CN115131367B - 人体骨骼力学结构的区域分割及骨架线提取方法及装置 - Google Patents
人体骨骼力学结构的区域分割及骨架线提取方法及装置 Download PDFInfo
- Publication number
- CN115131367B CN115131367B CN202210211152.0A CN202210211152A CN115131367B CN 115131367 B CN115131367 B CN 115131367B CN 202210211152 A CN202210211152 A CN 202210211152A CN 115131367 B CN115131367 B CN 115131367B
- Authority
- CN
- China
- Prior art keywords
- bone
- image
- skeleton
- superposition
- standard
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 100
- 230000011218 segmentation Effects 0.000 title claims abstract description 82
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 288
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 230000015654 memory Effects 0.000 claims description 12
- 210000000689 upper leg Anatomy 0.000 description 32
- 238000010586 diagram Methods 0.000 description 13
- 239000000284 extract Substances 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009347 mechanical transmission Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005429 filling process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 210000002436 femur neck Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009645 skeletal growth Effects 0.000 description 1
- 210000001519 tissue 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种人体骨骼力学结构的区域分割及骨架线提取方法及装置,该方法建立骨骼力学标准体位;根据骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据;对标准骨组织图像横截面数据进行像素点灰度值定向叠加,并根据叠加处理后的标准骨组织图像横截面数据建立骨量叠加数据库;对骨量叠加数据库中的骨量叠加值数据进行过滤和填充处理,得到待提取图像,其中,待提取图像为主要负荷骨结构区域图像;对待提取图像进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线,提高了确定目标结构特定方位的骨量分布的准确性,更好的反映目标结构特定方位的力学分布情况。
Description
技术领域
本发明涉及医学影响处理技术领域,尤其涉及一种人体骨骼力学结构的区域分割及骨架线提取方法及装置。
背景技术
骨骼是人体运动系统的主要力学承担组织,通过对骨主要负荷成分的空间结构描述,有助于理解力在空间中的分布传递规律,为特定部位的骨科固定器械设计及手术方案设计提供理论依据。以股骨近端为例,近端股骨结构化的构建用来抵抗体内的机械应力,骨骼不仅需要负担身体的重量,而且需要承担髋部肌群维持髋部稳定所造成的更多负重,而这些负重主要集中在股骨近端的冠状面。
依据Wolff定律,骨量的大小与结构与其所受的力的大小与方向有关,因此,股骨近端冠状面的骨量分布可反映出冠状面的力学空间分布规律,即股骨近端的主要力学空间分布规律。现有的影像学技术可有效的提取股骨近端影像学量化信息,反映骨量在特定方位的空间分布情况,进而反映股骨近端的主要力学空间分布规律。目前,可以通过均值算法对股骨近端冠状面的骨量分布进行分割提取。
然而,股骨头、股骨颈、股骨转子间及股骨干部位平均骨量差异较大,单纯的采用均值算法进行高骨量区域的分割提取无法准确确定股骨近端冠状面的骨量分布情况,无法准确反映股骨近端冠状面的力学空间分布规律。
发明内容
本申请提供人体骨骼力学结构的区域分割及骨架线提取方法及装置,从而解决现有技术中的单纯的采用均值算法进行高骨量区域的分割提取无法准确确定股骨近端冠状面的骨量分布,无法准确反映股骨近端冠状面的力学空间分布规律的技术问题。
第一方面,本申请提供一种人体骨骼力学结构的区域分割及骨架线提取方法,包括:
建立骨骼力学标准体位;
根据所述骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据;
对所述标准骨组织图像横截面数据进行像素点灰度值定向叠加,并根据叠加处理后的标准骨组织图像横截面数据建立骨量叠加数据库,其中,所述骨量叠加数据库中包括多个骨量叠加值数据;
对所述骨量叠加数据库中的骨量叠加值数据进行过滤和填充处理,得到待提取图像,其中,所述待提取图像为主要负荷骨结构区域图像;
对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线。
这里,本申请提供了一种人体骨骼力学结构的区域分割及骨架线提取方法,首先根据预设的骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,可有效提取骨组织图像横截面数据,再根据分割提取到的骨组织图像横截面数据进行定向像素点灰度值叠加处理,便于确定骨骼定向方位图像中各位点的像素点灰度值叠加值大小,再根据图像各位点的像素点灰度叠加值进行过滤,得到每一横坐标上所有数据的叠加,筛选出高灰度叠加值区域,即高骨量区域,该区域也就是骨骼的主要负荷骨区域,从而根据筛选出的区域进行待处理骨骼影像的主要负荷骨区域及骨架线的提取,相对于单一的采用均值算法进行高骨量区域的分割提取,充分考虑到了各局部区域的平均骨量差异,从而可以提取出更符合实际力学分布的主要负荷骨区域,及主要负荷骨骨架线的拟合,提高了确定股骨近端冠状面的主要负荷骨量分布的准确性,更好的反映股骨近端力学的分布情况。
可选地,所述根据所述骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据,包括:
根据所述骨骼力学标准体位,对待处理骨骼影像进行标准横断面提取,得到连续多个标准横断面;
对所述多个标准横断面进行骨阈值分割处理,得到多个标准骨组织图像横截面数据。
其中,本申请预先提取待处理骨骼影像的标准横断面,再通过骨阈值分割处理,提取出标准横断面骨组织,以实现骨组织图像横截面数据的提取,并对该数据实现定向叠加处理,获得骨骼像素点灰度值定向叠加值空间分布形态,并便于根据骨组织图像横截面数据进行骨架线的提取,通过动态设定骨阈值,可灵活提取骨组织图像横截面数据,进一步地提高了骨骼力学结构的区域分割及骨架线提取的准确性。
可选地,所述对所述骨量叠加数据库中的骨量叠加值数据进行数据过滤和填充处理,得到待提取图像,包括:
根据动态阈值分割算法,对所述骨量叠加数据库中的骨量叠加值数据进行过滤处理,得到待填充图像;
对所述待填充图像进行空隙填充处理,得到待提取图像。
可选地,所述根据动态阈值分割算法,对所述骨量叠加数据库中的骨量叠加值数据进行过滤处理,得到待提取图像,包括:
删除所述图像数据中小于第一预设阈值的数据点,得到待填充图像;
对所述待填充图像进行空隙填充处理,得到待提取图像。
这里,本申请通过确定第一预设阈值,来实现数据点的筛选过滤,通过动态阈值分割算法对股骨近端冠状面的骨量叠加数据库进行高骨量区域的分割提取,进一步地提高了骨骼力学结构的区域分割及骨架线提取的准确性。
可选地,所述对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线,包括:
根据骨架线提取算法,对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线。
其中,本申请通过骨架线提取算法提取股骨近端高骨量区域分布线,更好的反映股骨近端力学传递的空间分布情况。
可选地,在所述对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线之后,还包括:
根据所述主要负荷骨区域及骨架线,分析所述待处理骨骼影像的力学空间分布规律。
这里,本申请可以根据提取的准确的主要负荷骨区域及骨架线,对待处理骨骼影像的力学空间分布规律进行分析,提高了确定股骨近端冠状面的骨量分布的准确性,更好的反映股骨近端力学传递的分布情况,还可以通过分析确定主要力学负荷区域的空间走行形态。
第二方面,本申请提供了一种人体骨骼力学结构的区域分割及骨架线提取装置,包括:
建立模块,用于建立骨骼力学标准体位;
第一处理模块,用于根据所述骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据;
第二处理模块,用于对所述标准骨组织图像横截面数据进行像素点灰度值定向叠加,并根据叠加处理后的标准骨组织图像横截面数据建立骨量叠加数据库,其中,所述骨量叠加数据库中包括多个骨量叠加值数据;
第三处理模块,用于对所述骨量叠加数据库中的骨量叠加值数据进行过滤和填充处理,得到待提取图像,其中,所述待提取图像为主要负荷骨结构区域图像;
提取模块,用于对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线。
可选地,所述第一处理模块具体用于:
根据所述骨骼力学标准体位,对待处理骨骼影像进行标准横断面提取,得到连续多个标准横断面;
对所述多个标准横断面进行骨阈值分割处理,得到多个标准骨组织图像横截面数据。
可选地,所述第三处理模块具体用于:
根据动态阈值分割算法,对所述骨量叠加数据库中的骨量叠加值数据进行过滤处理,得到待填充图像;
对所述待填充图像进行空隙填充处理,得到待提取图像。
可选地,所述第三处理模块还具体用于:
删除所述图像数据中小于第一预设阈值的数据点,得到待填充图像。
可选地,所述提取模块具体用于:
根据骨架线提取算法,对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线。
可选地,在所述提取模块根据骨架线提取算法,对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线之后,上述装置还包括:
分析模块,用于根据所述主要负荷骨区域及骨架线,分析所述待处理骨骼影像的力学空间分布规律。
第三方面,本申请提供一种人体骨骼力学结构的区域分割及骨架线提取设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面或第一方面的可选方式所述的骨骼力学结构的区域分割及骨架线提取方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当计算机执行指令被处理器执行时用于实现如第一方面或第一方面的可选方式所述的骨骼力学结构的区域分割及骨架线提取方法。
第五方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现如上第一方面以及第一方面各种可能的设计所述的骨骼力学结构的区域分割及骨架线提取方法。
本申请提供的骨骼力学结构的区域分割及骨架线提取方法、装置、设备及介质,该方法首先对待处理骨骼影像进行分割提取处理,并根据预设的目标骨骼力学标准体位,根据骨阈值有效提取骨组织图像横截面数据,再根据分割提取到的骨组织图像横截面数据进行定向像素点灰度值叠加处理,便于确定骨骼目标体位图像中各位点的像素点灰度叠加值大小,再根据图像的灰度叠加值大小进行过滤,筛选出高灰度叠加值区域,即高骨量区域,从而根据筛选出的区域(高骨量区域,即主要负荷骨区域)进行待处理骨骼影像的主要负荷骨区域及骨架线的提取,相对于单一的采用均值算法进行高骨量区域的分割提取,动态阈值分割方法充分考虑到了平均骨量差异,从而可以提取出更符合实际力学分布的主要负荷骨区域及骨架线,提高了确定股骨近端冠状面的骨量分布的准确性,更好的反映股骨近端力学的分布情况。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的人体骨骼力学结构的区域分割及骨架线提取系统架构示意图;
图2为本申请实施例提供的人体骨骼力学结构的区域分割及骨架线提取应用场景示意图;
图3为本申请实施例提供的一种髋部标准体位扫描示意图;
图4为本申请实施例提供的一种髋部标准横断面骨组织图像数据扫描示意图;
图5为本申请实施例提供的一种像素点灰度值定向叠加示意图;
图6为本申请实施例提供的一种数据点过滤和填充处理过程的股骨近端冠状位灰度值叠加值变化示意图;
图7为本申请实施例提供的人体骨骼力学结构的区域分割及骨架线提取装置的结构示意图;
图8为本申请实施例提供的人体骨骼力学结构的区域分割及骨架线提取设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
研究骨和软骨的目的在于剖析骨和骨骼系统的力学性质,揭示骨骼生长、发育腑变、衰退和死亡同力学作用间相互关系,给出生命科学中这类力学问题的精确的定量分析。骨骼的功能是承受活动期间骨组织的机械应变。骨骼具有适应这些功能需要的能力,这一现象在一个世纪前就被认识到,现在称之为Wolff定律,依据Wolff定律,骨的内部结构与外部形态与所承受载荷的大小及方向有直接关系,因此可以通过研究骨的结构来实现力的分布的分析,现有技术中,通常单纯的采用均值算法进行高骨量区域的分割提取,然而,由于股骨头、股骨颈、股骨转子间及股骨干部位平均骨量差异较大,单纯的采用均值算法进行高骨量区域的分割提取效果较差,且其主要力学负荷区域的空间走行形态也未得到详尽展现。
为了解决上述问题,本申请实施例提供一种人体骨骼力学结构的区域分割及骨架线提取方法、装置、设备及计算机可读存储介质,通过动态阈值分割算法对骨骼(例如股骨近端冠状面)的高骨量区域进行分割提取,并通过骨架线提取算法提取高骨量区域分布线,更好的反映股骨近端力学传递的分布情况。
可选的,图1为本申请实施例提供的一种骨骼力学结构的区域分割及骨架线提取系统架构示意图。在图1中,上述架构包括接收设备101、处理器102和显示设备103中至少一种。
可以理解的是,本申请实施例示意的结构并不构成对骨骼力学结构的区域分割及骨架线提取系统架构的具体限定。在本申请另一些可行的实施方式中,上述架构可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置,具体可根据实际应用场景确定,在此不做限制。图1所示的部件可以以硬件,软件,或软件与硬件的组合实现。
在具体实现过程中,接收设备101可以是输入/输出接口,也可以是通信接口。
处理器102可以通过动态阈值分割算法对骨骼(例如股骨近端冠状面)的高骨量区域进行分割提取,并通过骨架线提取算法提取高骨量区域分布线,更好的反映股骨近端力学的分布情况。
显示设备103可以用于对上述结果等进行显示。
显示设备还可以是触摸显示屏,用于在显示的上述内容的同时接收用户指令,以实现与用户的交互。
应理解,上述处理器可以通过处理器读取存储器中的指令并执行指令的方式实现,也可以通过芯片电路实现。
另外,本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
下面结合具体的实施例对本申请的技术方案进行详细的说明:
图2为本申请实施例提供的人体骨骼力学结构的区域分割及骨架线提取方法的流程示意图。本申请实施例的执行主体可以为图1中的处理器102,具体执行主体可以根据实际应用场景确定。如图2所示,该方法包括如下步骤:
S201:建立骨骼力学标准体位。
示范性的,以髋部力学标准体位为例,图3为本申请实施例提供的一种髋部标准体位扫描示意图,如图3所示,髋部力学标准体位的建立可以便于提取髋部标准横截面。
S202:根据骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据。
可选地,待处理骨骼影像为电子计算机断层扫描(Computed Tomography,CT)等医学影像图。
可选地,这里的骨组织图像横截面数据为符合预设灰度值的数据,本申请实施例可以通过对待处理骨骼影像进行分割提取处理,对图像数据的灰度值进行筛选,便于后续处理。示范性的,例如确定灰度值在预设灰度值阈值(预设灰度值阈值也可以称作骨阈值)的图像为骨组织图像横截面数据。
可以理解的是,这里的预设灰度值阈值可以根据实际情况确定,本申请实施例对此不作具体限制。示范性的,图4为本申请实施例提供的一种髋部标准横断面骨组织图像数据扫描示意图,图4为基于图3中的髋部标准横断面,预设灰度值阈值(骨阈值)为(148-1898HU)的髋部标准横断面骨组织图像数据。
可选地,根据骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据,包括:首先对影像数据里面的骨骼进行分割提取,后建立骨骼力学标准体位,并基于骨骼力学标准体位对待处理骨骼影像进行标准横断面提取,得到多个标准横断面;对多个标准横断面进行骨阈值分割处理,得到多个标准横断面骨组织;对多个标准横断面骨组织进行图像数据叠加提取处理,得到骨组织图像横截面数据像素点灰度值定向叠加分布说明。
其中,本申请实施例预先提取待处理骨骼影像的标准横断面,再通过骨阈值分割处理,提取出标准横断面骨组织,以实现骨组织图像横截面数据的定向叠加提取,便于根据骨组织图像横截面数据进行骨架线的提取,通过动态设定骨阈值,可灵活提取骨组织图像横截面数据中的高骨量区域,进一步地提高了骨骼力学结构分割及骨架线提取的准确性。
S203:对骨组织图像横截面数据进行定向像素点灰度值叠加,并根据叠加处理后的标准骨组织图像横截面数据建立骨量叠加数据库。
可选地,对骨组织图像横截面数据进行像素点灰度值叠加,包括:
根据定向叠加算法,对骨组织图像横截面数据进行定向像素点灰度值叠加。
具体的,对各个骨组织截面图像数据依照目的方位进行像素点灰度值叠加,获得单个截面像素点灰度值叠加分布数据。并根据各个骨组织截面叠加处理后的数据建立骨骼定向方位骨量叠加数据库。
其中,本申请实施例通过定向叠加算法实现对骨组织图像横截面数据的像素点灰度值叠加,可以准确通过像素点灰度值的叠加展现骨组织图像,进一步地的提高了骨骼力学结构的区域分割及骨架线提取的准确性。
可选的,图5为本申请实施例提供的一种像素点灰度值定向叠加示意图,如图5所示,本申请实施例可对多个骨组织图像横截面数据,通过定向叠加算法,得到股骨近端冠状面骨量叠加数据库。
S204:对骨量叠加数据库中的图像数据进行过滤和填充处理,得到待提取图像。
其中,待提取图像为主要负荷骨结构区域图像,即高骨量区域。
可选地,对骨量叠加数据库中的骨量叠加值数据进行过滤和填充处理,得到待提取图像,包括:根据动态阈值分割算法,对骨量叠加数据库中的骨量叠加值数据进行过滤处理,得到待填充图像;对待填充图像进行空隙填充处理,得到待提取图像。
这里,对所述骨骼定向方位骨量叠加数据库中的图像数据进行过滤和填充处理,得到待提取图像。
可选地,所述根据动态阈值分割算法,对所述骨量叠加数据库中的骨量叠加值数据进行过滤处理,得到待提取图像,包括,包括:删除图像数据中小于第一预设阈值的数据点,得到待填充图像;对待填充图像进行空隙填充处理,得到待提取图像。
可以理解的是,这里的第一预设阈值可以根据实际情况确定,本申请实施例不作具体限制。
可选地,以一个数据点(这里应该是像素点叠加值位点,针对的是每个位点的灰度叠加值)为移动范围,进行相邻区域比较,对保留区域进行辐射,过滤掉较小的数据点,对剩余部位进行数据扩增,对空隙进行填充,得到待提取图像。
示范性的,图6为本申请实施例提供的一种数据过滤和填充处理过程的股骨近端主要高骨量区域变化示意图,如图6所示,经过数据过滤和填充处理,可以得到便于清晰提取骨架线的待提取图像。
这里,本申请实施例通过动态阈值分割算法,来实现位点的筛选过滤,通过动态阈值分割算法对股骨近端冠状面的高骨量区域进行分割提取,进一步地提高了骨骼力学结构分割及骨架线提取的准确性。
S205:对待提取图像进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线。
可选地,对待提取图像(高骨量区域,即主要负荷骨区域)进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线,包括:根据骨架线提取算法,对待提取图像进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线。
示范性的,如图6所示,可以得到清晰的骨架线。
其中,本申请实施例通过骨架线提取算法(骨架提取算法)进行主要负荷骨区域及骨架线的拟合提取,更好的反映股骨近端力学传递的分布情况。
可选地,在对待提取图像进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线之后,还包括:根据主要负荷骨区域及骨架线,分析待处理骨骼影像的主要力学空间分布规律。
这里,本申请实施例可以根据提取的准确的主要负荷骨区域及骨架线,对待处理骨骼影像的力学空间分布规律进行分析,提高了确定股骨近端冠状面的高骨量分布的准确性,更好的反映股骨近端力学的分布情况,还可以通过分析确定主要力学负荷区域的空间走行形态。
本申请提供了一种人体骨骼力学结构的空间分割及骨架线提取方法,首先根据预设的骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到骨组织标准体位图像数据,并根据骨阈值有效提取骨组织图像横截面数据,再根据分割提取到的骨组织图像横截面数据进行像素点灰度值定向叠加处理,便于确定图像中各位点的灰度叠加值大小,再根据图像的灰度叠加值大小进行过滤,筛选出高骨量区域,从而根据筛选出的区域(高骨量区域)进行待处理骨骼影像的主要负荷骨区域及骨架线的提取,相对于单一的采用均值算法进行高骨量区域的分割提取,充分考虑到了平均骨量差异,从而可以提取出更符合实际力学分布的主要负荷骨区域及骨架线,提高了确定股骨近端冠状面的骨量分布的准确性,更好的反映股骨近端力学的分布情况。
图7为本申请实施例提供的人体骨骼力学结构的区域分割及骨架线提取装置的结构示意图,如图7所示,本申请实施例的装置包括:建立模块701、第一处理模块702、第二处理模块703、第三处理模块704和提取模块705。这里的骨骼力学结构的区域分割及骨架线提取装置可以是上述处理器102本身,或者是实现处理器102的功能的芯片或者集成电路。这里需要说明的是,建立模块701、第一处理模块702、第二处理模块703、第三处理模块704和提取模块705的划分只是一种逻辑功能的划分,物理上两者可以是集成的,也可以是独立的。
其中,建立模块,用于建立骨骼力学标准体位;
第一处理模块,用于根据骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据;
第二处理模块,用于对标准骨组织图像横截面数据进行像素点灰度值定向叠加,并根据叠加处理后的标准骨组织图像横截面数据建立骨量叠加数据库,其中,骨量叠加数据库中包括多个骨量叠加值数据;
第三处理模块,用于对骨量叠加数据库中的骨量叠加值数据进行过滤和填充处理,得到待提取图像,其中,待提取图像为主要负荷骨结构区域图像;
提取模块,用于对待提取图像进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线。
可选地,第一处理模块具体用于:
根据骨骼力学标准体位,对待处理骨骼影像进行标准横断面提取,得到连续多个标准横断面;
对多个标准横断面进行骨阈值分割处理,得到多个标准骨组织图像横截面数据。
可选地,第三处理模块具体用于:
根据动态阈值分割算法,对骨量叠加数据库中的骨量叠加值数据进行过滤处理,得到待填充图像;
对待填充图像进行空隙填充处理,得到待提取图像。
可选地,第三处理模块还具体用于:
删除图像数据中小于第一预设阈值的数据点,得到待填充图像。
可选地,提取模块具体用于:
根据骨架线提取算法,对待提取图像进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线。
可选地,在提取模块根据骨架线提取算法,对待提取图像进行骨架线提取,得到待处理骨骼影像的主要负荷骨区域及骨架线之后,上述装置还包括:
分析模块,用于根据主要负荷骨区域及骨架线,分析待处理骨骼影像的力学空间分布规律。
图8为本申请实施例提供的人体骨骼力学结构的区域分割及骨架线提取设备的结构示意图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该人体骨骼力学结构的区域分割及骨架线提取设备包括:处理器801和存储器802,各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器801可以对在人体骨骼力学结构的区域分割及骨架线提取设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。图8中以一个处理器801为例。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的骨骼力学结构分割及骨架线提取设备的方法对应的程序指令/模块(例如,附图7所示的建立模块701、第一处理模块702、第二处理模块703、第三处理模块704和提取模块705)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的骨骼力学结构的区域分割及骨架线提取设备的方法。
骨骼力学结构的区域分割及骨架线提取设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与人体骨骼力学结构的区域分割及骨架线提取设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以是人体骨骼力学结构的区域分割及骨架线提取设备的显示设备等输出设备。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
本申请实施例的人体骨骼力学结构的区域分割及骨架线提取设备,可以用于执行本申请上述各方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述任一项的骨骼力学结构的区域分割及骨架线提取方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时,用于实现上述任一项的人体骨骼力学结构的区域分割及骨架线提取方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (8)
1.一种人体骨骼力学结构的区域分割及骨架线提取方法,其特征在于,包括:
建立骨骼力学标准体位;
根据所述骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据;
对所述标准骨组织图像横截面数据进行像素点灰度值定向叠加,并根据叠加处理后的标准骨组织图像横截面数据建立骨量叠加数据库,其中,所述骨量叠加数据库中包括多个骨量叠加值数据;
对所述骨量叠加数据库中的图像数据进行过滤和填充处理,得到待提取图像;
对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线;
所述对所述骨量叠加数据库中的图像数据进行过滤和填充处理,得到待提取图像,包括:
根据动态阈值分割算法,对所述骨量叠加数据库中的骨量叠加值数据进行过滤,得到待填充图像;
对所述待填充图像进行空隙填充处理,得到所述待提取图像,其中,所述待提取图像为主要负荷骨结构区域图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据,包括:
根据所述骨骼力学标准体位,对待处理骨骼影像进行标准横断面提取,得到连续多个标准横断面;
对所述多个标准横断面进行骨阈值分割处理,得到多个标准骨组织图像横截面数据;所述骨阈值为预设灰度值阈值。
3.根据权利要求1所述的方法,其特征在于,所述根据动态阈值分割算法,对所述骨量叠加数据库中的骨量叠加值数据进行过滤,得到待填充图像,包括:
删除所述图像数据中小于第一预设阈值的数据点,得到待填充图像。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线,包括:
根据骨架线提取算法,对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线。
5.根据权利要求1至3任一项所述的方法,其特征在于,在所述对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线之后,还包括:
根据所述主要负荷骨区域及骨架线,分析所述待处理骨骼影像的力学空间分布规律。
6.一种人体骨骼力学结构的区域分割及骨架线提取装置,其特征在于,包括:
建立模块,用于建立骨骼力学标准体位;
第一处理模块,用于根据所述骨骼力学标准体位,对待处理骨骼影像进行分割提取处理,得到标准骨组织图像横截面数据;
第二处理模块,用于对所述标准骨组织图像横截面数据进行像素点灰度值定向叠加,并根据叠加处理后的标准骨组织图像横截面数据建立骨量叠加数据库,其中,所述骨量叠加数据库中包括多个骨量叠加值数据;
第三处理模块,用于对所述骨量叠加数据库中的图像数据进行过滤和填充处理,得到待提取图像;
所述第三处理模块,具体用于根据动态阈值分割算法,对所述骨量叠加数据库中的骨量叠加值数据进行过滤,得到待填充图像;对所述待填充图像进行空隙填充处理,得到所述待提取图像,其中,所述待提取图像为主要负荷骨结构区域图像;
提取模块,用于对所述待提取图像进行骨架线提取,得到所述待处理骨骼影像的主要负荷骨区域及骨架线。
7.一种人体骨骼力学结构的区域分割及骨架线提取设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至5任一项所述的人体骨骼力学结构的区域分割及骨架线提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211152.0A CN115131367B (zh) | 2022-03-03 | 2022-03-03 | 人体骨骼力学结构的区域分割及骨架线提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211152.0A CN115131367B (zh) | 2022-03-03 | 2022-03-03 | 人体骨骼力学结构的区域分割及骨架线提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115131367A CN115131367A (zh) | 2022-09-30 |
CN115131367B true CN115131367B (zh) | 2023-09-01 |
Family
ID=83376772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210211152.0A Active CN115131367B (zh) | 2022-03-03 | 2022-03-03 | 人体骨骼力学结构的区域分割及骨架线提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115131367B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5772592A (en) * | 1996-01-08 | 1998-06-30 | Cheng; Shu Lin | Method for diagnosing and monitoring osteoporosis |
CN104519793A (zh) * | 2012-05-08 | 2015-04-15 | 安吉奥梅特里克斯公司 | 用于内腔的线性映射的系统 |
CN106447787A (zh) * | 2016-09-18 | 2017-02-22 | 北京理工大学 | 骨骼ct值与弹性模量关系确定方法及其试验加载装置 |
CN108498075A (zh) * | 2017-02-24 | 2018-09-07 | 西门子保健有限责任公司 | 骨骼健康的个性化评估 |
CN108520211A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 基于手指折痕的手指静脉图像特征的提取方法 |
CN110074803A (zh) * | 2018-01-25 | 2019-08-02 | 株式会社岛津制作所 | 骨密度测定装置以及骨密度摄影方法 |
CN112489005A (zh) * | 2020-11-26 | 2021-03-12 | 推想医疗科技股份有限公司 | 骨分割方法及装置、骨折检出方法及装置 |
CN113763324A (zh) * | 2021-08-02 | 2021-12-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、计算机可读存储介质、处理器和系统 |
CN114066886A (zh) * | 2022-01-11 | 2022-02-18 | 北京威高智慧科技有限公司 | 骨骼分割边界确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-03 CN CN202210211152.0A patent/CN115131367B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5772592A (en) * | 1996-01-08 | 1998-06-30 | Cheng; Shu Lin | Method for diagnosing and monitoring osteoporosis |
CN104519793A (zh) * | 2012-05-08 | 2015-04-15 | 安吉奥梅特里克斯公司 | 用于内腔的线性映射的系统 |
CN106447787A (zh) * | 2016-09-18 | 2017-02-22 | 北京理工大学 | 骨骼ct值与弹性模量关系确定方法及其试验加载装置 |
CN108498075A (zh) * | 2017-02-24 | 2018-09-07 | 西门子保健有限责任公司 | 骨骼健康的个性化评估 |
CN110074803A (zh) * | 2018-01-25 | 2019-08-02 | 株式会社岛津制作所 | 骨密度测定装置以及骨密度摄影方法 |
CN108520211A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 基于手指折痕的手指静脉图像特征的提取方法 |
CN112489005A (zh) * | 2020-11-26 | 2021-03-12 | 推想医疗科技股份有限公司 | 骨分割方法及装置、骨折检出方法及装置 |
CN113763324A (zh) * | 2021-08-02 | 2021-12-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、计算机可读存储介质、处理器和系统 |
CN114066886A (zh) * | 2022-01-11 | 2022-02-18 | 北京威高智慧科技有限公司 | 骨骼分割边界确定方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
The segmentation of bones in pelvic CT images based on extraction of key frames;Yu H et al.;《BMC medical imaging》;1-14 * |
Also Published As
Publication number | Publication date |
---|---|
CN115131367A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Buie et al. | Automatic segmentation of cortical and trabecular compartments based on a dual threshold technique for in vivo micro-CT bone analysis | |
Slyfield et al. | Three‐dimensional dynamic bone histomorphometry | |
Pauchard et al. | Interactive graph-cut segmentation for fast creation of finite element models from clinical ct data for hip fracture prediction | |
Stauber et al. | Volumetric spatial decomposition of trabecular bone into rods and plates—a new method for local bone morphometry | |
US9384555B2 (en) | Motion correction apparatus and method | |
Laib et al. | Comparison of structure extraction methods for in vivo trabecular bone measurements | |
CN110544245B (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
CN109830289B (zh) | 肋骨图像显示装置 | |
CN113781439B (zh) | 超声视频病灶分割方法及装置 | |
EP3364370A1 (en) | Display grayscale curve correction system and method for mammary gland molybdenum target image | |
CN102419864B (zh) | 一种提取脑部ct图像骨骼方法及装置 | |
Mohamed et al. | A novel morphological analysis of DXA-DICOM images by artificial neural networks for estimating bone mineral density in health and disease | |
JP4668289B2 (ja) | 画像処理装置および方法並びにプログラム | |
Ohs et al. | Automated segmentation of fractured distal radii by 3D geodesic active contouring of in vivo HR-pQCT images | |
CN115131367B (zh) | 人体骨骼力学结构的区域分割及骨架线提取方法及装置 | |
CN108399354A (zh) | 计算机视觉识别肿瘤的方法和装置 | |
CN111723836A (zh) | 图像相似度的计算方法及装置、电子设备、存储介质 | |
CN103871057A (zh) | 基于磁共振图像的骨骼分割的方法及其系统 | |
Zhou et al. | In vivo precision of digital topological skeletonization based individual trabecula segmentation (ITS) analysis of trabecular microstructure at the distal radius and tibia by HR-pQCT | |
Roland et al. | An optimization algorithm for individualized biomechanical analysis and simulation of tibia fractures | |
Keating et al. | Evaluation of statistical shape modeling in quantifying femoral morphologic differences between symptomatic and nonsymptomatic hips in patients with unilateral femoroacetabular impingement syndrome | |
CN112967254A (zh) | 基于胸部ct影像肺部疾病识别和检测方法 | |
Arnone et al. | Variability of human femoral geometry and its implications on nail design | |
Piccinini et al. | Factors affecting subject-specific finite element models of implant-fitted rat bone specimens: critical analysis of a technical protocol | |
CN112102284B (zh) | 图像分割模型的训练样本的标记方法、训练方法及装置 |
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 |