CN112184623A - 脊柱椎体的椎间隙分析方法、设备和存储介质 - Google Patents
脊柱椎体的椎间隙分析方法、设备和存储介质 Download PDFInfo
- Publication number
- CN112184623A CN112184623A CN202010903436.7A CN202010903436A CN112184623A CN 112184623 A CN112184623 A CN 112184623A CN 202010903436 A CN202010903436 A CN 202010903436A CN 112184623 A CN112184623 A CN 112184623A
- Authority
- CN
- China
- Prior art keywords
- distance
- spine
- vertebral bodies
- intervertebral space
- adjacent vertebral
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 60
- 230000011218 segmentation Effects 0.000 claims abstract description 168
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 238000010219 correlation analysis Methods 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
- 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
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种脊柱椎体的椎间隙分析方法、装置、计算机设备和存储介质。所述方法包括：获取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；从所述脊柱分割结果中提取所述相邻的两个椎体的分割结果；根据所述相邻的两个椎体的分割结果，计算所述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；根据所述距离值集合，得到所述相邻的两个椎体之间的椎间隙距离；将所述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到所述待检测对象的椎间隙分析结果。采用本方法能够提高椎间隙检测结果的准确性。
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椎体的椎间隙分析方法、装置、计算机设备和存储介质。
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，通常会测量脊柱各椎体之间的椎间隙，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的椎间隙检测结果。
然而，上述方法存在得到的椎间隙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，提供一种能够提高椎间隙检测结果准确性的脊柱椎体的椎间隙分析方法、装置、计算机设备和存储介质。
一种脊柱椎体的椎间隙分析方法，该方法包括：
获取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；
从上述脊柱分割结果中提取相邻的两个椎体的分割结果；
根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离；
将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
在其中一个实施例中，上述脊柱分割结果包括多个脊柱矢状位图像，上述从脊柱分割结果中提取相邻的两个椎体的分割结果，包括：
根据上述脊柱分割结果，从多个脊柱矢状位图像中确定脊柱分割结果对应的脊柱目标矢状位图像；
从脊柱目标矢状位图像中提取相邻的两个椎体的分割结果。
在其中一个实施例中，若上述相邻的两个椎体包括位于上部分的上椎体和位于下部分的下椎体；上述根据相邻的两个椎体的分割结果，计算相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合，包括：
根据相邻的两个椎体的分割结果，计算相邻的两个椎体各自的距离图像；其中，一个椎体的距离图像上的各个值用于表征该椎体上的各个点到另一个椎体上的最短距离值；
对相邻两个椎体的分割结果进行边缘提取，得到上椎体的下边缘的轮廓点以及下椎体的上边缘的轮廓点；
根据上述下边缘的轮廓点的位置以及上边缘的轮廓点的位置，从上椎体的距离图像中确定下边缘的轮廓点对应的第一距离值集合，以及从下椎体的距离图像中确定上边缘的轮廓点对应的第二距离值集合。
在其中一个实施例中，上述对相邻两个椎体的分割结果进行边缘提取，得到上椎体的下边缘的轮廓点以及下椎体的上边缘的轮廓点，包括：
对相邻两个椎体的分割结果进行边缘提取，得到上椎体和下椎体的各自的轮廓点集合；
对相邻的两个椎体的分割结果进行角点检测，得到上椎体和下椎体各自的角点；
根据上椎体的角点的坐标，从上椎体的轮廓点集合中确定上椎体的下边缘的轮廓点；以及根据下椎体的角点的坐标，从下椎体的轮廓点集合中确定下椎体的上边缘的轮廓点。
在其中一个实施例中，上述根据距离值集合，得到相邻的两个椎体之间的椎间隙距离，包括：
从上椎体对应的第一距离值集合中获取第一最大距离值，以及从下椎体对应的第二距离值集合中获取第二最大距离值；
对第一最大距离值和第二最大距离值进行均值运算处理，得到相邻的两个椎体之间的椎间隙距离。
在其中一个实施例中，上述将相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，包括：
获取待检测对象的脊柱尺寸大小；
将相邻的两个椎体之间的椎间隙距离和脊柱尺寸大小做比值，并将得到的比值和预设的椎间隙距离阈值进行对比。
在其中一个实施例中，上述根据对比结果得到待检测对象的椎间隙分析结果，包括：
若上述比值大于预设的椎间隙距离阈值，则确定相邻的两个椎体之间的椎间隙为狭窄。
在其中一个实施例中，上述根据脊柱分割结果，从多个脊柱矢状位图像中确定脊柱分割结果对应的脊柱目标矢状位图像，包括：
根据脊柱分割结果，计算相邻的两个椎体的重心坐标；
将相邻的两个椎体的重心坐标进行均值运算处理，并将得到的均值坐标所在的脊柱矢状位图像确定为脊柱目标矢状位图像。
一种脊柱椎体的椎间隙分析装置，该装置包括：
获取模块，用于获取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；
提取模块，用于从上述脊柱分割结果中提取相邻的两个椎体的分割结果；
椎体距离计算模块，用于根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
椎间隙距离确定模块，用于根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离；
分析模块，用于将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
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：
获取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；
从上述脊柱分割结果中提取相邻的两个椎体的分割结果；
根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离；
将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
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：
获取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；
从上述脊柱分割结果中提取相邻的两个椎体的分割结果；
根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离；
将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
上述脊柱椎体的椎间隙分析方法、装置、计算机设备和存储介质，通过获取待检测对象至少相邻两个椎体的脊柱分割结果，根据相邻两个椎体的分割结果计算相邻两个椎体上下边缘轮廓之间的距离，得到相邻两个椎体之间的椎间隙距离，并将椎间隙距离和椎间隙距离阈值进行对比，得到待检测对象的椎间隙分析结果。在该方法中，由于可以通过相邻两个椎体脊柱分割结果，计算得到相邻两个椎体上下边缘轮廓点之间的距离，进而得到这两个椎体之间的椎间隙距离，这样就不需要医生根据经验或者测量来得到椎间隙距离，因此，该方法可以节省人力和时间，同时得到的椎间隙距离也比较准确。进一步地，由于可以利用该椎间隙距离来确定椎间隙分析结果，而不需要医生凭借经验得到分析结果，因此，利用该方法得到的椎间隙分析结果也是比较准确的。
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椎体的椎间隙分析方法的流程示意图；
图3为另一个实施例中脊柱椎体的椎间隙分析步骤的流程示意图；
图4为另一个实施例中脊柱椎体的椎间隙分析方法的流程示意图；
图4a为另一个实施例中对椎体进行边缘提取得到椎体的角点的示例图；
图5为另一个实施例中脊柱椎体的椎间隙分析方法的流程示意图；
图6为一个实施例中脊柱椎体的椎间隙分析装置的结构框图。
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。
目前，在对人体脊柱进行检测时，通常会测量脊柱各椎体之间的椎间隙，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的椎间隙检测结果。然而，上述方法存在耗费人力，而且得到的椎间隙检测结果也不是很准确。因此，本申请提供一种脊柱椎体的椎间隙分析方法、装置、计算机设备和存储介质，可以解决上述技术问题。
本申请提供的脊柱椎体的椎间隙分析方法，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椎体的椎间隙分析方法。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，当然还可以是脊柱椎体的椎间隙分析装置，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，提供了一种脊柱椎体的椎间隙分析方法，本实施例涉及的是如何通过待检测对象的脊柱分割结果得到相邻两个椎体的椎间隙距离，进而得到待检测对象的椎间隙分析结果的具体过程。如图2所示，该方法可以包括以下步骤：
S202，获取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，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。
另外，这里脊柱分割结果可以是采用多标签分割模型对原始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原始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，其中的原始脊柱图像可以是对待检测对象扫描得到的图像，也可以是预先在数据库或云端存储的图像等，当然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。这里的原始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。
S204，从上述脊柱分割结果中提取相邻的两个椎体的分割结果。
具体的，在上述得到脊柱分割结果之后，也就可以得到脊柱分割结果中包括的椎体的位置信息，通常脊柱分割结果中一般会包括两个及以上相邻的椎体，那么就可以通过各椎体的位置信息，从脊柱分割结果中提取出各椎体所在的脊柱分割结果，得到相邻两个椎体的脊柱分割结果。其中，这里各椎体的位置信息可以是各椎体上各个点的位置信息。
S206，根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合。
在本步骤中，在得到相邻两个椎体的脊柱分割结果后，那么也可以得到相邻两个椎体的轮廓点的位置信息，其中，每个椎体的轮廓点包括上边缘轮廓点和下边缘轮廓点。
那么在得到每个椎体的上边缘轮廓点和下边缘轮廓点之后，可以直接通过相邻两个椎体的上下边缘轮廓点的位置，计算相邻两个椎体的上下边缘之间的距离，例如可以是在两个上边缘轮廓点之间计算距离，也可以是在两个下边缘轮廓点之间计算距离，当然也可以是在一个下边缘轮廓点和一个上边缘轮廓点之间计算距离。总之，可以计算得到相邻两个椎体上下边缘轮廓点之间的距离，得到多个距离值，组合起来就得到了距离值集合。
当然，也可以是采用距离场相关算法，计算相邻两个椎体各自的距离图像，这两个椎体各自的距离图像上每个点的值表示该点到另外一个椎体的最短距离。那么上述在得到每个椎体的上边缘轮廓点和下边缘轮廓点之后，就可以从这两个椎体各自的距离图像上，获得这两个椎体的上下边缘轮廓点的位置上的最短距离，即可以得到多个距离值，这多个距离值就是这两个椎体上下边缘轮廓点之间的距离，将这多个距离值组合起来，就得到了距离值集合。
当然，也可以是其他方式来得到相邻两个椎体的上下边缘轮廓点之间的距离，本实施例对此不作具体限定。
S208，根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离。
在本步骤中，在得到相邻两个椎体上下边缘轮廓点之间的距离值集合后，可以将距离值集合中的所有距离取均值，并将得到的均值作为该相邻两个椎体之间的椎间隙距离。
当然，也可以是从上述的距离值集合中选取出一个最大距离值，并将该最大距离值作为该相邻两个椎体之间的椎间隙距离。
当然，距离值集合中也可以包括相邻两个椎体各自的距离值集合(分别表示一个锥体的轮廓点到另一个椎体的轮廓点之间的距离)，那么可以从这两个椎体各自的距离值集合中分别选出一个最大距离值，并将这两个最大距离值进行取均值，这里得到的均值也可以作为该相邻两个椎体之间的椎间隙距离。
当然，还可以是其他方式的计算方式，本实施例对此不作具体限定。
S210，将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
其中，这里预设的椎间隙距离阈值可以根据实际情况设定，例如可以是3mm、5mm等等。这里的椎间隙距离阈值可以是根据不同个体的年龄大小、身材高低等参数确定的距离阈值，当然也可以是不分个体直接确定的距离阈值，当然还可以是其他确定方式。
在本步骤中，预设的椎间隙距离阈值的获取方式可以包括：1)获取历史病例数据库，该历史病例数据库中包括各个历史对象的脊柱图像以及影像分析报告，其中，每个历史对象的影像分析报告中有该历史对象对应的椎间隙分析结果(可以通过语义分析等技术对影像报告进行提取得到)；2)对各个历史对象的脊柱图像均执行上述脊柱分割以及椎间隙距离计算过程，得到每个历史对象的任意相邻两个椎体之间的椎间隙距离；3)通过将各个历史对象的椎间隙距离和对应的椎间隙分析结果进行关联分析，就可以得到预设的椎间隙距离阈值。
具体的，在得到相邻两个椎体之间的椎间隙距离之后，就可以将椎间隙距离和椎间隙距离阈值进行对比，得到对比结果，例如得到椎间隙距离大于椎间隙距离阈值或者椎间隙距离不大于椎间隙距离阈值等。然后通过对比结果就可以对待检测对象的椎间隙进行分析，得到分析结果。
按照本实施例的方法，可以计算出任意相邻两个椎体之间的椎间隙距离以及据此得到任意相邻两个椎体之间的椎间隙分析结果。
上述脊柱椎体的椎间隙分析方法中，通过获取待检测对象至少相邻两个椎体的脊柱分割结果，根据相邻两个椎体的分割结果计算相邻两个椎体上下边缘轮廓之间的距离，得到相邻两个椎体之间的椎间隙距离，并将椎间隙距离和椎间隙距离阈值进行对比，得到待检测对象的椎间隙分析结果。在该方法中，由于可以通过相邻两个椎体脊柱分割结果，计算得到相邻两个椎体上下边缘轮廓点之间的距离，进而得到这两个椎体之间的椎间隙距离，这样就不需要医生根据经验或者测量来得到椎间隙距离，因此，该方法可以节省人力和时间，同时得到的椎间隙距离也比较准确。进一步地，由于可以利用该椎间隙距离来确定椎间隙分析结果，而不需要医生凭借经验得到分析结果，因此，利用该方法得到的椎间隙分析结果也是比较准确的。
在另一个实施例中，提供了另一种脊柱椎体的椎间隙分析方法，本实施例涉及的是上述脊柱分割结果包括多个脊柱矢状位图像，那么如何从这多个脊柱矢状位图像中提取相邻两个椎体的分割结果的具体过程。在上述实施例的基础上，如图3所示，上述S204可以包括以下步骤：
S302，根据上述脊柱分割结果，从多个脊柱矢状位图像中确定脊柱分割结果对应的脊柱目标矢状位图像。
在本实施例中，脊柱分割结果中包括多个脊柱矢状位图像，即矢状位上的脊柱图像。脊柱目标矢状位图像可以是脊柱中矢状位图像，为多个脊柱矢状位图像中的一个脊柱矢状位图像。一般为了减少计算过程的复杂度，降低计算量，通常可以在脊柱中矢状位图像上获得椎体的分割结果，并进行后续的椎间隙距离计算。
那么这里就需要先获得脊柱中矢状位图像，在获取时，可选的，可以根据脊柱分割结果，计算相邻的两个椎体的重心坐标；将相邻的两个椎体的重心坐标进行均值运算处理，并将得到的均值坐标所在的脊柱矢状位图像确定为脊柱目标矢状位图像。
也就是说，在得到脊柱分割结果之后，该脊柱分割结果中包括相邻椎体上各个点的位置坐标，那么可以通过各个椎体上各个点的位置坐标，计算各个椎体的重心点，得到各个椎体的重心坐标，即可得到相邻两个椎体各自的重心坐标。然后将相邻两个椎体的重心坐标进行直接取均值或加权取均值，得到一个均值坐标，并将该均值坐标所在的脊柱矢状位图像作为脊柱中矢状位图像，即脊柱目标矢状位图像。
当然，也可以计算相邻两个椎体的质心点坐标、中心点坐标等等，通过相邻两个椎体的质心点坐标、中心点坐标等取均值确定脊柱目标矢状位图像。
S304，从脊柱目标矢状位图像中提取相邻的两个椎体的分割结果。
具体的，在从多个脊柱矢状位图像中确定出脊柱目标矢状位图像之后，一般脊柱目标矢状位图像可以是二维图像，那么就可以在该脊柱目标矢状位图像上提取出相邻两个椎体，即得到相邻两个椎体的分割结果。
本实施例中，根据脊柱分割结果，可以从多个脊柱矢状位图像中确定脊柱目标矢状位图像，并从脊柱目标矢状位图像中提取相邻两个椎体的分割结果，进行后续的椎间隙距离计算，这样就不需要全部的脊柱矢状位图像进行椎间隙距离计算，其计算量较小，因此可以节省椎间隙距离计算的时间，从而可以提高对脊柱椎体的椎间隙分析的效率。
在另一个实施例中，提供了另一种脊柱椎体的椎间隙分析方法，上述提到了计算相邻的两个椎体的上下边缘轮廓点之间的距离，那么若上述相邻的两个椎体包括位于上部分的上椎体和位于下部分的下椎体，那么如何计算上椎体和下椎体之间的距离的具体过程。在上述实施例的基础上，如图4所示，上述S206可以包括以下步骤：
S402，根据相邻的两个椎体的分割结果，计算相邻的两个椎体各自的距离图像；其中，一个椎体的距离图像上的各个值用于表征该椎体上的各个点到另一个椎体上的最短距离值。
在本步骤中，可以采用距离场相关算法，计算上椎体和下椎体各自的距离图像，这两个椎体各自的距离图像上每个点的值表示该点到另外一个椎体的最短距离。
具体计算过程如下，可以计算上椎体上各个点到下椎体上的最短距离值，并将该上椎体上的各个点的最短距离值作为该点的值，对该上椎体上的所有点都如此计算，就可以得到每个点的最短距离值，即得到该上椎体对应的距离图像。当然，按照此方式，也可以计算出下椎体上的各个点到上椎体的最短距离值，得到下椎体对应的距离图像。
S404，对相邻两个椎体的分割结果进行边缘提取，得到上椎体的下边缘的轮廓点以及下椎体的上边缘的轮廓点。
在本步骤中，在计算上下椎体的轮廓点时，可选的，可以对相邻两个椎体的分割结果进行边缘提取，得到上椎体和下椎体的各自的轮廓点集合；对相邻的两个椎体的分割结果进行角点检测，得到上椎体和下椎体各自的角点；根据上椎体的角点的坐标，从上椎体的轮廓点集合中确定上椎体的下边缘的轮廓点；以及根据下椎体的角点的坐标，从下椎体的轮廓点集合中确定下椎体的上边缘的轮廓点。
具体的，参见图4a所示，可以采用边缘提取相关算法对上椎体和下椎体的分割结果进行边缘提取，边缘提取相关算法可以是sobel算子的边缘算法、canny算法等等。通过边缘提取，可以得到上椎体的各个轮廓点以及下椎体的各个轮廓点，将上下椎体各自的各个轮廓点组合起来即可得到上椎体的轮廓点集合以及下椎体的轮廓点集合。然后可以通过计算各个椎体的外接矩形框，得到每个椎体的外接矩形框上的角点的坐标(例如图4a中的矩形框上的四个角点)。之后，以上锥体来说，可以将上椎体的矩形框上的四个角点的坐标和该上椎体上各个轮廓点的坐标进行比较，得到距离这四个角点坐标各自最近的四个轮廓点坐标，这四个轮廓点的坐标即为该上椎体的四个角点的坐标。
之后，可以通过该上椎体四个角点的坐标，从中得到位于该上椎体下边缘的两个角点的坐标。然后从该上椎体对应的轮廓点集合中，得到位于该上椎体下边缘的两个角点的坐标之间的轮廓点，这些轮廓点即为该上椎体的下边缘的轮廓点。
同样的，也可以按照此方式，从下椎体的轮廓点集合中得到下椎体的上边缘的轮廓点。
S406，根据上述下边缘的轮廓点的位置以及上边缘的轮廓点的位置，从上椎体的距离图像中确定下边缘的轮廓点对应的第一距离值集合，以及从下椎体的距离图像中确定上边缘的轮廓点对应的第二距离值集合。
在本步骤中，在确定出上椎体的下边缘的轮廓点之后，就可以按照上椎体的下边缘的轮廓点的位置，从上椎体的距离图像中找到这些轮廓点位置上的距离值，即得到多个距离值，均记为第一距离值，组合起来就是第一距离值集合。
同样的，在确定出下椎体的上边缘的轮廓点之后，就可以按照下椎体的上边缘的轮廓点的位置，从下椎体的距离图像中找到这些轮廓点位置上的距离值，即得到多个距离值，均记为第二距离值，组合起来就是第二距离值集合。
相应地，在得到第一距离值集合以及第二距离值集合之后，就可以据此计算上椎体和下椎体之间的椎间隙距离。也就是说，可选的，上述S208可以包括以下步骤：
从上椎体对应的第一距离值集合中获取第一最大距离值，以及从下椎体对应的第二距离值集合中获取第二最大距离值；对第一最大距离值和第二最大距离值进行均值运算处理，得到相邻的两个椎体之间的椎间隙距离。
具体为：可以从第一距离值集合中获取最大的第一距离值，从第二距离值集合中获取最大的第二距离值，并将这最大的第一距离值和最大的第二距离值取均值，得到的均值就可以作为这两个椎体之间的椎间隙距离。这样计算椎间隙距离的过程比较简单，计算的椎间隙距离也比较具有代表性，相对也比较准确。
本实施例中，可以根据相邻两个椎体的分割结果计算得到各自的距离图像，通过对分割结果进行边缘提取得到上椎体的下边缘轮廓点以及下椎体的上边缘轮廓点，并通过两个椎体各自的距离图像以及轮廓点，得到距离值集合。这里通过两个椎体的距离图像得到各自边缘轮廓点对应的距离值，细化了计算方式，可以便于计算两个椎体各自的轮廓点的距离值，保证计算过程的可实施性；同时计算的相邻两个椎体各自的距离值也比较准确，这样后续通过距离值计算的椎体之间的椎间隙距离也比较准确。
在另一个实施例中，提供了另一种脊柱椎体的椎间隙分析方法，本实施例涉及的是如何将两个椎体的椎间隙距离和椎间隙阈值进行对比，并根据对比结果得到椎间隙分析结果的具体过程。在上述实施例的基础上，如图5所示，上述S210中的将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，可以包括以下步骤：
S502，获取待检测对象的脊柱尺寸大小。
在本步骤中，待检测对象的脊柱尺寸大小可以是全部脊柱的尺寸大小，也可以一段脊柱的尺寸大小，例如椎间隙分析的是颈椎段的椎间隙，那么这里的脊柱尺寸大小就可以是待检测对象的颈椎段的尺寸大小。
S504，将相邻的两个椎体之间的椎间隙距离和脊柱尺寸大小做比值，并将得到的比值和预设的椎间隙距离阈值进行对比。
在本步骤中，可以将上述S210中计算的椎间隙距离阈值和对应的历史对象的脊柱尺寸大小做比值，得到的比值作为这里预设的椎间隙距离阈值。
之后，可以将上述待检测对象的椎间隙距离和其对应的脊柱尺寸大小做比值，得到待检测对象的比值，然后将待检测对象的比值和这里的椎间隙距离阈值进行对比，得到对比结果。
在得到对比结果之后，相应地，就可以对椎间隙进行分析，可选的，上述S210中根据对比结果得到待检测对象的椎间隙分析结果可以包括以下步骤S506：
S506，若上述比值大于预设的椎间隙距离阈值，则确定相邻的两个椎体之间的椎间隙为狭窄。
也就是说，若上述对比结果为待检测对象的比值大于椎间隙距离阈值，那么可以认为该待检测对象的这两个相邻的椎体的椎间隙狭窄。若上述对比结果为待检测对象的比值不大于椎间隙距离阈值，那么可以认为该待检测对象的这两个相邻的椎体的椎间隙不狭窄。
本实施例中，可以将待检测对象的脊柱尺寸大小和计算的椎间隙距离做比值，并将比值和椎间隙距离阈值进行比较，若比值大于预设的椎间隙距离阈值，则确定相邻的两个椎体之间的椎间隙为狭窄。这样可以综合考虑不同个体的脊柱尺寸大小的差异，避免因不同个体脊柱尺寸大小不同带来的椎间隙对比误差，使得通过对比结果得到的待检测对象的椎间隙分析结果更加符合实际情况，也更加准确。
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，获取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。
S2，根据脊柱分割结果，计算相邻的两个椎体的重心坐标。
S3，将相邻的两个椎体的重心坐标进行均值运算处理，并将得到的均值坐标所在的脊柱矢状位图像确定为脊柱目标矢状位图像。
S4，根据相邻的两个椎体的分割结果，计算相邻的两个椎体各自的距离图像；其中，一个椎体的距离图像上的各个值用于表征该椎体上的各个点到另一个椎体上的最短距离值。
S5，对相邻两个椎体的分割结果进行边缘提取，得到上椎体和下椎体的各自的轮廓点集合。
S6，对相邻的两个椎体的分割结果进行角点检测，得到上椎体和下椎体各自的角点。
S7，根据上椎体的角点的坐标，从上椎体的轮廓点集合中确定上椎体的下边缘的轮廓点；以及根据下椎体的角点的坐标，从下椎体的轮廓点集合中确定下椎体的上边缘的轮廓点。
S8，根据上述下边缘的轮廓点的位置以及上边缘的轮廓点的位置，从上椎体的距离图像中确定下边缘的轮廓点对应的第一距离值集合，以及从下椎体的距离图像中确定上边缘的轮廓点对应的第二距离值集合。
S9，从上椎体对应的第一距离值集合中获取第一最大距离值，以及从下椎体对应的第二距离值集合中获取第二最大距离值。
S10，对第一最大距离值和第二最大距离值进行均值运算处理，得到相邻的两个椎体之间的椎间隙距离。
S11，获取待检测对象的脊柱尺寸大小，将相邻的两个椎体之间的椎间隙距离和脊柱尺寸大小做比值，并将得到的比值和预设的椎间隙距离阈值进行对比。
S12，若上述比值大于预设的椎间隙距离阈值，则确定相邻的两个椎体之间的椎间隙为狭窄。
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，提供了一种脊柱椎体的椎间隙分析装置，包括：获取模块10、提取模块11、椎体距离计算模块12、椎间隙距离确定模块13和分析模块14，其中：
获取模块10，用于获取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；
提取模块11，用于从上述脊柱分割结果中提取相邻的两个椎体的分割结果；
椎体距离计算模块12，用于根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
椎间隙距离确定模块13，用于根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离；
分析模块14，用于将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
关于脊柱椎体的椎间隙分析装置的具体限定可以参见上文中对于脊柱椎体的椎间隙分析方法的限定，在此不再赘述。
在另一个实施例中，提供了另一种脊柱椎体的椎间隙分析装置，在上述实施例的基础上，上述脊柱分割结果包括多个脊柱矢状位图像，上述提取模块11可以包括目标矢状位确定单元和提取单元，其中：
目标矢状位确定单元，用于根据上述脊柱分割结果，从多个脊柱矢状位图像中确定脊柱分割结果对应的脊柱目标矢状位图像；
提取单元，用于从脊柱目标矢状位图像中提取相邻的两个椎体的分割结果。
可选的，上述目标矢状位确定单元可以包括重心坐标计算子单元和目标矢状位确定子单元，其中：
重心坐标计算子单元，用于根据脊柱分割结果，计算相邻的两个椎体的重心坐标；
目标矢状位确定子单元，用于将相邻的两个椎体的重心坐标进行均值运算处理，并将得到的均值坐标所在的脊柱矢状位图像确定为脊柱目标矢状位图像。
在另一个实施例中，提供了另一种脊柱椎体的椎间隙分析装置，在上述实施例的基础上，在上述相邻的两个椎体包括位于上部分的上椎体和位于下部分的下椎体的情况下，上述椎体距离计算模块12可以包括椎体距离图像计算单元、边缘提取单元和距离值集合确定单元，其中：
椎体距离图像计算单元，用于根据相邻的两个椎体的分割结果，计算相邻的两个椎体各自的距离图像；其中，一个椎体的距离图像上的各个值用于表征该椎体上的各个点到另一个椎体上的最短距离值；
边缘提取单元，用于对相邻两个椎体的分割结果进行边缘提取，得到上椎体的下边缘的轮廓点以及下椎体的上边缘的轮廓点；
距离值集合确定单元，用于根据上述下边缘的轮廓点的位置以及上边缘的轮廓点的位置，从上椎体的距离图像中确定下边缘的轮廓点对应的第一距离值集合，以及从下椎体的距离图像中确定上边缘的轮廓点对应的第二距离值集合。
可选的，上述边缘提取单元可以包括边缘提取子单元、角点检测子单元和轮廓点确定子单元，其中：
边缘提取子单元，用于对相邻两个椎体的分割结果进行边缘提取，得到上椎体和下椎体的各自的轮廓点集合；
角点检测子单元，用于对相邻的两个椎体的分割结果进行角点检测，得到上椎体和下椎体各自的角点；
轮廓点确定子单元，用于根据上椎体的角点的坐标，从上椎体的轮廓点集合中确定上椎体的下边缘的轮廓点；以及根据下椎体的角点的坐标，从下椎体的轮廓点集合中确定下椎体的上边缘的轮廓点。
可选的，上述椎间隙距离确定模块13可以包括最大值获取单元和椎间隙距离计算单元，其中：
最大值获取单元，用于从上椎体对应的第一距离值集合中获取第一最大距离值，以及从下椎体对应的第二距离值集合中获取第二最大距离值；
椎间隙距离计算单元，用于对第一最大距离值和第二最大距离值进行均值运算处理，得到相邻的两个椎体之间的椎间隙距离。
在另一个实施例中，提供了另一种脊柱椎体的椎间隙分析装置，在上述实施例的基础上，上述分析模块14可以包括：脊柱尺寸获取单元和对比单元，其中：
脊柱尺寸获取单元，用于获取待检测对象的脊柱尺寸大小；
对比单元，用于将相邻的两个椎体之间的椎间隙距离和脊柱尺寸大小做比值，并将得到的比值和预设的椎间隙距离阈值进行对比。
可选的，上述分析模块14可以包括分析结果确定单元，该分析结果确定单元，用于在上述比值大于预设的椎间隙距离阈值的情况下，确定相邻的两个椎体之间的椎间隙为狭窄。
关于脊柱椎体的椎间隙分析装置的具体限定可以参见上文中对于脊柱椎体的椎间隙分析方法的限定，在此不再赘述。上述脊柱椎体的椎间隙分析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：
获取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；
从上述脊柱分割结果中提取相邻的两个椎体的分割结果；
根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离；
将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
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：
根据上述脊柱分割结果，从多个脊柱矢状位图像中确定脊柱分割结果对应的脊柱目标矢状位图像；从脊柱目标矢状位图像中提取相邻的两个椎体的分割结果。
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：
根据相邻的两个椎体的分割结果，计算相邻的两个椎体各自的距离图像；其中，一个椎体的距离图像上的各个值用于表征该椎体上的各个点到另一个椎体上的最短距离值；对相邻两个椎体的分割结果进行边缘提取，得到上椎体的下边缘的轮廓点以及下椎体的上边缘的轮廓点；根据上述下边缘的轮廓点的位置以及上边缘的轮廓点的位置，从上椎体的距离图像中确定下边缘的轮廓点对应的第一距离值集合，以及从下椎体的距离图像中确定上边缘的轮廓点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：
对相邻两个椎体的分割结果进行边缘提取，得到上椎体和下椎体的各自的轮廓点集合；对相邻的两个椎体的分割结果进行角点检测，得到上椎体和下椎体各自的角点；根据上椎体的角点的坐标，从上椎体的轮廓点集合中确定上椎体的下边缘的轮廓点；以及根据下椎体的角点的坐标，从下椎体的轮廓点集合中确定下椎体的上边缘的轮廓点。
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：
从上椎体对应的第一距离值集合中获取第一最大距离值，以及从下椎体对应的第二距离值集合中获取第二最大距离值；对第一最大距离值和第二最大距离值进行均值运算处理，得到相邻的两个椎体之间的椎间隙距离。
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：
获取待检测对象的脊柱尺寸大小；将相邻的两个椎体之间的椎间隙距离和脊柱尺寸大小做比值，并将得到的比值和预设的椎间隙距离阈值进行对比。
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：
若上述比值大于预设的椎间隙距离阈值，则确定相邻的两个椎体之间的椎间隙为狭窄。
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：
根据脊柱分割结果，计算相邻的两个椎体的重心坐标；将相邻的两个椎体的重心坐标进行均值运算处理，并将得到的均值坐标所在的脊柱矢状位图像确定为脊柱目标矢状位图像。
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：
获取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；
从上述脊柱分割结果中提取相邻的两个椎体的分割结果；
根据上述相邻的两个椎体的分割结果，计算上述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
根据上述距离值集合，得到上述相邻的两个椎体之间的椎间隙距离；
将上述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到待检测对象的椎间隙分析结果。
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：
根据上述脊柱分割结果，从多个脊柱矢状位图像中确定脊柱分割结果对应的脊柱目标矢状位图像；从脊柱目标矢状位图像中提取相邻的两个椎体的分割结果。
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：
根据相邻的两个椎体的分割结果，计算相邻的两个椎体各自的距离图像；其中，一个椎体的距离图像上的各个值用于表征该椎体上的各个点到另一个椎体上的最短距离值；对相邻两个椎体的分割结果进行边缘提取，得到上椎体的下边缘的轮廓点以及下椎体的上边缘的轮廓点；根据上述下边缘的轮廓点的位置以及上边缘的轮廓点的位置，从上椎体的距离图像中确定下边缘的轮廓点对应的第一距离值集合，以及从下椎体的距离图像中确定上边缘的轮廓点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：
对相邻两个椎体的分割结果进行边缘提取，得到上椎体和下椎体的各自的轮廓点集合；对相邻的两个椎体的分割结果进行角点检测，得到上椎体和下椎体各自的角点；根据上椎体的角点的坐标，从上椎体的轮廓点集合中确定上椎体的下边缘的轮廓点；以及根据下椎体的角点的坐标，从下椎体的轮廓点集合中确定下椎体的上边缘的轮廓点。
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：
从上椎体对应的第一距离值集合中获取第一最大距离值，以及从下椎体对应的第二距离值集合中获取第二最大距离值；对第一最大距离值和第二最大距离值进行均值运算处理，得到相邻的两个椎体之间的椎间隙距离。
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：
获取待检测对象的脊柱尺寸大小；将相邻的两个椎体之间的椎间隙距离和脊柱尺寸大小做比值，并将得到的比值和预设的椎间隙距离阈值进行对比。
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：
若上述比值大于预设的椎间隙距离阈值，则确定相邻的两个椎体之间的椎间隙为狭窄。
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：
根据脊柱分割结果，计算相邻的两个椎体的重心坐标；将相邻的两个椎体的重心坐标进行均值运算处理，并将得到的均值坐标所在的脊柱矢状位图像确定为脊柱目标矢状位图像。
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 (10)
1.一种脊柱椎体的椎间隙分析方法，其特征在于，所述方法包括：
获取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；
从所述脊柱分割结果中提取所述相邻的两个椎体的分割结果；
根据所述相邻的两个椎体的分割结果，计算所述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合；
根据所述距离值集合，得到所述相邻的两个椎体之间的椎间隙距离；
将所述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，并根据对比结果得到所述待检测对象的椎间隙分析结果。
2.根据权利要求1所述的方法，其特征在于，所述脊柱分割结果包括多个脊柱矢状位图像，所述从所述脊柱分割结果中提取所述相邻的两个椎体的分割结果，包括：
根据所述脊柱分割结果，从所述多个脊柱矢状位图像中确定所述脊柱分割结果对应的脊柱目标矢状位图像；
从所述脊柱目标矢状位图像中提取所述相邻的两个椎体的分割结果。
3.根据权利要求1或2所述的方法，其特征在于，若所述相邻的两个椎体包括位于上部分的上椎体和位于下部分的下椎体；所述根据所述相邻的两个椎体的分割结果，计算所述相邻的两个椎体的上下边缘轮廓点之间的距离，得到距离值集合，包括：
根据所述相邻的两个椎体的分割结果，计算所述相邻的两个椎体各自的距离图像；其中，一个所述椎体的距离图像上的各个值用于表征所述椎体上的各个点到另一个所述椎体上的最短距离值；
对所述相邻两个椎体的分割结果进行边缘提取，得到所述上椎体的下边缘的轮廓点以及所述下椎体的上边缘的轮廓点；
根据所述下边缘的轮廓点的位置以及所述上边缘的轮廓点的位置，从所述上椎体的距离图像中确定所述下边缘的轮廓点对应的第一距离值集合，以及从所述下椎体的距离图像中确定所述上边缘的轮廓点对应的第二距离值集合。
4.根据权利要求3所述的方法，其特征在于，所述对所述相邻两个椎体的分割结果进行边缘提取，得到所述上椎体的下边缘的轮廓点以及所述下椎体的上边缘的轮廓点，包括：
对所述相邻两个椎体的分割结果进行边缘提取，得到所述上椎体和所述下椎体的各自的轮廓点集合；
对所述相邻的两个椎体的分割结果进行角点检测，得到所述上椎体和所述下椎体各自的角点；
根据所述上椎体的角点的坐标，从所述上椎体的轮廓点集合中确定所述上椎体的下边缘的轮廓点；以及根据所述下椎体的角点的坐标，从所述下椎体的轮廓点集合中确定所述下椎体的上边缘的轮廓点。
5.根据权利要求3所述的方法，其特征在于，所述根据所述距离值集合，得到所述相邻的两个椎体之间的椎间隙距离，包括：
从所述上椎体对应的第一距离值集合中获取第一最大距离值，以及从所述下椎体对应的第二距离值集合中获取第二最大距离值；
对所述第一最大距离值和所述第二最大距离值进行均值运算处理，得到所述相邻的两个椎体之间的椎间隙距离。
6.根据权利要求1所述的方法，其特征在于，所述将所述相邻的两个椎体之间的椎间隙距离和预设的椎间隙距离阈值进行对比，包括：
获取所述待检测对象的脊柱尺寸大小；
将所述相邻的两个椎体之间的椎间隙距离和所述脊柱尺寸大小做比值，并将得到的比值和所述预设的椎间隙距离阈值进行对比。
7.根据权利要求6所述的方法，其特征在于，所述根据对比结果得到所述待检测对象的椎间隙分析结果，包括：
若所述比值大于所述预设的椎间隙距离阈值，则确定所述相邻的两个椎体之间的椎间隙为狭窄。
8.根据权利要求2所述的方法，其特征在于，所述根据所述脊柱分割结果，从所述多个脊柱矢状位图像中确定所述脊柱分割结果对应的脊柱目标矢状位图像，包括：
根据所述脊柱分割结果，计算所述相邻的两个椎体的重心坐标；
将所述相邻的两个椎体的重心坐标进行均值运算处理，并将得到的均值坐标所在的脊柱矢状位图像确定为所述脊柱目标矢状位图像。
9.一种计算机设备，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8中任一项所述的方法的步骤。
10.一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8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010903436.7A CN112184623A (zh) | 2020-09-01 | 2020-09-01 | 脊柱椎体的椎间隙分析方法、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010903436.7A CN112184623A (zh) | 2020-09-01 | 2020-09-01 | 脊柱椎体的椎间隙分析方法、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112184623A true CN112184623A (zh) | 2021-01-05 |
Family
ID=73924070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010903436.7A Pending CN112184623A (zh) | 2020-09-01 | 2020-09-01 | 脊柱椎体的椎间隙分析方法、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112184623A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| TWI806047B (zh) * | 2021-05-11 | 2023-06-21 | 宏碁智醫股份有限公司 | 影像分析方法與影像分析裝置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070127799A1 (en) * | 2005-10-17 | 2007-06-07 | Siemens Corporate Research Inc | Method and system for vertebrae and intervertebral disc localization in magnetic resonance images |
| CN102297660A (zh) * | 2011-05-20 | 2011-12-28 | 同济大学 | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 |
| CN105556567A (zh) * | 2013-09-17 | 2016-05-04 | 皇家飞利浦有限公司 | 用于脊椎位置探测的方法和系统 |
| CN107038401A (zh) * | 2016-02-03 | 2017-08-11 | 北方工业大学 | 一种嘴唇轮廓的分割及特征提取方法 |
| CN107844800A (zh) * | 2017-07-31 | 2018-03-27 | 深圳联影医疗科技有限公司 | 一种全脊椎最佳矢状位的确定系统、方法及装置 |
| CN108830835A (zh) * | 2018-05-25 | 2018-11-16 | 北京长木谷医疗科技有限公司 | 识别脊柱矢状位图像异常的方法及计算设备 |
| CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
| CN110415291A (zh) * | 2019-08-07 | 2019-11-05 | 清华大学 | 图像处理方法及相关设备 |
-
2020
- 2020-09-01 CN CN202010903436.7A patent/CN112184623A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070127799A1 (en) * | 2005-10-17 | 2007-06-07 | Siemens Corporate Research Inc | Method and system for vertebrae and intervertebral disc localization in magnetic resonance images |
| CN102297660A (zh) * | 2011-05-20 | 2011-12-28 | 同济大学 | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 |
| CN105556567A (zh) * | 2013-09-17 | 2016-05-04 | 皇家飞利浦有限公司 | 用于脊椎位置探测的方法和系统 |
| CN107038401A (zh) * | 2016-02-03 | 2017-08-11 | 北方工业大学 | 一种嘴唇轮廓的分割及特征提取方法 |
| CN107844800A (zh) * | 2017-07-31 | 2018-03-27 | 深圳联影医疗科技有限公司 | 一种全脊椎最佳矢状位的确定系统、方法及装置 |
| CN108830835A (zh) * | 2018-05-25 | 2018-11-16 | 北京长木谷医疗科技有限公司 | 识别脊柱矢状位图像异常的方法及计算设备 |
| CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
| CN110415291A (zh) * | 2019-08-07 | 2019-11-05 | 清华大学 | 图像处理方法及相关设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI806047B (zh) * | 2021-05-11 | 2023-06-21 | 宏碁智醫股份有限公司 | 影像分析方法與影像分析裝置 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340800B (zh) | 图像检测方法、计算机设备和存储介质 | |
| US8965083B2 (en) | Automatic detection of vertebrae boundaries in spine images | |
| CN112967236B (zh) | 图像的配准方法、装置、计算机设备和存储介质 | |
| US10290095B2 (en) | Image processing apparatus for measuring a length of a subject and method therefor | |
| CN108038875B (zh) | 一种肺部超声图像识别方法和装置 | |
| CN113034389B (zh) | 图像处理方法、装置、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 | |
| CN112184623A (zh) | 脊柱椎体的椎间隙分析方法、设备和存储介质 | |
| US20160232665A1 (en) | Disease analysis apparatus, control method, and program | |
| CN111652862A (zh) | 脊柱顺列分类方法、计算机设备和存储介质 | |
| CN107680134A (zh) | 医学图像中脊椎标定方法、装置及设备 | |
| KR20150063995A (ko) | 영상 처리 장치 및 방법 | |
| CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
| CN116130090A (zh) | 射血分数测量方法和装置、电子设备和存储介质 | |
| CN115954101A (zh) | 一种基于ai舌诊图像处理的健康度管理系统及管理方法 | |
| CN111640095A (zh) | 脑微出血的量化方法和计算机可读存储介质 | |
| KR100942699B1 (ko) | 요골원위부 골간단 경계추출 방법 및 장치 | |
| JP5961512B2 (ja) | 画像処理装置およびその作動方法並びに画像処理プログラム | |
| CN112164027B (zh) | 脊柱硬膜囊受压检测方法、设备和存储介质 | |
| CN113538372A (zh) | 三维目标检测方法、装置、计算机设备和存储介质 | |
| KR102389067B1 (ko) | 척추 측만증 평가 방법 및 이를 이용한 척추 측만증 평가용 디바이스 | |
| CN113160199B (zh) | 影像识别方法、装置、计算机设备和存储介质 | |
| CN112967235A (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
| CN109978861B (zh) | 骨髓灰质检测方法、装置、设备和计算机可读存储介质 | |
| CN114549553A (zh) | 角度测量方法、装置、计算机设备及可读存储介质 |
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 |