CN114037719A - 骨骼区域确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种骨骼区域确定方法、装置、电子设备及存储介质，该方法包括：获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，目标区域包括第一骨骼和第二骨骼；针对每一个原始扫描图像帧，根据预设条件确定第一骨骼和第二骨骼的分割边界；其中，预设条件包括第一预设条件或第二预设条件，第一预设条件为与原始扫描图像帧的前景区域面积变化相对应的预设条件，第二预设条件为与边界掩膜相对应的预设条件；针对每一个分割边界，根据分割边界以及与分割边界相对应的原始扫描图像帧，确定第一骨骼区域。通过本发明实施例的技术方案，实现了准确、快速的划分不同骨骼区域，以构建骨骼模型的技术效果。

Description

骨骼区域确定方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及医疗技术领域，尤其涉及一种骨骼区域确定方法、装置、电子设备及存储介质。

背景技术

目前，针对骨骼区域的CT（电子计算机断层扫描，Computed Tomography）图像三维立体分割方法大部分可以是在每一张CT序列图像中进行手动定位或手动分割，但是这种方式费时费力，且效率低。

还可以使用传统的医学图像分割方法进行骨骼区域分割，主要包括基于阈值特性分割等。阈值分割是最常见的直接检测目标区域的分割方法，阈值分割又可以分为单阈值分割方式和多阈值分割方式。阈值分割的效果取决于阈值的选择，阈值分割的速度较快、计算简单、效率高。但是这种方法没有充分考虑空间特性，只关注像素的灰度特征，分割效果不够理想。

发明内容

本发明实施例提供了一种骨骼区域确定方法、装置、电子设备及存储介质，以实现准确、快速的划分不同骨骼区域，以构建骨骼模型的技术效果。

第一方面，本发明实施例提供了一种骨骼区域确定方法，该方法包括：

获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述目标区域包括第一骨骼和第二骨骼；

针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界；其中，所述预设条件包括第一预设条件或第二预设条件，所述第一预设条件为与所述原始扫描图像帧的前景区域面积变化相对应的预设条件，所述第二预设条件为与边界掩膜相对应的预设条件；

针对每一个分割边界，根据所述分割边界以及与所述分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

第二方面，本发明实施例还提供了一种骨骼区域确定装置，该装置包括：

序列获取模块，用于获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述目标区域包括第一骨骼和第二骨骼；

分割边界确定模块，用于针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界；其中，所述预设条件包括第一预设条件或第二预设条件，所述第一预设条件为与所述原始扫描图像帧的前景区域面积变化相对应的预设条件，所述第二预设条件为与边界掩膜相对应的预设条件；

骨骼区域确定模块，用于针对每一个分割边界，根据所述分割边界以及与所述分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的骨骼区域确定方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例任一所述的骨骼区域确定方法。

本发明实施例的技术方案，通过获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，针对每一个原始扫描图像帧，根据预设条件确定第一骨骼和第二骨骼的分割边界，针对每一个分割边界，根据分割边界以及与分割边界相对应的原始扫描图像帧，确定第一骨骼区域，解决了骨骼区域划分不准确的问题，实现了准确、快速的划分不同骨骼区域，以构建骨骼模型的技术效果。

附图说明

为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。

图1为本发明实施例一所提供的一种骨骼区域确定方法的流程示意图；

图2为本发明实施例二所提供的一种骨骼区域确定方法的流程示意图；

图3为本发明实施例二所提供的一种股骨-髋关节的原始扫描图像帧的示意图；

图4为本发明实施例二所提供的一种股骨-膝关节的原始扫描图像帧的示意图；

图5为本发明实施例二所提供的一种胫骨-膝关节的原始扫描图像帧的示意图；

图6为本发明实施例二所提供的一种胫腓骨-踝关节的原始扫描图像帧的示意图；

图7为本发明实施例二所提供的一种股骨-膝关节的灰度增强图像的示意图；

图8为本发明实施例二所提供的一种胫骨-膝关节的灰度增强图像的示意图；

图9为本发明实施例二所提供的一种股骨-髋关节的峰谷峰增强图像的示意图；

图10为本发明实施例二所提供的一种股骨-髋关节的边界掩膜图像的示意图；

图11为本发明实施例三所提供的一种骨骼区域确定装置的结构示意图；

图12为本发明实施例四所提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一所提供的一种骨骼区域确定方法的流程示意图，本实施例可适用于在根据扫描图像进行骨骼生长后，确定不同的骨骼区域的情况，该方法可以由骨骼区域确定装置来执行，该装置可以通过软件和/或硬件的形式实现，该硬件可以是电子设备，可选的，电子设备可以是移动终端、PC端、服务器等。

如图1所述，本实施例的方法具体包括如下步骤：

S110、获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列。

其中，目标区域可以是进行扫描的区域，该区域中包括两种骨骼，目标区域包括第一骨骼和第二骨骼，例如：髋关节区域中包括股骨和髋骨等。由此可知，第一骨骼和第二骨骼会在同一原始扫描图像帧中成像。可选的，目标区域可以为人体骨骼关节部位的区域。

具体的，针对需要进行用户的目标区域，进行电子计算机断层连续扫描，能够得到连续的多个用于体现目标区域情况的原始扫描图像帧所组成的序列。

S120、针对每一个原始扫描图像帧，根据预设条件确定第一骨骼和第二骨骼的分割边界。

其中，预设条件可以是用于划分第一骨骼和第二骨骼的骨骼划分条件。预设条件包括第一预设条件或第二预设条件，第一预设条件为与原始扫描图像帧的前景区域面积变化相对应的预设条件，第二预设条件为与边界掩膜相对应的预设条件。分割边界可以是区分第一骨骼和第二骨骼的边界。

具体的，针对每一个原始扫描图像帧，可以选择一种合适的预设条件，基于该预设条件对原始扫描图像帧进行分割，得到第一骨骼和第二骨骼的分割边界。

S130、针对每一个分割边界，根据分割边界以及与分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

其中，第一骨骼区域可以是分割边界划分的区域中与第一骨骼相对应的部分。

具体的，针对每一个分割边界，可以将与该分割边界相对应的原始扫描图像帧基于分割边界进行划分，得到两个骨骼区域，将与第一骨骼相对应的骨骼区域确定为第一骨骼区域。

在上述实施例的基础上，可选的，在确定第一骨骼区域之后，还可以：将各原始扫描图像帧中第一骨骼区域之外的像素点删除，构建第一骨骼模型。

其中，第一骨骼模型可以是与第一骨骼对应的三维模型。

具体的，将各原始扫描图像帧中的第一骨骼区域之外的像素点删除，对剩余的第一骨骼区域进行骨骼生长，得到与第一骨骼相对应的骨骼模型，作为第一骨骼模型。

本发明实施例的技术方案，通过获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，针对每一个原始扫描图像帧，根据预设条件确定第一骨骼和第二骨骼的分割边界，针对每一个分割边界，根据分割边界以及与分割边界相对应的原始扫描图像帧，确定第一骨骼区域，解决了骨骼区域划分不准确的问题，实现了准确、快速的划分不同骨骼区域，以构建骨骼模型的技术效果。

实施例二

图2为本发明实施例二所提供的一种骨骼区域确定方法的流程示意图，本实施例在上述各实施例的基础上，针对预设条件为第一预设条件的骨骼边界确定方式和预设条件为第二预设条件的骨骼边界确定方式均可参见本实施例的技术方案。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图2所述，本实施例的方法具体包括如下步骤：

S210、获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列。

示例性的，图3为本发明实施例二所提供的一种股骨-髋关节的原始扫描图像帧的示意图，其中，股骨和髋关节分别为第一骨骼和第二骨骼。图4为本发明实施例二所提供的一种股骨-膝关节的原始扫描图像帧的示意图，其中，股骨和膝关节分别为第一骨骼和第二骨骼。图5为本发明实施例二所提供的一种胫骨-膝关节的原始扫描图像帧的示意图，其中，胫骨和膝关节分别为第一骨骼和第二骨骼。图6为本发明实施例二所提供的一种胫腓骨-踝关节的原始扫描图像帧的示意图，其中，胫腓骨和踝关节分别为第一骨骼和第二骨骼。

S220、确定预设条件，若预设条件包括第一预设条件，则执行S230；若预设条件包括第二预设条件，则执行S260。

S230、针对每一个原始扫描图像帧，确定与原始扫描图像帧相对应的前景区域面积，并执行S240。

其中，前景区域面积可以是原始扫描图像帧的前景区域的面积值，前景区域可以理解为原始扫描图像帧中第一骨骼所在的区域。

具体的，对原始扫描图像帧进行分割可以确定其中的前景区域，分别计算每一个原始扫描图像帧中的前景区域的前景区域面积，以便于后续判断连续前景区域的面积变化趋势。

可选的，可以基于下述方式确定与原始扫描图像帧相对应的前景区域面积。

确定与原始扫描图像帧的前景区域相对应的初始分割边界，并根据初始分割边界确定初始分割图像；根据初始分割图像，确定与原始扫描图像帧相对应的前景区域面积。

其中，初始分割边界可以是前景区域与背景区域的区分边界，初始分割图像可以是初始分割边界所包围的区域，即前景区域所对应的图像。

具体的，可以通过在灰度图上进行圆拟合，或者统计轮廓模型，或者水平集的方法获得分割边界阈值，基于分割边界阈值可以区分前景区域和背景区域，还可以根据其他方式进行区分，在本实施例中不做具体限定，能够得到前景区域的初始分割边界即可。进而，将初始分割边界所区分的两种区域中，确定其中的前景区域，例如，根据两个区域的分布位置等，示例性的，股骨-髋关节中，股骨所属的前景区域被髋骨所属的背景区域所包围等。将前景区域相对应的图像确定为初始分割图像，并且，可以分别确定各原始扫描图像帧的初始分割图像的图像面积，记为前景区域面积。

可选的，为了便于后续确定其他原始扫描图像帧的前景区域面积，可以使用下述方式对前景区域进行重新规划：

步骤一、若前景区域面积进入收缩阶段，则确定忽略掩膜。

其中，收缩阶段可以是前景区域面积逐渐变小的阶段。忽略掩膜可以是用于确定不加入前景区域的掩膜区域。

具体的，若前景区域面积进入收缩阶段，则可以设置一个掩膜对象，即为忽略掩膜。初始状态的忽略掩膜不包括任何区域，即为空。

步骤二、针对每一个原始扫描图像帧，根据原始扫描图像帧的前景区域与前一原始扫描图像帧的前景区域作差，得到差值区域。

其中，差值区域可以是上一帧原始扫描图像帧的前景区域与当前原始扫描图像帧的前景区域作差，得到的差值区域。差值区域可以认为是当前原始扫描图像帧缩小的区域。

步骤三、根据差值区域对忽略掩膜进行更新，若原始扫描图像帧中存在与忽略掩膜相重合的连通域，则将连通域从原始扫描图像帧的前景区域中删除。

具体的，将确定出的差值区域加入忽略掩膜中，忽略掩膜将持续累加，以完成根据差值区域对忽略掩膜的更新。若在当前原始扫描图像帧中有新的连通域与忽略掩膜重合，则新的连通域无法加入当前原始扫描图像帧的前景区域中。需要说明的是，通过忽略掩膜不再加入新的连通域的方式只在进入收缩阶段后启动。

可选的，可以基于下述步骤确定初始分割边界以及初始分割图像：

步骤一、确定与原始扫描图像帧相对应的参考图像帧。

其中，参考图像帧包括灰度增强图像、边缘信息图像以及峰谷峰增强图像，即参考图像帧是融合灰度增强图像、边缘信息图像以及峰谷峰增强图像得到的图像帧。

具体的，将与原始扫描图像帧相对应的灰度增强图像、边缘信息图像以及峰谷峰增强图像中的各个位置的像素值进行相加，可以得到参考图像帧。

可选的，边缘信息图像的确定方式为：对原始扫描图像帧进行边缘检测，确定与原始扫描图像帧相对应的边缘信息图像。

其中，边缘图像信息是标识原始扫描图像帧中像素值存在变化明显的点的信息。

具体的，针对原始扫描图像帧进行边缘检测，将边缘检测的结果作为边缘信息图像。

可选的，灰度增强图像的确定方式为：针对原始扫描图像帧中的每一个像素点，确定与像素点的邻域内的邻域像素点，确定各邻域像素点的灰度值方差，并将灰度值方差确定为像素点的粗糙度值；根据原始扫描图像帧中各像素点所对应的粗糙度值，确定与原始扫描图像帧相对应的粗糙度图像；基于粗糙度图像以及原始扫描图像帧，确定与原始扫描图像帧相对应的灰度增强图像。

其中，粗糙度值基于像素点邻域内的邻域像素点的灰度值确定，粗糙度值可以用于衡量像素点与邻域内像素点的灰度值的离散程度。粗糙度图像可以是根据各像素点所对应的粗糙度值构成的图像。邻域像素点可以是像素点周围一定区域内除像素点本身之外的像素点，可选的，像素点的邻域内的邻域像素点为与像素点相邻的8个或24个像素点，类似的，更加需要也可以设置为其他数量的像素点，优选的选择的数量为8个。灰度增强图像可以是强化原始扫描图像帧中灰度分布的图像。

具体的，针对每一个原始扫描图像帧，可以确定与该原始扫描图像帧相对应的粗糙度图像，以一个原始扫描图像帧为例进行说明。获取原始扫描图像帧中各像素点的灰度值，将像素点的灰度值和其邻域内的邻域像素点的灰度值进行求方差计算，确定该像素点与全部邻域像素点的灰度值的离散情况，记为该像素点的粗糙度值。进而，可以根据各像素点的粗糙度值，构建与原始扫描图像帧相对应的粗糙度图像。将原始扫描图像帧和与原始扫描图像帧相对应的粗糙度图像进行加权叠加，可以得到与原始扫描图像帧相对应的灰度增强图像。例如：通过灰度增强图像公式J=aG+bR确定灰度增强图像，G表示原始扫描图像帧，R表示粗糙度图像，a表示使用线性回归确定的与原始扫描图像帧对应的权重参数，b表示使用线性回归确定的与粗糙度图像对应的权重参数，J表示灰度增强图像。

需要说明的是，在进行加权叠加的过程中使用的与原始扫描图像帧对应的权重参数以及与粗糙度图像对应的权重参数可以是根据线性回归确定的权重参数，确定过程可以是根据实际需求或分析确定的，在本实施例中不做具体限定。

可选的，峰谷峰增强图像的确定方式为：根据原始扫描图像帧的中心点，向原始扫描图像帧的各边缘点投射射线，基于预先设定的峰谷峰检测函数，确定与各射线上各像素点所对应的峰谷峰值，并根据峰谷峰值确定与原始扫描图像帧相对应的峰谷峰增强图像。

其中，峰谷峰检测函数是用于检测数值存在高低高趋势的核函数。峰谷峰值是经由峰谷峰检测函数计算得到的数值。峰谷峰增强图像是根据各像素点所对应的峰谷峰值构成的图像。

具体的，针对每一个原始扫描图像帧，可以使用相同的方式确定峰谷峰增强图像，因此，以一个原始扫描图像帧为例进行说明。根据该原始扫描图像帧的中心点向周围的边缘点集合中的各个边缘点发出射线，通过峰谷峰检测函数对各条射线上的各个像素点进行处理，得到与各个像素点相对应的峰谷峰值。根据各个像素点的峰谷峰值可以组成与原始扫描图像帧相对应的峰谷峰增强图像。

可选的，根据峰谷峰检测函数确定各像素点所对应的峰谷峰值的方式可以是：

针对每一条射线上的每个像素点，根据像素点所属射线上与像素点相对应的邻域像素点，确定邻域像素点中的灰度最小值；在灰度最小值所对应的像素点以及中心点之间，确定第一灰度最大值，并在灰度最小值所对应的像素点以及射线上的边缘点之间，确定第二灰度最大值；根据灰度最小值、第一灰度最大值以及第二灰度最大值，确定像素点对应的峰谷峰值。

其中，邻域像素点可以是当前像素点及其周围一定范围内的像素点，例如：与某一像素点相对应的邻域像素点可以是，该像素点、向射线起始端方向上与该像素点相邻的5个以及向射线投射方向上与该像素点相邻的5个等。灰度最小值可以是像素点与邻域像素点值中灰度值最小的数值。第一灰度最大值可以是灰度最小值的像素点与中心点之间的灰度最大值。第二灰度最大值可以是灰度最小值的像素点与射线上的边缘点之间的灰度最大值。

具体的，针对每一条射线上的每个像素点，在该像素点所属的射线上确定该像素点的领域像素点，并从各个领域像素点的灰度值中确定出灰度最小值。进而，在灰度最小值所对应的像素点和中心点之间的各个像素点的灰度值中，确定出灰度最大值，为第一灰度最大值。在灰度最小值所对应的像素点和该像素点所属射线上的边缘点之间的各个像素点的灰度值中，确定出灰度最大值，为第二灰度最大值。进一步的，将第一灰度最大值与灰度最小值的差值和第二灰度最大值与灰度最小值的差值乘积的方差作为与该像素点对应的峰谷峰值。

步骤二、根据参考图像帧中的中心点向参考图像帧的上一参考图像帧的各边缘点分别投射射线，根据各射线上的局部极值点确定各射线的射线半径。

其中，中心点以及各边缘点基于前景区域确定。中心点可以是前景区域中各种子点中的正中间位置的像素点。边缘点可以是各种子点中构成的边界上的像素点。局部极值点可以是射线上各像素点的灰度值所对应的极大值点和/或极小值点。射线半径可以是根据射线上的局部极值点规划得到的半径值。

具体的，从参考图像帧的中心点向参考图像帧的上一参考图像帧各边缘点所对应的参考图像帧中的像素点分别投射射线，在每一条射线上可以确定出射线上的灰度增强图像的灰度值中的各个局部极值点，对各个局部极值点进行处理可以确定射线上的某一像素点为边界点，并将中心点与该边界点之间的距离作为与该射线相对应的射线半径。

需要说明的是，对各个局部极值点进行处理可以确定射线上的某一像素点为边界点可以是将局部极值点作为边界点等。边界点与边缘点可以相同也可以不同，边缘点用于确定射线的放射方向，还可以是边界点可能对应的最远像素点。

步骤三、对各射线半径进行平滑滤波，确定初始分割边界，并对与原始扫描图像帧相对应的灰度增强图像在初始分割边界内的部分进行处理，得到初始分割图像。

其中，初始分割边界可以是重新规划后的骨骼边界，即本步骤中的原始扫描图像帧中第一骨骼与第二骨骼的外侧边界。初始分割图像可以是进行图像后处理后得到的骨骼区域图像。

具体的，将各条射线对应的射线半径进行平滑滤波处理，可以得到平滑滤波处理后的射线半径，进而，可以得到由平滑滤波处理后的射线半径组成的初始分割边界。将与原始扫描图像帧相对应的灰度增强图像在初始分割边界处的部分进行一系列的图像后处理，例如：去除小空洞、去处小噪声点、开运算等图像形态学方法，可以得到完整的初始分割图像。

在上述实施例的基础上，若目标区域中还包括第三骨骼，则确定与原始扫描图像帧的前景区域相对应的初始分割边界的方式如下：

需要说明的是，第三骨骼可以认为是目标区域中除第一骨骼和第二骨骼之外的骨骼，例如：在股骨-膝关节中，股骨为第一骨骼，胫骨为第二骨骼，髌骨为第三骨骼。

步骤一、确定与原始扫描图像帧相对应的参考图像帧。

其中，参考图像帧包括灰度增强图像、边缘信息图像以及峰谷峰增强图像。本步骤确定参考图像帧的方式与不包括第三骨骼的情况类似，在此不再赘述。

步骤二、根据参考图像帧的中心点向预设角度内的参考图像帧的上一参考图像帧的各边缘点分别投射射线，根据各射线上的局部极值点确定各射线的射线半径。

其中，中心点以及各边缘点基于前景区域确定。预设角度可以是圆周角中的能够覆盖第一骨骼和第三骨骼边界的角度。示例性的，第一骨骼为股骨，第三骨骼为胫骨，若病人平躺进行CT扫描，则髌骨位于各前景区域中心点的上方，则针对每一个参考图像帧，以参考图像帧的中心点与该参考图像帧左上方顶点的连线为第一边界，以参考图像帧的中心点与该参考图像帧右上方顶点的连线为第二边界，将第一边界与第二边界之间的角度作为预设角度。需要说明的是，使用预设角度，而非圆周角（360°）来投射射线的原因在于能够有效的避免确定骨骼分割边界时发生第一骨骼和第二骨骼的粘连的情况。

具体的，从参考图像帧的中心点向参考图像帧的上一参考图像帧的预设角度内的各边缘点分别投射射线，在每一条射线上可以确定出射线上的灰度增强图像的灰度值中的各个局部极值点，对各个局部极值点进行处理可以确定射线上的某一像素点为边界点，并将中心点与该边界点之间的距离作为与该射线相对应的射线半径。

步骤三、对各射线半径进行平滑滤波，确定初始边界，并对与原始扫描图像帧相对应的灰度增强图像在初始边界内的部分进行处理，确定第一骨骼与第三骨骼的分割边界。

其中，初始边界可以是重新规划后的骨骼边界，即本步骤中的图像帧中第一骨骼和第三骨骼的在预设角度范围内的外侧边界。

具体的，将各条射线对应的射线半径进行平滑滤波处理，可以得到平滑滤波处理后的射线半径，进而，可以得到由平滑滤波处理后的射线半径组成的预设角度的初始边界。将与原始扫描图像帧相对应的灰度增强图像在初始边界处的部分进行一系列的图像处理，例如：去除小空洞、去处小噪声点、开运算等图像形态学方法，可以得到第一骨骼与第三骨骼的分割边界。

步骤四、根据第一骨骼与第三骨骼的分割边界以及参考图像帧的边缘点集合中在预设角度之外的边缘点，确定初始分割边界。

具体的，将第一骨骼与第三骨骼的分割边界与在预设角度之外的边缘点进行拼接，得到初始分割边界。

S240、根据连续的各前景区域面积，确定前景区域面积变化趋势，并执行S250。

其中，前景区域面积变化趋势可以是基于连续的多个前景区域面积得到的面积大小变化趋势。

具体的，前景区域面积变化趋势可以包括增长，稳定，收缩中的至少一种。若存在预设数量的连续前景区域面积呈现面积增长的情况，则认为进入增长阶段，若存在预设数量的连续前景区域面积变化稳定在预设阈值之内，则认为进入稳定阶段，若存在预设数量的连续前景区域面积呈现面积减小的情况，则认为进入收缩阶段。因此，根据连续多个前景区域面积能够得到前景区域面积变化趋势。

S250、若前景区域面积变化趋势满足与目标区域相对应的预设变化趋势，则对各前景区域面积对应的原始扫描图像帧进行分割，确定第一骨骼和第二骨骼的分割边界，并执行S290。

其中，每个目标区域中前景区域面积变化具有一定的规律，可以为不同的目标区域设置预设变化趋势，以判断各原始扫描图像帧生长骨骼结构时所对应的阶段，即确定生长至目标区域中，

具体的，若前景区域面积变化趋势满足与目标区域相对应的预设变化趋势相同，则可以确定相对应的各前景区域面积所对应原始扫描图像帧记为目标区域，即骨骼连接处的图像帧，进而，可以对这部分的原始扫描图像帧进行分割，确定第一骨骼和第二骨骼的分割边界。

示例性的，若目标区域为股骨-髋关节，则预设变化趋势为增长阶段-收缩阶段；若目标区域为股骨-膝关节，则预设变化趋势为增长阶段-稳定阶段-收缩阶段。

S260、针对每一个原始扫描图像帧，确定与原始扫描图像帧相对应的初始分割边界，并根据初始分割边界确定初始分割图像，并执行S270。

具体的，针对每一个原始扫描图像帧，可以使用灰度图上圆拟合，或者统计轮廓模型，或者水平集等方法获得初始分割边界，并根据初始分割边界确定初始分割图像。

但是，上述涉及的初始分割边界确定方式也存在一定的缺点。例如：圆拟合方法不稳定，可能拟合出多个候选圆，难以判断哪一个最准；统计轮廓模型方法需要大量训练数据；水平集方法在当有骨质特别稀疏的情况，如骨质疏松，就会产生不准确的问题。

可选的，还可以基于下述方式更准确的确定与原始扫描图像帧相对应的初始分割边界，具体内容与S220中确定初始分割边界的方式类似，在此不再赘述。

步骤一、对原始扫描图像帧进行边缘检测，确定与原始扫描图像帧相对应的边缘信息图像。

步骤二、针对原始扫描图像帧中的每一个像素点，确定与像素点的邻域内的邻域像素点，确定各邻域像素点的灰度值方差，并将灰度值方差确定为像素点的粗糙度值。

步骤三、根据原始扫描图像帧中各像素点所对应的粗糙度值，确定与原始扫描图像帧相对应的粗糙度图像。

步骤四、基于粗糙度图像以及原始扫描图像帧，确定与原始扫描图像帧相对应的灰度增强图像。

步骤五、根据原始扫描图像帧的中心点，向原始扫描图像帧的各边缘点投射射线，基于预先设定的峰谷峰检测函数，确定与各射线上各像素点所对应的峰谷峰值，并根据峰谷峰值确定与原始扫描图像帧相对应的峰谷峰增强图像。

步骤六、基于边缘信息图像、灰度增强图像以及峰谷峰增强图像，确定与原始扫描图像帧相对应的初始分割边界。

需要说明的是，边缘信息图像、灰度增强图像以及峰谷峰增强图像的组合可以认为是S220中涉及的参考图像帧。

S270、根据初始分割边界，确定与原始扫描图像帧相对应的边界掩膜图像，并执行S280。

其中，边界掩膜图像可以是用于提取感兴趣区域的图像，在本实施例中，感兴趣区域可以是第一骨骼所对应的区域。在边界掩膜图像中，感兴趣区域之外的各像素值均为0。

具体的，根据初始分割边界可以进行处理和分析，确定出边界掩膜图像的边界，进而确定出边界掩膜图像。

可选的，可以通过下述方式确定边界掩膜图像：

步骤一、基于原始扫描图像帧的中心点向各边缘点投射射线。

其中，边缘点可以理解为初始分割边界，中心点可以理解为前景区域的中心点。

具体的，以原始扫描图像帧的中心点为起点，以旋转角度θ(从0-360°)向各边缘点投射射线。

步骤二、基于每条射线，基于预先设定的峰谷峰检测函数，确定与射线上各像素点相对应的峰谷峰值，若射线上各像素点的峰谷峰值中的最大值大于预设阈值，则将最大值所对应的像素点作为射线的射线终点，否则，将射线上与初始分割边界的交点作为射线的射线终点。

其中，预设阈值可以是预先设定的用于划分边界掩膜图像的阈值，例如：一般设置为80-100，优选为90等。

具体的，针对每条射线，可以基于预先设定的峰谷峰检测函数对射线上的每个像素点进行计算，得到射线上每个像素点对应的峰谷峰值。确定该条射线上的峰谷峰值中的最大值与预设阈值之间的大小关系。若最大值大于预设阈值，则将最大值所对应的像素点作为该条射线的射线终点。若最大值小于或等于预设阈值，则将该射线与初始分割边界的交点作为该条射线的射线终点。可以依据上述方式确定各条射线上的射线终点。

步骤三、根据中心点以及各射线终点，确定边界掩膜图像。

具体的，针对每一个射线终点，将中心点与射线终点连线上的各个像素点做为边界掩膜图像的像素点。当射线旋转一周后，可以得到边界掩膜图像。

S280、根据初始分割图像的二值图像以及边界掩膜图像的二值图像，确定第一骨骼和第二骨骼的分割边界，并执行S290。

其中，二值图像为前景区域的各像素点的灰度值为最大值，背景区域的各像素点的灰度值为最小值的图像。

具体的，对初始分割图像进行处理得到初始分割图像的二值图像，对边界掩膜图像进行处理得到边界掩膜图像的二值图像。进而，将这两个二值图像的交集的边界确定为第一骨骼和第二骨骼的分割边界。

S290、针对每一个分割边界，根据分割边界以及与分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

作为上述各实施例的可选实施方式，下面举例进行说明：

首先，定义图像粗糙度概念，设计粗糙度卷积核，计算像素点邻域内的灰度值方差作为该点的像素值（粗糙度值）；设计线性函数J=aG+bR，其中，G表示原始CT图像（原始扫描图像帧）的灰度图像，R表示粗糙度图像，a和b为使用线性回归获取分类准确率最高的权重参数，J表示为增强后的灰度图像数据（灰度增强图像）。股骨-膝关节的灰度增强图像如图7所示，胫骨-膝关节的灰度增强图像如图8所示。以从股骨-髋关节中确定股骨区域，以及从股骨-膝关节中确定股骨区域的方式为例分别说明。

1、从股骨-髋关节中确定股骨区域

对原始CT图像的灰度图像进行边缘检测，获取图像边缘信息E（边缘信息图像）。以当前帧的中心点为基础，向分割前景的边缘投射射线，由于股骨头-髋关节结合处灰度值存在‘峰-谷-峰’特点，定义‘峰谷峰’检测核函数（峰谷峰检测函数），由前景中心点向图像各区域投射射线，确定射线上各像素点的峰谷峰值，进一步，获取‘峰谷峰’增强图像I（峰谷峰增强图像，峰谷峰增强图像由各像素点的峰谷峰值组合得到），股骨-髋关节的峰谷峰增强图像如图9所示，在峰谷峰增强图像中可以增强双边缘区域，双边缘区域指的是股骨和髋关节结合处的分别属于股骨和髋关节的骨质稀疏区域的边界，骨质稀疏区域是位于人体骨骼关节部位的区域。需要说明的是，在如股骨和髌骨类似的结合处也存在这种双边缘区域。结合图像J、E、I的信息（参考图像帧）确定股骨头-髋关节边界。利用当前帧的预测中心点，向360度投射射线，在射线上统计靠近上一帧前景边缘区域的增强后的灰度图像数据的灰度值，计算和记录射线上的局部极值点位置和射线半径，并将记录的各射线半径序列作高斯平滑滤波，最后使用射线半径内区域（初始边界内的部分）作为股骨-髋关节分割边界。在分割边界（初始边界）内使用自适应阈值分割增强的增强后的灰度图像数据J，运用去除小空洞、去除小噪声点、开运算等图像形态学方法获取完整的分割图像

基于第一预设条件确定股骨区域（第一骨骼区域）的方式为：由于股骨向近端（头部方向）生长时，前景区域面积会经历先增长再收缩的过程。因此，跟踪中心点和边缘点，可以判断区域生长各阶段。若在生长过程中，根据连续的多个前景区域的面积可以判断前景区域进入收缩阶段，此时，不再加入新的连通域，同时前景区域生长方向由外扩转为内收，直至收敛结束。这样做的目的是：在股骨向近端生长时，由于髋骨和股骨会在同一帧中同时出现，通过上述方式可以分割股骨和髋骨。其中，不再加入新的连通域可以采用以下方式实现：设置一个掩膜对象，为忽略掩膜。将上一帧的前景区域与当前帧的前景区域作差值，差值区域即为当前帧缩小的区域，将该差值区域加入忽略掩膜中，忽略掩膜将持续累加。若有新的连通域与忽略掩膜重合，则新连通域无法加入当前帧的前景区域。不再加入新的连通域的方式只在进入收缩过程后启动。在确定出连续多个原始CT图像符合先增长再收缩的过程，则确定股骨和髋骨的骨骼分割边界，并剔除髋骨，得到股骨区域。避免了现有技术中因为股骨和髋骨较近，难以被准确的剔除的问题。

基于第二预设条件确定股骨区域的方式为：边界掩膜可以由上述分割边界（初始分割边界）确定，以预测中心点为起点，以旋转角度θ(从0-360°)向各边缘点投射射线，以分割边界或图像边缘为终点，起点和终点间的像素点即为边界掩膜的前景点。若射线上存在像素点峰谷峰值大于一设定阈值，一般设置为80-100，优选为90，则取射线上峰谷峰值最大的点作为终点；若射线上不存在任一像素点峰谷峰值大于这一设定阈值，则选用该射线方向上的图像边缘点为终点。在射线旋转一周后，即可获得完整的边界掩膜图像。股骨-髋关节的边界掩膜图像如图10所示。最终，分割前景应当限制在边界掩膜的前景内，之后，边界掩膜的二值前景图像与分割图像的二值前景图像计算交集，可以达到剔除髋骨得到股骨的目的，即确定股骨区域。避免了现有技术中因为股骨和髋骨较近，难以被准确的剔除的问题。

其中，峰谷峰检测函数算法可以是：

（1）以中心点向边缘投射射线，由内向外按顺序记录射线上各像素点的坐标（射线半径）和像素值，记为点集I。

（2）获取已记录的点集I中像素值最小点的像素值及其坐标，记该点的像素值为P-min。

（3）在P-min（像素值最小点的）内侧(向中心点一侧)，获取点集I中像素值最大点的像素值及其坐标，记该点的像素值为P-max1。

（4）在P-min（像素值最小点的）外侧(向边缘一侧)，获取点集I中像素值最大点的像素值及其坐标，记该点的像素值为P-max2。

（5）P-min与P-max1的像素差记为d1，P-min与P-max2的像素差记为d2，计算d1与d2乘积的方差值v，v即为所求峰谷峰值。

需要说明的是，将峰谷峰值当作图像的灰度值，得到峰谷峰增强图像。

2.从股骨-膝关节中确定股骨区域

股骨-膝关节分割的难点在于股骨远端（脚部方向）与髌骨（第三骨骼）的骨骼分割边界确定，且该骨骼分割边界位于股骨的上方。首先，结合图像J、E、I的信息（参考图像帧）确定股骨-膝关节边界。利用当前帧的预测中心点，向当前帧上方投射射线（预设角度）。当前帧的上方指的是股骨和髌骨的骨骼分割边界所在的范围，可以以当前帧的预测中心点与当前帧左上方顶点的连线为第一边界，以当前帧的预测中心点与当前帧右上方顶点的连线为第二边界，将第一边界与第二边界之间的角度作为预设角度。在射线上统计靠近上一帧前景边缘区域的增强后的灰度图像数据的灰度值，计算和记录射线上的局部极值点位置和射线半径，使用平滑后的射线半径内区域作为股骨-髌骨分割边界。股骨-膝关节处的另外一个难点是股骨远端终点与胫骨近端起点相互干扰。

进而，可以将股骨-髌骨分割边界与预设角度外的各边缘点进行组合，确定初始边界。在初始边界内使用自适应阈值分割增强的增强后的灰度图像数据J，运用去除小空洞、去除小噪声点、开运算等图像形态学方法获取完整的分割图像。在射线半径小于设定阈值后，停止由股骨往远端的区域生长或者当分割图像的面积小于预设面积阈值后，停止由股骨往远端的区域生长。在区域生长停止时，可将确定出的边界确定为股骨-膝关节的骨骼分割边界。

基于第一预设条件确定股骨区域（第一骨骼区域）的方式为：

由于股骨向远端生长时，前景区域面积（分割图像）会经历稳定的先增长再稳定最后收缩的过程，且具有强鲁棒性，其中，稳定过程指相对稳定的过程，并非是前景区域面积完全不变，例如前后两帧中前景图像区域的面积差值较小。因此，跟踪中心点和各边缘点，以判断区域生长各阶段。在生长过程中，结合胫骨平台由股骨的中部突起的先验信息，若前景区域进入收缩阶段，则不再加入新的连通域，同时前景区域生长方向由外扩转为内收，直至收敛结束。这样做的目的是：在对股骨向远端生长时，由于胫骨和股骨可能会在同一帧中同时出现，通过上述方式可以分割股骨和胫骨。在确定出连续多个原始CT图像符合先增长再稳定最后收缩的过程，则确定股骨和胫骨的骨骼分割边界，并剔除胫骨，得到股骨区域。

本发明实施例的技术方案，通过获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，确定预设条件，若预设条件包括第一预设条件，则针对每一个原始扫描图像帧，确定与原始扫描图像帧相对应的前景区域面积，根据连续的各前景区域面积，确定前景区域面积变化趋势，若前景区域面积变化趋势满足与目标区域相对应的预设变化趋势，则对各前景区域面积对应的原始扫描图像帧进行分割，确定第一骨骼和第二骨骼的分割边界；若预设条件包括第二预设条件，则针对每一个原始扫描图像帧，确定与原始扫描图像帧相对应的初始分割边界，并根据初始分割边界确定初始分割图像，根据所述初始分割边界，确定与所述原始扫描图像帧相对应的边界掩膜图像根据初始分割图像的二值图像以及边界掩膜图像的二值图像，确定第一骨骼和第二骨骼的分割边界。进而，针对每一个分割边界，根据分割边界以及与分割边界相对应的原始扫描图像帧，确定第一骨骼区域，解决了骨骼区域划分不准确的问题，实现了准确、快速的划分不同骨骼区域，以构建骨骼模型的技术效果。

实施例三

图11为本发明实施例三所提供的一种骨骼区域确定装置的结构示意图，该装置包括：序列获取模块310、分割边界确定模块320以及骨骼区域确定模块330。

其中，序列获取模块310，用于获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述目标区域包括第一骨骼和第二骨骼；分割边界确定模块320，用于针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界；其中，所述预设条件包括第一预设条件或第二预设条件，所述第一预设条件为与所述原始扫描图像帧的前景区域面积变化相对应的预设条件，所述第二预设条件为与边界掩膜相对应的预设条件；骨骼区域确定模块330，用于针对每一个分割边界，根据所述分割边界以及与所述分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

可选的，所述预设条件包括第一预设条件，则分割边界确定模块320，还用于针对每一个原始扫描图像帧，确定与所述原始扫描图像帧相对应的前景区域面积；根据连续的各所述前景区域面积，确定前景区域面积变化趋势；若所述前景区域面积变化趋势满足与所述目标区域相对应的预设变化趋势，则对各所述前景区域面积对应的原始扫描图像帧进行分割，确定所述第一骨骼和所述第二骨骼的分割边界。

可选的，若所述目标区域为股骨-髋关节，则所述预设变化趋势为增长阶段-收缩阶段；若所述目标区域为股骨-膝关节，则所述预设变化趋势为增长阶段-稳定阶段-收缩阶段。

可选的，分割边界确定模块320，还用于确定与所述原始扫描图像帧的前景区域相对应的初始分割边界，并根据所述初始分割边界确定初始分割图像；根据所述初始分割图像，确定与所述原始扫描图像帧相对应的前景区域面积。

可选的，所述装置还包括：前景区域确定模块，用于若所述前景区域面积进入收缩阶段，则确定忽略掩膜；针对每一个原始扫描图像帧，根据所述原始扫描图像帧的前景区域与前一原始扫描图像帧的前景区域作差，得到差值区域；根据差值区域对所述忽略掩膜进行更新，若所述原始扫描图像帧中存在与所述忽略掩膜相重合的连通域，则将所述连通域从所述原始扫描图像帧的前景区域中删除。

可选的，分割边界确定模块320，还用于确定与所述原始扫描图像帧相对应的参考图像帧；其中，所述参考图像帧包括灰度增强图像、边缘信息图像以及峰谷峰增强图像；根据所述参考图像帧中的中心点向所述参考图像帧的上一参考图像帧的各边缘点分别投射射线，根据各射线上的局部极值点确定各射线的射线半径；其中，所述中心点以及所述各边缘点基于前景区域确定；对各射线半径进行平滑滤波，确定初始分割边界，并对与所述原始扫描图像帧相对应的灰度增强图像在所述初始分割边界内的部分进行处理，得到初始分割图像。

可选的，若所述目标区域中还包括第三骨骼，则分割边界确定模块320，还用于确定与所述原始扫描图像帧相对应的参考图像帧；其中，所述参考图像帧包括灰度增强图像、边缘信息图像以及峰谷峰增强图像；根据所述参考图像帧的中心点向预设角度内的所述参考图像帧的上一参考图像帧的各边缘点分别投射射线，根据各射线上的局部极值点确定各射线的射线半径；其中，所述中心点以及所述各边缘点基于前景区域确定；对各射线半径进行平滑滤波，确定初始边界，并对与所述原始扫描图像帧相对应的灰度增强图像在所述初始边界内的部分进行处理，确定所述第一骨骼与所述第三骨骼的分割边界；根据所述第一骨骼与所述第三骨骼的分割边界以及所述参考图像帧的边缘点集合中在预设角度之外的边缘点，确定初始分割边界。

可选的，所述装置还包括：中间图像确定装置，用于对所述原始扫描图像帧进行边缘检测，确定与所述原始扫描图像帧相对应的边缘信息图像；针对所述原始扫描图像帧中的每一个像素点，确定与所述像素点的邻域内的邻域像素点，确定各邻域像素点的灰度值方差，并将所述灰度值方差确定为所述像素点的粗糙度值；根据所述原始扫描图像帧中各像素点所对应的粗糙度值，确定与所述原始扫描图像帧相对应的粗糙度图像；基于所述粗糙度图像以及所述原始扫描图像帧，确定与所述原始扫描图像帧相对应的灰度增强图像；根据所述原始扫描图像帧的中心点，向所述原始扫描图像帧的各边缘点投射射线，基于预先设定的峰谷峰检测函数，确定与各射线上各像素点所对应的峰谷峰值，并根据所述峰谷峰值确定与所述原始扫描图像帧相对应的峰谷峰增强图像。

可选的，中间图像确定装置，还用于针对每一条射线上的每个像素点，根据所述像素点所属射线上与所述像素点相对应的邻域像素点，确定所述邻域像素点中的灰度最小值；在所述灰度最小值所对应的像素点以及所述中心点之间，确定第一灰度最大值，并在所述灰度最小值所对应的像素点以及所述射线上的边缘点之间，确定第二灰度最大值；根据所述灰度最小值、所述第一灰度最大值以及所述第二灰度最大值，确定所述像素点对应的峰谷峰值。

可选的，所述预设条件包括第二预设条件，则分割边界确定模块320，还用于针对每一个原始扫描图像帧，确定与所述原始扫描图像帧相对应的初始分割边界，并根据所述初始分割边界确定初始分割图像；根据所述初始分割边界，确定与所述原始扫描图像帧相对应的边界掩膜图像；根据所述初始分割图像的二值图像以及所述边界掩膜图像的二值图像，确定所述第一骨骼和第二骨骼的分割边界。

可选的，分割边界确定模块320，还用于基于所述原始扫描图像帧的中心点向各边缘点投射射线；基于每条射线，基于预先设定的峰谷峰检测函数，确定与所述射线上各像素点相对应的峰谷峰值，若所述射线上各像素点的峰谷峰值中的最大值大于预设阈值，则将所述最大值所对应的像素点作为所述射线的射线终点，否则，将所述射线上与所述初始分割边界的交点作为所述射线的射线终点；根据所述中心点以及各所述射线终点，确定边界掩膜图像。

可选的，分割边界确定模块320，还用于对所述原始扫描图像帧进行边缘检测，确定与所述原始扫描图像帧相对应的边缘信息图像；针对所述原始扫描图像帧中的每一个像素点，确定与所述像素点的邻域内的邻域像素点，确定各邻域像素点的灰度值方差，并将所述灰度值方差确定为所述像素点的粗糙度值；根据所述原始扫描图像帧中各像素点所对应的粗糙度值，确定与所述原始扫描图像帧相对应的粗糙度图像；基于所述粗糙度图像以及所述原始扫描图像帧，确定与所述原始扫描图像帧相对应的灰度增强图像；根据所述原始扫描图像帧的中心点，向所述原始扫描图像帧的各边缘点投射射线，基于预先设定的峰谷峰检测函数，确定与各射线上各像素点所对应的峰谷峰值，并根据所述峰谷峰值确定与所述原始扫描图像帧相对应的峰谷峰增强图像；基于所述边缘信息图像、所述灰度增强图像以及峰谷峰增强图像，确定与所述原始扫描图像帧相对应的初始分割边界。

可选的，所述装置还包括：第一骨骼模型构建模块，用于将各所述原始扫描图像帧中第一骨骼区域之外的像素点删除，构建第一骨骼模型。

本发明实施例的技术方案，通过获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，针对每一个原始扫描图像帧，根据预设条件确定第一骨骼和第二骨骼的分割边界，针对每一个分割边界，根据分割边界以及与分割边界相对应的原始扫描图像帧，确定第一骨骼区域，解决了骨骼区域划分不准确的问题，实现了准确、快速的划分不同骨骼区域，以构建骨骼模型的技术效果。

本发明实施例所提供的骨骼区域确定装置可执行本发明任意实施例所提供的骨骼区域确定方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例四

图12为本发明实施例四所提供的一种电子设备的结构示意图。图12示出了适于用来实现本发明实施例实施方式的示例性电子设备40的框图。图12显示的电子设备40仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图12所示，电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于：一个或者多个处理器或者处理单元401，系统存储器402，连接不同系统组件（包括系统存储器402和处理单元401）的总线403。

总线403表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（ISA）总线，微通道体系结构（MAC）总线，增强型ISA总线、视频电子标准协会（VESA）局域总线以及外围组件互连（PCI）总线。

电子设备40典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备40访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器402可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（RAM）404和/或高速缓存存储器405。电子设备40可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统406可以用于读写不可移动的、非易失性磁介质（图12未显示，通常称为“硬盘驱动器”）。尽管图12中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如CD-ROM, DVD-ROM或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线403相连。系统存储器402可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组（至少一个）程序模块407的程序/实用工具408，可以存储在例如系统存储器402中，这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。

电子设备40也可以与一个或多个外部设备409（例如键盘、指向设备、显示器410等）通信，还可与一个或者多个使得用户能与该电子设备40交互的设备通信，和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口411进行。并且，电子设备40还可以通过网络适配器412与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器412通过总线403与电子设备40的其它模块通信。应当明白，尽管图12中未示出，可以结合电子设备40使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元401通过运行存储在系统存储器402中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的骨骼区域确定方法。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种骨骼区域确定方法，该方法包括：

获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述目标区域包括第一骨骼和第二骨骼；

针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界；其中，所述预设条件包括第一预设条件或第二预设条件，所述第一预设条件为与所述原始扫描图像帧的前景区域面积变化相对应的预设条件，所述第二预设条件为与边界掩膜相对应的预设条件；

针对每一个分割边界，根据所述分割边界以及与所述分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (16)

1.一种骨骼区域确定方法，其特征在于，包括：

获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述目标区域包括第一骨骼和第二骨骼；

针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界；其中，所述预设条件包括第一预设条件或第二预设条件，所述第一预设条件为与所述原始扫描图像帧的前景区域面积变化相对应的预设条件，所述第二预设条件为与边界掩膜相对应的预设条件；

针对每一个分割边界，根据所述分割边界以及与所述分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

2.根据权利要求1所述的方法，其特征在于，所述预设条件包括第一预设条件，则针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界，包括：

针对每一个原始扫描图像帧，确定与所述原始扫描图像帧相对应的前景区域面积；

根据连续的各所述前景区域面积，确定前景区域面积变化趋势；

若所述前景区域面积变化趋势满足与所述目标区域相对应的预设变化趋势，则对各所述前景区域面积对应的原始扫描图像帧进行分割，确定所述第一骨骼和所述第二骨骼的分割边界。

3.根据权利要求2所述的方法，其特征在于，还包括：

若所述目标区域为股骨-髋关节，则所述预设变化趋势为增长阶段-收缩阶段；

若所述目标区域为股骨-膝关节，则所述预设变化趋势为增长阶段-稳定阶段-收缩阶段。

4.根据权利要求2所述的方法，其特征在于，所述确定与所述原始扫描图像帧相对应的前景区域面积，包括：

确定与所述原始扫描图像帧的前景区域相对应的初始分割边界，并根据所述初始分割边界确定初始分割图像；

根据所述初始分割图像，确定与所述原始扫描图像帧相对应的前景区域面积。

5.根据权利要求4所述的方法，其特征在于，还包括：

若所述前景区域面积进入收缩阶段，则确定忽略掩膜；

针对每一个原始扫描图像帧，根据所述原始扫描图像帧的前景区域与前一原始扫描图像帧的前景区域作差，得到差值区域；

根据差值区域对所述忽略掩膜进行更新，若所述原始扫描图像帧中存在与所述忽略掩膜相重合的连通域，则将所述连通域从所述原始扫描图像帧的前景区域中删除。

6.根据权利要求4所述的方法，其特征在于，所述确定与所述原始扫描图像帧的前景区域相对应的初始分割边界，并根据所述初始分割边界确定初始分割图像，包括：

确定与所述原始扫描图像帧相对应的参考图像帧；其中，所述参考图像帧包括灰度增强图像、边缘信息图像以及峰谷峰增强图像；

根据所述参考图像帧中的中心点向所述参考图像帧的上一参考图像帧的各边缘点分别投射射线，根据各射线上的局部极值点确定各射线的射线半径；其中，所述中心点以及所述各边缘点基于前景区域确定；

对各射线半径进行平滑滤波，确定初始分割边界，并对与所述原始扫描图像帧相对应的灰度增强图像在所述初始分割边界内的部分进行处理，得到初始分割图像。

7.根据权利要求4所述的方法，其特征在于，若所述目标区域中还包括第三骨骼，则所述确定与所述原始扫描图像帧的前景区域相对应的初始分割边界，包括：

确定与所述原始扫描图像帧相对应的参考图像帧；其中，所述参考图像帧包括灰度增强图像、边缘信息图像以及峰谷峰增强图像；

根据所述参考图像帧的中心点向预设角度内的所述参考图像帧的上一参考图像帧的各边缘点分别投射射线，根据各射线上的局部极值点确定各射线的射线半径；其中，所述中心点以及所述各边缘点基于前景区域确定；

对各射线半径进行平滑滤波，确定初始边界，并对与所述原始扫描图像帧相对应的灰度增强图像在所述初始边界内的部分进行处理，确定所述第一骨骼与所述第三骨骼的分割边界；

根据所述第一骨骼与所述第三骨骼的分割边界以及所述参考图像帧的边缘点集合中在预设角度之外的边缘点，确定初始分割边界。

8.根据权利要求6或7所述的方法，其特征在于，在所述确定与所述原始扫描图像帧相对应的参考图像帧之前，还包括：

对所述原始扫描图像帧进行边缘检测，确定与所述原始扫描图像帧相对应的边缘信息图像；

针对所述原始扫描图像帧中的每一个像素点，确定与所述像素点的邻域内的邻域像素点，确定各邻域像素点的灰度值方差，并将所述灰度值方差确定为所述像素点的粗糙度值；

根据所述原始扫描图像帧中各像素点所对应的粗糙度值，确定与所述原始扫描图像帧相对应的粗糙度图像；

基于所述粗糙度图像以及所述原始扫描图像帧，确定与所述原始扫描图像帧相对应的灰度增强图像；

根据所述原始扫描图像帧的中心点，向所述原始扫描图像帧的各边缘点投射射线，基于预先设定的峰谷峰检测函数，确定与各射线上各像素点所对应的峰谷峰值，并根据所述峰谷峰值确定与所述原始扫描图像帧相对应的峰谷峰增强图像。

9.根据权利要求8所述的方法，其特征在于，所述基于预先设定的峰谷峰检测函数，确定与各射线上各像素点所对应的峰谷峰值，包括：

针对每一条射线上的每个像素点，根据所述像素点所属射线上与所述像素点相对应的邻域像素点，确定所述邻域像素点中的灰度最小值；在所述灰度最小值所对应的像素点以及所述中心点之间，确定第一灰度最大值，并在所述灰度最小值所对应的像素点以及所述射线上的边缘点之间，确定第二灰度最大值；

根据所述灰度最小值、所述第一灰度最大值以及所述第二灰度最大值，确定所述像素点对应的峰谷峰值。

10.根据权利要求1所述的方法，其特征在于，所述预设条件包括第二预设条件，则针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界，包括：

针对每一个原始扫描图像帧，确定与所述原始扫描图像帧相对应的初始分割边界，并根据所述初始分割边界确定初始分割图像；

根据所述初始分割边界，确定与所述原始扫描图像帧相对应的边界掩膜图像；

根据所述初始分割图像的二值图像以及所述边界掩膜图像的二值图像，确定所述第一骨骼和第二骨骼的分割边界。

11.根据权利要求10所述的方法，其特征在于，所述根据所述初始分割边界，确定与所述原始扫描图像帧相对应的边界掩膜图像，包括：

基于所述原始扫描图像帧的中心点向各边缘点投射射线；

基于每条射线，基于预先设定的峰谷峰检测函数，确定与所述射线上各像素点相对应的峰谷峰值，若所述射线上各像素点的峰谷峰值中的最大值大于预设阈值，则将所述最大值所对应的像素点作为所述射线的射线终点，否则，将所述射线上与所述初始分割边界的交点作为所述射线的射线终点；

根据所述中心点以及各所述射线终点，确定边界掩膜图像。

12.根据权利要求10所述的方法，其特征在于，所述确定与所述原始扫描图像帧相对应的初始分割边界，包括：

对所述原始扫描图像帧进行边缘检测，确定与所述原始扫描图像帧相对应的边缘信息图像；

针对所述原始扫描图像帧中的每一个像素点，确定与所述像素点的邻域内的邻域像素点，确定各邻域像素点的灰度值方差，并将所述灰度值方差确定为所述像素点的粗糙度值；

根据所述原始扫描图像帧中各像素点所对应的粗糙度值，确定与所述原始扫描图像帧相对应的粗糙度图像；

基于所述粗糙度图像以及所述原始扫描图像帧，确定与所述原始扫描图像帧相对应的灰度增强图像；

根据所述原始扫描图像帧的中心点，向所述原始扫描图像帧的各边缘点投射射线，基于预先设定的峰谷峰检测函数，确定与各射线上各像素点所对应的峰谷峰值，并根据所述峰谷峰值确定与所述原始扫描图像帧相对应的峰谷峰增强图像；

基于所述边缘信息图像、所述灰度增强图像以及峰谷峰增强图像，确定与所述原始扫描图像帧相对应的初始分割边界。

13.根据权利要求1所述的方法，其特征在于，在所述确定第一骨骼区域之后，还包括：

将各所述原始扫描图像帧中第一骨骼区域之外的像素点删除，构建第一骨骼模型。

14.一种骨骼区域确定装置，其特征在于，包括：

序列获取模块，用于获取针对目标区域进行连续扫描得到的原始扫描图像帧的序列，其中，所述目标区域包括第一骨骼和第二骨骼；

分割边界确定模块，用于针对每一个原始扫描图像帧，根据预设条件确定所述第一骨骼和所述第二骨骼的分割边界；其中，所述预设条件包括第一预设条件或第二预设条件，所述第一预设条件为与所述原始扫描图像帧的前景区域面积变化相对应的预设条件，所述第二预设条件为与边界掩膜相对应的预设条件；

骨骼区域确定模块，用于针对每一个分割边界，根据所述分割边界以及与所述分割边界相对应的原始扫描图像帧，确定第一骨骼区域。

15.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-13中任一所述的骨骼区域确定方法。

16.一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，该程序被处理器执行时实现如权利要求1-13中任一所述的骨骼区域确定方法。

Images