CN114596251A - 一种膝关节x光影像质控方法及装置 - Google Patents
一种膝关节x光影像质控方法及装置 Download PDFInfo
- Publication number
- CN114596251A CN114596251A CN202111393614.7A CN202111393614A CN114596251A CN 114596251 A CN114596251 A CN 114596251A CN 202111393614 A CN202111393614 A CN 202111393614A CN 114596251 A CN114596251 A CN 114596251A
- Authority
- CN
- China
- Prior art keywords
- key point
- knee joint
- lateral
- quality control
- fibula
- 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
- 210000000629 knee joint Anatomy 0.000 title claims abstract description 64
- 238000003908 quality control method Methods 0.000 title claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 29
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000003709 image segmentation Methods 0.000 claims abstract description 10
- 210000002082 fibula Anatomy 0.000 claims description 55
- 210000004417 patella Anatomy 0.000 claims description 26
- 210000000689 upper leg Anatomy 0.000 claims description 25
- 210000002303 tibia Anatomy 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 13
- 210000004872 soft tissue Anatomy 0.000 claims description 12
- 238000013077 scoring method Methods 0.000 claims description 11
- 238000005452 bending Methods 0.000 claims description 9
- 210000003127 knee Anatomy 0.000 claims description 9
- 210000003141 lower extremity Anatomy 0.000 claims description 9
- 230000002746 orthostatic effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 210000000526 facies patellaris femoris Anatomy 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 210000001762 upper extremity of fibula Anatomy 0.000 claims description 6
- 238000000586 desensitisation Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 230000002980 postoperative effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 210000001694 thigh bone Anatomy 0.000 description 3
- 210000000522 condylus lateralis femoris Anatomy 0.000 description 2
- 210000000523 condylus medialis femoris Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (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)
Abstract
本发明提供一种膝关节X光影像质控方法及装置。所述方法包括:获取膝关节的正位和侧位X光影像;检测位于膝关节各个骨头正位和侧位的用于定位和消除遮挡影响的关键点;基于所述关键点进行图像分割,通过计算表征质控指标的相关参数对每个质控指标打分,汇总后得到对所述膝关节X光影像的定量评分。本发明通过在膝关节的各个骨头的正位和侧位标注一定数量的关键点,可以方便地实现膝关节上各个骨头的定位,从而简化质控指标的计算;由于质控指标计算中涉及的分割、分类等操作基于关键点进行,因此可去掉大部分背景区域,从而减小内存占用量及数据计算量,提高运行速度;通过设置少量的冗余关键点,可有效解决因遮挡造成质控参数计算困难的问题。
Description
技术领域
本发明属于医学影像技术领域,具体涉及一种膝关节X光影像质控方法及装置。
背景技术
医学影像技术(X光、CT、MRI等)是现代医学诊断技术的基础,作为基础的辅助诊断工具,它可以帮助医生快速地定位病情,从而快速地作出准确而专业的判断。数字X线摄影DR(Digital Radiography)由于其价格低廉、对病人辐射少、快速成像等特点,是目前医生最常用的辅助手段之一,特别是对于三线城市或者一些相对落后的城市。
由于地方设备的落后,影像科医生数量少且专业水平良莠不齐等原因,拍摄的影像往往并不是那么完美,而影像质量的高低则直接影响着最终医生的判断以及后期的治疗方案的确定。传统影像质量的确定是由高年资的影像科医生用肉眼完成的,这种质控方式通常存在以下几个缺点:医生数量少,高年资的就更少;医生的时间有限,肉眼审查的效率过低;不同医生之间的标准很难做到完全的统一。
膝关节是人体非常重要的一个关节,其结构复杂,灵活性比较大,在实际影像拍摄过程中对医生的技术要求比较高。申请号为202010431833.9、名称为“医学图像的质控方法和计算机可读存储介质”的发明专利,提出了一种基于实例分割的图像质控方法,该方法存在以下缺点:需要为每一个骨块(胫骨、腓骨、髌骨)标注实例级别的分割标签,标注量巨大,且需要比较多的数据;需要将分割的结果转化为对应的线性度量结果,如得到胫骨和股骨的分割结果后,怎么转化为对应的角度关系,这是一个比较复杂且容易出错的过程;对于遮挡严重的骨块,模型分割的性能直接影像最终的质量,如腓骨头与胫骨重叠部分往往比较模糊,很难定位。
发明内容
为了解决现有技术中存在的上述问题,本发明提供一种膝关节X光影像质控方法及装置。
为了实现上述目的,本发明采用以下技术方案。
第一方面,本发明提供一种膝关节X光影像质控方法,包括以下步骤:
获取膝关节的正位和侧位X光影像;
在膝关节各个骨头的正位和侧位标注用于定位和避免遮挡的关键点;
基于所述关键点进行图像分割,通过计算表征质控指标的相关参数对每个质控指标打分,汇总后得到对所述膝关节X光影像的定量评分。
进一步地,所述方法还包括以下预处理步骤:数据采集,数据筛选及脱敏,标注及审核,数据转化。
进一步地,正位的关键点包括:股骨中段关键点,股骨髁关键点,胫骨粗隆关键点,胫骨中段关键点,腓骨颈关键点,腓骨中段关键点,腓骨头关键点,胫骨与腓骨头重叠关键点,髌骨关键点;侧位的关键点包括:股骨中段关键点,股骨髁关键点,胫骨粗隆关键点,胫骨中段关键点,腓骨颈关键点,腓骨中段关键点,腓骨头关键点,胫骨与腓骨头重叠关键点,髌骨关键点,股骨内外髁后缘关键点,股骨内外髁远髁关键点,股骨内外髁髌骨面关键点。
进一步地,正位周围软组织是否完整的打分方法包括:
基于边缘检测算子对输入图像的边缘进行检测;
根据边缘处的梯度变化判断软组织是否完整包裹;
如果是,打分为S1;否则,打分为0。
进一步地,侧位上股骨内外髁重叠程度的打分方法包括:
利用侧位的髌骨关键点I、股骨内外髁后缘关键点J和股骨内外髁远髁关键点K,从输入的侧位图像中分割出内外髁双边影区域;
将分割区域图像归一化至固定的尺寸;
计算分割区域中双边影面积与分割区域面积的比值;
如果所述比值大于设定的阈值,则打分为S2;否则,打分为0。
进一步地,侧位上髌骨与股骨重叠程度的打分方法包括:
以侧位的股骨内外髁远髁关键点K为中心,以4倍的K与侧位的股骨内外髁髌骨面关键点L之间的距离为边长作正方形;
从输入的侧位图像中裁剪所述正方形区域,得到髌骨与股骨分布位置结构图;
利用分类网络获得髌骨与股骨重叠的置信度;
如果所述置信度小于设定的阈值,打分为S3;否则,打分为0。
进一步地,腓骨头与胫骨重叠程度的打分方法包括:
根据过腓骨颈关键点E和腓骨中段关键点F的直线EF确定腓骨的方向;
分别计算腓骨头关键点G1、G2和胫骨与腓骨头重叠关键点H到直线EF 的距离L1,L2,L3;
计算腓骨头大小Lf:若不存在遮挡,Lf=L1+L2;若G1、G2中有一个被遮挡,利用对称性进行计算,Lf=2*L1或Lf=2*L2;
计算腓骨头与胫骨重叠部分的长度Lc:若G1和H位于直线EF两侧, Lc=L1+L3;若G1和H位于直线EF同侧,Lc=L1-L3,若G1被遮挡,Lc=L2-L3;
计算腓骨头与胫骨的重叠比Lc/Lf;
如果所述重叠比在设定的阈值范围内,打分为S4;否则,打分为0。
进一步地,侧位下肢屈膝角度的打分方法包括:
过侧位股骨中段关键点A和股骨髁关键点B作直线AB;
过侧位胫骨粗隆关键点C和胫骨中段关键点D作直线CD,与直线AB相交与点O;
计算角BOC的大小;
如果角BOC在设定的阈值范围内,打分为S5;否则,打分为0。
进一步地,所述方法还包括定量评分修正步骤:检测输入图像中是否存在多个膝关节、伪影、异物、术后改变、其它体位,如果存在,从膝关节定量评分中扣除一定的分数;所述伪影包括裤子伪影和护膝伪影。
第二方面,本发明提供一种膝关节X光影像质控装置,包括:
影像获取模块,用于获取膝关节的正位和侧位X光影像;
关键点检测模块,用于检测位于膝关节各个骨头的正位和侧位用于定位和消除遮挡影响的关键点;
指标打分模块,用于基于所述关键点进行图像分割,通过计算表征质控指标的相关参数对每个质控指标打分,汇总后得到对所述膝关节X光影像的定量评分。
与现有技术相比,本发明具有以下有益效果。
本发明通过在膝关节的各个骨头的正位和侧位设置一定数量的关键点,可以方便地实现膝关节上各个骨头的定位,从而简化质控指标的计算;由于质控指标计算中涉及的分割、分类等操作基于关键点进行,因此可裁剪掉大部分背景区域,从而减小内存占用量及数据计算量,提高运行速度;通过设置少量的冗余关键点,可有效解决因遮挡造成质控参数计算困难的问题。
附图说明
图1为本发明实施例一种膝关节X光影像质控方法的流程图。
图2为膝关节正位关键点分布示意图。
图3为膝关节侧位关键点分布示意图。
图4为腓骨头与胫骨重叠计算示意图。
图5为下肢屈膝角度计算示意图。
图6为双边影分割示意图。
图7为本发明实施例一种膝关节X光影像质控装置的方框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明白,以下结合附图及具体实施方式对本发明作进一步说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一种膝关节X光影像质控方法的流程图,包括以下步骤:
步骤101,获取膝关节的正位和侧位X光影像;
步骤102,检测位于膝关节各个骨头的正位和侧位用于定位和消除遮挡影响的关键点;
步骤103,基于所述关键点进行图像分割,通过计算表征质控指标的相关参数对每个质控指标打分,汇总后得到对所述膝关节X光影像的定量评分。
本实施例中,步骤101主要用于获取膝关节X光影像。X光、CT、MRI 等医学影像是现代医学诊断技术的基础,作为基础的辅助诊断工具,它可以帮助医生快速地定位病情,从而快速地作出准确而专业的判断。X光影像由于其价格低廉、对病人辐射少、快速成像等特点,是目前医生最常用的辅助手段之一。由于质控参数计算的需要,本实施例输入的膝关节影像包括正位和侧位两个方向的影像(相当通常说的正视图和左视图或右视图)。
本实施例中,步骤102主要用于标注关键点。为了简化膝关节影像质控参数计算的复杂度,本实施例在膝关节各个骨头的正位和侧位设置一定数量的关键点,如图2、3中的A、B、C、D等。设置关键点主要用于各个骨头的定位,比如在一个骨头上确定两个关键点,用连接这两个关键点的直线就可以表示这个骨头的方向。设置一些位置比较特殊(如关于某个骨头对称)的冗余关键点,其中一个关键点被遮挡时用冗余的关键点进行计算,就可以解决因骨头遮挡(重叠)造成质控参数计算困难的问题。后面的实施例将给出一些具体关键点的位置分布。
本实施例中,步骤103主要用于对膝关节X光影像进行定量评分。本实施例基于标注的关键点计算与各项质控指标有关的参数,然后基于计算得到的参数对每项质控指标进行打分,最后进行汇总得到膝关节X光影像的定量评分。为了减小图像处理的负担,减小内存占用量,提高运行速度,在参数计算前先进行图像分割,然后基于分割后的图像进行计算。本实施例基于关键点进行图像分割,可裁剪掉大部分背景区域,进一步减小内存占用量及数据计算量。有了关键点,相关参数的计算就变得如同解初等几何代数习题一样简单,涉及的计算包括点到直线的距离、两条直线的夹角、比值等。各项质控指标参数的打分根据其重要性赋予不同权重即分值,如10分、15分等。需要打分的质控指标参数主要包括正位周围软组织是否完整、侧位上股骨与内外髁重叠程度、侧位上髌骨与股骨重叠程度、侧位下肢屈膝角度、腓骨头与胫骨重叠程度、正位髌骨是否位于股骨中间等。后面的实施例将给出几种质控指标参数具体的计算及打分方法。
作为一可选实施例,所述方法还包括以下预处理步骤:数据采集,数据筛选及脱敏,标注及审核,数据转化。
本实施例给出了预处理的一种技术方案。在输入膝关节X光影像前,还需要进行一些必要的预处理。主要包括:(1)数据采集:从各大医院中收集符合 DICOM(DigitalImaging and Communications in Medicine)规范的膝关节X光影像骨折数据;(2)数据筛选及脱敏:初步将一些不合格的数据筛除,同时为了保护用户的隐私,需要对每一个DICOM数据源进行必要的脱敏工作,做到关键信息的不泄漏;(3)医生标注及审核:这是预处理过程中非常关键的一个步骤,一般需要两个以上经验丰富的专家同时对一个X光影像数据进行骨折轮廓、骨折部位以及骨块的关键点信息进行标注,随后对标注结果一致的标注结果直接录入数据库,对于标注不一致的影像(两个专家存在不同的意见),则需要请第三方更为权威的专家进行审核,随后将所有审核完成无异议的标注结果录入数据库,以备后续使用;(4)数据转化:对符合要求并且有标注的DICOM 数据进行前期的预处理工作,保证后续模型可以更方便地读取使用。主要包括窗宽和窗位的设置以及DICOM格式的转换,其中窗宽和窗位的设置可以直接使用DICOM里面预设的默认值也可以使用一些的自适应算法(如使用大量的经验结果来聚类)去寻找最合适的窗宽和窗位。格式的转化主要是依据窗宽和窗位将DICOM格式的数据转化为更容易使用的图像格式(jpg、png等),同时将图像的标注信息也整理成统一的格式,方便后续的使用。
作为一可选实施例,正位的关键点包括:股骨中段关键点,股骨髁关键点,胫骨粗隆关键点,胫骨中段关键点,腓骨颈关键点,腓骨中段关键点,腓骨头关键点,胫骨与腓骨头重叠关键点,髌骨关键点;侧位的关键点包括:股骨中段关键点,股骨髁关键点,胫骨粗隆关键点,胫骨中段关键点,腓骨颈关键点,腓骨中段关键点,腓骨头关键点,胫骨与腓骨头重叠关键点,髌骨关键点,股骨内外髁后缘关键点,股骨内外髁远髁关键点,股骨内外髁髌骨面关键点。
本实施例给出了一些具体关键点的位置分布。由于质控指标参数的计算涉及正位和侧位两个方向的膝关节影像,因此,本实施例的关键点包括正位关键点和侧位关键点。正位关键点共10个,具体位置分布如表1及图2所示;侧位关键点与正位关键点略有不同,侧位关键点共13个,具体位置分布如表2及图 3所示。分别为胫骨和腓骨都确定了两个关键点,当某个部位遮挡时,可以由另外一个部位来补充,从而能更好地衡量下肢屈膝的角度(股骨与胫骨或者股骨与腓骨的夹角)。用两个点来确定腓骨头的左右边界,当一边存在遮挡时,可利用对称性由另一个点推出腓骨头的大小,从而更好地度量腓骨头遮挡比例。值得说明的是,本实施例定义的关键点的位置和数量,只是一种较佳的实施方式,并不限制和排斥其它可行的实施方式——位置不同、数量不同的关键点。
表1正位关键点分布
表2侧位关键点分布
作为一可选实施例,正位周围软组织是否完整的打分方法包括:
基于边缘检测算子对输入图像的边缘进行检测;
根据边缘处的梯度变化判断软组织是否完整包裹;
如果是,打分为S1;否则,打分为0。
从本实施例起连续给出几个典型的质控指标参数的计算和打分方法。本发明绝大部分指标参数的计算都是基于关键点进行的,但本实施例的软组织是否完整包裹是个例外,不需要借助关键点。本实施例主要是判断正位图像周围的软组织是否完整,考虑到实际情况的复杂性,本实施例使用一种边缘检测的传统算法来判断软组织的完整性。具体地,通过使用一个成熟的边缘检测算子,如Sobel算子,对输入图像的边缘进行检测。随后通过边缘处的梯度变化是否连续来判断软组织是否完整包裹。如果判断结果是软组织完整包裹,此项打分就是S1;否则,打分为0。S1是根据该项指标的重要性设置的分值,越重要的指标评分越高,后面实施例中的S2~S5也是如此。
作为一可选实施例,侧位上股骨内外髁重叠程度的打分方法包括:
利用侧位的髌骨关键点I、股骨内外髁后缘关键点J和股骨内外髁远髁关键点K,从输入的侧位图像中分割出内外髁双边影区域;
将分割区域图像归一化至固定的尺寸;
计算分割区域中双边影面积与分割区域面积的比值;
如果所述比值大于设定的阈值,则打分为S2;否则,打分为0。
本实施例给出了侧位上股骨内外髁重叠程度打分的一种技术方案。本实施例将股骨内外髁重叠的问题转化为双边影比例度量问题,有效地绕过了传统分类方法对不同重叠状态下大量样本的需求。这种转化方式的另外一个优点就是可以线性度量这个重叠的比例。本实施例利用侧位关键点I(髌骨关键点)、J (股骨内外髁后缘关键点)、K(股骨内外髁远髁关键点)将内外髁从原图抠出来,与直接利用原图进行分割相比可明显减小背景干扰,减小内存的使用,只需要小网络小显存就可以完成。对抠出来的内外髁结构进行归一化,目的是为了消除因抠图区域大小不一造成最终占比不准确问题,通过将长宽都调整到固定的大小,有利于提高双边影占比计算的精度。最后将所述占比与设定的阈值比较,并根据比较结果进行打分。双边影分割示意图如图6所示。
作为一可选实施例,侧位上髌骨与股骨重叠程度的打分方法包括:
以侧位的股骨内外髁远髁关键点K为中心,以4倍的K与侧位的股骨内外髁髌骨面关键点L之间的距离为边长作正方形;
从输入的侧位图像中裁剪所述正方形区域,得到髌骨与股骨分布位置结构图;
利用分类网络获得髌骨与股骨重叠的置信度;
如果所述置信度小于设定的阈值,打分为S3;否则,打分为0。
本实施例给出了侧位上髌骨与股骨重叠程度打分的一种技术方案。本实施例主要利用分类网络判断侧位上髌骨是否与股骨存在重叠。本实施例利用侧位关键点K、L进行计算。具体地,以K为中心位置,以4倍的L、K之间的距离为边长作正方形对原图中的对应区域进行裁剪,就可以得到髌骨与股骨分布位置结构图。随后利用简单的分类网络就可以判断两者是否重叠,比如当分类网络置信度大于0.5判断当前输出属于重叠,并据此进行打分。
作为一可选实施例,腓骨头与胫骨重叠程度的打分方法包括:
根据过腓骨颈关键点E和腓骨中段关键点F的直线EF确定腓骨的方向;
分别计算腓骨头关键点G1、G2和胫骨与腓骨头重叠关键点H到直线EF 的距离L1,L2,L3;
计算腓骨头大小Lf:若不存在遮挡,Lf=L1+L2;若G1、G2中有一个被遮挡,利用对称性进行计算,Lf=2*L1或Lf=2*L2;
计算腓骨头与胫骨重叠部分的长度Lc:若G1和H位于直线EF两侧, Lc=L1+L3;若G1和H位于直线EF同侧,Lc=L1-L3,若G1被遮挡,Lc=L2-L3;
计算腓骨头与胫骨的重叠比Lc/Lf;
如果所述重叠在设定的阈值范围内,打分为S4;否则,打分为0。
本实施例给出了腓骨头与胫骨重叠程度打分的一种技术方案。本实施例将重叠问题转换成计算点到直线的距离问题,大大简单了计算复杂度。本实施例给出了利用冗余关键点(G1或G2)的对称性应对遮挡问题解决方案,进一步验证了关键点标注带来的好处。计算过程示意图如图4所示,这里不再展开进行详细说明。
作为一可选实施例,侧位下肢屈膝角度的打分方法包括:
过侧位股骨中段关键点A和股骨髁关键点B作直线AB;
过侧位胫骨粗隆关键点C和胫骨中段关键点D作直线CD,与直线AB相交与点O;
计算角BOC的大小;
如果角BOC在设定的阈值范围内,打分为S5;否则,打分为0。
本实施例给出了侧位下肢屈膝角度打分的一种技术方案。本实施例利用相关骨头上的两个关键点进行定位,将下肢屈膝角度转化为两条直线AB和CD 间的夹角,是利用关键点简化计算的又一实例。所述夹角的计算过程示意图如图5所示,这里不再展开进行详细说明。本实施例下肢屈膝角度的阈值范围一般设为130-140度。
前面的实施例给出了几个典型的质控指标的计算和打分方法,其它几个质控指标(如正位肢体长轴与胶片长轴是否平行、正位髌骨是否位于股骨中间等) 的计算和打分方法与前面已给出的方法相似,均是利用标注的关键点通过简单的几何代数计算实现,这里不再一一给出具体的技术方案。
作为一可选实施例,所述方法还包括定量评分修正步骤:检测输入图像中是否存在多个膝关节、伪影、异物、术后改变、其它体位,如果存在,从膝关节定量评分中扣除一定的分数;所述伪影包括裤子伪影和护膝伪影。
本实施例给出了定量评分修正的一种技术方案。前面给出的质控指标均是对膝关节X光影像质量影响比较明显的一些指标,但影响影像质量的因素很多,对这些典型的指标打分汇总后,还要考虑其它因素的影响,即进行评分修正。所述其它因素主要包括是否存在伪影、异物、术后改变等,如果检测到输入图像中存在伪影、异物、术后改变,从汇总后的定量评分中扣除一定的分数,使评分更客观、准确。
图7为本发明实施例一种膝关节X光影像质控装置的组成示意图,所述装置包括:
影像获取模块11,用于获取膝关节的正位和侧位X光影像;
关键点标注模块12,用于检测位于膝关节各个骨头的正位和侧位用于定位和消除遮挡影响的关键点;
指标打分模块13,用于基于所述关键点进行图像分割,通过计算表征质控指标的相关参数对每个质控指标打分,汇总后得到对所述膝关节X光影像的定量评分。
本实施例的装置,可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种膝关节X光影像质控方法,其特征在于,包括以下步骤:
获取膝关节的正位和侧位X光影像;
检测位于膝关节各个骨头的正位和侧位用于定位和消除遮挡影响的关键点;
基于所述关键点进行图像分割,通过计算表征质控指标的相关参数对每个质控指标打分,汇总后得到对所述膝关节X光影像的定量评分。
2.根据权利要求1所述的膝关节X光影像质控方法,其特征在于,所述方法还包括以下预处理步骤:数据采集,数据筛选及脱敏,标注及审核,数据转化。
3.根据权利要求1所述的膝关节X光影像质控方法,其特征在于,正位的关键点包括:股骨中段关键点,股骨髁关键点,胫骨粗隆关键点,胫骨中段关键点,腓骨颈关键点,腓骨中段关键点,腓骨头关键点,胫骨与腓骨头重叠关键点,髌骨关键点;侧位的关键点包括:股骨中段关键点,股骨髁关键点,胫骨粗隆关键点,胫骨中段关键点,腓骨颈关键点,腓骨中段关键点,腓骨头关键点,胫骨与腓骨头重叠关键点,髌骨关键点,股骨内外髁后缘关键点,股骨内外髁远髁关键点,股骨内外髁髌骨面关键点。
4.根据权利要求3所述的膝关节X光影像质控方法,其特征在于,正位周围软组织是否完整的打分方法包括:
基于边缘检测算子对输入图像的边缘进行检测;
根据边缘处的梯度变化判断软组织是否完整包裹;
如果是,打分为S1;否则,打分为0。
5.根据权利要求3所述的膝关节X光影像质控方法,其特征在于,侧位上股骨内外髁重叠程度的打分方法包括:
利用侧位的髌骨关键点I、股骨内外髁后缘关键点J和股骨内外髁远髁关键点K,从输入的侧位图像中分割出内外髁双边影区域;
将分割区域图像归一化至固定的尺寸;
计算分割区域中双边影面积与分割区域面积的比值;
如果所述比值大于设定的阈值,则打分为S2;否则,打分为0。
6.根据权利要求3所述的膝关节X光影像质控方法,其特征在于,侧位上髌骨与股骨重叠程度的打分方法包括:
以侧位的股骨内外髁远髁关键点K为中心,以4倍的K与侧位的股骨内外髁髌骨面关键点L之间的距离为边长作正方形;
从输入的侧位图像中裁剪所述正方形区域,得到髌骨与股骨分布位置结构图;
利用分类网络获得髌骨与股骨重叠的置信度;
如果所述置信度小于设定的阈值,打分为S3;否则,打分为0。
7.根据权利要求3所述的膝关节X光影像质控方法,其特征在于,腓骨头与胫骨重叠程度的打分方法包括:
根据过腓骨颈关键点E和腓骨中段关键点F的直线EF确定腓骨的方向;
分别计算腓骨头关键点G1、G2和胫骨与腓骨头重叠关键点H到直线EF的距离L1,L2,L3;
计算腓骨头大小Lf:若不存在遮挡,Lf=L1+L2;若G1、G2中有一个被遮挡,利用对称性进行计算,Lf=2*L1或Lf=2*L2;
计算腓骨头与胫骨重叠部分的长度Lc:若G1和H位于直线EF两侧,Lc=L1+L3;若G1和H位于直线EF同侧,Lc=L1-L3,若G1被遮挡,Lc=L2-L3;
计算腓骨头与胫骨的重叠比Lc/Lf;
如果所述重叠比在设定的阈值范围内,打分为S4;否则,打分为0。
8.根据权利要求3所述的膝关节X光影像质控方法,其特征在于,侧位下肢屈膝角度的打分方法包括:
过侧位股骨中段关键点A和股骨髁关键点B作直线AB;
过侧位胫骨粗隆关键点C和胫骨中段关键点D作直线CD,与直线AB相交与点O;
计算角BOC的大小;
如果角BOC在设定的阈值范围内,打分为S5;否则,打分为0。
9.根据权利要求1所述的膝关节X光影像质控方法,其特征在于,所述方法还包括定量评分修正步骤:检测输入图像中是否存在多个膝关节、伪影、异物、术后改变、其它体位,如果存在,从膝关节定量评分中扣除一定的分数;所述伪影包括裤子伪影和护膝伪影。
10.一种膝关节X光影像质控装置,其特征在于,包括:
影像获取模块,用于获取膝关节的正位和侧位X光影像;
关键点检测模块,用于检测位于膝关节各个骨头的正位和侧位用于定位和消除遮挡影响的关键点;
指标打分模块,用于基于所述关键点进行图像分割,通过计算表征质控指标的相关参数对每个质控指标打分,汇总后得到对所述膝关节X光影像的定量评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111393614.7A CN114596251A (zh) | 2021-11-23 | 2021-11-23 | 一种膝关节x光影像质控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111393614.7A CN114596251A (zh) | 2021-11-23 | 2021-11-23 | 一种膝关节x光影像质控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114596251A true CN114596251A (zh) | 2022-06-07 |
Family
ID=81813893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111393614.7A Pending CN114596251A (zh) | 2021-11-23 | 2021-11-23 | 一种膝关节x光影像质控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114596251A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309503A (zh) * | 2023-03-20 | 2023-06-23 | 瑞泰影像科技(深圳)有限公司 | 基于语义分割的医学影像图像质量评价系统 |
CN116883326A (zh) * | 2023-06-21 | 2023-10-13 | 北京长木谷医疗科技股份有限公司 | 膝关节解剖位点识别方法、装置、设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634133A (zh) * | 2019-09-04 | 2019-12-31 | 杭州健培科技有限公司 | 一种基于x线平片的膝关节骨科测量方法及装置 |
CN111640093A (zh) * | 2020-05-20 | 2020-09-08 | 上海联影智能医疗科技有限公司 | 医学图像的质控方法和计算机可读存储介质 |
KR102313662B1 (ko) * | 2020-12-30 | 2021-10-19 | 뉴로핏 주식회사 | 이미지 품질 판단 장치 및 방법 |
CN113555089A (zh) * | 2021-07-14 | 2021-10-26 | 江苏宏创信息科技有限公司 | 一种应用于临床影像的人工智能医学影像质控方法 |
CN113610744A (zh) * | 2020-04-20 | 2021-11-05 | 锐珂(上海)医疗器材有限公司 | X光图像质量控制系统 |
-
2021
- 2021-11-23 CN CN202111393614.7A patent/CN114596251A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634133A (zh) * | 2019-09-04 | 2019-12-31 | 杭州健培科技有限公司 | 一种基于x线平片的膝关节骨科测量方法及装置 |
CN113610744A (zh) * | 2020-04-20 | 2021-11-05 | 锐珂(上海)医疗器材有限公司 | X光图像质量控制系统 |
CN111640093A (zh) * | 2020-05-20 | 2020-09-08 | 上海联影智能医疗科技有限公司 | 医学图像的质控方法和计算机可读存储介质 |
KR102313662B1 (ko) * | 2020-12-30 | 2021-10-19 | 뉴로핏 주식회사 | 이미지 품질 판단 장치 및 방법 |
CN113555089A (zh) * | 2021-07-14 | 2021-10-26 | 江苏宏创信息科技有限公司 | 一种应用于临床影像的人工智能医学影像质控方法 |
Non-Patent Citations (2)
Title |
---|
HE, LINYANG: "Development of automatic measurement for patellar height based on deep learning and knee radiographs", EUROPEAN RADIOLOGY, vol. 30, no. 9, 30 September 2020 (2020-09-30), pages 4974 - 4984, XP037220933, DOI: 10.1007/s00330-020-06856-z * |
付海鸿等: "九峰医疗胸部数字X线摄影人工智能图像质量控制专家共识", 《中国医疗设备》, vol. 36, no. 1, 10 January 2021 (2021-01-10), pages 11 - 13 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309503A (zh) * | 2023-03-20 | 2023-06-23 | 瑞泰影像科技(深圳)有限公司 | 基于语义分割的医学影像图像质量评价系统 |
CN116883326A (zh) * | 2023-06-21 | 2023-10-13 | 北京长木谷医疗科技股份有限公司 | 膝关节解剖位点识别方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11589928B2 (en) | Artificial intelligence intra-operative surgical guidance system and method of use | |
Grau et al. | Automatic localization of cephalometric landmarks | |
Duryea et al. | Trainable rule‐based algorithm for the measurement of joint space width in digital radiographic images of the knee | |
CN114596251A (zh) | 一种膝关节x光影像质控方法及装置 | |
US20030229299A1 (en) | Method of and system for evaluating joint and computer program for carrying out the method | |
CN108491770A (zh) | 一种基于骨折影像的数据处理方法 | |
CN114261095B (zh) | 一种基于ai的骨科3d打印方法和装置 | |
JP3234668U (ja) | X線による脊柱側弯症の画像認識システム | |
CN114711796A (zh) | 双下肢负重位力线测量及诊断系统及智能化测量方法 | |
Liu et al. | Artificial intelligence to diagnose tibial plateau fractures: an intelligent assistant for orthopedic physicians | |
CN115358995A (zh) | 基于多模态信息融合的全自动空间注册系统 | |
CN114897703A (zh) | 一种骨科全长x线片自动拼接系统、方法、计算机设备及存储介质 | |
CN110782976B (zh) | 一种全膝关节置换术假体型号预测方法 | |
CN110895818B (zh) | 一种基于深度学习的膝关节轮廓特征提取方法和装置 | |
CN117274334A (zh) | 一种基于点云的实时骨骼模型重建方法及系统 | |
CN117152126A (zh) | 膝关节状态的确定装置、存储介质及电子设备 | |
WO2023165260A1 (zh) | 基于深度学习的膝关节股骨置换术后评估系统 | |
Chen | Reconstruction individual three-dimensional model of fractured long bone based on feature points | |
JP5397873B2 (ja) | 膝関節の大腿骨及び脛骨の骨軸自動抽出方法、ならびに骨軸自動抽出プログラム | |
Yan et al. | Intelligent localization and quantitative evaluation of anterior talofibular ligament injury using magnetic resonance imaging of ankle | |
CN114066885B (zh) | 下肢骨骼模型构造方法、装置、电子设备及存储介质 | |
CN115252047A (zh) | 用于膝关节置换术的股骨远端及前后髁测量定位截骨装置 | |
Al-Temimi et al. | Improvements of programing methods for finding reference lines on X-Ray images | |
CN109166108B (zh) | 一种ct影像肺部异常组织的自动识别方法 | |
CN113592821A (zh) | 一种股骨髓腔类型检测方法和系统 |
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 |