CN115131388A - 骨量定向叠加计算的提取方法、装置及设备 - Google Patents
骨量定向叠加计算的提取方法、装置及设备 Download PDFInfo
- Publication number
- CN115131388A CN115131388A CN202210209911.XA CN202210209911A CN115131388A CN 115131388 A CN115131388 A CN 115131388A CN 202210209911 A CN202210209911 A CN 202210209911A CN 115131388 A CN115131388 A CN 115131388A
- Authority
- CN
- China
- Prior art keywords
- bone
- image
- bone mass
- determining
- mass
- 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.)
- Granted
Links
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 674
- 238000000605 extraction Methods 0.000 title claims abstract description 75
- 238000004364 calculation method Methods 0.000 title claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 102
- 238000012545 processing Methods 0.000 claims abstract description 60
- 230000011218 segmentation Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000010586 diagram Methods 0.000 claims abstract description 28
- 230000000877 morphologic effect Effects 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 description 44
- 238000002591 computed tomography Methods 0.000 description 40
- 238000003709 image segmentation Methods 0.000 description 20
- 230000001186 cumulative effect Effects 0.000 description 6
- 210000002414 leg Anatomy 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000037182 bone density Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000000689 upper leg Anatomy 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 210000001930 leg bone Anatomy 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003562 morphometric effect Effects 0.000 description 1
- 238000013425 morphometry Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer 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
- G06T7/10—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
- 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
- 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)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请实施例提供一种骨量定向叠加计算的提取方法、装置及设备。该方法包括:获取对预设对象进行拍摄得到的初始影像图像;对初始影像图像进行骨骼分割提取处理,得到初始影像图像中对应的骨骼图像;获取骨骼图像的连续多个截面图像;获取每个截面图像对应的骨量信息,并根据多个截面图像对应的骨量信息确定初始影像图像对应的骨量分布数据库和骨量分布形态示量图。提高了确定骨骼量化信息的准确性。
Description
技术领域
本申请实施例涉及影像处理技术领域,尤其涉及一种骨量定向叠加计算的提取方法、装置及设备。
背景技术
骨骼是人体运动系统的主要力学承担组织,依据伍尔夫(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,通过对骨量在空间特定方位的分布描述,有助于理解力在空间中的分布传递规律。目前,可以通过医疗设备获取人或动物的医学影像图像(例如,CT图像、X射线图像等),以使医生结合医学影像图像进行医疗诊断。医学影像图像的影像数据中像素点灰度值或信号值大小的分别可反映出骨量的大小和分布,因此通过对影像数据中骨骼的空间定向分析,可反映骨量在特定空间方位的分布情况,从而实现对骨组织在某特定空间方位中力学传递规律的描述。以股骨近端为例,股骨近端冠状面的骨量分布可反映出冠状面的力学分布规律。
在相关技术中,医生获得股骨近端的医学影像图像后,可以根据经验观察医学影像图像,以确定骨骼信息(例如,骨骼的骨量空间分布情况、骨密度空间分布情况等)。然而,在上述过程中,医生根据经验可能无法准确的确定骨骼量化信息,导致确定骨骼量化信息的准确性差。
发明内容
本申请实施例提供一种骨量定向叠加计算的提取方法、装置及设备,用以提高确定骨骼量化信息的准确性。
第一方面,本申请实施例提供一种骨量定向叠加计算的提取方法,包括:
获取对预设对象进行拍摄得到的初始影像图像;
对所述初始影像图像进行骨骼分割提取处理,得到所述初始影像图像中对应的骨骼图像;
获取所述骨骼图像的连续多个截面图像;
获取每个截面图像对应的骨量信息,并根据所述多个截面图像对应的骨量信息确定所述初始影像图像对应的骨量分布数据库和骨量分布形态示量图。
在一种可能的实施方式中,针对任意一个截面图像;获取所述截面图像对应的骨量信息,包括:
对所述截面图像进行骨组织分割提取处理,以获取所述截面图像对应的骨组织图像;
根据所述骨组织图像,确定所述截面图像对应的骨量信息。
在一种可能的实施方式中,对所述截面图像进行骨组织分割提取处理,以获取所述截面图像对应的骨组织图像,包括:
获取所述截面图像中各像素点对应的骨量;
在所述截面图像中去除骨量小于或等于预设阈值的像素点,以得到所述骨组织图像。
在一种可能的实施方式中,根据所述骨组织图像,确定所述截面图像对应的骨量信息,包括:
确定所述骨组织图像中各定向沿线像素点对应的骨量之和,得到连续多个累加骨量;
确定所述骨量信息包括所述连续多个累加骨量。
在一种可能的实施方式中,根据所述连续多个截面图像对应的骨量信息确定所述初始影像图像对应的骨量分布数据库和骨量形态分布示量图,包括:
根据所述连续多个截面图像对应的骨量信息,确定所述骨骼图像中各位点对应的累加骨量;
根据所述骨骼图像各位点对应的累加骨量,确定所述骨量分布数据库和骨量形态分布示量图。
在一种可能的实施方式中,根据所述骨骼图像中各位点对应的累加骨量,确定所述骨量形态分布示量图,包括:
根据所述骨骼图像中各位点对应的累加骨量,确定所述骨骼图像中各位点对应的RGB值;
根据所述骨骼图像中各位点对应的RGB值,生成所述骨量形态分布示量图。
在一种可能的实施方式中,获取所述骨骼图像的连续多个截面图像之前,还包括:
对所述骨骼图像进行体位校准处理,其中,体位校准处理后的骨骼图像的体位为标准体位。
第二方面,本申请实施例提供一种骨量定向叠加计算的提取装置,包括:第一获取模块、处理模块、第二获取模块、第三获取模块和确定模块,其中,
所述第一获取模块用于,获取对预设对象进行拍摄得到的初始影像图像;
所述处理模块用于,对所述初始影像图像进行骨骼分割提取处理,得到所述初始影像图像中对应的骨骼图像;
所述第二获取模块用于,获取所述骨骼图像的连续多个截面图像;
所述第三获取模块用于,获取每个截面图像对应的骨量信息;
所述确定模块用于,根据所述多个截面图像对应的骨量信息确定所述初始影像图像对应的骨量分布数据库和骨量形态分布示量图。
在一种可能的实施方式中,所述第三获取模块具体用于:
对所述截面图像进行骨组织分割提取处理,以获取所述截面图像对应的骨组织图像;
根据所述骨组织图像,确定所述截面图像对应的骨量信息。
在一种可能的实施方式中,所述第三获取模块具体用于:
获取所述截面图像中各像素点对应的骨量;
在所述截面图像中去除骨量小于或等于预设阈值的像素点,以得到所述骨组织图像。
在一种可能的实施方式中,所述第三获取模块具体用于:
确定所述骨组织图像中各定向沿线像素点对应的骨量之和,得到连续多个累加骨量;
确定所述骨量信息包括所述连续多个累加骨量。
在一种可能的实施方式中,所述确定模块具体用于:
根据所述连续多个截面图像对应的骨量信息,确定所述骨骼图像中各位点对应的累加骨量;
根据所述骨骼图像中各位点对应的累加骨量,确定所述骨量分布数据库和骨量形态分布示量图。
在一种可能的实施方式中,所述确定模块具体用于:
根据所述骨骼图像中各位点对应的累加骨量,确定所述骨骼图像中各位点对应的RGB值;
根据所述骨骼图像中各位点对应的RGB值,生成所述骨量形态分布示量图。
在一种可能实施的方式中,所述装置还包括校准模块,其中,
所述校准模块用于,对所述骨骼图像进行体位校准处理,其中,体位校准处理后的骨骼图像的体位为标准体位。
第三方面,本申请实施例提供一种计算机设备,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行第一方面任一项所述的骨量定向叠加计算的提取方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的骨量定向叠加计算的提取方法。
第五方面,本申请实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面任一项所示的骨量定向叠加计算的提取方法。
本申请实施例提供的一种骨量定向叠加计算的提取方法、装置及设备,计算机设备可以获取对预设对象进行拍摄得到的初始影像图像。计算机设备可以通过图像分割算法对初始影像图像进行骨骼分割提取处理,获得骨骼图像,并获得骨骼图像的连续多个截面图像。计算机设备可以通过图像阈值分割算法对多个截面图像进行骨组织分割提取处理,获得对应的骨组织图像。计算机设备可以通过像素点灰度值定向叠加算法,确定骨组织图像中的连续多个累加骨量,并确定多个截面图像对应的骨量信息,再进一步确定骨骼图像对应的骨量分布数据库和骨量形态分布示量图,从而可以确定初始影像图像对应的骨量分布数据库和骨量形态分布示量图。该骨量形态分布示量图可以准确的表示骨骼中在特定方位的骨量分布情况,无需依赖于医生的经验确定骨骼量化信息,提高了确定骨骼量化信息的准确性。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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应用场景的示意图;
图2为本申请实施例提供的一种骨量定向叠加计算的提取方法的流程示意图;
图3为本申请实施例提供的骨骼图像的示意图;
图4为本申请实施例提供的连续多个截面图像的示意图;
图5为本申请实施例提供的骨组织图像的示意图;
图6为本申请实施例提供的一个骨组织图像对应的骨量信息的折线图;
图7为本申请实施例提供的另一种骨量定向叠加计算的提取方法的流程示意图;
图8为本申请实施例提供的骨组织图像、截面图像和骨骼图像对应的累加骨量的关系示意图;
图9为本申请实施例提供的一种骨量定向叠加计算的提取方法的过程示意图;
图10为本申请实施例提供的一种骨量定向叠加计算的提取装置的结构示意图;
图11为本申请实施例提供的另一种骨量定向叠加计算的提取装置的结构示意图;
图12为本申请实施例提供一种计算机设备的结构示意图。
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申请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、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
图1为本申请实施例提供的应用场景的示意图。请参见图1,包括医疗设备101和计算机设备102。医疗设备102和计算机设备102可以通过有线网络或者无线网络的方式连接。
在进行骨骼相关的医疗诊断时,医生可以使用医疗设备101对人体部位进行拍摄,获得医学影像图像。例如,CT图像、X射线图像等。获得医学影像图像之后,可以通过人为或者自动的方式将医学影像图像导入计算机设备102。计算机设备102可以对医学影像图像进行处理,以获得更准确的骨骼量化信息。例如,CT值(Hu值)、骨量、骨密度等。计算机设备102可以显示骨骼信息,也可以向其他设备发送骨骼量化信息,以便医生可以查看。
其中,医疗设备101可以为电子计算机断层扫描(Computed Tomography,CT)仪器、磁共振成像(Magnetic Resonance Imaging,MRI)、数字化双能X线骨密度仪(Dual-emission X-ray Absorptiometry,DXA)等。
在相关技术中,在医生进行骨骼相关的医疗诊断时,医生在获取得到医学影像图像后,可以根据经验观察医学影像图像,以确定骨骼信息(例如,骨骼的骨量空间分布情况、骨密度空间分布情况等)。然而,在上述过程中,医生根据经验可能无法准确的确定骨骼量化信息,导致确定骨骼量化信息的准确性差。
在本申请实施例中,计算机设备可以接收医疗设备拍摄的医学影像图像,并且可以通过算法对医学影像图像进行处理,以获取更准确的骨骼量化信息,提高了确定骨骼量化信息的准确性。
下面,通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是,下面几个实施例可以单独存在,也可以相互结合,对于相同或相似的内容,在不同的实施例中不再重复说明。
图2为本申请实施例提供的一种骨量定向叠加计算的提取方法的流程示意图。请参见图2,该方法可以包括:
S201、计算机设备获取对预设对象进行拍摄得到的初始影像图像。
本申请实施例的执行主体可以为计算机设备,也可以为设置在计算机设备中的骨量定向叠加计算的提取装置。骨量定向叠加计算的提取装置可以通过软件实现,也可以通过软件和硬件的结合实现。骨量定向叠加计算的提取装置可以为计算机设备中的处理器。为了便于理解,在下文中,以执行主体为计算机设备为例进行说明。
计算机设备可以是能够进行图像处理的电子设备。计算机设备可以包括处理器、存储器和显示器等部件。
预设对象可以是人或动物需要进行诊断的特定部位。例如,预设对象可以是人体的腿部。
初始影像图像是指通过医疗设备拍摄得到的图像。例如,初始影像图像可以为CT图像。图像中每个像素点的灰度值分别对应了不同的CT值。通常用CT值来反映骨量。CT值的单位为亨氏(Hounsfiled unit,Hu)单位。例如,CT值可以为100Hu。
可以使用医疗设备对预设对象进行拍摄,获得初始影像图像。可选的,可以对预设对象进行多次拍摄,以获得多张初始影像图像。
计算机设备可以通过如下3种方式获取初始影像图像。
方式1:可以通过有线网络的方式。例如,可以使用数据线连接医疗设备和计算机设备的硬件接口。医疗设备可以通过数据线向计算机设备发送初始影像图像,以使计算机设备获取初始影像图像。
方式2:可以通过无线网络的方式。无线网络可以为蓝牙(Bluetooth,BT)、无线网络通信技术(Wireless Fidelity,Wi-Fi)等。医疗设备可以通过无线网络向计算机设备发送初始影像图像,以使计算机设备获取初始影像图像。
方式3:工作人员将初始影像图像拷贝至计算机设备,以使计算机设备获取到初始影像图像。
S202、计算机设备对初始影像图像进行骨骼分割提取处理,得到初始影像图像中对应的骨骼图像。
骨骼图像可以是针对是初始影像图像中全部骨骼,或者部分骨骼提取到的图像。
在对初始影像图像进行骨骼分割提取处理前,可以通过人为或者自动的方式将初始影像图像中的骨骼标记出来。例如,若初始影像图像是人体腿部的图像,则可以通过人为标记或者算法自动标记的方式,对人体腿部的骨骼区域进行标记。
计算机设备可以通过基于区域的图像分割算法对初始影像图像进行骨骼分割提取处理,得到初始影像图像中对应的骨骼图像。
图像分割算法是按照一定的规则将图像划分为若干个特定区域,并可以将特定区域提取出来的算法。图像分割算法可以保留图像中的重要特征信息,又有效减少图像中的无用数据,可以提高后续图像处理的准确性。图像分割算法可以包括基于阈值的图像分割算法、基于区域的图像分割算法、基于边缘的图像分割算法以及基于特定理论的图像分割算法等。
下面,结合图3,对初始影像图像中对应的骨骼图像进行说明。
图3为本申请实施例提供的骨骼图像的示意图。请参见图3,包括初始影像图像和骨骼图像。
初始影像图像为人体腿部图像,包括腿部骨骼和腿部肌肉等组织。
计算机设备可以通过基于区域的图像分割算法,将初始影像图像中的腿部骨骼区域和腿部肌肉等软组织区域区分出来,可以针对部分骨骼进行分割提取处理,以获得初始影像图像中对应的骨骼图像。
S203、计算机设备获取骨骼图像的连续多个截面图像。
截面图像是根据骨骼图像中的骨骼获取的横断面图像。可以对骨骼图像中的骨骼进行连续分割,以得到连续多个截面图像。
计算机设备获取骨骼图像的连续多个截面图像之前,可以对骨骼图像进行体位校准处理,其中,体位校准处理后的骨骼图像的体位为标准体位。
具体的,计算机设备对骨骼图像进行体位校准处理时,可以针对骨骼图像中的骨骼选择标记点,并根据标记点建立特定不同方位的参考线。例如,参考线可以为骨骼图像中骨骼不同部位的中轴线。
当骨骼图像中骨骼的正视图垂直于至少特定两条参考线的法线时,则对骨骼图像的体位校准处理成功,骨骼图像的体位为标准体位。标准体位可以为力学体位或者解剖体位等,可以按照需求确定对应的体位,本申请对此不进行限制。
当骨骼图像的体位为标准体位时,则计算机设备可以通过图像分割算法,对骨骼图像中骨骼进行连续的分割提取处理,以得到对应的连续多个截面图像。
下面,结合图4,对骨骼图像的连续多个截面图像进行说明。
图4为本申请实施例提供的连续多个截面图像的示意图。请参见图4,包括骨骼图像、截面图像1和截面图像2。
计算机设备可以通过图像分割算法,分别对骨骼图像中骨骼的顶端和中部进行分割提取处理,得到骨骼顶端对应的截面图像1和骨骼中部对应的截面图像2。
S204、计算机设备获取每个截面图像对应的骨量信息,并根据多个截面图像对应的骨量信息确定初始影像图像对应的骨量分布数据库和骨量分布形态示量图。
可以通过如下方式获取截面图像对应的骨量信息:对截面图像进行骨组织分割提取处理,以获取截面图像对应的骨组织图像;根据骨组织图像,确定截面图像对应的骨量信息。
由于截面图像中的骨骼包括骨组织和其他软组织等,则可以通过基于阈值的图像分割算法对截面图像进行骨组织分割提取处理,以获取截面图像对应的骨组织图像。
具体的,可以通过如下方式获取截面图像对应的骨组织图像:获取截面图像中各像素点对应的灰度值,则可以获取对应的骨量;在截面图像中去除对应的骨量小于或等于预设阈值的像素点,以得到骨组织图像。
截面图像中每个像素点的灰度值分别对应不同的CT值,通常用CT值来反映骨量,即截面图像中每个像素点的灰度值对应不同的骨量。
计算机设备可以对截面图像中各像素点的灰度值进行识别,从而可以获取对应的CT值,即可以获取各像素点对应的骨量。
预设阈值可以是骨阈值。例如,预设阈值可以为148Hu。
计算机设备获取截面图像中各像素点对应的CT值之后,则可以通过图像阈值分割算法,将各像素点对应的CT值与预设阈值做对比,以得到骨组织图像。若像素点对应的CT值大于预设阈值,则可以保留该像素点;若像素点对应的CT值小于或者等于预设阈值,则可以去除掉该像素点。例如,若预设阈值为148Hu,截面图像中像素点a对应的CT值为100Hu,像素点b对应的CT值为500Hu,其中,a点对应的CT值100Hu小于预设阈值148Hu,则可以将像素点a除掉;b点对应的CT值500Hu大于预设阈值148Hu,则需保留像素点b。
下面,结合图5,对骨组织图像进行说明。
图5为本申请实施例提供的骨组织图像的示意图。请参见图5,计算机设备可以通过图像阈值分割算法,对截面图像1中的骨组织进行分割分割提取处理,即计算机可以图像阈值分割算法,识别出截面图像1中像素点对应的CT值大于预设阈值的部分、小于或者等于预设阈值的部分,并将大于预设阈值的部分保留下来,小于或者等于预设阈值的部分去除掉,则可以得到对应的骨组织图像1。
同样的,计算机设备可以对截面图像2中的骨组织进行分割提取处理,以获得对应的骨组织图像2。
可选的,计算机设备通过基于阈值的图像分割算法,对截面图像进行分割提取处理时,也可以设定预设阈值范围。例如,预设阈值范围可以为148Hu-1898Hu。若截面图像中各像素点对应的CT值超出预设阈值范围,则去除该像素点;若截面图像中各像素点对应的CT值处于预设阈值范围之内,则保留该像素点。
计算机设备通过图像阈值分割算法获取骨组织图像之后,则可以根据骨组织图像确定截面图像中的骨量信息。
可以通过如下方式确定截面图像中的骨量信息:确定骨组织图像中各定向沿线像素点对应的骨量之和,得到连续多个累加骨量;确定骨量信息包括连续多个累加骨量。
定向沿线是指骨组织图像中在特定方向上的沿线,例如,定向沿线可以是骨组织图像中在纵向的沿线,骨组织图像中可以包括多条连续平行的纵向沿线。每条纵向沿线上可以包括多个像素点,例如,一条纵向沿线上可以包括一列像素点。
计算机设备可以确定骨组织图像中各个像素点对应的骨量,并通过像素点灰度值定向叠加算法,对骨组织图像中的某条定向沿线上的各个像素点对应的骨量进行定向叠加,得到该条定向沿线像素点对应的骨量之和,即可以得到该条定向沿线像素点对应的一个累加骨量。
相应的,计算机设备可以对骨组织图像中的连续多条定向沿线上的各个像素点对应的骨量进行定向叠加,得到连续多条定向沿线像素点分别对应的骨量之和,则可以得到连续多条定向沿线像素点对应的连续多个累加骨量。
由于骨量通常用CT值来表达,则计算机设备可以确定骨组织图像中各个像素点对应的CT值,并通过像素点灰度值定向叠加算法,对骨组织图像中的各定向沿线上的各个像素点对应的CT值进行定向叠加,获得连续多条定向沿线像素点分别对应的CT值之和,则可以得到连续多个累加CT值,即得到连续多个累加骨量。例如,若定向沿线是某条纵向沿线,该纵向沿线上包括3个像素点,像素点1对应的骨量为150Hu,像素点2对应的骨量为0Hu,像素点3对应的骨量为200Hu,则对该纵向沿线上3个像素点对应的CT值进行定向叠加,得到CT值之和为350Hu,则可以得到对应的一个累加骨量为350Hu。
计算机设备得到一个骨组织图像对应的多个连续累加骨量,可以将该多个连续累加骨量确定为该骨组织图像对应的骨量信息。
计算机设备可以通过像素点灰度值定向叠加算法,获得各个骨组织图像分别对应的多个连续累加骨量,从而确定各个骨组织图像对应的骨量信息。各个骨组织图像对应的骨量信息可以分别包括连续多个累加骨量,可以通过折线图表达骨量信息,代表了骨量在特定方位的分布情况。
下面,结合图6,对一个骨组织图像对应的骨量信息进行说明。
图6为本申请实施例提供的一个骨组织图像对应的骨量信息的折线图。请参见图6,计算机设备对骨组织图像中的每列像素点的CT值进行定向叠加,获得每列像素点对应的CT值之和,则可以得到连续多个累加骨量。骨量信息包括连续多个累加骨量,可以通过折线图表达骨量信息。如图6,在骨组织图像中,灰色部分表示骨组织。每列像素点对应的骨组织多的部分,则在折线图上对应的累加骨量大;每列像素点对应的骨组织少的部分,则在折线图上对应的累加骨量小。
由于骨组织图像与截面图像是一一对应的关系,则各个骨组织图像的骨量信息即为对应的各个截面图像的骨量信息。
计算机设备获取多个截面图像对应的骨量信息之后,则根据多个截面图像对应的骨量信息,确定初始影像图像对应的骨量分布数据库和骨量形态分布示量图。
具体的,计算机设备可以根据连续多个截面图像对应的骨量信息,确定骨骼图像中各位点的累加骨量;根据骨骼图像中各位点对应的累加骨量,确定骨量分布数据库和骨量形态分布示量图。
位点是指骨骼图像中各数据点的位置。由于截面图像是针对骨骼图像中的骨骼,并垂直于骨骼进行分割提取处理得到的,则截面图像垂直于骨骼图像的正视图投影,截面图像中一列像素点对应骨骼图像中的一个位点。骨骼图像中一个位点对应的累加骨量对应一个截面图像的骨量信息中的一个累加骨量。截面图像中的累加骨量即为骨组织图像中的各定向沿线像素点的累加骨量,则一个位点对应的累加骨量为一条定向沿线像素点的累加骨量。
计算机设备可以获取到多个截面图像对应的骨量信息,骨量信息中包括连续多个累加骨量。由于多个截面图像是根据骨骼图像中骨骼的不同部位提取得到的,截面图像与骨骼图像中骨骼的部位一一对应,则可以根据多个截面图像中的累加骨量确定对应的骨骼图像中各位点对应的累加骨量。
确定骨骼图像中各位点对应的累加骨量后,即确定了骨骼图像的骨量信息,则可以将骨量信息保存在骨量分布数据库中,以便生成骨量形态分布示量图时调用。
可以通过如下方式确定骨量形态分布示量图:根据定向骨骼图像中各位点对应的累加骨量,确定骨骼图像中各位点对应的RGB值;根据骨骼图像中各位点对应的RGB值,生成骨量形态分布示量图。
RGB的色度范围可以通过人为设定。计算机设备可以通过像素点灰度值定向叠加算法,根据色度范围和骨量分布数据库中的骨量信息,确定各位点对应的RGB值。
例如,若骨骼图像中位点A对应的累加骨量为200Hu,则对应的RGB值可以为(0,0,255),显示为蓝色。若骨骼图像中位点B对应的累加骨量为1000Hu,则对应的RGB值可以为(255,0,0),显示为红色。骨骼图像中各位点对应的累加骨量由小到大,对应的显示色度可以由蓝到红。计算机设备确定骨骼图像中各位点对应的RGB值之后,则根据骨骼图像中各位点对应的RGB值,通过像素点灰度值定向叠加算法生成有色彩的骨量形态分布示量图。
可以将骨骼图像对应的骨量分布数据库和骨量形态分布示量图确定为初始影像图像对应的骨量定向叠加分布数据库和骨量形态分布示量图。计算机设备确定骨量形态分布示量图之后,可以通过显示器显示骨量形态分布示量图,还可以向其他电子设备发送骨量形态分布示量图,以使医生可以查看骨量形态分布示量图。
在本申请实施例中,计算机设备可以通过图像分割算法对初始影像图像进行骨骼分割提取处理,获得骨骼图像,并获得骨骼图像的连续多个截面图像。计算机设备可以通过图像阈值分割算法对多个截面图像进行骨组织分割提取处理,获得对应的多个骨组织图像。计算机设备可以通过像素点灰度值定向叠加算法,得到多个骨组织图像分别对应的连续多个累加骨量,并确定多个骨组织图像对应的骨量信息,从而确定多个截面图像对应的骨量信息,再进一步确定骨骼图像对应的骨量分布数据库和骨量形态分布示量图,从而可以确定初始影像图像对应的骨量分布数据库和骨量形态分布示量图。该骨量形态分布示量图可以准确的表示骨骼在特定方位的骨量分布情况,无需依赖医生的经验确定骨量量化信息,提高了确定骨量量化信息的准确性。
在图2所示实施例的基础上,下面,结合图7,对上述骨量定向叠加计算的提取方法进行进一步详细说明。图7为本申请实施例提供的另一种骨量定向叠加计算的提取方法的流程示意图。请参见图7,该方法可以包括:
S701、获取对预设对象进行拍摄得到的初始影像图像。
需要说明的是,步骤S701的执行过程可以参考步骤S201的执行过程,在此不再进行赘述。
S702、对初始影像图像进行骨骼分割提取处理,得到初始影像图像中对应的骨骼图像。
需要说明的是,步骤S702的执行过程可以参考步骤S202的执行过程,在此不再进行赘述。
S703、对骨骼图像进行体位校准处理。
计算机设备可以对骨骼图像中的骨骼选择标记点,并根据标记点建立不同方位的参考线。例如,参考线可以为骨骼图像中不同部位的中轴线。
当骨骼图像中骨骼的正视图垂直于至少两条特定参考线的法线时,则对骨骼图像的体位校准处理成功,骨骼图像的体位为标准体位。
S704、获取骨骼图像的连续多个截面图像。
当计算机设备对骨骼图像进行体位校准处理后,则计算机设备可以通过图像分割算法对骨骼图像中的骨骼区域进行分割提取处理,得到骨骼区域对应的连续多个截面图像。例如,可以通过图像分割算法对骨骼图像中的骨骼进行分割提取处理,则可以分别提取到连续多个截面图像,其中可以包括骨骼底端、骨骼中部、骨骼顶端对应的3个截面图像。
S705、对截面图像进行骨组织分割提取处理,以获取截面图像对应的骨组织图像。
计算机设备可以对截面图像中各像素点的灰度值进行识别,从而可以获取对应的CT值,即可以获取各像素点对应的骨量。计算机设备可以通过图像阈值算法,将各像素点对应的CT值与预设阈值做对比,以分割提取到骨组织图像。其中,若像素点的CT值大于预设阈值,则可以保留该像素点;若像素点的CT值小于或者等于预设阈值,则可以去除掉该像素点。
S706、根据骨组织图像,确定截面图像对应的骨量信息。
计算机设备可以通过像素点灰度值定向叠加算法,对骨组织图像中的定向沿线上各个像素点对应的CT值进行定向叠加,获得各定向沿线像素点对应的CT值之和,即骨量之和,则可以得到多个累加骨量。每个骨组织图像对应的骨量信息中可以包括连续多个累加骨量。骨量信息可以通过折线图表达骨量在特定方位的分布情况。
计算机设备获取了骨组织图像的骨量信息,即获取了对应的各个截面图像对应的骨量信息。每个截面图像对应的骨量信息中分别包括连续多个累加骨量。
S707、根据多个截面图像对应的骨量信息,确定骨骼图像中各位点对应的累加骨量。
由于截面图像与骨组织图像一一对应,截面图像对应的骨量信息与骨组织图像对应的骨量信息一一等同,骨组织图像对应的骨量信息中的各个累加骨量是各定向沿线像素点对应的骨量之和,截面图像中各定向沿线又与骨骼图像中的各位点一一对应,则可以根据骨组织图像中各定向沿线像素点对应的累加骨量,确定截面图像中各定向沿线像素点对应的累加骨量,进而确定骨骼图像中各位点对应的累加骨量。
下面,结合图8,对骨组织图像、截面图像和骨骼图像对应的累加骨量的关系进行说明。
图8为本申请实施例提供的骨组织图像、截面图像和骨骼图像对应的累加骨量的关系示意图。请参见图8,计算机设备可以对骨骼图像的不同部位进行多次分割提取处理,得到截面图像1和对应的骨组织图像1、截面图像2和对应的骨组织图像2。骨组织图像1中可以包括定向沿线A1和定向沿线A2,分别对应截面图像1中的定向沿线B1和定向沿线B2。骨组织图像2中可以包括定向沿线A3,对应截面图像2中的定向沿线B3。
若计算机设备对骨组织图像1中的定向沿线A1上各个像素点对应的骨量进行定向叠加,得到定向沿线A1像素点对应的累加骨量为150Hu,则可以确定对应的截面图像1中定向沿线B1像素点对应的累加骨量为150Hu;同样的,若对骨组织图像1中的定向沿线A2上各个像素点对应的骨量进行定向叠加,得到定向沿线A2像素点对应的累加骨量为200Hu,则可以确定对应的截面图像1中定向沿线B2像素点对应的累加骨量为200Hu;同样的,若对骨组织图像2中的定向沿线A3上各个像素点对应的骨量进行定向叠加,得到定向沿线A3像素点对应的累加骨量为300Hu,则对应的截面图像2中定向沿线B3对应的累加骨量为300Hu。
由于截面图像是垂直于骨骼图像进行分割提取得到的横断面图像,将截面图像垂直于骨骼图像的正视图进行投影,则截面图像中的一条定向沿线像素点对应骨骼图像中的一个位点。如图8,截面图像1中定向沿线B1对应骨骼图像中的位点C1,定向沿线B2对应骨骼图像中的位点C2;截面图像2中定向沿线B3对应骨骼图像中的位点C3。计算机设备确定截面图像1中定向沿线B1像素点对应的累加骨量为150Hu、定向沿线B2像素点对应的累加骨量为200Hu,截面图像2中定向沿线B3像素点对应的累加骨量为300Hu之后,则可以进一步确定骨骼图像中的位点C1、C2、C3对应的累加骨量分别为150Hu、200Hu、300Hu。
以上仅以2个骨组织图像、2个截面图像和骨骼图像中的3个位点进行说明。在实际工作中,计算机设备可以获取多个连续的截面图像和对应的骨组织图像,并确定各个骨组织图像中连续多条平行的定向沿线像素点对应的连续多个累加骨量,从而根据各个骨组织图像中的连续多个累加骨量,确定对应的各个截面图像中的连续多个累加骨量,进一步确定骨骼图像中的每个位点的累加骨量,从而得到完整的骨骼图像中所有位点对应的累加骨量。
计算机设备确定骨骼图像中各位点对应的累加骨量后,即确定了骨骼图像的骨量信息,则可以将骨量信息保存在骨量分布数据库中,以便生成骨量形态分布示量图时调用。
S708、根据骨骼图像中各位点对应的累加骨量,确定骨量形态分布示量图。
计算机设备可以通过像素点灰度值定向叠加算法,根据骨骼图像中对应各位点对应的的累加骨量和色度范围,确定骨骼图像中各位点对应的RGB值,并进一步生成有色彩的骨量形态分布示量图。
可以将骨骼图像对应的骨量分布数据库和骨量形态分布示量图确定为初始影像图像对应的骨量分布数据库和骨量形态分布示量图。计算机设备确定骨量形态分布示量图之后,可以通过显示器显示骨量形态分布示量图,还可以向其他电子设备发送骨量形态分布示量图,以使医生可以查看骨量形态分布示量图。
在本申请实施例中,计算机设备可以通过图像分割算法对初始影像图像进行骨骼分割提取处理,获得骨骼图像,并获得骨骼图像的连续多个截面图像。计算机设备可以通过图像阈值分割算法对多个截面图像进行骨组织分割提取处理,获得对应的多个骨组织图像。计算机设备可以通过像素点灰度值定向叠加算法,得到多个骨组织图像分别对应的连续多个累加骨量,并确定多个骨组织图像对应的骨量信息,从而确定多个截面图像对应的骨量信息,再进一步确定骨骼图像对应的骨量分布数据库和骨量形态分布示量图,从而可以确定初始影像图像对应的骨量分布数据库和骨量形态分布示量图。该骨量形态分布示量图可以准确的表示骨骼在特定方位的骨量分布情况,无需依赖医生的经验确定骨量量化信息,提高了确定骨量量化信息的准确性。
在上述任意一个实施例的基础上,下面,结合图9,通过具体示例,对骨量定向叠加计算的提取过程进行说明。
图9为本申请实施例提供的一种骨量定向叠加计算的提取方法的过程示意图。请参见图9。
计算机设备可以通过基于区域的图像分割算法对初始影像图像进行分割提取处理,以获得骨骼图像。计算机设备可以对骨骼图像中的骨骼进行分割提取,以获得截面图像1和截面图像2。计算机设备可以截面图像1和截面图像2进行骨组织分割提取处理,从而获取对应的骨组织图像1和骨组织图像2。
计算机设备可以通过像素点灰度值叠加算法,对各个骨组织图像中连续多条定向沿线上各个像素点对应的骨量进行定向叠加,得到各个骨组织图像中连续多条定向沿线像素点对应的骨量之和,从而得到各个骨组织图像分别对应的连续多个累加骨量。可以将各个骨组织图像分别对应的连续多个累加骨量,确定为各个骨组织图像对应的骨量信息。骨组织图像对应的骨量信息可以通过折线图表达连续多个累加骨量的分布情况。
由于骨组织图像和截面图像为一一对应的关系,则可以将多个骨组织图像对应的骨量信息确定为对应的多个截面图像对应的骨量信息。计算机设备可以根据多个截面图像对应的骨量信息中的累加骨量,确定骨骼图像中各位点对应的累加骨量,即确定了骨骼图像的骨量信息,可以将骨量信息保存在骨量分布数据库中。计算机设备可以根据色度范围和骨量分布数据库中的骨量信息确定骨骼图像中各位点对应的RGB值,从而可以生成有色彩的骨量形态分布示量图。
在本申请实施例中,计算机设备可以通过图像分割算法对初始影像图像进行骨骼分割提取处理,获得骨骼图像,并获得骨骼图像的连续多个截面图像。计算机设备可以通过图像阈值分割算法对多个截面图像进行骨组织分割提取处理,获得对应的多个骨组织图像。计算机设备可以通过像素点灰度值定向叠加算法,得到多个骨组织图像分别对应的连续多个累加骨量,并确定多个骨组织图像对应的骨量信息,从而确定多个截面图像对应的骨量信息,再进一步确定骨骼图像对应的骨量分布数据库和骨量形态分布示量图,从而可以确定初始影像图像对应的骨量分布数据库和骨量形态分布示量图。该骨量形态分布示量图可以准确的表示骨骼在特定方位的骨量分布情况,无需依赖医生的经验确定骨量量化信息,提高了确定骨量量化信息的准确性。
图10为本申请实施例提供的一种骨量定向叠加计算的提取装置的结构示意图。该骨量定向叠加计算的提取装置10可以设置在计算机设备中,请参见图10,该骨量定向叠加计算的提取装置10包括第一获取模块11、处理模块12、第二获取模块13、第三获取模块14和确定模块15,其中:
所述第一获取模块11用于,获取对预设对象进行拍摄得到的初始影像图像;
所述处理模块12用于,对所述初始影像图像进行骨骼分割提取处理,得到所述初始影像图像中对应的骨骼图像;
所述第二获取模块13用于,获取所述骨骼图像的连续多个截面图像;
所述第三获取模块14用于,获取每个截面图像对应的骨量信息;
所述确定模块15用于,根据所述多个截面图像对应的骨量信息确定所述初始影像图像对应的骨量分布数据库和骨量形态分布示量图。
本申请实施例提供的骨量定向叠加计算的提取装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
在一种可能的实施方式中,所述第三获取模块14具体用于:
对所述截面图像进行骨组织分割提取处理,以获取所述截面图像对应的骨组织图像;
根据所述骨组织图像,确定所述截面图像对应的骨量信息。
在一种可能的实施方式中,所述第三获取模块14具体用于:
获取所述截面图像中各像素点对应的骨量;
在所述截面图像中去除骨量小于或等于预设阈值的像素点,以得到所述骨组织图像。
在一种可能的实施方式中,所述第三获取模块14具体用于:
确定所述骨组织图像中各定向沿线像素点对应的骨量之和,得到连续多个累加骨量;
确定所述骨量信息包括所述连续多个累加骨量。
在一种可能的实施方式中,所述确定模块15具体用于:
根据所述多个截面图像对应的骨量信息,确定所述骨骼图像中各位点对应的累加骨量;
根据所述骨骼图像中各位点对应的累加骨量,确定所述骨量分布数据库和骨量形态分布示量图。
在一种可能的实施方式中,所述确定模块15具体用于:
根据所述骨骼图像中各位点对应的累加骨量,确定所述骨骼图像中各位点对应的RGB值;
根据所述骨骼图像中各位点对应的RGB值,生成所述骨量形态分布示量图。
本申请实施例提供的骨量定向叠加计算的提取装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
图11为本申请实施例提供的另一种骨量定向叠加计算的提取装置的结构示意图。在图10所示实施例的基础上,请参见图11,骨量定向叠加计算的提取装置10还包括校准模块16,其中,
所述校准模块16用于,对所述骨骼图像进行体位校准处理,其中,体位校准处理后的骨骼图像的体位为标准体位。
本申请实施例提供的骨量定向叠加计算的提取装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
本申请实施例提供一种计算机设备的结构示意图,请参见图12,该计算机设备20可以包括处理器21和存储器22。示例性地,处理器21、存储器22,各部分之间通过总线23相互连接。
所述存储器22存储计算机执行指令;
所述处理器21执行所述存储器22存储的计算机执行指令,使得所述处理器21执行如上述方法实施例所示的骨量定向叠加计算的提取方法。
可选的,计算机设备还可以包括采集器和显示器。采集器可以用于获取初始影像图像。显示器可以用于显示骨量形态分布示量图。
实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储器(存储介质)包括:只读存储器(英文:read-only memory,缩写:ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文:magnetic tape)、软盘(英文:floppydisk)、光盘(英文:optical disc)及其任意组合。
本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当所述计算机执行指令被处理器执行时用于实现上述方法实施例所述的骨量定向叠加计算的提取方法。
本申请实施例还可提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时,可实现上述方法实施例所示的骨量定向叠加计算的提取方法。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
在本申请中,术语“包括”及其变形可以指非限制性的包括;术语“或”及其变形可以指“和/或”。本申请中术语“第一”、“第二”等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。本申请中,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
Claims (11)
1.一种骨量定向叠加计算的提取方法,其特征在于,包括:
获取对预设对象进行拍摄得到的初始影像图像;
对所述初始影像图像进行骨骼分割提取处理,得到所述初始影像图像中对应的骨骼图像;
获取所述骨骼图像的连续多个截面图像;
获取每个截面图像对应的骨量信息,并根据所述多个截面图像对应的骨量信息确定所述初始影像图像对应的骨量分布数据库和骨量分布形态示量图。
2.根据权利要求1所述的方法,其特征在于,针对任意一个截面图像;获取所述截面图像对应的骨量信息,包括:
对所述截面图像进行骨组织分割提取处理,以获取所述截面图像对应的骨组织图像;
根据所述骨组织图像,确定所述截面图像对应的骨量信息。
3.根据权利要求2所述的方法,其特征在于,对所述截面图像进行骨组织分割提取处理,以获取所述截面图像对应的骨组织图像,包括:
获取所述截面图像中各像素点对应的骨量;
在所述截面图像中去除骨量小于或等于预设阈值的像素点,以得到所述骨组织图像。
4.根据权利要求2或3所述的方法,其特征在于,根据所述骨组织图像,确定所述截面图像对应的骨量信息,包括:
确定所述骨组织图像中各定向沿线像素点对应的骨量之和,得到连续多个累加骨量;
确定所述骨量信息包括所述连续多个累加骨量。
5.根据权利要求1-4任一项所述的方法,其特征在于,根据所述连续多个截面图像对应的骨量信息确定所述初始影像图像对应的骨量分布数据库和骨量形态分布示量图,包括:
根据所述连续多个截面图像对应的骨量信息,确定所述骨骼图像中各位点对应的累加骨量;
根据所述骨骼图像中各位点对应的累加骨量,确定所述骨量分布数据库和骨量形态分布示量图。
6.根据权利要求5所述的方法,其特征在于,根据所述骨骼图像中各位点对应的累加骨量,确定所述骨量形态分布示量图,包括:
根据所述骨骼图像中各位点对应的累加骨量,确定所述骨骼图像中各位点对应的RGB值;
根据所述骨骼图像中各位点对应的RGB值,生成所述骨量形态分布示量图。
7.根据权利要求1-6任一项所述的方法,其特征在于,获取所述骨骼图像的连续多个截面图像之前,还包括:
对所述骨骼图像进行体位校准处理,其中,体位校准处理后的骨骼图像的体位为标准体位。
8.一种骨量定向叠加计算的提取装置,其特征在于,包括:第一获取模块、处理模块、第二获取模块、第三获取模块和确定模块,其中,
所述第一获取模块用于,获取对预设对象进行拍摄得到的初始影像图像;
所述处理模块用于,对所述初始影像图像进行骨骼分割提取处理,得到所述初始影像图像中对应的骨骼图像;
所述第二获取模块用于,获取所述骨骼图像的连续多个截面图像;
所述第三获取模块用于,获取每个截面图像对应的骨量信息;
所述确定模块用于,根据所述多个截面图像对应的骨量信息确定所述初始影像图像对应的骨量分布数据库和骨量形态分布示量图。
9.一种计算机设备,其特征在于,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至7任一项所述的骨量定向叠加计算的提取方法。
10.一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,当所述计算机执行指令被处理器执行时用于实现权利要求1至7任一项所述的骨量定向叠加计算的提取方法。
11.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1至7任一项所述的骨量定向叠加计算的提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209911.XA CN115131388B (zh) | 2022-03-03 | 2022-03-03 | 骨量定向叠加计算的提取方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209911.XA CN115131388B (zh) | 2022-03-03 | 2022-03-03 | 骨量定向叠加计算的提取方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115131388A true CN115131388A (zh) | 2022-09-30 |
CN115131388B CN115131388B (zh) | 2023-09-01 |
Family
ID=83376243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210209911.XA Active CN115131388B (zh) | 2022-03-03 | 2022-03-03 | 骨量定向叠加计算的提取方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115131388B (zh) |
Citations (10)
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 |
JP2005304872A (ja) * | 2004-04-22 | 2005-11-04 | Hirokazu Gesso | 骨折予知判定システム及び骨折予知判定方法 |
JP2011125418A (ja) * | 2009-12-16 | 2011-06-30 | Ratoc System Engineering Co Ltd | 特性定量方法 |
KR20160068647A (ko) * | 2015-10-29 | 2016-06-15 | 한국과학기술원 | 골격계 영상 재구성 장치 및 방법 |
CN109069094A (zh) * | 2016-04-13 | 2018-12-21 | 日本医事物理股份有限公司 | 从核医学图像对生理性蓄积的自动去除及ct图像的自动分割 |
CN109685763A (zh) * | 2018-11-12 | 2019-04-26 | 浙江德尔达医疗科技有限公司 | 三维ct多骨块自动分割方法、装置、计算机设备及存储介质 |
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 |
KR20190143505A (ko) * | 2018-06-01 | 2019-12-31 | 건양대학교산학협력단 | 딥 러닝을 이용한 엑스레이 영상의 뼈 영역 제거 시스템 |
US20210128094A1 (en) * | 2019-10-31 | 2021-05-06 | Fujifilm Corporation | Image processing apparatus, image processing method, and image processing program |
US20210345943A1 (en) * | 2020-05-08 | 2021-11-11 | Shimadzu Corporation | Bone density measuring device and bone density imaging method |
-
2022
- 2022-03-03 CN CN202210209911.XA patent/CN115131388B/zh active Active
Patent Citations (10)
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 |
JP2005304872A (ja) * | 2004-04-22 | 2005-11-04 | Hirokazu Gesso | 骨折予知判定システム及び骨折予知判定方法 |
JP2011125418A (ja) * | 2009-12-16 | 2011-06-30 | Ratoc System Engineering Co Ltd | 特性定量方法 |
KR20160068647A (ko) * | 2015-10-29 | 2016-06-15 | 한국과학기술원 | 골격계 영상 재구성 장치 및 방법 |
CN109069094A (zh) * | 2016-04-13 | 2018-12-21 | 日本医事物理股份有限公司 | 从核医学图像对生理性蓄积的自动去除及ct图像的自动分割 |
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 |
KR20190143505A (ko) * | 2018-06-01 | 2019-12-31 | 건양대학교산학협력단 | 딥 러닝을 이용한 엑스레이 영상의 뼈 영역 제거 시스템 |
CN109685763A (zh) * | 2018-11-12 | 2019-04-26 | 浙江德尔达医疗科技有限公司 | 三维ct多骨块自动分割方法、装置、计算机设备及存储介质 |
US20210128094A1 (en) * | 2019-10-31 | 2021-05-06 | Fujifilm Corporation | Image processing apparatus, image processing method, and image processing program |
US20210345943A1 (en) * | 2020-05-08 | 2021-11-11 | Shimadzu Corporation | Bone density measuring device and bone density imaging method |
Non-Patent Citations (4)
Title |
---|
R. B. MARTIN ET AL.: "Effects of age and sex on the amount and distribution of mineral in Eskimo tibiae", 《AMERICAN JOURNAL OF PHYSICAL ANTHROPOLOGY》, pages 371 - 380 * |
S. L. BASS ET AL.: "The Effect of Mechanical Loading on the Size and Shape of Bone in Pre-, Peri-, and Postpubertal Girls: A Study in Tennis Players", 《JOURNAL OF BONE AND MINERAL RESEARC》, vol. 17, pages 2274 - 2280 * |
吕厚辰 等: "骨组织形态及微观结构的影像学评价及进展", 《中华骨质疏松和骨矿盐疾病杂志》, vol. 9, pages 68 - 74 * |
张天阳 等: "羟基磷灰石涂层人工假体的涂层附着力及其生物力学行为研究", 《解放军医学杂志》, vol. 36, pages 431 - 436 * |
Also Published As
Publication number | Publication date |
---|---|
CN115131388B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107106043B (zh) | 椎体特征识别 | |
US10540770B2 (en) | Method and apparatus for fully automated segmentation of joint using patient-specific optimal thresholding and watershed algorithm | |
EP2849157B1 (en) | Image processing apparatus, image processing method, and computer-readable storage medium | |
JP6318739B2 (ja) | 画像処理装置、およびプログラム | |
EP3910592A1 (en) | Image matching method, apparatus and device, and storage medium | |
CN110706791B (zh) | 一种医学影像处理方法及装置 | |
CN110555860B (zh) | 医学图像中肋骨区域标注的方法、电子设备和存储介质 | |
JP2007105264A (ja) | 医用画像判定装置、医用画像判定方法およびそのプログラム | |
CN112884792B (zh) | 肺部图像分割的方法、装置、电子设备及存储介质 | |
CN112261399B (zh) | 胶囊内窥镜图像三维重建方法、电子设备及可读存储介质 | |
EP4184433A2 (en) | System and methods for medical image quality assessment using deep neural networks | |
JP4730758B2 (ja) | 医用画像診断支援装置及びその作動方法 | |
JP2019028887A (ja) | 画像処理方法 | |
CN112150419A (zh) | 图像处理方法、装置及电子设备 | |
JP2007105352A (ja) | 差分画像表示装置、差分画像表示方法およびそのプログラム | |
WO2011050454A1 (en) | Bone imagery segmentation method and apparatus | |
CN111723836A (zh) | 图像相似度的计算方法及装置、电子设备、存储介质 | |
CN110619621B (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
CN115131388A (zh) | 骨量定向叠加计算的提取方法、装置及设备 | |
CN110555850B (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
US10580136B2 (en) | Mapping image generation device, method, and program | |
JP2006181146A (ja) | 診断支援装置、診断支援方法およびそのプログラム | |
CN115797729A (zh) | 模型训练方法及装置、运动伪影识别及提示的方法及装置 | |
CN115578419A (zh) | 运动检测方法、装置、电子设备及存储介质 | |
CN114512221A (zh) | 一种牙弓线图像的生成方法、装置及计算机设备 |
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 |