CN109431511A - 一种基于数字图像处理的人体背部脊柱侧弯角度测量方法 - Google Patents

一种基于数字图像处理的人体背部脊柱侧弯角度测量方法 Download PDF

Info

Publication number
CN109431511A
CN109431511A CN201811351818.2A CN201811351818A CN109431511A CN 109431511 A CN109431511 A CN 109431511A CN 201811351818 A CN201811351818 A CN 201811351818A CN 109431511 A CN109431511 A CN 109431511A
Authority
CN
China
Prior art keywords
image
human body
body back
obtains
carried out
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
Application number
CN201811351818.2A
Other languages
English (en)
Other versions
CN109431511B (zh
Inventor
邢丽冬
陆俊
钱志余
叶科学
姚柳叶
王笑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201811351818.2A priority Critical patent/CN109431511B/zh
Publication of CN109431511A publication Critical patent/CN109431511A/zh
Application granted granted Critical
Publication of CN109431511B publication Critical patent/CN109431511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4566—Evaluating the spine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Rheumatology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Geometry (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于数字图像处理的人体背部脊柱侧弯角度测量方法，采用普通数码相机拍摄获取正立人体背部图像，之后先对图像进行预处理获取感兴趣区域，再对感兴趣区域进行灰度化处理，再对灰度图像进行二值化处理得到人体背部轮廓二值化图像，通过对二值图像进行降噪处理得到脊柱轮廓特征点，再对特征点进行最小二乘法多项式拟合得到脊柱轮廓拟合曲线，最后根据拟合曲线计算得脊柱侧弯角度。本发明的方法简单实用，算法易于实现，能够有效的完成脊柱侧弯角度测量的目的。

Description

一种基于数字图像处理的人体背部脊柱侧弯角度测量方法
技术领域
本发明涉及图像处理技术领域，尤其是一种基于数字图像处理的人体背部脊柱侧弯角度测量方法。
背景技术
脊柱是人体的中轴，脊柱侧弯严重时不仅会造成身体外观异常、运动功能障碍，还可因胸廓畸形而造成心肺功能障碍，降低生活质量，严重影响青少年身心健康的发育。该病如果不及早发现并积极治疗，不仅影响患儿的体型和外观，而且可能造成心肺功能异常，使脊柱过早退变，出现疼痛，躯干不平衡。畸形严重的病儿，甚至早期出现心肺功能的衰竭，导致死亡。
脊柱侧弯又称脊柱侧凸，是指其脊柱的一个或数个节段向侧方弯曲并伴有椎体旋转和矢状面上后凸或前凸的增加或减少的脊柱畸形，国际脊柱侧凸研究学会定义脊柱侧弯：应用Cobb角法测量站立位脊柱正位X线片的脊柱弯曲，角度大于10度。
检查脊柱侧弯的方法有很多，大致可分为物理测量及图像测量两类。物理测量是指与人体背部直接接触测量脊柱侧弯，主要有Adams向前弯腰试验、应用脊柱侧凸尺测量躯干旋转角度、测量肋骨隆凸等方法；图像测量是指不与人体背部进行直接接触的检查方法,主要有莫尔图像测量法、X光片测量法、结构光测量法、激光扫描仪测量法等。
现有方法虽然能够对脊柱侧弯进行检查，但由于现有的普查方法是大多是基于人工的物理检测，在对大量的人群进行普查尤其是青少年体检时，人工检测繁琐，效率低，由于检查人员疲劳也会造成错判和误判。而用X光片来进行普查，会对青少年特别是儿童造成很多不必要的辐射伤害，并且费用较高。为减少人工钱财的浪费，提高脊柱侧弯检测效率，避免物理测量主观因素带来的误检，数字图像处理方法是一种快速高效的脊柱侧弯检测方法。
发明内容
本发明所要解决的技术问题在于，提供一种基于数字图像处理的人体背部脊柱侧弯角度测量方法，无损无辐射，简单实用，快速有效，算法容易实现，能够有效地完成人体背部脊柱侧弯角度测量的任务。
为解决上述技术问题，本发明提供一种基于数字图像处理的人体背部脊柱侧弯角度测量方法，包括如下步骤：
(1)采用数码相机拍摄获取人体背部图像：
(2)读取图像，获取图像的相关信息；
(3)对步骤(2)中的人体背部图像进行图像识别和分割预处理，截取感兴趣区域；
(4)将步骤(3)中的截取图像转化为灰度值图像，并进行灰度值均衡化处理；
(5)对步骤(4)中的人体背部灰度值图像作阈值处理和降噪处理，得到背部轮廓二值化图像；
(6)对步骤(5)中的人体背部轮廓二值化图像作模板比对以及细化处理，得到人体背部脊柱轮廓曲线特征点；
(7)将步骤(6)得到的人体背部脊柱轮廓特征点拟合成脊柱轮廓特征曲线；
(8)根据步骤(7)中的脊柱轮廓特征曲线计算得到脊柱侧弯角度。
优选的，步骤(1)中，对人体背部图像进行采集时，被采集人需要站正，图片包含从颈椎最上端到腰椎最下端的区域。
优选的，步骤(2)中，获取到图像的信息至少包括图像的高度和宽度信息以及每一像素点的RGB信息。
优选的，步骤(3)中，对图像进行识别分割截取时，舍去两侧多余轮廓干扰，保留主要的脊柱轮廓部分。
优选的，步骤(4)中，将截取图像转化为灰度值图像，并进行灰度值均衡化处理，具体包括以下分步骤：
(41)将截取的彩色图像转化为灰度值图像；
(42)对步骤(41)中灰度值图像进行灰度值均衡化处理；
(43)对步骤(42)得到的图像进行滤波处理，完成人体背部图像预处理。
优选的，步骤(5)中，将人体背部灰度值图像作阈值处理和降噪处理，得到背部轮廓二值化图像具体包括如下步骤：
(51)创建与步骤(4)得到的灰度图像大小相同的0值二值化图像P；
(52)对步骤(4)得到的灰度值图像进行像素点遍历比较操作；
(53)若像素点灰度值小于左右两侧像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P1；
(54)若像素点灰度值小于左右相隔一位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P2；
(55)若像素点灰度值小于左右相隔两位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P3；
(56)若像素点灰度值小于左右相隔三位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P4；
(57)若像素点灰度值小于左右相隔四位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P5；
(58)对步骤(53)、(54)、(55)、(56)、(57)得到的五幅二值图像进行与操作，初步得到人体背部二值图像；
(59)对步骤(58)得到的人体背部二值图像进行形态学降噪处理，删除面积小于S的噪声点；
(60)对步骤(59)处理得到二值图像进行腐蚀操作，得到人体背部脊柱轮廓二值图像。
优选的，步骤(6)中，将人体背部轮廓二值化图像作模板比对以及细化处理，得到人体背部脊柱轮廓曲线特征点具体包括如下步骤：
(61)对步骤(55)得到的二值图像进行形态学降噪处理，删除面积小于S的噪声点；
(62)对步骤(61)得到的二值图像进行膨胀操作处理得到模板图像；
(63)对步骤(60)得到的人体背部脊柱轮廓二值图像和步骤F2得到的模板图像进行与操作；
(64)对步骤(63)得到的二值图像进行细化操作得到人体背部脊柱轮廓特征点。
优选的，步骤(7)中，将人体背部脊柱轮廓特征点拟合成脊柱轮廓特征曲线具体包括如下步骤：
(71)将步骤(64)得到的特征点从图像坐标系转化到实际常用坐标系，图像坐标系的相对原点在图像的左上方，实际常用坐标系相对原点在图像的左下方；
(72)将步骤(71)得到的实际常用坐标系特征点拟合成人体背部脊柱轮廓特征曲线，拟合方式为最小二乘法多项式拟合。
优选的，步骤(8)中，根据脊柱轮廓特征曲线计算得到脊柱侧弯角度具体包括如下步骤：
(81)对步骤(72)得到的人体背部脊柱轮廓特征曲线进行一次求导，得到每点切线的斜率；
(82)对步骤(81)得到的切线斜率进行再次求导，得到两个切线斜率的极小值点；
(83)对步骤(82)得到的两个极值点的切线斜率进行计算，得到脊柱侧弯角度，计算公式集体为：radian＝atan((k1-k2)/(1+k1*k2))，angle＝radian*360/(2*pi)，其中，k1、k2为两极值点的切线斜率，radian是侧弯角的弧度，angle为脊柱侧弯角度。
本发明的有益效果为：本发明无损无辐射，简单实用，快速有效，算法容易实现，可以有效地完成人体背部脊柱侧弯角度测量的任务。
附图说明
图1为本发明的方法流程示意图。
图2为本发明的数码相机获取的人体背部图像示意图。
图3为本发明截取的感兴趣区域示意图。
图4为本发明转化成的人体背部灰度值图像示意图。
图5为本发明经过预处理的人体背部灰度值图像示意图。
图6(a)为本发明不同的人体背部二值化图像示意图。
图6(b)为本发明不同的人体背部二值化图像示意图。
图6(c)为本发明不同的人体背部二值化图像示意图。
图6(d)为本发明不同的人体背部二值化图像示意图。
图6(e)为本发明不同的人体背部二值化图像示意图。
图7为本发明经过与操作的人体背部二值化图像示意图。
图8为本发明经过形态学降噪的人体背部二值化图像示意图。
图9为本发明经过腐蚀操作的人体背部二值化图像示意图。
图10为本发明经过形态学降噪的人体背部模板图像示意图。
图11为本发明经过膨胀操作的人体背部模板图像示意图。
图12为本发明得到的人体背部脊柱特征点图像示意图。
图13为本发明投射到坐标系中的特征点图像示意图。
图14为本发明根据特征点拟合的人体背部脊柱轮廓曲线示意图。
具体实施方式
如图1所示，一种基于数字图像处理的人体背部脊柱侧弯角度测量方法，包括如下步骤：
A、采用数码相机拍摄获取人体背部图像，得到如图2所示的图像，被采集人需要站正，图片包含从颈椎最上端到腰椎最下端；
B、读取图像，获取图像的高度和宽度信息，以及每一像素点的RGB信息；
C、对步骤B中的人体背部图像进行图像识别和分割处理，截取感兴趣区域，得到如图3所示的图像，舍去了两侧多余轮廓干扰，保留了主要的脊柱轮廓部分；
D、将步骤C中的截取图像转化为灰度值图像，得到如图4所示的图像，并对图像进行灰度值均衡化和滤波处理，得到如图5所示的灰度图像；
E、对步骤D中的人体背部灰度值图像作阈值处理和降噪处理，得到二值化图像，具体包括以下分步骤：
E1、创建与步骤D得到的灰度图像大小相同的0值二值化图像P；
E2、对步骤D得到的灰度值图像进行像素点遍历比较操作；
E3、若像素点灰度值小于左右两侧像素点灰度值，则将空白图像P相同位置像素点置1，得到如图6(a)所示二值化图像；
E4、若像素点灰度值小于左右相隔一位的像素点灰度值，则将空白图像P相同位置像素点置1，得到如图6(b)所示二值化图像；
E5、若像素点灰度值小于左右相隔两位的像素点灰度值，则将空白图像P相同位置像素点置1，得到如图6(c)所示二值化图像；
E6、若像素点灰度值小于左右相隔三位的像素点灰度值，则将空白图像P相同位置像素点置1，得到如图6(d)所示二值化图像；
E7、若像素点灰度值小于左右相隔四位的像素点灰度值，则将空白图像P相同位置像素点置1，得到如图6(e)所示二值化图像；
E8、对步骤E3、E4、E5、E6、E7得到的五幅二值图像进行与操作，得到如图7所示人体背部二值图像；
E9、对步骤E8得到的人体背部二值图像进行形态学降噪处理，删除面积小于S的对象，得到如图8所示图像；
E10、对步骤E9处理得到二值图像进行腐蚀操作，得到如图9所示人体背部脊柱轮廓二值图像。
F、对步骤E中的人体背部二值化图像作模板比对以及细化处理，得到人体背部脊柱轮廓曲线特征点，具体包括以下分步骤：
F1、对步骤E4得到的二值图像进行形态学降噪处理，得到如图10所示图像；
F2、对步骤F1得到的二值图像进行膨胀操作处理得到如图11所示人体背部模板图像；
F3对步骤E9得到的人体背部脊柱轮廓二值图像和步骤F2得到的模板图像进行与操作；
F4、对步骤F3得到的二值图像进行细化操作得到人体背部脊柱轮廓特征点，如图12所示。
G、将步骤F得到的人体背部脊柱轮廓特征点拟合成脊柱轮廓特征曲线，具体包括以下分步骤：
G1、将步骤F4得到的特征点从图像坐标系转化到实际常用坐标系，如图13所示，图像坐标系的相对原点在图像的左上方，实际常用坐标系相对原点在图像的左下方；
G2、将步骤G1得到的实际常用坐标系特征点拟合成人体背部脊柱轮廓特征曲线，拟合方式为最小二乘法多项式拟合，得到如图14所示的人体背部脊柱轮廓特征曲线图像。
H、根据步骤G中的脊柱轮廓特征曲线计算得到脊柱侧弯角度，具体包括以下分步骤：
H1、对步骤G2得到的人体背部脊柱轮廓特征曲线进行一次求导，得到每点切线的斜率；
H2、对步骤H1得到的切线斜率进行再次次求导，得到两个切线斜率的极小值点；
H3、对步骤H2得到的两个极值点的切线斜率进行计算，得到脊柱侧弯角度，计算公式集体为：radian＝atan((k1-k2)/(1+k1*k2))，angle＝radian*360/(2*pi)，其中，k1、k2为两极值点的切线斜率，radian是侧弯角的弧度，angle为脊柱侧弯角角度。

Claims (9)

1.一种基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，包括如下步骤：
(1)采用数码相机拍摄获取人体背部图像：
(2)读取图像，获取图像的相关信息；
(3)对步骤(2)中的人体背部图像进行图像识别和分割预处理，截取感兴趣区域；
(4)将步骤(3)中的截取图像转化为灰度值图像，并进行灰度值均衡化处理；
(5)对步骤(4)中的人体背部灰度值图像作阈值处理和降噪处理，得到背部轮廓二值化图像；
(6)对步骤(5)中的人体背部轮廓二值化图像作模板比对以及细化处理，得到人体背部脊柱轮廓曲线特征点；
(7)将步骤(6)得到的人体背部脊柱轮廓特征点拟合成脊柱轮廓特征曲线；
(8)根据步骤(7)中的脊柱轮廓特征曲线计算得到脊柱侧弯角度。
2.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(1)中，对人体背部图像进行采集时，被采集人需要站正，图片包含从颈椎最上端到腰椎最下端的区域。
3.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(2)中，获取到图像的信息至少包括图像的高度和宽度信息以及每一像素点的RGB信息。
4.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(3)中，对图像进行识别分割截取时，舍去两侧多余轮廓干扰，保留主要的脊柱轮廓部分。
5.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(4)中，将截取图像转化为灰度值图像，并进行灰度值均衡化处理，具体包括以下分步骤：
(41)将截取的彩色图像转化为灰度值图像；
(42)对步骤(41)中灰度值图像进行灰度值均衡化处理；
(43)对步骤(42)得到的图像进行滤波处理，完成人体背部图像预处理。
6.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(5)中，将人体背部灰度值图像作阈值处理和降噪处理，得到背部轮廓二值化图像具体包括如下步骤：
(51)创建与步骤(4)得到的灰度图像大小相同的0值二值化图像P；
(52)对步骤(4)得到的灰度值图像进行像素点遍历比较操作；
(53)若像素点灰度值小于左右两侧像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P1；
(54)若像素点灰度值小于左右相隔一位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P2；
(55)若像素点灰度值小于左右相隔两位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P3；
(56)若像素点灰度值小于左右相隔三位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P4；
(57)若像素点灰度值小于左右相隔四位的像素点灰度值，则将空白图像P相同位置像素点置1，得到二值化图像P5；
(58)对步骤(53)、(54)、(55)、(56)、(57)得到的五幅二值图像进行与操作，初步得到人体背部二值图像；
(59)对步骤(58)得到的人体背部二值图像进行形态学降噪处理，删除面积小于S的噪声点；
(60)对步骤(59)处理得到二值图像进行腐蚀操作，得到人体背部脊柱轮廓二值图像。
7.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(6)中，将人体背部轮廓二值化图像作模板比对以及细化处理，得到人体背部脊柱轮廓曲线特征点具体包括如下步骤：
(61)对步骤(55)得到的二值图像进行形态学降噪处理，删除面积小于S的噪声点；
(62)对步骤(61)得到的二值图像进行膨胀操作处理得到模板图像；
(63)对步骤(60)得到的人体背部脊柱轮廓二值图像和步骤F2得到的模板图像进行与操作；
(64)对步骤(63)得到的二值图像进行细化操作得到人体背部脊柱轮廓特征点。
8.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(7)中，将人体背部脊柱轮廓特征点拟合成脊柱轮廓特征曲线具体包括如下步骤：
(71)将步骤(64)得到的特征点从图像坐标系转化到实际常用坐标系，图像坐标系的相对原点在图像的左上方，实际常用坐标系相对原点在图像的左下方；
(72)将步骤(71)得到的实际常用坐标系特征点拟合成人体背部脊柱轮廓特征曲线，拟合方式为最小二乘法多项式拟合。
9.如权利要求1所述的基于数字图像处理的人体背部脊柱侧弯角度测量方法，其特征在于，步骤(8)中，根据脊柱轮廓特征曲线计算得到脊柱侧弯角度具体包括如下步骤：
(81)对步骤(72)得到的人体背部脊柱轮廓特征曲线进行一次求导，得到每点切线的斜率；
(82)对步骤(81)得到的切线斜率进行再次求导，得到两个切线斜率的极小值点；
(83)对步骤(82)得到的两个极值点的切线斜率进行计算，得到脊柱侧弯角度，计算公式集体为：radian＝atan((k1-k2)/(1+k1*k2))，angle＝radian*360/(2*pi)，其中，k1、k2为两极值点的切线斜率，radian是侧弯角的弧度，angle为脊柱侧弯角度。
CN201811351818.2A 2018-11-14 2018-11-14 一种基于数字图像处理的人体背部脊柱侧弯脊柱轮廓特征曲线拟合方法 Active CN109431511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811351818.2A CN109431511B (zh) 2018-11-14 2018-11-14 一种基于数字图像处理的人体背部脊柱侧弯脊柱轮廓特征曲线拟合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811351818.2A CN109431511B (zh) 2018-11-14 2018-11-14 一种基于数字图像处理的人体背部脊柱侧弯脊柱轮廓特征曲线拟合方法

Publications (2)

Publication Number Publication Date
CN109431511A true CN109431511A (zh) 2019-03-08
CN109431511B CN109431511B (zh) 2021-09-24

Family

ID=65552288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811351818.2A Active CN109431511B (zh) 2018-11-14 2018-11-14 一种基于数字图像处理的人体背部脊柱侧弯脊柱轮廓特征曲线拟合方法

Country Status (1)

Country Link
CN (1) CN109431511B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349171A (zh) * 2019-06-11 2019-10-18 南京航空航天大学 一种基于灰度中值的脊柱侧弯背部轮廓曲线提取方法
CN110458831A (zh) * 2019-08-12 2019-11-15 深圳市智影医疗科技有限公司 一种基于深度学习的脊柱侧弯图像处理方法
CN112258516A (zh) * 2020-09-04 2021-01-22 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 一种脊柱侧弯图像检测模型的生成方法
CN112274164A (zh) * 2020-07-29 2021-01-29 深圳市智影医疗科技有限公司 脊柱侧弯预测方法、装置、电子设备和存储介质
CN112349392A (zh) * 2020-11-25 2021-02-09 北京大学第三医院（北京大学第三临床医学院） 一种人体颈椎医学图像处理系统
WO2021114623A1 (zh) * 2020-06-08 2021-06-17 平安科技（深圳）有限公司 脊柱变形人群识别方法、装置、计算机设备及存储介质
CN113951874A (zh) * 2021-10-25 2022-01-21 中国科学院长春光学精密机械与物理研究所 一种脊柱侧弯风险评估系统
CN114494271A (zh) * 2022-02-18 2022-05-13 芙索特(上海)医疗科技有限公司 一种人体背部atr角度计算方法
CN117257455A (zh) * 2023-11-21 2023-12-22 中国人民解放军总医院第一医学中心 一种腰椎手术固定棒预弯方法及装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0054596A1 (fr) * 1980-12-18 1982-06-30 International Business Machines Corporation Procédé d'inspection et de tri automatique d'objets présentant des configurations avec des tolérances dimensionnelles et des critères de rejet variables selon l'emplacement, équipement et circuits de mise en oeuvre
US4975972A (en) * 1988-10-18 1990-12-04 At&T Bell Laboratories Method and apparatus for surface inspection
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
CN101791246A (zh) * 2010-02-26 2010-08-04 南京航空航天大学 一种用于椎弓根钉植入的近红外定位导航装置
CN102930534A (zh) * 2012-10-15 2013-02-13 北京工业大学 人体背部穴位自动定位方法
CN102968633A (zh) * 2012-10-29 2013-03-13 东软飞利浦医疗设备系统有限责任公司 基于ct侧位定位片的腰椎识别方法和装置
CN105096298A (zh) * 2014-05-08 2015-11-25 东北大学 一种基于快速直线提取的网格特征点提取方法
CN105982674A (zh) * 2015-01-27 2016-10-05 中慧医学成像有限公司 一种测量脊柱弯曲角度的方法
CN106447733A (zh) * 2016-09-28 2017-02-22 北京理工大学 颈椎活动度及活动轴线位置的确定方法、系统及装置
CN106504229A (zh) * 2016-09-30 2017-03-15 上海联影医疗科技有限公司 图像中特征点的检测方法
CN108038476A (zh) * 2018-01-03 2018-05-15 东北大学 一种基于边缘检测与sift的人脸表情识别特征提取方法
CN108304749A (zh) * 2017-01-13 2018-07-20 比亚迪股份有限公司 道路减速线识别方法、装置及车辆
CN108305687A (zh) * 2017-12-21 2018-07-20 南京航空航天大学 一种快速诊断骨质疏松患者椎体承载能力的系统和方法
CN108765335A (zh) * 2018-05-25 2018-11-06 电子科技大学 一种基于遥感图像的森林火灾检测方法
WO2020038207A1 (en) * 2018-08-21 2020-02-27 Huawei Technologies Co., Ltd. Binarization and normalization-based inpainting for removing text

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0054596A1 (fr) * 1980-12-18 1982-06-30 International Business Machines Corporation Procédé d'inspection et de tri automatique d'objets présentant des configurations avec des tolérances dimensionnelles et des critères de rejet variables selon l'emplacement, équipement et circuits de mise en oeuvre
US4975972A (en) * 1988-10-18 1990-12-04 At&T Bell Laboratories Method and apparatus for surface inspection
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
CN101791246A (zh) * 2010-02-26 2010-08-04 南京航空航天大学 一种用于椎弓根钉植入的近红外定位导航装置
CN102930534A (zh) * 2012-10-15 2013-02-13 北京工业大学 人体背部穴位自动定位方法
CN102968633A (zh) * 2012-10-29 2013-03-13 东软飞利浦医疗设备系统有限责任公司 基于ct侧位定位片的腰椎识别方法和装置
CN105096298A (zh) * 2014-05-08 2015-11-25 东北大学 一种基于快速直线提取的网格特征点提取方法
CN105982674A (zh) * 2015-01-27 2016-10-05 中慧医学成像有限公司 一种测量脊柱弯曲角度的方法
CN106447733A (zh) * 2016-09-28 2017-02-22 北京理工大学 颈椎活动度及活动轴线位置的确定方法、系统及装置
CN106504229A (zh) * 2016-09-30 2017-03-15 上海联影医疗科技有限公司 图像中特征点的检测方法
CN108304749A (zh) * 2017-01-13 2018-07-20 比亚迪股份有限公司 道路减速线识别方法、装置及车辆
CN108305687A (zh) * 2017-12-21 2018-07-20 南京航空航天大学 一种快速诊断骨质疏松患者椎体承载能力的系统和方法
CN108038476A (zh) * 2018-01-03 2018-05-15 东北大学 一种基于边缘检测与sift的人脸表情识别特征提取方法
CN108765335A (zh) * 2018-05-25 2018-11-06 电子科技大学 一种基于遥感图像的森林火灾检测方法
WO2020038207A1 (en) * 2018-08-21 2020-02-27 Huawei Technologies Co., Ltd. Binarization and normalization-based inpainting for removing text

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
GUANG-QUAN ZHOU: "Automatic Measurement of Spine Curvature on 3-D Ultrasound Volume Projection Image with Phase Features", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 *
QIAN, K (QIAN, K); BHATTACHARYA, P (BHATTACHARYA, P): "DETERMINING HOLES AND CONNECTIVITY IN BINARY IMAGES", 《COMPUTERS & GRAPHICS-UK》 *
ZOU, MING-XIANG; LV, GUO-HUA; LI, JING;: "Giant ganglion cell tumor associated with thoracolumbar scoliosis", 《SPINE JOURNAL》 *
吕东辉,顼超静,孙九爱.: "图像处理技术在脊柱侧弯检查中的应用", 《生物医学工程学杂志》 *
周小飞: "侧凸脊柱X线片三维重建和辅助测量", 《中国优秀硕士学位论文全文数据库》 *
李刚，贺昱曜: "不均匀光照的路面裂缝检测和分类新方法", 《光子学报》 *
查艳丽: "MRI脊柱图像的定位与分割", 《中国优秀硕士学位论文全文数据库》 *
沈林勇，林辉冬: "基于姿态传感器的脊柱形态测量技术", 《传感技术学报》 *
王笑,王倩.: "退行性脊柱侧弯手术护理配合", 《中国医药导刊》 *
王钰妍,钱志余,李韪韬,等.: "基于近红外光谱技术的脊椎外科手术导航路径光学参数研究", 《生物医学工程学杂志》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349171B (zh) * 2019-06-11 2021-09-17 南京航空航天大学 一种基于灰度中值的脊柱侧弯背部轮廓曲线提取方法
CN110349171A (zh) * 2019-06-11 2019-10-18 南京航空航天大学 一种基于灰度中值的脊柱侧弯背部轮廓曲线提取方法
CN110458831B (zh) * 2019-08-12 2023-02-03 深圳市智影医疗科技有限公司 一种基于深度学习的脊柱侧弯图像处理方法
CN110458831A (zh) * 2019-08-12 2019-11-15 深圳市智影医疗科技有限公司 一种基于深度学习的脊柱侧弯图像处理方法
WO2021114623A1 (zh) * 2020-06-08 2021-06-17 平安科技（深圳）有限公司 脊柱变形人群识别方法、装置、计算机设备及存储介质
CN112274164A (zh) * 2020-07-29 2021-01-29 深圳市智影医疗科技有限公司 脊柱侧弯预测方法、装置、电子设备和存储介质
CN112274164B (zh) * 2020-07-29 2023-02-21 深圳市智影医疗科技有限公司 脊柱侧弯预测方法、装置、电子设备和存储介质
CN112258516A (zh) * 2020-09-04 2021-01-22 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 一种脊柱侧弯图像检测模型的生成方法
CN112258516B (zh) * 2020-09-04 2023-04-07 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 一种脊柱侧弯图像检测模型的生成方法
CN112349392A (zh) * 2020-11-25 2021-02-09 北京大学第三医院（北京大学第三临床医学院） 一种人体颈椎医学图像处理系统
CN113951874A (zh) * 2021-10-25 2022-01-21 中国科学院长春光学精密机械与物理研究所 一种脊柱侧弯风险评估系统
CN113951874B (zh) * 2021-10-25 2023-12-26 中国科学院长春光学精密机械与物理研究所 一种脊柱侧弯风险评估系统
CN114494271A (zh) * 2022-02-18 2022-05-13 芙索特(上海)医疗科技有限公司 一种人体背部atr角度计算方法
CN117257455A (zh) * 2023-11-21 2023-12-22 中国人民解放军总医院第一医学中心 一种腰椎手术固定棒预弯方法及装置
CN117257455B (zh) * 2023-11-21 2024-02-20 中国人民解放军总医院第一医学中心 一种腰椎手术固定棒预弯方法及装置

Also Published As

Publication number Publication date
CN109431511B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN109431511A (zh) 一种基于数字图像处理的人体背部脊柱侧弯角度测量方法
US10762366B2 (en) Finger vein identification method and device
Dashtbozorg et al. Optic disc segmentation using the sliding band filter
JP6507046B2 (ja) 立体物検知装置及び立体物認証装置
CN101901485B (zh) 3d自由头动式视线跟踪系统
Coombes et al. A mathematical method for the comparison of three-dimensional changes in the facial surface
CN101261677A (zh) 人脸和虹膜混合识别的新方法——特征提取层融合
CN108764089A (zh) 基于深度相机的人体背部脊柱中线识别方法
CN112258516A (zh) 一种脊柱侧弯图像检测模型的生成方法
CN107240128B (zh) 一种基于轮廓特征的x线片和彩色照片配准方法
JP2017067489A (ja) 診断支援装置、方法及びコンピュータプログラム
CN103679816A (zh) 一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法
CN102332098B (zh) 一种虹膜图像预处理方法
CN113643353B (zh) 眼底图像的血管管径的增强分辨率的测量方法
CN113876444A (zh) 一种牙科器械的3d打印方法、系统、装置及介质
CN114693682B (zh) 一种基于图像处理的脊椎特征识别方法
CN110752029B (zh) 一种病灶的定位方法及装置
CN115187606A (zh) 一种青少年特发性脊柱侧凸pumc分型方法
Wong et al. Optimising rPPG signal extraction by exploiting facial surface orientation
CN109074471B (zh) 一种基于主动外观模型的虹膜区域分割方法及装置
CN114202795A (zh) 一种老年人瞳孔快速定位方法
CN111951216B (zh) 基于计算机视觉的脊柱冠状面平衡参数自动测量方法
CN110349171A (zh) 一种基于灰度中值的脊柱侧弯背部轮廓曲线提取方法
Nurhudatiana A computer-aided diagnosis system for vitiligo assessment: A segmentation algorithm
Lim et al. A novel spinal vertebrae segmentation framework combining geometric flow and shape prior with level set method

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