CN109903277A - 一种基于多项式曲线拟合的脊柱侧弯检测方法 - Google Patents
一种基于多项式曲线拟合的脊柱侧弯检测方法 Download PDFInfo
- Publication number
- CN109903277A CN109903277A CN201910136335.9A CN201910136335A CN109903277A CN 109903277 A CN109903277 A CN 109903277A CN 201910136335 A CN201910136335 A CN 201910136335A CN 109903277 A CN109903277 A CN 109903277A
- Authority
- CN
- China
- Prior art keywords
- point
- curvature
- matrix
- line
- image
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Processing (AREA)
Abstract
该发明公开了一种多项式曲线拟合的脊柱侧弯检测识别方法,该发明属于使用机器视觉方案对背部脊柱中线进行自动提取并结合背部特征点进行曲线拟合并进行cobb角计算。本发买了方法能高效且精准的通过深度相机得到人的脊柱中线，并对脊柱中线进行cobb角计算进行侧弯判断，大大减少人工检测的劳动强度，提高诊断精度。通过三次多项式拟合既可以保证数据的后续处理，也避免了更高次多项式拟合在实际使用中会产生震荡，影响数据精度的情况，为数据的准确性提供了保障。
Description
技术领域
本发明属于使用机器视觉方案对背部脊柱中线进行自动提取并结合背部特征点进行曲线拟合并进行cobb角计算，具体指的是一种基于多项式曲线拟合与曲率提取法的的脊柱侧弯检测方法。
背景技术
脊柱侧弯也称之为脊柱测凸，具有多发性的特点，近年来，人群中出现脊柱测凸的情况正在逐年增加，对人们的工作和生活造成一定程度的影响。因此脊柱检测有着相当广泛的应用。脊柱侧弯检测目前常用的方法是脊柱侧凸尺，Adams向前弯腰试验。然而，由于人工检测效率低、劳动强度大、易出错等缺点，在机器视觉不断发展的今天脊柱侧弯检测正逐渐从人工处理发展到计算机自动处理。
脊柱曲线的提取与拟合对于基础侧弯检测系统来说是至关重要的。传统的脊柱侧弯提取，会存在许多弊端。第一，运用脊柱侧凸尺来测量躯干的旋转角度、Adams向前弯腰试验等方法会存在工作量大，且在对大量人群进行普查的时候，人工检测会变得相当的繁琐，效率很低，而且医生也有可能会因为疲劳造成错判和误判。第二，脊柱侧弯检测中采用的X光线具有一定量的放射性，对人体健康存在一定影响。而在国外新开发的无害检测价格非常高昂，这很难让普通医院的一般患者使用，因而开发无害可靠且高效率的检测设备可以为脊柱检测问题带来极大的改善。
发明内容
本发明提出了一种对脊柱侧弯进行自动识别的方法。所述方法能高效且精准的通过深度相机得到人的脊柱中线，并对脊柱中线进行cobb角计算进行侧弯判断，大大减少人工检测的劳动强度，提高诊断精度。
本发明采取了一种多项式曲线拟合的脊柱侧弯检测识别方法，该方法步骤包括：
步骤A：利用深度相机获取人体背部网格化图像；
步骤B：将步骤A得到的网格图像进行梯度化处理，得到梯度图像；
步骤C：根据步骤B得到的梯度图像提取背部中线区域；
步骤D：获取隆骨点坐标与胯骨点坐标，将步骤C得到的背部中线区域的左右边界取边界中值，得到部分脊柱中线，然后对部分脊柱中线进行多项式插值拟合处理，得到人体背部脊柱中线，具体包括以下分步骤：
S1、设方程组为P＝a+b*y+c*y2+d*y3,其中a、b、c、d为未知参数，y为离散点纵坐标，P为拟合公式，根据脊椎中线特征点求得的脊柱横坐标；
S2、根据脊柱中线曲线两端点确定方程的边界坐标，可得出各脊柱中线待拟合点到该拟合曲线的横向距离平方和为
其中R为该距离，x为拟合公式求得脊柱中线的横坐标，n为上述需拟合的脊柱中线离散点个数，yk为第k个离散点纵坐标；
为了求得和数的a,b,c,d，分别对该公式的a,b,c,d求偏导，
得到如下公式：
将其进行化简可得：
表示成矩阵的形式，得到下面的矩阵:
S3、解出这个线性方程，即可求得拟合曲线多项式的系数矩阵；采用开源库opencv中的solve()函数可对所需参数a,b,c,d进行求解，得到拟合曲线；
S4、将步骤S3重构的各个方程逐点描出，得到拟合后的脊柱曲线点；
步骤E：找出脊柱曲线曲率最大的离散点并求在其点处的切线的夹角，即得到Cobb角，根据Cobb角的大小判断脊柱弯曲情况。
进一步的，所述步骤A中获得人站立时的背部深度图像，并对人体背部深度图像进行Delaunay三角剖分和线性三角内插值处理；将得到的插值结果映射到二维图像进行线性变换，并将该图像进行拉伸为200*200像素图像。
进一步的，所述步骤B中将步骤A得到的网格矩阵进行曲率化处理，得到曲率矩阵，得到曲率矩阵后，再将曲率矩阵中曲率为负的曲率值置零，曲率矩阵中曲率大于1的曲率值置零，曲率矩阵中孤立的的曲率值及在其上下左右无曲率值部分置零。
进一步的，所述步骤C中根据步骤B得到的曲率矩阵提取背部中线区域，具体为：先将曲率矩阵进行开闭运算，将其为多个特征区域，包括肩胛区域，背部中线区域，腰部区域；再去除孤立点，将孤立点置零，最后提取曲率矩阵图像的最大连通域，这里的最大连通域即为背部中线区域。
进一步的，所述步骤E中对步骤D所得的脊柱曲线点依次求该点在其曲线切线的斜率，找到斜率最接近0处且为正的一个点和斜率最接近0处且为负的一个点并计算在该两个点时切线的垂线的夹角，此时得到的数值即为cobb角，当cobb角大于7度时判定为脊柱侧弯。
本发明提出了一种新的优化脊柱中线提取数据到的方法，通过三次多项式拟合既可以保证数据的后续处理，也避免了更高次多项式拟合在实际使用中会产生震荡，影响数据精度的情况，为数据的准确性提供了保障。
附图说明
图1为本发明一种基于多项式曲线拟合的脊柱侧弯检测方法的流程图。
具体实施方式
本发明采取了一种多项式曲线拟合的脊柱侧弯检测识别方法，该方法步骤包括：
步骤A：利用深度相机获取人体背部网格化图像；
获得人站立时的背部深度图像，并对人体背部深度图像进行Delaunay三角剖分和线性三角内插值处理；将得到的插值结果映射到二维图像进行线性变换，并将该图像进行拉伸为200*200像素图像。
步骤B：将步骤A得到的网格图像进行梯度化处理，得到梯度图像；
将步骤A得到的网格矩阵进行曲率化处理，得到曲率矩阵，得到曲率矩阵后，再将曲率矩阵中曲率为负的曲率值置零，曲率矩阵中曲率大于1的曲率值置零，曲率矩阵中孤立的的曲率值及在其上下左右无曲率值部分置零。
步骤C：根据步骤B得到的梯度图像提取背部中线区域；
根据步骤B得到的曲率矩阵提取背部中线区域，具体为：先将曲率矩阵进行开闭运算，将其为多个特征区域，包括肩胛区域，背部中线区域，腰部区域；再去除孤立点，将孤立点置零，最后提取曲率矩阵图像的最大连通域，这里的最大连通域即为背部中线区域。
步骤D：获取隆骨点坐标与胯骨点坐标，将步骤C得到的背部中线区域的左右边界取边界中值，得到部分脊柱中线，然后对部分脊柱中线进行多项式插值拟合处理，得到人体背部脊柱中线，具体包括以下分步骤：
S1、设方程组为P＝a+b*y+c*y2+d*y3,其中a、b、c、d为未知参数，y为离散点纵坐标，P为拟合公式，根据脊椎中线特征点求得的脊柱横坐标；
S2、根据脊柱中线曲线两端点确定方程的边界坐标，可得出各脊柱中线待拟合点到该拟合曲线的横向距离平方和为
其中R为该距离，x为拟合公式求得脊柱中线的横坐标，n为上述需拟合的脊柱中线离散点个数，yk为第k个离散点纵坐标；
为了求得和数的a,b,c,d，分别对该公式的a,b,c,d求偏导，
得到如下公式：
将其进行化简可得：
其中xk表示第k个离散点横坐标,表示成矩阵的形式，得到下面的矩阵:
S3、解出这个线性方程，即可求得拟合曲线多项式的系数矩阵；采用开源库opencv中的solve()函数可对所需参数a,b,c,d进行求解，得到拟合曲线；
S4、将步骤S3重构的各个方程逐点描出，得到拟合后的脊柱曲线点；
步骤E：找出脊柱曲线曲率最大的离散点并求在其点处的切线的夹角，即得到Cobb角，根据Cobb角的大小判断脊柱弯曲情况。
步骤E：找出脊柱曲线曲率最大的离散点并求在其点处的切线的夹角，即得到Cobb角，根据Cobb角的大小判断脊柱弯曲情况；将步骤D所得的脊柱曲线点依次求该点在其曲线切线的斜率，找到斜率最接近0处且为正的一个点和斜率最接近0处且为负的一个点并计算在该两个点时切线的垂线的夹角，此时得到的数值即为cobb角，当cobb角大于7度时判定为脊柱侧弯。
Claims (5)
1.一种多项式曲线拟合的脊柱侧弯检测识别方法，该方法步骤包括：
步骤A：利用深度相机获取人体背部网格化图像；
步骤B：将步骤A得到的网格图像进行梯度化处理，得到梯度图像；
步骤C：根据步骤B得到的梯度图像提取背部中线区域；
步骤D：获取隆骨点坐标与胯骨点坐标，将步骤C得到的背部中线区域的左右边界取边界中值，得到部分脊柱中线，然后对部分脊柱中线进行多项式插值拟合处理，得到人体背部脊柱中线，具体包括以下分步骤：
S1、设方程组为P＝a+b*y+c*y2+d*y3,其中a、b、c、d为未知参数，y为离散点纵坐标，P为拟合公式，根据脊椎中线特征点求得的脊柱横坐标；
S2、根据脊柱中线曲线两端点确定方程的边界坐标，可得出各脊柱中线待拟合点到该拟合曲线的横向距离平方和为
其中R为该距离，x为拟合公式求得脊柱中线的横坐标，n为上述需拟合的脊柱中线离散点个数，yk为第k个离散点纵坐标；
为了求得和数的a,b,c,d，分别对该公式的a,b,c,d求偏导，
得到如下公式：
将其进行化简可得：
表示成矩阵的形式，得到下面的矩阵:
S3、解出这个线性方程，即可求得拟合曲线多项式的系数矩阵；采用开源库opencv中的solve()函数可对所需参数a,b,c,d进行求解，得到拟合曲线；
S4、将步骤S3重构的各个方程逐点描出，得到拟合后的脊柱曲线点；
步骤E：找出脊柱曲线曲率最大的离散点并求在其点处的切线的夹角，即得到Cobb角，根据Cobb角的大小判断脊柱弯曲情况。
2.如权利要求1所述的一种多项式曲线拟合的脊柱侧弯检测识别方法,其特征在于所述步骤A中获得人站立时的背部深度图像，并对人体背部深度图像进行Delaunay三角剖分和线性三角内插值处理；将得到的插值结果映射到二维图像进行线性变换，并将该图像进行拉伸为200*200像素图像。
3.如权利要求1所述的一种多项式曲线拟合的脊柱侧弯检测识别方法,其特征在于所述步骤B中将步骤A得到的网格矩阵进行曲率化处理，得到曲率矩阵，得到曲率矩阵后，再将曲率矩阵中曲率为负的曲率值置零，曲率矩阵中曲率大于1的曲率值置零，曲率矩阵中孤立的的曲率值及在其上下左右无曲率值部分置零。
4.如权利要求1所述的一种多项式曲线拟合的脊柱侧弯检测识别方法,其特征在于所述步骤C中根据步骤B得到的曲率矩阵提取背部中线区域，具体为：先将曲率矩阵进行开闭运算，将其为多个特征区域，包括肩胛区域，背部中线区域，腰部区域；再去除孤立点，将孤立点置零，最后提取曲率矩阵图像的最大连通域，这里的最大连通域即为背部中线区域。
5.如权利要求1所述的一种多项式曲线拟合的脊柱侧弯检测识别方法,其特征在于所述步骤E中对步骤D所得的脊柱曲线点依次求该点在其曲线切线的斜率，找到斜率最接近0处且为正的一个点和斜率最接近0处且为负的一个点并计算在该两个点时切线的垂线的夹角，此时得到的数值即为cobb角，当cobb角大于7度时判定为脊柱侧弯。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910136335.9A CN109903277A (zh) | 2019-02-25 | 2019-02-25 | 一种基于多项式曲线拟合的脊柱侧弯检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910136335.9A CN109903277A (zh) | 2019-02-25 | 2019-02-25 | 一种基于多项式曲线拟合的脊柱侧弯检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109903277A true CN109903277A (zh) | 2019-06-18 |
Family
ID=66945410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910136335.9A Pending CN109903277A (zh) | 2019-02-25 | 2019-02-25 | 一种基于多项式曲线拟合的脊柱侧弯检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109903277A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN112381869A (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 | 脊柱全长x线片测算脊柱侧弯测量和计算装置 |
| CN113240730A (zh) * | 2021-05-20 | 2021-08-10 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
| CN114081471A (zh) * | 2021-11-11 | 2022-02-25 | 宜宾显微智能科技有限公司 | 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法 |
| CN114708318A (zh) * | 2022-04-12 | 2022-07-05 | 西安交通大学 | 一种基于深度相机的未知待测面曲率测定方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009025114A1 (ja) * | 2007-08-21 | 2009-02-26 | Konica Minolta Medical & Graphic, Inc. | 画像診断支援装置及び画像診断支援方法 |
| CN102458312A (zh) * | 2009-06-24 | 2012-05-16 | 康复米斯公司 | 适应患者的改进整形外科植入物、设计和相关工具 |
| CN106558054A (zh) * | 2016-10-31 | 2017-04-05 | 北京尚水信息技术股份有限公司 | 一种基于分水岭的山脊线提取方法 |
| CN107045594A (zh) * | 2017-04-25 | 2017-08-15 | 吉林大学 | 一种脊柱损伤测量中x射线标志物的数字化系统 |
| CN108573502A (zh) * | 2018-03-06 | 2018-09-25 | 安徽大学 | 一种自动测量Cobb角的方法 |
| CN108764089A (zh) * | 2018-05-18 | 2018-11-06 | 四川效率未来科技有限公司 | 基于深度相机的人体背部脊柱中线识别方法 |
-
2019
- 2019-02-25 CN CN201910136335.9A patent/CN109903277A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009025114A1 (ja) * | 2007-08-21 | 2009-02-26 | Konica Minolta Medical & Graphic, Inc. | 画像診断支援装置及び画像診断支援方法 |
| CN102458312A (zh) * | 2009-06-24 | 2012-05-16 | 康复米斯公司 | 适应患者的改进整形外科植入物、设计和相关工具 |
| CN106558054A (zh) * | 2016-10-31 | 2017-04-05 | 北京尚水信息技术股份有限公司 | 一种基于分水岭的山脊线提取方法 |
| CN107045594A (zh) * | 2017-04-25 | 2017-08-15 | 吉林大学 | 一种脊柱损伤测量中x射线标志物的数字化系统 |
| CN108573502A (zh) * | 2018-03-06 | 2018-09-25 | 安徽大学 | 一种自动测量Cobb角的方法 |
| CN108764089A (zh) * | 2018-05-18 | 2018-11-06 | 四川效率未来科技有限公司 | 基于深度相机的人体背部脊柱中线识别方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| 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 |
| 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 |
| CN112381869A (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 | 脊柱全长x线片测算脊柱侧弯测量和计算装置 |
| CN113240730A (zh) * | 2021-05-20 | 2021-08-10 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
| CN113240730B (zh) * | 2021-05-20 | 2022-02-08 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
| CN114081471A (zh) * | 2021-11-11 | 2022-02-25 | 宜宾显微智能科技有限公司 | 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法 |
| CN114081471B (zh) * | 2021-11-11 | 2024-02-09 | 宜宾显微智能科技有限公司 | 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法 |
| CN114708318A (zh) * | 2022-04-12 | 2022-07-05 | 西安交通大学 | 一种基于深度相机的未知待测面曲率测定方法 |
| CN114708318B (zh) * | 2022-04-12 | 2024-05-28 | 西安交通大学 | 一种基于深度相机的未知待测面曲率测定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109903277A (zh) | 一种基于多项式曲线拟合的脊柱侧弯检测方法 | |
| Lamecker et al. | Atlas-based 3D-shape reconstruction from X-ray images | |
| CN104240180B (zh) | 一种实现图像自动调整的方法及装置 | |
| Kadoury et al. | Personalized X-ray 3-D reconstruction of the scoliotic spine from hybrid statistical and image-based models | |
| CN112258516B (zh) | 一种脊柱侧弯图像检测模型的生成方法 | |
| CN108764089B (zh) | 基于深度相机的人体背部脊柱中线识别方法 | |
| CN108470375B (zh) | 一种基于深度学习的神经导管自动检测方法 | |
| Zheng et al. | Scaled, patient-specific 3D vertebral model reconstruction based on 2D lateral fluoroscopy | |
| CN110189352A (zh) | 一种基于口腔cbct图像的牙根提取方法 | |
| CN112037200A (zh) | 一种医学影像中解剖特征自动识别与模型重建方法 | |
| CN109330602B (zh) | 一种女性形体智能评估检测装置及方法、存储介质 | |
| CN107680110B (zh) | 基于统计形状模型的内耳三维水平集分割方法 | |
| CN113674257A (zh) | 脊柱侧弯角度的测量方法、装置、设备及存储介质 | |
| CN109035227A (zh) | 对ct图像进行肺部肿瘤检测与诊断的系统 | |
| CN115187606B (zh) | 一种青少年特发性脊柱侧凸pumc分型方法 | |
| Forsberg et al. | Model-based registration for assessment of spinal deformities in idiopathic scoliosis | |
| CN115830016A (zh) | 医学图像配准模型训练方法及设备 | |
| CN105426808B (zh) | 脑中矢状线漂移测量方法与系统 | |
| Hameeteman et al. | An analysis of pose in 3D stereophotogrammetry of the breast | |
| CN109064472A (zh) | 一种脊椎骨的三维空间模型拟合平面的拟合方法及装置 | |
| Wilson et al. | Voyaging into the third dimension: A perspective on virtual methods and their application to studies of juvenile sex estimation and the ontogeny of sexual dimorphism | |
| Adankon et al. | Scoliosis follow-up using noninvasive trunk surface acquisition | |
| Choi et al. | Automatic initialization active contour model for the segmentation of the chest wall on chest CT | |
| Gottschling et al. | A system for performing automated measurements on large bone databases | |
| Soutome et al. | Preliminary Shape Similarity Analysis and Standardization for Pre-Bent Rod Design for Adult Spinal Deformity Correction |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |