CN112164027B - 脊柱硬膜囊受压检测方法、设备和存储介质 - Google Patents
脊柱硬膜囊受压检测方法、设备和存储介质 Download PDFInfo
- Publication number
- CN112164027B CN112164027B CN202010902528.3A CN202010902528A CN112164027B CN 112164027 B CN112164027 B CN 112164027B CN 202010902528 A CN202010902528 A CN 202010902528A CN 112164027 B CN112164027 B CN 112164027B
- Authority
- CN
- China
- Prior art keywords
- center point
- distance value
- dura mater
- sac
- spinal
- 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.)
- Active
Links
- 230000006835 compression Effects 0.000 title claims abstract description 167
- 238000007906 compression Methods 0.000 title claims abstract description 167
- 238000001514 detection method Methods 0.000 title abstract description 28
- 210000001951 dura mater Anatomy 0.000 claims abstract description 220
- 230000011218 segmentation Effects 0.000 claims abstract description 139
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 12
- 241001269524 Dura Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000007902 hard capsule Substances 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000278 spinal cord 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种脊柱硬膜囊受压检测方法、设备和存储介质。所述方法包括:对待检测对象的脊柱图像进行分割处理,得到所述脊柱图像中的脊柱硬膜囊的分割结果;对所述脊柱硬膜囊进行中线提取处理,得到所述脊柱硬膜囊的中线;计算所述中线上的至少一个中心点与所述脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;根据所述第一距离值集合对所述脊柱硬膜囊的受压情况进行分析,得到所述脊柱硬膜囊的受压分析结果。采用本方法能够提高得到的脊柱硬膜囊受压检测结果的准确性。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种脊柱硬膜囊受压检测方法、设备和存储介质。
背景技术
随着社会的不断发展,人们的体力劳动逐渐减少,脑力劳动增加,那么人们相应需要久坐的办公时间也同时大大增加,人们的脊柱发生病变的情况也越来越多,因此,对人体的脊柱进行检测就显得尤为重要。
相关技术中,在对人体脊柱进行检测时,通常会测量脊柱硬膜囊是否受压,测量方式通常为医生通过对患者拍摄的脊柱影像进行整体分析,凭借经验得出该患者的脊柱硬膜囊是否受压的检测结果。
然而,上述方法存在得到的脊柱硬膜囊是否受压的检测结果不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高得到的脊柱硬膜囊受压检测结果的准确性的脊柱硬膜囊受压检测方法、装置、计算机设备和存储介质。
一种脊柱硬膜囊受压检测方法,该方法包括:
对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果;
对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线;
计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
在其中一个实施例中,上述计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合,包括:
根据脊柱硬膜囊的分割结果,计算脊柱硬膜囊的分割结果对应的第一距离图像;该第一距离图像上的各个值用于表征脊柱硬膜囊上的各个点与脊柱硬膜囊的边界之间的第一距离值;
根据中线上的至少一个中心点,从第一距离图像中获取至少一个中心点各自对应的第一距离值,得到第一距离值集合。
在其中一个实施例中,上述根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果,包括:
采用预设的换算策略对至少一个中心点所对应的第一距离值进行换算,得到每个中心点对应的受压信息;该中心点对应的受压信息用于表征中心点位置处的受压情况;
根据每个中心点对应的受压信息,得到脊柱硬膜囊的受压分析结果。
在其中一个实施例中,上述方法还包括:
对待检测对象的脊柱图像进行多标签分割处理,得到待检测对象的脊柱分割结果;该脊柱分割结果中包括至少相邻的两个椎体;
计算中线上的至少一个中心点与至少相邻的两个椎体之间的第二距离值,得到每个中心点所对应的第二距离值集合;每个中心点对应的第二距离值集合中包括中心点与各椎体的第二距离值;
根据每个中心点所对应的第二距离值集合,确定每个中心点所对应的目标椎体;
根据每个中心点对应的目标椎体,确定每个中心点所属的椎体节段。
在其中一个实施例中,上述计算中线上的至少一个中心点与至少相邻的两个椎体之间的第二距离值,得到每个中心点所对应的第二距离值集合,包括:
根据脊柱硬膜囊的分割结果和脊柱分割结果,计算脊柱硬膜囊的分割结果对应的第二距离图像;该第二距离图像上的各个值用于表征脊柱硬膜囊上的各个点与至少相邻的两个椎体之间的第二距离值;
根据中线上的至少一个中心点,从第二距离图像中获取每个中心点所对应的多个第二距离值,得到每个中心点所对应的第二距离值集合。
在其中一个实施例中,上述根据每个中心点所对应的第二距离值集合,确定每个中心点所对应的目标椎体,包括:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;
若最小第二距离值为一个第二距离值,则将最小第二距离值所对应的椎体确定为中心点对应的目标椎体;
上述根据每个中心点对应的目标椎体,确定每个中心点所属的椎体节段,包括:
将最小第二距离值所对应的椎体确定为中心点所属的椎体节段。
在其中一个实施例中,上述根据每个中心点所对应的第二距离值集合,确定每个中心点所对应的目标椎体,包括:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;
若最小第二距离值为两个相等的第二距离值,则确定中心点所对应的目标椎体为两个相等的第二距离值所对应的两个椎体;
上述根据每个中心点对应的目标椎体,确定每个中心点所属的椎体节段,包括:
将两个相等的第二距离值所对应的两个椎体之间的椎间盘确定为中心点所属的椎体节段。
在其中一个实施例中,上述根据每个中心点对应的受压信息,得到脊柱硬膜囊的受压分析结果,包括:
根据每个中心点对应的受压信息以及各中心点所属的椎体节段,确定每个中心点在对应的椎体节段的受压分析结果。
在其中一个实施例中,上述预设的换算策略的获取方式包括:
获取多个历史对象的脊柱图像以及历史报告;该历史报告中包括历史对象的受压信息;
根据多个历史对象的脊柱图像,确定各历史对象的脊柱硬膜囊的中线,以及各脊柱硬膜囊的中线上至少一个中心点的历史距离值;
对各历史对象的受压信息和对应的脊柱硬膜囊的中线上至少一个中心点的历史距离值进行关联,得到预设的换算策略。
一种脊柱硬膜囊受压检测装置,该装置包括:
硬膜囊分割模块,用于对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果;
中线提取模块,用于对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线;
第一距离值计算模块,用于计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
受压分析模块,用于根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果;
对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线;
计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果;
对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线;
计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
上述脊柱硬膜囊受压检测方法、装置、计算机设备和存储介质,通过对待检测对象的脊柱图像进行分割,得到脊柱硬膜囊的分割结果,对脊柱硬膜囊进行中线提取,得到脊柱硬膜囊的中线,计算脊柱硬膜囊的中线上至少一个点与边界之间的距离,并根据得到的距离值集合对脊柱硬膜囊进行受压分析,得到分析结果。在该方法中,由于可以通过脊柱硬膜囊分割结果来计算脊柱硬膜囊中线上的点到边界的距离,并通过计算的距离来对脊柱硬膜囊受压进行分析,这样的分析过程比较客观和量化,而不需要依据医生经验来进行受压分析得到结果,因此,该方法得到的受压分析结果比较客观,相对也比较准确;同时也可以避免一些由于医生工作量大、疲劳所导致的分析结果出错的问题。
附图说明
图1为一个实施例中计算机设备的内部结构图;
图2为一个实施例中脊柱硬膜囊受压检测方法的流程示意图;
图2a为一个实施例中脊柱硬膜囊的中线的示例图;
图3为另一个实施例中脊柱硬膜囊受压检测步骤的流程示意图;
图4为另一个实施例中脊柱硬膜囊受压检测方法的流程示意图;
图4a为另一个实施例中换算策略的换算示例图;
图5为另一个实施例中脊柱硬膜囊受压检测方法的流程示意图;
图6为一个实施例中脊柱硬膜囊受压检测装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
脊柱对人体而言非常重要,所以对脊柱以及脊柱间的脊柱硬膜囊的检查就显得非常必要。脊柱硬膜囊是一个硬脊膜围成的封闭囊性结构,由脑脊液和脊髓组成。现有技术在对人体脊柱以及脊柱硬膜囊进行检测时,通常会测量脊柱硬膜囊是否受压,测量方式通常为医生通过对患者拍摄的脊柱影像进行整体分析,凭借经验得出该患者的脊柱硬膜囊是否受压的检测结果。然而,上述方法存在得到的脊柱硬膜囊是否受压的检测结果不准确的问题。本申请实施例提供一种脊柱硬膜囊受压检测方法、装置、计算机设备和存储介质,可以解决上述技术问题。
本申请提供的脊柱硬膜囊受压检测方法,可以应用于扫描系统,该扫描系统可以由相互连接的扫描设备和计算机设备组成。其中,扫描设备用户对待检测对象进行扫描,并将得到的扫描数据发送给计算机设备进行处理,这里计算机设备可以是终端或服务器。以该计算机设备为终端为例,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种脊柱硬膜囊受压检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
需要说明的是,本申请实施例的执行主体可以是扫描系统,也可以是计算机设备,当然还可以是脊柱硬膜囊受压检测装置,下面就以计算机设备作为执行主体来对本申请以下实施例的方法进行说明。
在一个实施例中,提供了一种脊柱硬膜囊受压检测方法,本实施例涉及的是如何利用脊柱硬膜囊的分割结果对脊柱硬膜囊的受压情况进行分析的具体过程。如图2所示,该方法可以包括以下步骤:
S202,对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果。
其中,待检测对象可以是有生命的人体或动物体,也可以是已经死亡的人体或动物体。可以通过对待检测对象的脊柱进行扫描得到待检测的脊柱图像,也可以是预先存储好的数据库中得到待检测对象的脊柱图像,当然还可以是其他方式。
另外,可以采用训练好的分割模型对待检测对象的脊柱图像进行分割,得到脊柱硬膜囊。那么这里在使用分割模型进行分割处理之前,可以预先训练分割模型,训练过程如下:1)获取多个脊柱训练图像,每个脊柱训练图像上均标注脊柱硬膜囊的位置信息;2)将各个脊柱训练图像作为初始分割模型的输入,将每个脊柱训练图像对应的标注脊柱硬膜囊的位置信息作为初始分割模型的参考输出/金标准,对初始分割模型进行训练,得到训练好的分割模型。
在训练好分割模型之后,就可以将待检测对象的脊柱图像输入至训练好的分割模型中,这样就可以得到脊柱图像中的脊柱硬膜囊的位置信息,根据脊柱硬膜囊的位置信息就可以得到脊柱硬膜囊的分割图像,即脊柱硬膜囊的分割结果。
当然,上述训练分割模型时,也可以是采用标注脊柱硬膜囊的位置信息的掩模图像作为初始分割模型的参考输出/金标准,对初始分割模型进行训练。这样在使用训练好的分割模型对待检测对象的脊柱图像进行分割时,得到的脊柱硬膜囊的掩模图像也可以作为脊柱硬膜囊的分割结果。
S204,对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线。
其中,这里的中线可以是脊柱硬膜囊的中心线,也可以是脊柱硬膜囊中间的一条线,本实施例对此不做具体限定。
具体的,可以采用骨架化相关算法等对脊柱硬膜囊的分割结果进行中线提取处理,从中就可以提取到脊柱硬膜囊的中线。提取的脊柱硬膜囊的中线可以参见图2a所示,在图2a中,图中标记为1的曲线即为脊柱硬膜囊的中线,其两侧的分别为脊柱。
这里采用中线表征脊柱硬膜囊,在后续进行脊柱硬膜囊受压检测时,可以便于后续距离计算,简化计算过程,提高受压检测的效率。
S206,计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合。
其中,这里的至少一个中心点可以是一个中心点,也可以是两个及以上的中心点,其以是中线上的全部的中心点,也可以是从中线上选取的一部分中心点。
具体的,上述在得到脊柱硬膜囊的分割结果以及中线时,也可以得到脊柱硬膜囊区域内各个点的位置以及中线上各个点的位置,那么也就可以从脊柱硬膜囊区域内各个点的位置中得到脊柱硬膜囊边界上各个点的位置。
之后,可以采用距离场相关算法(例如distance算法等等),通过中线上各个点的位置以及脊柱硬膜囊边界上各个点的位置,计算中线上至少一个中心点和脊柱硬膜囊边界上各个点之间的距离,这样每个中心点会得到多个距离值,可以从每个中心点对应的多个距离值中选出最短距离值作为每个中心点对应的距离值,记为第一距离值,通过将每个中心点的第一距离值组合起来就可以得到第一距离值集合。
当然,也可以采用距离场相关算法(例如distance算法等等),通过脊柱硬膜囊区域内各个点的位置以及脊柱硬膜囊边界上各个点的位置,计算脊柱硬膜囊区域内各个点到边界上的距离,即可得到脊柱硬膜囊区域内每个点对应的距离值,即得到脊柱硬膜囊的距离图像。然后按照中线上至少一个中心点的位置,从脊柱硬膜囊的距离图像中找出这些中心点的位置上的距离值,即得到每个中心点对应的第一距离值,组合起来就可以得到第一距离值集合。
当然,还可以是采用其他方式来得到第一距离值以及第一距离值集合,本实施例对此不做具体限定。
S208,根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
其中,上述脊柱硬膜囊中线上的中心点对应的第一距离值,也可以称为是脊柱硬膜囊在该中心点处的半径。
那么在得到第一距离值集合之后,即得到了脊柱硬膜囊在各个中心点处的半径,那么就可以根据每个中心点处的半径大小去判断脊柱硬膜囊在该中心点处的受压情况。例如,脊柱硬膜囊在该中心点处的半径超过一定半径范围,认为脊柱硬膜囊在该中心点处可能存在受压等等。
总之,通过对脊柱硬膜囊在各中心点处的半径大小,就可以得到脊柱硬膜囊在各中心点处的受压情况,综合各中心点处的受压情况,就可以得到脊柱硬膜囊的受压情况,即得到脊柱硬膜囊的受压分析结果。
上述脊柱硬膜囊受压检测方法中,通过对待检测对象的脊柱图像进行分割,得到脊柱硬膜囊的分割结果,对脊柱硬膜囊进行中线提取,得到脊柱硬膜囊的中线,计算脊柱硬膜囊的中线上至少一个点与边界之间的距离,并根据得到的距离值集合对脊柱硬膜囊进行受压分析,得到分析结果。在该方法中,由于可以通过脊柱硬膜囊分割结果来计算脊柱硬膜囊中线上的点到边界的距离,并通过计算的距离来对脊柱硬膜囊受压进行分析,这样的分析过程比较客观和量化,而不需要依据医生经验来进行受压分析得到结果,因此,该方法得到的受压分析结果比较客观,相对也比较准确;同时也可以避免一些由于医生工作量大、疲劳所导致的分析结果出错的问题。
在另一个实施例中,提供了另一种脊柱硬膜囊受压检测方法,本实施例涉及的是如何计算脊柱硬膜囊中线上的至少一个中心点和边界之间的第一距离值的具体过程。在上述实施例的基础上,如图3所示,上述S206可以包括以下步骤:
S302,根据脊柱硬膜囊的分割结果,计算脊柱硬膜囊的分割结果对应的第一距离图像;该第一距离图像上的各个值用于表征脊柱硬膜囊上的各个点与脊柱硬膜囊的边界之间的第一距离值。
在本步骤中,在得到脊柱硬膜囊的分割结果之后,也就可以得到脊柱硬膜囊区域内各个点的位置,同时也可以从脊柱硬膜囊区域内各个点的位置中得到脊柱硬膜囊边界上各个点的位置。
之后,可以采用距离场相关算法(例如distance算法等等),通过脊柱硬膜囊区域内各个点的位置以及脊柱硬膜囊边界上各个点的位置,计算脊柱硬膜囊区域内各个点到边界上的距离,这样脊柱硬膜囊区域内各个点都会得到多个距离值。然后从中选出每个点对应的最短距离值,作为脊柱硬膜囊区域内每个点对应的距离值,记为每个点的第一距离值,每个点对应第一距离值和其对应的位置组合起来即得到脊柱硬膜囊的距离图像,记为第一距离图像。
S304,根据中线上的至少一个中心点,从第一距离图像中获取至少一个中心点各自对应的第一距离值,得到第一距离值集合。
具体的,上述在提取得到脊柱硬膜囊的中线之后,也可以得到中线上各个中心点的位置,那么也就可以从中得到至少一个中心点的位置。
通常中线上的各个中心点也包括在脊柱硬膜囊区域内各个点中,那么在得到至少一个中心点的位置后,就可以根据至少一个中心点的位置,从第一距离图像中找出这至少一个中心点的位置上对应的第一距离值,即得到每个中心点对应的第一距离值,组合起来就可以得到第一距离值集合。
本实施例中,通过根据脊柱硬膜囊的分割结果,计算脊柱硬膜囊上各个点到脊柱硬膜囊边界之间的距离值,得到脊柱硬膜囊的距离图像,然后从距离图像上找到中线上至少一个点对应的第一距离值,得到第一距离值集合。这里通过脊柱硬膜囊的距离图像得到中心点对应的距离值,一方面可以保证计算的可实施性;另一方面细化了距离值的计算过程,可以使计算的中心点的距离值更加准确,这样后续通过中心点的距离值进行受压分析时,得到的受压分析结果也就更加准确。
在另一个实施例中,提供了另一种脊柱硬膜囊受压检测方法,本实施例涉及的是如何通过第一距离值集合对脊柱硬膜囊的受压情况进行分析的具体过程。在上述实施例的基础上,如图4所示,上述S208可以包括以下步骤:
S402,采用预设的换算策略对至少一个中心点所对应的第一距离值进行换算,得到每个中心点对应的受压信息;该中心点对应的受压信息用于表征中心点位置处的受压情况。
在本步骤中,中心点对应的受压信息可以是脊柱硬膜囊在该中心点处的受压程度等信息,例如可以是较高、中等、较低等等,可以采用数字或字母等表示,例如可以是是0表示受压程度较低,1表示受压程度较高,0和1之间的小数可以表示周亚程度中等,当然还可以是其他方式。预设的换算策略指的是将距离值转换为受压程度的换算方式。在采用该换算方式进行换算之前,可以先获得该换算策略,可选的,可以采用如下步骤A1-A3获得:
A1,获取多个历史对象的脊柱图像以及历史报告;该历史报告中包括历史对象的受压信息。
A2,根据多个历史对象的脊柱图像,确定各历史对象的脊柱硬膜囊的中线,以及各脊柱硬膜囊的中线上至少一个中心点的历史距离值。
A3,对各历史对象的受压信息和对应的脊柱硬膜囊的中线上至少一个中心点的历史距离值进行关联,得到预设的换算策略。
其中,这里的历史报告指的是历史影像报告,每个历史对象的脊柱图像对应一个历史影像报告,历史影像报告中包括的受压信息可以是历史对象的脊柱硬膜囊的受压程度等。
在获得每个历史对象的脊柱图像之后,可以按照上述方式对每个历史对象的脊柱图像进行分割,得到每个历史对象的脊柱硬膜囊的分割结果。之后,可以对每个历史对象的脊柱硬膜囊进行中线提取,得到每个历史对象的脊柱硬膜囊的中线,并计算出每个历史对象的脊柱硬膜囊的中线上的至少一个中心点与各自边界之间的距离值,均记为历史距离值,这样就可以得到每个历史对象的脊柱硬膜囊的中线上的至少一个中心点与各自边界之间的历史距离值。然后将每个历史对象的每个中心点处的历史距离值和对应的受压信息建立对应关系,即可得到换算策略。
示例地,参见图4a所示,提供了一种对每个中心点处的距离值(即半径值),与受压信息(例如受压程度)之间的换算策略的示例图。在图4a中,若中心点P(图中未示出)处的半径值不大于4mm,则受压程度为1;若中心点P半径值不小于9mm,则受压程度为0;若中心点P半径值介于4mm到9mm之间,则线性换算成对应的受压程度,例如,中心点P处的半径值为7mm,那么通过线性换算可得该点处的受压程度为0.4。其中,这里的0和1所表示的程度较高、交底、中等等均可以根据实际情况设定。
那么在得到换算策略之后,就可以按照换算策略的换算方式,将每个中心点处对应的第一距离值换算成对应的受压程度,即得到每个中心点处的受压信息。
S404,根据每个中心点对应的受压信息,得到脊柱硬膜囊的受压分析结果。
具体的,在得到每个中心点处的受压信息之后,可以直接将各中心点处的受压信息作为脊柱硬膜囊的受压分析结果;当然,还可以是获得各中心点所处的位置,并将各中心点处的受压信息和位置一起作为脊柱硬膜囊的受压分析结果,并进行输出,以便医生进行进一步分析和处理。
本实施例中,可以采用换算策略对脊柱硬膜囊中线上的中心点的距离值进行换算,得到每个中心点处的受压信息,并据此得到脊柱硬膜囊的受压分析结果。这里通过换算策略对点的距离值进行换算得到受压信息,换算过程简单准确,这样得到的各点处的受压信息比较准确,同时可以提高得到各点处的受压信息的速度,提高整体脊柱硬膜囊受压分析的效率。
在另一个实施例中,提供了另一种脊柱硬膜囊受压检测方法,本实施例涉及的是如何通过中心点与椎体的距离,确定各中心点所属的目标椎体的具体过程。在上述实施例的基础上,如图5所示,上述方法还可以包括以下步骤:
S502,对待检测对象的脊柱图像进行多标签分割处理,得到待检测对象的脊柱分割结果;该脊柱分割结果中包括至少相邻的两个椎体。
其中,这里脊柱分割结果可以是采用多标签分割模型对脊柱图像进行分割得到的。在训练多标签分割模型时,可以是基于多个样本脊柱图像和每个样本脊柱图像对应的多个标签进行训练训练得到的,这里的多个标签指的是为脊柱上的不同区段设置不同的标签,例如脊柱上的椎体可以划分为四个区段,分别为C1~C7、T1~T12、L1~L5,S1~S9,其中,C代表颈椎,T代表胸椎,L代表腰椎,S代表骶椎,每个标签中可以包括不同区段上点的位置信息等。同时,在训练多标签分割模型时,可以选择全部的标签加入训练,也可以选择特定的区段(例如T1~T12的12个标签),取决于具体的应用。
具体训练过程可以包括:1)生成训练数据集:通过人工标注的方式对含有脊柱的图像进行多标签标注,即每一个椎体均有对应的标注值,如颈椎C2椎体为2,颈椎C3椎体为3,胸椎T1为8(颈椎共有7块椎体),将原始脊柱图像与标注结果配对组成训练数据集;2)构建多标签分割模型:该模型的输入为上述训练数据集中的原始脊柱图像,输出为多通道的分割结果,通道数量取决于标签数量;3)训练多标签图像分割模型:使用步骤1)中得到的训练集训练步骤2)中构建的分割模型,根据需要调整和设置网络超参数,达到最佳的图像分割效果并保存训练得到网络模型。
在得到多标签分割模型之后,可以将待检测对象的脊柱图像输入至训练好的多标签分割模型,得到对应的脊柱分割结果,该脊柱分割结果中可以包括不同区段的椎体,也可以只包括一个区段的椎体,具体与模型训练时采用的区段标签相同,例如,训练时采用的样本上的标签是T1~T12和C1~C7,那么脊柱分割结果上包括的就是T1~T12和C1~C7的各个椎体。也就是说,这里脊柱分割结果上包括的至少两个椎体可以是属于同一个区段的椎体,也可以是属于不同区段的椎体。另外,这里的脊柱分割结果也可以是预先分割好存储在数据库或云端等,在需要使用时,通过计算机设备读取得到。这里的脊柱图像和脊柱分割结果可以是CT图像、MR图像、X-ray图像等等。
由于上述采用多标签分割模型得到的脊柱分割结果有可能会存在欠分割或过分割的情况在,导致分割结果不准确,因此在上述得到脊柱分割结果之后,还可以采用图像分割(Graph Cut)算法、深度学习相关算法等对多标签分割模型得到的脊柱分割结果进行优化,以消除边缘毛刺,这些算法的参数可以根据实际情况作出调整。总之,最终可以得到脊柱分割结果,其中包括至少相邻的两个椎体,这两个相邻的椎体可以是属于同一椎体区段,例如都属于颈椎,也可以是属于两个相邻的区段。
S504,计算中线上的至少一个中心点与至少相邻的两个椎体之间的第二距离值,得到每个中心点所对应的第二距离值集合;每个中心点对应的第二距离值集合中包括中心点与各椎体的第二距离值。
在本步骤中,上述在得到脊柱分割结果之后,也可以得到脊柱分割结果中包括的椎体的位置信息,同时得到脊柱硬膜囊的中线之后,也会得到脊柱硬膜囊中线上中心点的位置。那么就可以采用距离场相关算法(例如distance算法等等),计算中线上至少一个中心点的位置与相邻两个椎体各自的距离,这样每个中心点会得到多个距离值,均记为每个中心点所对应的第二距离值,将每个中心点对应的第二距离值组合起来就可以得到距离值集合,记为第二距离值集合。
S506,根据每个中心点所对应的第二距离值集合,确定每个中心点所对应的目标椎体。
S508,根据每个中心点对应的目标椎体,确定每个中心点所属的椎体节段。
在S506和S508中,每个中心点对应多个第二距离值,以一个锥体与一个中心点对应一个第二距离值来说,那么要从中每个中心点对应的两个第二距离值中找出最小距离值时,要么是得到一个最小第二距离值,要么就是得到两个相等的最小距离值,以下就分为这两种情况进行说明。
情况一,针对得到一个最小第二距离值进行说明:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;若最小第二距离值为一个第二距离值,则将最小第二距离值所对应的椎体确定为中心点对应的目标椎体;将最小第二距离值所对应的椎体确定为中心点所属的椎体节段。
也就是说,针对同一个中心点,从其对应的多个第二距离值中只能得到一个最小第二距离值,那么就可以直接将参与距离计算的该最小第二距离值对应的椎体作为目标椎体,即该中心点所属的椎体节段。例如,某中心点到C4的距离最短,那么就可以认为该中心点属于C4椎体节段。
情况二,针对得到两个最小第二距离值进行说明:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;若最小第二距离值为两个相等的第二距离值,则确定中心点所对应的目标椎体为两个相等的第二距离值所对应的两个椎体;将两个相等的第二距离值所对应的两个椎体之间的椎间盘确定为中心点所属的椎体节段。
也就是说,针对同一个中心点,从其对应的多个第二距离值中得到两个相等的第二距离值,且该相等的第二距离值为最小第二距离值,那么就可以获得这两个最小第二距离值对应的椎体,并将这两个椎体中间的节段作为该中心点所属的椎体节段。例如,某中心点到C4和C5的距离值相等,其均是该中心点到各椎体的距离值中的最小距离值,那么就可以认为该中心点属于C4和C5之间的椎间盘。
以上对各中心点均如此操作,就可以得到每个中心点所属的椎体节段。
相应的,在得到各椎体所属的椎体节段之后,就可以据此对各中心点进行受压分析。可选的,可以根据每个中心点对应的受压信息以及各中心点所属的椎体节段,确定每个中心点在对应的椎体节段的受压分析结果。以一个中心点来说,在上述得到换算该中心点处的受压信息以及所属椎体节段之后,就可以输出该中心点在该椎体节段处的受压程度。对所有中心点均可以按照此方式进行操作,这样就可以得到每个中心点在对应的椎体节段的受压程度,即得到脊柱硬膜囊的受压分析结果。
本实施例中,可以对脊柱图像进行多标签分割,得到包括椎体的脊柱分割结果,计算脊柱硬膜囊中线上的中心点到椎体之间的距离,并根据得到的距离值确定各中心点所属的椎体节段。这里通过椎体与脊柱硬膜囊中心点之间的距离确定中心点所属的椎体节段,计算过程简单准确,这样可以避免计算过程复杂导致得到结果不准确,同时也可以使计算中心点所属椎体节段的过程更加快速,进一步提高脊柱硬膜囊受压分析的效率。
为了对本申请的技术方案进行更加详细地说明,以下结合一个更加具体的实施例来对本申请的技术方案进行详细说明,该方法可以包括以下步骤:
S1,对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果。
S2,对脊柱硬膜囊的分割结果进行优化。
S3,对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线。
S4,根据脊柱硬膜囊的分割结果,计算脊柱硬膜囊的分割结果对应的第一距离图像。
S5,根据中线上的至少一个中心点,从第一距离图像中获取至少一个中心点各自对应的第一距离值,得到第一距离值集合。
S6,采用预设的换算策略对至少一个中心点所对应的第一距离值进行换算,得到每个中心点对应的受压信息。
S7,对待检测对象的脊柱图像进行多标签分割处理,得到待检测对象的脊柱分割结果。
S8,根据脊柱硬膜囊的分割结果和脊柱分割结果,计算脊柱硬膜囊的分割结果对应的第二距离图像。
S9,根据中线上的至少一个中心点,从第二距离图像中获取每个中心点所对应的多个第二距离值,得到每个中心点所对应的第二距离值集合。
S10,针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;若最小第二距离值为一个第二距离值,则将最小第二距离值所对应的椎体确定为中心点对应的目标椎体,并将最小第二距离值所对应的椎体确定为中心点所属的椎体节段。或者,若最小第二距离值为两个相等的第二距离值,则确定中心点所对应的目标椎体为两个相等的第二距离值所对应的两个椎体;将两个相等的第二距离值所对应的两个椎体之间的椎间盘确定为中心点所属的椎体节段。
S11,根据每个中心点对应的受压信息以及各中心点所属的椎体节段,确定每个中心点在对应的椎体节段的受压分析结果。
S12,预设的换算策略的获取方式,包括:获取多个历史对象的脊柱图像以及历史报告;该历史报告中包括历史对象的受压信息;根据多个历史对象的脊柱图像,确定各历史对象的脊柱硬膜囊的中线,以及各脊柱硬膜囊的中线上至少一个中心点的历史距离值;对各历史对象的受压信息和对应的脊柱硬膜囊的中线上至少一个中心点的历史距离值进行关联,得到预设的换算策略。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种脊柱硬膜囊受压检测装置,包括:硬膜囊分割模块10、中线提取模块11、第一距离值计算模块12和受压分析模块13,其中:
硬膜囊分割模块10,用于对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果;
中线提取模块11,用于对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线;
第一距离值计算模块12,用于计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
受压分析模块13,用于根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
关于脊柱硬膜囊受压检测装置的具体限定可以参见上文中对于脊柱硬膜囊受压检测方法的限定,在此不再赘述。
在另一个实施例中,提供了另一种脊柱硬膜囊受压检测装置,在上述实施例的基础上,上述第一距离值计算模块12可以包括第一距离图像计算单元和第一距离值确定单元,其中:
第一距离图像计算单元,用于根据脊柱硬膜囊的分割结果,计算脊柱硬膜囊的分割结果对应的第一距离图像;该第一距离图像上的各个值用于表征脊柱硬膜囊上的各个点与脊柱硬膜囊的边界之间的第一距离值;
第一距离值确定单元,用于根据中线上的至少一个中心点,从第一距离图像中获取至少一个中心点各自对应的第一距离值,得到第一距离值集合。
在另一个实施例中,提供了另一种脊柱硬膜囊受压检测装置,在上述实施例的基础上,上述受压分析模块13可以包括受压信息计算单元和受压分析单元,其中:
受压信息计算单元,用于采用预设的换算策略对至少一个中心点所对应的第一距离值进行换算,得到每个中心点对应的受压信息;该中心点对应的受压信息用于表征中心点位置处的受压情况;
受压分析单元,用于根据每个中心点对应的受压信息,得到脊柱硬膜囊的受压分析结果。
可选的,上述装置还可以包括换算策略获取模块,该换算策略获取模块可以包括历史受压信息获取单元、历史距离值计算单元和换算策略确定单元,其中:
历史受压信息获取单元,用于获取多个历史对象的脊柱图像以及历史报告;该历史报告中包括历史对象的受压信息;
历史距离值计算单元,用于根据多个历史对象的脊柱图像,确定各历史对象的脊柱硬膜囊的中线,以及各脊柱硬膜囊的中线上至少一个中心点的历史距离值;
换算策略确定单元,用于对各历史对象的受压信息和对应的脊柱硬膜囊的中线上至少一个中心点的历史距离值进行关联,得到预设的换算策略。
在另一个实施例中,提供了另一种脊柱硬膜囊受压检测装置,在上述实施例的基础上,上述装置还可以包括椎体分割模块、第二距离值计算模块、目标椎体确定模块和椎体节段确定模块,其中:
椎体分割模块,用于对待检测对象的脊柱图像进行多标签分割处理,得到待检测对象的脊柱分割结果;该脊柱分割结果中包括至少相邻的两个椎体;
第二距离值计算模块,用于计算中线上的至少一个中心点与至少相邻的两个椎体之间的第二距离值,得到每个中心点所对应的第二距离值集合;每个中心点对应的第二距离值集合中包括中心点与各椎体的第二距离值;
目标椎体确定模块,用于根据每个中心点所对应的第二距离值集合,确定每个中心点所对应的目标椎体;
椎体节段确定模块,用于根据每个中心点对应的目标椎体,确定每个中心点所属的椎体节段。
可选的,上述第二距离值计算模块可以包括第二距离图像计算单元和第二距离值确定单元,其中:
第二距离图像计算单元,用于根据脊柱硬膜囊的分割结果和脊柱分割结果,计算脊柱硬膜囊的分割结果对应的第二距离图像;该第二距离图像上的各个值用于表征脊柱硬膜囊上的各个点与至少相邻的两个椎体之间的第二距离值;
第二距离值确定单元,用于根据中线上的至少一个中心点,从第二距离图像中获取每个中心点所对应的多个第二距离值,得到每个中心点所对应的第二距离值集合。
可选的,上述目标椎体确定模块可以包括最小第二距离值获取单元和第一目标椎体确定单元,其中:
最小第二距离值获取单元,用于针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;
第一目标椎体确定单元,用于在最小第二距离值为一个第二距离值的情况下,将最小第二距离值所对应的椎体确定为中心点对应的目标椎体;
上述椎体节段确定模块,具体用于将最小第二距离值所对应的椎体确定为中心点所属的椎体节段。
可选的,上述目标椎体确定模块可以包括最小第二距离值获取单元和第二目标椎体确定单元,其中:
最小第二距离值获取单元,用于针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;
第二目标椎体确定单元,用于在最小第二距离值为两个相等的第二距离值的情况下,确定中心点所对应的目标椎体为两个相等的第二距离值所对应的两个椎体;
上述椎体节段确定模块,具体用于将两个相等的第二距离值所对应的两个椎体之间的椎间盘确定为中心点所属的椎体节段。
可选的,上述受压分析单元,具体用于根据每个中心点对应的受压信息以及各中心点所属的椎体节段,确定每个中心点在对应的椎体节段的受压分析结果。
关于脊柱硬膜囊受压检测装置的具体限定可以参见上文中对于脊柱硬膜囊受压检测方法的限定,在此不再赘述。
上述脊柱硬膜囊受压检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果;
对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线;
计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据脊柱硬膜囊的分割结果,计算脊柱硬膜囊的分割结果对应的第一距离图像;该第一距离图像上的各个值用于表征脊柱硬膜囊上的各个点与脊柱硬膜囊的边界之间的第一距离值;根据中线上的至少一个中心点,从第一距离图像中获取至少一个中心点各自对应的第一距离值,得到第一距离值集合。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
采用预设的换算策略对至少一个中心点所对应的第一距离值进行换算,得到每个中心点对应的受压信息;该中心点对应的受压信息用于表征中心点位置处的受压情况;根据每个中心点对应的受压信息,得到脊柱硬膜囊的受压分析结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对待检测对象的脊柱图像进行多标签分割处理,得到待检测对象的脊柱分割结果;该脊柱分割结果中包括至少相邻的两个椎体;计算中线上的至少一个中心点与至少相邻的两个椎体之间的第二距离值,得到每个中心点所对应的第二距离值集合;每个中心点对应的第二距离值集合中包括中心点与各椎体的第二距离值;根据每个中心点所对应的第二距离值集合,确定每个中心点所对应的目标椎体;根据每个中心点对应的目标椎体,确定每个中心点所属的椎体节段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据脊柱硬膜囊的分割结果和脊柱分割结果,计算脊柱硬膜囊的分割结果对应的第二距离图像;该第二距离图像上的各个值用于表征脊柱硬膜囊上的各个点与至少相邻的两个椎体之间的第二距离值;根据中线上的至少一个中心点,从第二距离图像中获取每个中心点所对应的多个第二距离值,得到每个中心点所对应的第二距离值集合。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;若最小第二距离值为一个第二距离值,则将最小第二距离值所对应的椎体确定为中心点对应的目标椎体;将最小第二距离值所对应的椎体确定为中心点所属的椎体节段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;若最小第二距离值为两个相等的第二距离值,则确定中心点所对应的目标椎体为两个相等的第二距离值所对应的两个椎体;将两个相等的第二距离值所对应的两个椎体之间的椎间盘确定为中心点所属的椎体节段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据每个中心点对应的受压信息以及各中心点所属的椎体节段,确定每个中心点在对应的椎体节段的受压分析结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取多个历史对象的脊柱图像以及历史报告;该历史报告中包括历史对象的受压信息;根据多个历史对象的脊柱图像,确定各历史对象的脊柱硬膜囊的中线,以及各脊柱硬膜囊的中线上至少一个中心点的历史距离值;对各历史对象的受压信息和对应的脊柱硬膜囊的中线上至少一个中心点的历史距离值进行关联,得到预设的换算策略。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对待检测对象的脊柱图像进行分割处理,得到脊柱图像中的脊柱硬膜囊的分割结果;
对脊柱硬膜囊进行中线提取处理,得到脊柱硬膜囊的中线;
计算中线上的至少一个中心点与脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
根据第一距离值集合对脊柱硬膜囊的受压情况进行分析,得到脊柱硬膜囊的受压分析结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据脊柱硬膜囊的分割结果,计算脊柱硬膜囊的分割结果对应的第一距离图像;该第一距离图像上的各个值用于表征脊柱硬膜囊上的各个点与脊柱硬膜囊的边界之间的第一距离值;根据中线上的至少一个中心点,从第一距离图像中获取至少一个中心点各自对应的第一距离值,得到第一距离值集合。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
采用预设的换算策略对至少一个中心点所对应的第一距离值进行换算,得到每个中心点对应的受压信息;该中心点对应的受压信息用于表征中心点位置处的受压情况;根据每个中心点对应的受压信息,得到脊柱硬膜囊的受压分析结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对待检测对象的脊柱图像进行多标签分割处理,得到待检测对象的脊柱分割结果;该脊柱分割结果中包括至少相邻的两个椎体;计算中线上的至少一个中心点与至少相邻的两个椎体之间的第二距离值,得到每个中心点所对应的第二距离值集合;每个中心点对应的第二距离值集合中包括中心点与各椎体的第二距离值;根据每个中心点所对应的第二距离值集合,确定每个中心点所对应的目标椎体;根据每个中心点对应的目标椎体,确定每个中心点所属的椎体节段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据脊柱硬膜囊的分割结果和脊柱分割结果,计算脊柱硬膜囊的分割结果对应的第二距离图像;该第二距离图像上的各个值用于表征脊柱硬膜囊上的各个点与至少相邻的两个椎体之间的第二距离值;根据中线上的至少一个中心点,从第二距离图像中获取每个中心点所对应的多个第二距离值,得到每个中心点所对应的第二距离值集合。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;若最小第二距离值为一个第二距离值,则将最小第二距离值所对应的椎体确定为中心点对应的目标椎体;将最小第二距离值所对应的椎体确定为中心点所属的椎体节段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对同一个中心点,从中心点所对应的第二距离值集合中获取最小第二距离值;若最小第二距离值为两个相等的第二距离值,则确定中心点所对应的目标椎体为两个相等的第二距离值所对应的两个椎体;将两个相等的第二距离值所对应的两个椎体之间的椎间盘确定为中心点所属的椎体节段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据每个中心点对应的受压信息以及各中心点所属的椎体节段,确定每个中心点在对应的椎体节段的受压分析结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取多个历史对象的脊柱图像以及历史报告;该历史报告中包括历史对象的受压信息;根据多个历史对象的脊柱图像,确定各历史对象的脊柱硬膜囊的中线,以及各脊柱硬膜囊的中线上至少一个中心点的历史距离值;对各历史对象的受压信息和对应的脊柱硬膜囊的中线上至少一个中心点的历史距离值进行关联,得到预设的换算策略。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种脊柱硬膜囊受压检测方法,其特征在于,所述方法包括:
对待检测对象的脊柱图像进行分割处理,得到所述脊柱图像中的脊柱硬膜囊的分割结果;
对所述脊柱硬膜囊进行中线提取处理,得到所述脊柱硬膜囊的中线;
计算所述中线上的至少一个中心点与所述脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合;
采用预设的换算策略对所述至少一个中心点所对应的第一距离值进行换算,得到每个所述中心点对应的受压信息;所述中心点对应的受压信息用于表征所述中心点位置处的受压情况;
根据每个所述中心点对应的受压信息,得到所述脊柱硬膜囊的受压分析结果;
所述预设的换算策略是通过以下步骤预先获得的:
获取多个历史对象的脊柱图像以及历史报告;所述历史报告中包括所述历史对象的受压信息;
根据所述多个历史对象的脊柱图像,确定各所述历史对象的脊柱硬膜囊的中线,以及各所述脊柱硬膜囊的中线上至少一个中心点的历史距离值;
对各所述历史对象的受压信息和对应的脊柱硬膜囊的中线上至少一个中心点的历史距离值进行关联,得到所述预设的换算策略。
2.根据权利要求1所述的方法,其特征在于,所述计算所述中线上的至少一个中心点与所述脊柱硬膜囊的边界之间的第一距离值,得到第一距离值集合,包括:
根据所述脊柱硬膜囊的分割结果,计算所述脊柱硬膜囊的分割结果对应的第一距离图像;所述第一距离图像上的各个值用于表征所述脊柱硬膜囊上的各个点与所述脊柱硬膜囊的边界之间的第一距离值;
根据所述中线上的至少一个中心点,从所述第一距离图像中获取所述至少一个中心点各自对应的第一距离值,得到所述第一距离值集合。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述待检测对象的脊柱图像进行多标签分割处理,得到所述待检测对象的脊柱分割结果;所述脊柱分割结果中包括至少相邻的两个椎体;
计算所述中线上的至少一个中心点与所述至少相邻的两个椎体之间的第二距离值,得到每个所述中心点所对应的第二距离值集合;每个所述中心点对应的第二距离值集合中包括所述中心点与各所述椎体的第二距离值;
根据每个所述中心点所对应的第二距离值集合,确定每个所述中心点所对应的目标椎体;
根据每个所述中心点对应的目标椎体,确定每个所述中心点所属的椎体节段。
4.根据权利要求3所述的方法,其特征在于,所述计算所述中线上的至少一个中心点与所述至少相邻的两个椎体之间的第二距离值,得到每个所述中心点所对应的第二距离值集合,包括:
根据所述脊柱硬膜囊的分割结果和所述脊柱分割结果,计算所述脊柱硬膜囊的分割结果对应的第二距离图像;所述第二距离图像上的各个值用于表征所述脊柱硬膜囊上的各个点与所述至少相邻的两个椎体之间的第二距离值;
根据所述中线上的至少一个中心点,从所述第二距离图像中获取每个所述中心点所对应的多个第二距离值,得到每个所述中心点所对应的第二距离值集合。
5.根据权利要求3所述的方法,其特征在于,所述根据每个所述中心点所对应的第二距离值集合,确定每个所述中心点所对应的目标椎体,包括:
针对同一个所述中心点,从所述中心点所对应的第二距离值集合中获取最小第二距离值;
若所述最小第二距离值为一个第二距离值,则将所述最小第二距离值所对应的椎体确定为所述中心点对应的目标椎体;
所述根据每个所述中心点对应的目标椎体,确定每个所述中心点所属的椎体节段,包括:
将所述最小第二距离值所对应的椎体确定为所述中心点所属的椎体节段。
6.根据权利要求3所述的方法,其特征在于,所述根据每个所述中心点所对应的第二距离值集合,确定每个所述中心点所对应的目标椎体,包括:
针对同一个所述中心点,从所述中心点所对应的第二距离值集合中获取最小第二距离值;
若所述最小第二距离值为两个相等的第二距离值,则确定所述中心点所对应的目标椎体为所述两个相等的第二距离值所对应的两个椎体;
所述根据每个所述中心点对应的目标椎体,确定每个所述中心点所属的椎体节段,包括:
将所述两个相等的第二距离值所对应的两个椎体之间的椎间盘确定为所述中心点所属的椎体节段。
7.根据权利要求3-6任意一项所述的方法,其特征在于,所述根据每个所述中心点对应的受压信息,得到所述脊柱硬膜囊的受压分析结果,包括:
根据每个所述中心点对应的受压信息以及各所述中心点所属的椎体节段,确定每个所述中心点在对应的椎体节段的受压分析结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902528.3A CN112164027B (zh) | 2020-09-01 | 2020-09-01 | 脊柱硬膜囊受压检测方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902528.3A CN112164027B (zh) | 2020-09-01 | 2020-09-01 | 脊柱硬膜囊受压检测方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112164027A CN112164027A (zh) | 2021-01-01 |
CN112164027B true CN112164027B (zh) | 2023-10-27 |
Family
ID=73857838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010902528.3A Active CN112164027B (zh) | 2020-09-01 | 2020-09-01 | 脊柱硬膜囊受压检测方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112164027B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW570773B (en) * | 2003-04-15 | 2004-01-11 | Univ Chung Yuan Christian | Image analysis method for curvature of distorted spine |
RU2287317C1 (ru) * | 2005-05-20 | 2006-11-20 | Владимир Константинович Калабанов | Способ комплексного лечения неврологических проявлений грыж и протрузий поясничных межпозвонковых дисков по в.к. калабанову |
CN103845102A (zh) * | 2014-03-21 | 2014-06-11 | 李敬朝 | 一种微镜下脊柱硬脊膜外腔穿刺装置 |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN108261272A (zh) * | 2018-01-26 | 2018-07-10 | 广西医科大学附属肿瘤医院 | 一种防止脊髓神经压迫的人工椎管 |
CN110322432A (zh) * | 2019-05-27 | 2019-10-11 | 上海联影医疗科技有限公司 | 医学图像处理方法、装置、计算机设备和可读存储介质 |
CN111210897A (zh) * | 2018-11-21 | 2020-05-29 | 西门子医疗有限公司 | 处理医学图像 |
CN111317580A (zh) * | 2020-02-17 | 2020-06-23 | 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 | 一种椎骨稳定系统及方法 |
CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236210A1 (en) * | 2003-05-22 | 2004-11-25 | Ming-Dar Tsai | Image analysis method for vertebral compression curvature |
TWI268148B (en) * | 2004-11-25 | 2006-12-11 | Univ Chung Yuan Christian | Image analysis method for vertebral disease which comprises 3D reconstruction method and characteristic identification method of unaligned transversal slices |
US8979748B2 (en) * | 2009-10-23 | 2015-03-17 | James L. Chappuis | Devices and methods for temporarily retaining spinal rootlets within dural sac |
-
2020
- 2020-09-01 CN CN202010902528.3A patent/CN112164027B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW570773B (en) * | 2003-04-15 | 2004-01-11 | Univ Chung Yuan Christian | Image analysis method for curvature of distorted spine |
RU2287317C1 (ru) * | 2005-05-20 | 2006-11-20 | Владимир Константинович Калабанов | Способ комплексного лечения неврологических проявлений грыж и протрузий поясничных межпозвонковых дисков по в.к. калабанову |
CN103845102A (zh) * | 2014-03-21 | 2014-06-11 | 李敬朝 | 一种微镜下脊柱硬脊膜外腔穿刺装置 |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN108261272A (zh) * | 2018-01-26 | 2018-07-10 | 广西医科大学附属肿瘤医院 | 一种防止脊髓神经压迫的人工椎管 |
CN111210897A (zh) * | 2018-11-21 | 2020-05-29 | 西门子医疗有限公司 | 处理医学图像 |
CN110322432A (zh) * | 2019-05-27 | 2019-10-11 | 上海联影医疗科技有限公司 | 医学图像处理方法、装置、计算机设备和可读存储介质 |
CN111317580A (zh) * | 2020-02-17 | 2020-06-23 | 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 | 一种椎骨稳定系统及方法 |
CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
PET/MR全身显像工作流及协议规划专家共识;陈曙光等;《中临床医学》;第27卷(第4期);第713-721页 * |
基于超声影像的脊柱侧凸肌肉畸变程度的量化分析及应用;金英健;《中国优秀硕士论文电子期刊网》;全文 * |
捏脊疗法配合康复训练治疗小儿脑瘫34例;刘曦;《中国中医药现代远程教育》;第15卷(第5期);第113-114页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112164027A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321920B (zh) | 图像分类方法、装置、计算机可读存储介质和计算机设备 | |
WO2019200753A1 (zh) | 病变监测方法、装置、计算机设备和存储介质 | |
CN111369525B (zh) | 图像分析方法、设备和存储介质 | |
CN111340800B (zh) | 图像检测方法、计算机设备和存储介质 | |
CN110717905B (zh) | 脑部图像检测方法、计算机设备和存储介质 | |
CN111583199B (zh) | 样本图像标注方法、装置、计算机设备和存储介质 | |
CN111127467A (zh) | 图像量化方法、计算机设备和存储介质 | |
CN110738643B (zh) | 脑出血的分析方法、计算机设备和存储介质 | |
CN111652300A (zh) | 脊柱曲度分类方法、计算机设备和存储介质 | |
CN113850753B (zh) | 医学图像信息计算方法、装置、边缘计算设备和存储介质 | |
EP3089107B1 (en) | Computer program product and method for determining lesion similarity of medical image | |
CN111951276A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN115359066B (zh) | 用于内窥镜的病灶检测方法、装置、电子设备及存储介质 | |
CN111192320B (zh) | 一种位置信息确定方法、装置、设备和存储介质 | |
CN112164027B (zh) | 脊柱硬膜囊受压检测方法、设备和存储介质 | |
CN104507392A (zh) | 图像处理装置及图像处理方法 | |
CN110992439B (zh) | 纤维束追踪方法、计算机设备和存储介质 | |
CN111652862A (zh) | 脊柱顺列分类方法、计算机设备和存储介质 | |
CN110738702B (zh) | 一种三维超声图像的处理方法、装置、设备及存储介质 | |
CN111951272A (zh) | 脑部影像的分割方法、装置、计算机设备和可读存储介质 | |
CN112184623A (zh) | 脊柱椎体的椎间隙分析方法、设备和存储介质 | |
CN113160199B (zh) | 影像识别方法、装置、计算机设备和存储介质 | |
CN114170440A (zh) | 图像特征点的确定方法、装置、计算机设备和存储介质 | |
CN113379687A (zh) | 网络训练方法、图像检测方法和介质 | |
CN115690063A (zh) | 骨密度参数检测方法、计算机设备和存储介质 |
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 |