界;
根据所述第二骨皮质外边界确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
4.根据权利要求3所述的方法,其特征在于,所述基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点,包括:
在所述股骨颈包围盒的中心线上,以及所述中心线的位于所述股骨头包围盒内部的延长线上,确定多个点;
在所述多个点中的每一点所属的横截面上,以所述每一点为中心点,间隔预设角度向空间引出多条辐射线,所述横截面垂直于所述股骨颈包围盒的中心线及所述延长线;
根据所述多条辐射线中每条辐射线的引出方向,依次采集多条辐射线上、位于所述股骨头包围盒和股骨颈包围盒内部的多个采样点。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多个采样点构建二维采样图像,包括:
将所述多个采样点按照对应辐射线的引出方向以及引出顺序进行依次排列,以构建所述二维采样图像。
6.根据权利要求3所述的方法,其特征在于,所述确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界,包括:
根据所述二维采样图像上各采样点与邻近点的连接代价,获取总连接代价最小的连接路径;
根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界。
7.根据权利要求6所述的方法,其特征在于,所述根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界之后,所述方法还包括:
接收用于调整第二骨皮质外边界的指令;
根据所述指令对所述第二骨皮质外边界进行优化。
8.根据权利要求1所述的方法,其特征在于,所述获取所述目标骨骼区域中每个体素的骨密度值,包括:
基于双能CT骨密度检测设备对所述被检体的目标骨骼区域进行检测,得到所述目标骨骼区域中每个体素的骨密度。
9.根据权利要求1所述的方法,其特征在于,所述确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,包括:
基于预先存储的骨密度值与伪彩色值的对应关系数据,查询所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,所述伪彩色值包括红R、绿G、蓝B三个颜色通道中至少一个颜色通道的颜色值以及透明度。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述目标骨骼区域中每个体素的骨密度值确定所述每个体素的骨密度相对信息,所述骨密度相对信息包括骨密度T值或骨密度Z值;
确定每个体素的骨密度相对信息对应的伪彩色值;
在根据所述CT序列图像构建的第二目标骨骼区域模型上展示所述每个体素的骨密度相对信息对应的伪彩色值。
11.根据权利要求1所述的方法,其特征在于,
所述获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像,包括:
获取被检体的目标骨骼区域在不同扫描时间的CT序列图像;
所述获取所述目标骨骼区域中每个体素的骨密度值,包括:
获取所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值;
所述确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,包括:
确定所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值对应的伪彩色值;
所述在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值,包括:
在根据所述CT序列图像构建的第一目标骨骼区域模型上分别展示所述每个体素在所述不同扫描时间的骨密度值对应的伪彩色值。
12.一种骨密度展示装置,其特征在于,包括:
序列图像获取模块,用于获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
骨密度值获取模块,用于获取所述目标骨骼区域中每个体素的骨密度值;
伪彩色值确定模块,用于确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
伪彩色值展示模块,用于在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括骨骼模型构建模块,所述目标骨骼区域包括股骨头到股骨颈区域:
所述骨骼模型构建模块包括:
骨骼区域定位单元,用于通过对所述CT序列图像的每一幅图像中的股骨头到股骨颈区域进行定位,确定所述每一幅图像中的股骨头的中心点、股骨头半径以及股骨颈的中心线、股骨颈半径;
包围盒构建单元,用于根据所述股骨头的中心点和半径构建股骨头包围盒,以及根据所述股骨颈的中心线和股骨颈半径构建股骨颈包围盒,所述股骨头包围盒用于包围待构建的股骨头模型,所述股骨颈包围盒用于包围股骨颈模型,所述股骨头包围盒和股骨颈包围盒的一端相连;
第一边界确定单元,用于基于所述股骨头包围盒和所述股骨颈包围盒确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界;
骨骼模型构建单元,用于根据所述第一骨皮质外边界以及所述股骨头的中心点、所述股骨颈的中心线构建第一目标骨骼区域模型。
14.根据权利要求12所述的装置,其特征在于,所述第一边界确定单元还用于:
基于空间辐射线法在所述股骨头包围盒和所述股骨颈包围盒内获取多个采样点;
根据所述多个采样点构建二维采样图像;
确定所述二维采样图像中所述股骨头到股骨颈区域的第二骨皮质外边界;
根据所述第二骨皮质外边界确定第一目标骨骼区域模型中所述目标骨骼区域的第一骨皮质外边界。
15.根据权利要求14所述的装置,其特征在于,所述第一边界确定单元还用于:
在所述股骨颈包围盒的中心线上,以及所述中心线的位于所述股骨头包围盒内部的延长线上,确定多个点;
在所述多个点中的每一点所属的横截面上,以所述每一点为中心点,间隔预设角度向空间引出多条辐射线,所述横截面垂直于所述股骨颈包围盒的中心线及所述延长线;
根据所述多条辐射线中每条辐射线的引出方向,依次采集多条辐射线上、位于所述股骨头包围盒和股骨颈包围盒内部的多个采样点。
16.根据权利要求15所述的装置,其特征在于,所述第一边界确定单元还用于:
将所述多个采样点按照对应辐射线的引出方向以及引出顺序进行依次排列,以构建所述二维采样图像。
17.根据权利要求14所述的装置,其特征在于,所述第一边界确定单元还用于:
根据所述二维采样图像上各采样点与邻近点的连接代价,获取总连接代价最小的连接路径;
根据所述连接路径的获取结果确定所述股骨头到股骨颈区域的第二骨皮质外边界。
18.根据权利要求17所述的装置,其特征在于,所述第一边界确定单元还用于:
接收用于调整第二骨皮质外边界的指令;
根据所述指令对所述第二骨皮质外边界进行优化。
19.根据权利要求12所述的装置,其特征在于,所述骨密度值获取模块还用于基于双能CT骨密度检测设备对所述被检体的目标骨骼区域进行检测,得到所述目标骨骼区域中每个体素的骨密度。
20.根据权利要求12所述的装置,其特征在于,所述伪彩色值确定模块还用于基于预先存储的骨密度值与伪彩色值的对应关系数据,查询所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值,所述伪彩色值包括红R、绿G、蓝B三个颜色通道中至少一个颜色通道的颜色值以及透明度。
21.根据权利要求12所述的装置,其特征在于,所述装置还包括:
相对信息确定模块,用于根据所述目标骨骼区域中每个体素的骨密度值确定所述每个体素的骨密度相对信息,所述骨密度相对信息包括骨密度T值或骨密度Z值;
相对伪彩确定模块,用于确定每个体素的骨密度相对信息对应的伪彩色值;
相对伪彩展示模块,用于在根据所述CT序列图像构建的第二目标骨骼区域模型上展示所述每个体素的骨密度相对信息对应的伪彩色值。
22.根据权利要求12所述的装置,其特征在于,
所述序列图像获取模块还用于获取被检体的目标骨骼区域在不同扫描时间的CT序列图像;
所述骨密度值获取模块还用于获取所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值;
所述伪彩色值确定模块还用于确定所述目标骨骼区域中每个体素在所述不同扫描时间的骨密度值对应的伪彩色值;
所述伪彩色值展示模块还用于在根据所述CT序列图像构建的第一目标骨骼区域模型上分别展示所述每个体素在所述不同扫描时间的骨密度值对应的伪彩色值。
23.一种骨密度展示设备,其特征在于,包括:
处理器;
被配置为存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
获取所述目标骨骼区域中每个体素的骨密度值;
确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
24.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:
获取被检体的目标骨骼区域的电子计算机断层扫描CT序列图像;
获取所述目标骨骼区域中每个体素的骨密度值;
确定所述目标骨骼区域中每个体素的骨密度值对应的伪彩色值;
在根据所述CT序列图像构建的第一目标骨骼区域模型上展示所述每个体素的骨密度值对应的伪彩色值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713328.6A CN109064447A (zh) | 2018-06-29 | 2018-06-29 | 骨密度展示方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713328.6A CN109064447A (zh) | 2018-06-29 | 2018-06-29 | 骨密度展示方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109064447A true CN109064447A (zh) | 2018-12-21 |
Family
ID=64818839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810713328.6A Pending CN109064447A (zh) | 2018-06-29 | 2018-06-29 | 骨密度展示方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109064447A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363765A (zh) * | 2019-07-24 | 2019-10-22 | 苏州科技城医院 | 基于ct影像的骨质疏松参数自动测量方法 |
CN110490878A (zh) * | 2019-07-29 | 2019-11-22 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110570508A (zh) * | 2019-07-23 | 2019-12-13 | 博志生物科技(深圳)有限公司 | 骨质疏松状况三维可视化渲染方法 |
CN113855249A (zh) * | 2021-12-02 | 2021-12-31 | 极限人工智能有限公司 | 一种机器控制方法、装置、手术机器人及可读存储介质 |
CN116128957A (zh) * | 2023-04-20 | 2023-05-16 | 博志生物科技(深圳)有限公司 | 一种椎体骨空洞分析方法、装置、设备及存储介质 |
WO2024020858A1 (zh) * | 2022-07-27 | 2024-02-01 | 维沃移动通信有限公司 | 表面构建方法、装置、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1036543A1 (en) * | 1999-03-15 | 2000-09-20 | Samsung SDS Co. Ltd. | Data processing system, method and computer program product |
CN1547161A (zh) * | 2003-12-08 | 2004-11-17 | 西安理工大学 | 彩色多窗ct图像的自动生成方法 |
CN1555030A (zh) * | 2003-12-22 | 2004-12-15 | 李浩宇 | 人体骨骼未知体三维交互模型的建立方法及其应用 |
CN105806856A (zh) * | 2014-12-30 | 2016-07-27 | 清华大学 | 双能射线成像方法和系统 |
CN107545578A (zh) * | 2017-08-25 | 2018-01-05 | 沈阳东软医疗系统有限公司 | Ct图像中股骨头区域分割方法、装置及设备 |
-
2018
- 2018-06-29 CN CN201810713328.6A patent/CN109064447A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1036543A1 (en) * | 1999-03-15 | 2000-09-20 | Samsung SDS Co. Ltd. | Data processing system, method and computer program product |
CN1547161A (zh) * | 2003-12-08 | 2004-11-17 | 西安理工大学 | 彩色多窗ct图像的自动生成方法 |
CN1555030A (zh) * | 2003-12-22 | 2004-12-15 | 李浩宇 | 人体骨骼未知体三维交互模型的建立方法及其应用 |
CN105806856A (zh) * | 2014-12-30 | 2016-07-27 | 清华大学 | 双能射线成像方法和系统 |
CN107545578A (zh) * | 2017-08-25 | 2018-01-05 | 沈阳东软医疗系统有限公司 | Ct图像中股骨头区域分割方法、装置及设备 |
Non-Patent Citations (3)
Title |
---|
李亚逆: ""口腔医学数字影像处理及辅助诊疗系统"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
程志安: ""防治骨质疏松强键骨骼"", 《广东科技出版社》 * |
韩光亮等: "《临床循证医学》", 31 August 2016 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570508A (zh) * | 2019-07-23 | 2019-12-13 | 博志生物科技(深圳)有限公司 | 骨质疏松状况三维可视化渲染方法 |
CN110570508B (zh) * | 2019-07-23 | 2023-09-08 | 博志生物科技(深圳)有限公司 | 骨质疏松状况三维可视化渲染方法 |
CN110363765A (zh) * | 2019-07-24 | 2019-10-22 | 苏州科技城医院 | 基于ct影像的骨质疏松参数自动测量方法 |
CN110363765B (zh) * | 2019-07-24 | 2023-04-18 | 江苏天影医疗科技有限公司 | 基于ct影像的骨质疏松参数自动测量方法 |
CN110490878A (zh) * | 2019-07-29 | 2019-11-22 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
WO2021017481A1 (zh) * | 2019-07-29 | 2021-02-04 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113855249A (zh) * | 2021-12-02 | 2021-12-31 | 极限人工智能有限公司 | 一种机器控制方法、装置、手术机器人及可读存储介质 |
CN113855249B (zh) * | 2021-12-02 | 2022-02-22 | 极限人工智能有限公司 | 一种机器控制方法、装置、手术机器人及可读存储介质 |
WO2024020858A1 (zh) * | 2022-07-27 | 2024-02-01 | 维沃移动通信有限公司 | 表面构建方法、装置、电子设备及介质 |
CN116128957A (zh) * | 2023-04-20 | 2023-05-16 | 博志生物科技(深圳)有限公司 | 一种椎体骨空洞分析方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109064447A (zh) | 骨密度展示方法、装置及设备 | |
US11972585B2 (en) | Dense body marker estimation from camera data for patient positioning in medical imaging | |
CN105027163B (zh) | 扫描区域确定装置 | |
Gunz et al. | The mammalian bony labyrinth reconsidered, introducing a comprehensive geometric morphometric approach | |
CN102525534B (zh) | 医用图像处理装置、医用图像处理方法 | |
Falcao et al. | A 3D generalization of user-steered live-wire segmentation | |
CN107909622B (zh) | 模型生成方法、医学成像的扫描规划方法及医学成像系统 | |
CN110544245B (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
CN102629376B (zh) | 图像配准 | |
CN109523523B (zh) | 基于fcn神经网络和对抗学习的椎体定位识别分割方法 | |
CN108701354A (zh) | 识别超声图像中感兴趣区域轮廓的方法及系统 | |
Frías et al. | From BIM to scan planning and optimization for construction control | |
CN111888059A (zh) | 基于深度学习与x线的全髋关节置换术前规划方法及装置 | |
CN108765438B (zh) | 一种肝脏边界的识别方法及系统 | |
CN107545578A (zh) | Ct图像中股骨头区域分割方法、装置及设备 | |
Abdulqawi et al. | A computer method for generating 3D point cloud from 2D digital image | |
CN110188778A (zh) | 基于影像提取结果的居民区要素轮廓规则化方法 | |
CN108109170A (zh) | 医学图像扫描方法及医学影像设备 | |
CN104240287A (zh) | 一种利用ct图像生成冠脉全景图的方法及系统 | |
CN108269272B (zh) | 肝部ct配准方法和系统 | |
Douros et al. | An improved algorithm for reconstruction of the surface of the human body from 3D scanner data using local B-spline patches | |
Nowinski et al. | A 3D model of human cerebrovasculature derived from 3T magnetic resonance angiography | |
Zhang et al. | Three-dimensional acetabular orientation measurement in a reliable coordinate system among one hundred Chinese | |
CN105496563A (zh) | 标定医学图像定位线的方法 | |
Gelaude et al. | Semi-automated segmentation and visualisation of outer bone cortex from medical images |
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 | ||
CB02 | Change of applicant information |
Address after: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Neusoft Medical Systems Co.,Ltd. Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant before: SHENYANG NEUSOFT MEDICAL SYSTEMS Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
RJ01 | Rejection of invention patent application after publication |