CN116128957A - 一种椎体骨空洞分析方法、装置、设备及存储介质 - Google Patents
一种椎体骨空洞分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116128957A CN116128957A CN202310425719.9A CN202310425719A CN116128957A CN 116128957 A CN116128957 A CN 116128957A CN 202310425719 A CN202310425719 A CN 202310425719A CN 116128957 A CN116128957 A CN 116128957A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- dimensional island
- voxel
- bone
- voxels
- 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
Images
Classifications
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及数据处理领域,公开了一种椎体骨空洞分析方法、装置、设备及存储介质,用于提高骨密度三维岛的生成准确率。所述方法包括:获取目标椎体的体素矩阵,并基于预置的无体膜骨密度算法计算所述体素矩阵的骨密度值;根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛;基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素;根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组;分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种椎体骨空洞分析方法、装置、设备及存储介质。
背景技术
目前的椎体骨空洞研究中,会搜寻目标椎体中骨密度小于目标阈值的所有体素,并将相邻体素连接得到若干三维岛(即为相邻体素组成的最大群组),保留体积符合要求的三维岛。所得三维岛全部体素皆低于骨密度阈值,可被定义为骨空洞。
由于只考虑椎体内骨密度严格小于目标阈值的体素,未考虑周围骨密度略大于阈值的其他体素的分布情况,导致生成三维岛体积普遍偏小,未能充分反映椎体内骨空洞分布。
发明内容
本发明提供了一种椎体骨空洞分析方法、装置、设备及存储介质,用于提高骨密度三维岛的生成准确率。
本发明第一方面提供了一种椎体骨空洞分析方法,所述椎体骨空洞分析方法包括:
获取目标椎体的体素矩阵,并基于预置的无体膜骨密度算法计算所述体素矩阵的骨密度值;
根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛;
基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素;
根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组;
分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组。
结合第一方面,在本发明第一方面的第一实施方式中,所述根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛,包括:
对所述体素矩阵进行矩阵转换,得到目标转换矩阵;
根据所述骨密度值,对所述目标转换矩阵进行过滤,得到多个三维岛;
将所述多个三维岛按照体积从大到小进行排列,生成所述体素矩阵对应的初始三维岛组。
结合第一方面,在本发明第一方面的第二实施方式中,所述基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素,包括:
基于预设的类广度优先搜寻法,由所述初始三维岛组中每个三维岛的体素为根节点向外扩展,将相邻体素加入向后的待搜寻三维岛序列中;
在依次遍历体素后,依次继续遍历所述根节点的一级相邻体素;
在所述一级相邻体素遍历完成后,遍历所述根节点的二级相邻体素,直至所述三维岛中没有满足预设要求的相邻体素,得到原始体素集合;
对所述原始体素集合进行标签处理,得到多个带有标签信息的相邻体素。
结合第一方面,在本发明第一方面的第三实施方式中,所述根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组,包括:
对所述多个带有标签信息的相邻体素以及所述多个三维岛进行三维岛融合,得到多个带有相同标签的三维岛;
将根据所述多个带有相同标签的三维岛生成目标三维岛组。
结合第一方面,在本发明第一方面的第四实施方式中,所述分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组,包括:
分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算,得到每个带有相同标签的三维岛所对应的体积数据;
根据预设的体积阈值,分别对每个带有相同标签的三维岛所对应的体积数据进行体积筛选,生成筛选结果;
根据所述筛选结果生成待处理三维岛组,并对所述待处理三维岛组进行体素矩阵渲染,生成骨空洞三维岛组。
本发明第二方面提供了一种椎体骨空洞分析装置,所述椎体骨空洞分析装置包括:
获取模块,用于获取目标椎体的体素矩阵,并基于预置的无体膜骨密度算法计算所述体素矩阵的骨密度值;
构建模块,用于根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛;
搜寻模块,用于基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素;
生成模块,用于根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组;
输出模块,用于分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组。
本发明第三方面提供了一种椎体骨空洞分析设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述椎体骨空洞分析设备执行上述的椎体骨空洞分析方法。
本发明的第四方面提供了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指令,当其在计算机上运行时,使得计算机执行上述的椎体骨空洞分析方法。
本发明提供的技术方案中,通过骨空洞下产生的三维岛为初始状态,通过连接体素的扩展与不同三维岛间的融合,搜寻到阈值平均值定义下的骨密度产生的三维岛,更符合临床医学需求,采用类广度优先搜寻算法,由初始三维岛中的体素为根向外扩展,将相邻的体素加入向后到待搜寻三维岛中的序列中,搜索由本身满足阈值的根节点出发,待依次遍历完这些体素后,将依次继续遍历这些根节点的一级相邻体素,待一级相邻体素遍历完成后,将遍历根节点的二级相邻体素,直到没有可以满足要求的相邻体素。从而在保证搜索效率的同时使得骨空洞三维岛可以得到最大的平衡的扩展,并且在搜寻遍历的过程中若发现不同三维岛有体素连接,则将两者融合并将其中所有体素视为同一三维岛,使得搜寻效率提高,根据本发明最优化后,骨空洞将不再局限于严格定义下的小于阈值的体素,而是将三维岛内平均骨密度视为指标,将以前技术产生的骨空洞三维岛相邻的所有骨密度接近阈值的体素也包括了进来,使得生成的骨密度三维岛更加贴近临床需求。
附图说明
图1为本发明实施例中椎体骨空洞分析方法的一个实施例示意图;
图2为本发明实施例中体素搜寻的流程图;
图3为本发明实施例中生成目标三维岛组的流程图;
图4为本发明实施例中三维岛体积测算和筛选的流程图;
图5为本发明实施例中椎体骨空洞分析装置的一个实施例示意图;
图6为本发明实施例中椎体骨空洞分析设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种椎体骨空洞分析方法、装置、设备及存储介质,用于提高骨密度三维岛的生成准确率。本发明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”、“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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中椎体骨空洞分析方法的一个实施例包括:
S101、获取目标椎体的体素矩阵,并基于预置的无体膜骨密度算法计算体素矩阵的骨密度值;
可以理解的是,本发明的执行主体可以为椎体骨空洞分析装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是,目标椎体通过神经网络模型分割后得到的体素间距单位为1mm的CT值矩阵I。其中,非椎体部分背景CT值设定为0。已知目标骨密度阈值)为bmg/cc。已知目标三维岛体积阈值为v立方毫米(mm³)。另设与CT值矩阵形状相同的初始值为0的矩阵H,记录每个体素是否已被遍历。已知体素间目标连接方式参数为c{6,18,26}。该连接方式将定义搜寻算法中三维岛体素相邻的判定模式,其中,6-连接为面相邻,即若附近体素与目标体素有面相接则判定为相邻,该模式下单一体素最多有6个相邻体素;18-连接为边相邻,即若附近体素与目标体素有边相接则判定为相邻,该模式下单一体素最多有18个相邻体素;26-连接为点相邻,即若附近体素与目标体素有点相接则判定为相邻,该模式下单一体素最多有26个相邻体素。本实施例的目的是搜寻目标椎体矩阵I中所有体积大于vmm³的三维岛,且所有三维岛岛内平均骨密度小于bmg/cc且体素均满足c-连接。即所有满足以上要求的有效三维岛即被定义为骨空洞。
S102、根据骨密度值构建体素矩阵对应的初始三维岛组,其中,初始三维岛组包括多个三维岛;
具体的,服务器进行矩阵转换,得到目标转换矩阵;服务器对转换后的体素矩阵进行过滤,得到多个三维岛;然后获取这些三维岛的体积,按照体积将多个三维岛按照体积从大到小进行排列,生成体素矩阵对应的初始三维岛组。
S103、基于预设的类广度优先搜寻法,依次对初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素;
具体的,服务器根据类广度优先搜寻法,由初始三维岛组中每个三维岛的体素为根节点向外扩展,将相邻体素加入向后的待搜寻三维岛序列中;服务器在依次遍历体素后,依次继续遍历根节点的一级相邻体素,在一级相邻体素遍历完成后,遍历根节点的二级相邻体素,直至三维岛中没有满足预设要求的相邻体素,得到原始体素集合;服务器对原始体素集合进行标签处理,得到多个带有标签信息的相邻体素。
S104、根据多个带有标签信息的相邻体素以及多个三维岛生成目标三维岛组;
具体的,服务器对多个带有标签信息的相邻体素以及多个三维岛进行三维岛融合,得到多个带有相同标签的三维岛;服务器将根据多个带有相同标签的三维岛生成目标三维岛组。
S105、分别对目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组。
具体的,服务器分别对目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算,得到每个带有相同标签的三维岛所对应的体积数据;服务器根据预设的体积阈值,分别对每个带有相同标签的三维岛所对应的体积数据进行体积筛选,生成筛选结果;服务器根据筛选结果生成待处理三维岛组,并对待处理三维岛组进行体素矩阵渲染,生成骨空洞三维岛组。
本发明实施例中,通过骨空洞下产生的三维岛为初始状态,通过连接体素的扩展与不同三维岛间的融合,搜寻到阈值平均值定义下的骨密度产生的三维岛,更符合临床医学需求,采用类广度优先搜寻算法,由初始三维岛中的体素为根向外扩展,将相邻的体素加入向后到待搜寻三维岛中的序列中,搜索由本身满足阈值的根节点出发,待依次遍历完这些体素后,将依次继续遍历这些根节点的一级相邻体素,待一级相邻体素遍历完成后,将遍历根节点的二级相邻体素,直到没有可以满足要求的相邻体素。从而在保证搜索效率的同时使得骨空洞三维岛可以得到最大的平衡的扩展,并且在搜寻遍历的过程中若发现不同三维岛有体素连接,则将两者融合并将其中所有体素视为同一三维岛,使得搜寻效率提高,根据本发明最优化后,骨空洞将不再局限于严格定义下的小于阈值的体素,而是将三维岛内平均骨密度视为指标,将以前技术产生的骨空洞三维岛相邻的所有骨密度接近阈值的体素也包括了进来,使得生成的骨密度三维岛更加贴近临床需求。
在一具体实施例中,执行步骤S102的过程可以具体包括如下步骤:
(1)对体素矩阵进行矩阵转换,得到目标转换矩阵;
(2)根据骨密度值,对目标转换矩阵进行过滤,得到多个三维岛;
(3)将多个三维岛按照体积从大到小进行排列,生成体素矩阵对应的初始三维岛组。
具体的,服务器构建目标骨密度阈值下的初始三维岛:通过无体膜骨密度算法,计算每个体素CT值对应骨密度值,将体素矩阵I转化为体素间距单位为1mm的BMD值矩阵I2(也就是,目标转换矩阵)。对目标转换矩阵进行过滤,获取骨密度值小于阈值bmg/cc的所有体素,并将其中所有满足6-连接的相邻体素连接为一组,获得若干大小不一的三维岛G,它们的总体即为初始三维岛组V。其中,V={G1:{[x11,y11,z11],[x12,y12,z12],…},G2:{[x21,y21,z21],[x22,y22,z22],…},…,Gn:{[xn1,yn1,zn1],[xn2,yn2,zn2],…},}。其中V包含n组由若干体素组成的三维岛{G1,G2,…,Gn},每组三维岛中已知其中包含各体素在矩阵I中坐标。且V中所有三维岛按体积从大到小进行排列,即G1为初始三维岛组中最大,Gn为最小。
在一具体实施例中,如图2所示,执行步骤S103的过程可以具体包括如下步骤:
S201、基于预设的类广度优先搜寻法,由初始三维岛组中每个三维岛的体素为根节点向外扩展,将相邻体素加入向后的待搜寻三维岛序列中;
S202、在依次遍历体素后,依次继续遍历根节点的一级相邻体素;
S203、在一级相邻体素遍历完成后,遍历根节点的二级相邻体素,直至三维岛中没有满足预设要求的相邻体素,得到原始体素集合;
S204、对原始体素集合进行标签处理,得到多个带有标签信息的相邻体素。
具体的,服务器采用类广度优先搜寻法将初始三维岛进行扩展:由G1,即体积最大的三维岛开始,进行如下操作,直到G1中所有体素及其可能相邻体素皆被遍历,将跳转到下一可执行性三维岛,依次类推。令当前执行三维岛为Gi,其对应标签为i,另该三维岛对应待搜寻体素岛为Di,Di初始与Gi相同,后续将进行如下操作逐渐对Di进行扩展,符合要求之体素将会被加入Gi中被赋予标签i。从Di:{[xi1,yi1,zi1],[xi2,yi2,zi2],…},}的第一个体素开始,对该任意体素进行以下操作:重置节点:获取Di中首个体素K=[xik,yik,zik],(i)首先判定该体素K是否已被遍历或是否在椎体内部:如果H中该体素K坐标对应遍历值为1,则该体素已曾被遍历,故跳过该体素继续搜寻。如该体素K坐标对应I中非椎体背景部分,则跳过该体素继续搜寻。上述两种情况将不进行下列操作,回到重置节点,继续Di中其他体素的搜寻遍历。(ii)将遍历标记矩阵H中该体素K坐标对应元素标记为1,即该坐标体素已被遍历。使得该体素将不会被重复遍历。且将该体素K从待搜寻体素岛Di中删除。如果该体素标签已经为i,即其已是当前执行三维岛Gi的一部分,则无需进行(iii)中判定,将跳过(iii)直接执行(iv)。否则该体素当前并非Gi的一部分,需经过(iii)判定其是否可以加入Gi。(iii)判定该体素K是否满足使得当前执行三维岛Gi内平均骨密度小于阈值bmg/cc的要求。如果满足则将该体素K加入Gi中。如果该体素拥有不同于Gi专属标签i的属于V中其他三维岛1~n的其他标签j,即该体素K已为三维岛Gj中的一员,则意味着三维岛Gi与Gj相连,可将Gj与Gi融合,将Gj中所有体素重新赋予标签i并加入到当前待搜寻体素岛Di及当前可执行三维岛Gi中。如果该体素K,未有任何标签,不在任何三维岛内,则赋予该体素标签i。如果不满足,即它的加入会使得Gi中平均骨密度大于阈值,则不将其加入Gi中,且将不进行下述操作,回到重置节点,继续Di中其他体素的搜寻遍历。(iv)找到满足骨密度体素符合连接条件的相邻体素:如果c=6,则将K周围满足面相邻的6个体素组g-k={k1,k2,…,k6}加入Di的三维岛列表中。如果c=18,则将K周围满足边相邻的18个体素组g-k={k1,k2,…,k18}加入Di的三维岛列表中。如果c=26,则将K周围满足边相邻的26个体素组g-k={k1,k2,…,k26}加入Di的三维岛列表中。至此已完成元素K的搜寻,将回到重置节点继续搜寻。直到该组待搜寻体素岛Di为空。完结节点:当待搜寻体素岛Di中所有体素皆全部被遍历且删除,即当前不存在任何待遍历体素,则当前可执行三维岛的体素搜寻已完成,所有当前标签为i的体素皆为三维岛Gi中的一员。
在一具体实施例中,如图3所示,执行步骤S104的过程可以具体包括如下步骤:
S301、对多个带有标签信息的相邻体素以及多个三维岛进行三维岛融合,得到多个带有相同标签的三维岛;
S302、将根据多个带有相同标签的三维岛生成目标三维岛组。
具体的,服务器将继续进行下一个体积更小的三维岛的搜寻。因在此前搜寻过程步骤(iii)中可能触发三维岛融合,即可能存在若干三维岛已与之前搜寻过的三维岛相连并融合,元素已被赋予融合岛的标签,故该岛内所有元素及其相邻元素已被搜寻,故该类三维岛将不再重新搜寻。当所有三维岛的搜寻,扩展与融合结束之后,每个拥有相同标签的体素将组成同一三维岛。至此所有可能节点已被遍历,视为搜寻结束。得到由若干带有相同标签的三维岛组成的目标三维岛组:V_new={G1,…}。
在一具体实施例中,如图4所示,执行步骤S108的过程可以具体包括如下步骤:
S401、分别对目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算,得到每个带有相同标签的三维岛所对应的体积数据;
S402、根据预设的体积阈值,分别对每个带有相同标签的三维岛所对应的体积数据进行体积筛选,生成筛选结果;
S403、根据筛选结果生成待处理三维岛组,并对待处理三维岛组进行体素矩阵渲染,生成骨空洞三维岛组。
具体的,服务器进行三维岛的体积筛选及结果可视化:对所有经过扩展与融合后的三维岛测算体积,仅保留体积大于v的三维岛,最终得到若干三维岛组,V_final={G1,…},因I由单位距离为1mm的体素组成,则单一体素体积可视为1mm³。故三维岛Gi的体积v[Gi]为该三维岛内体素的数目。如果v[Gi]>=v:Gi有效;反之则无效,将不必保留。最终经过体积筛选保留体积大于v的三维岛,并形成最终的骨空洞三维岛组V_final={G1,…},由上述V_final中三维岛对应I中坐标及其岛内标签,对该椎体矩阵进行表渲染可视化,得到骨空洞三维岛组。
上面对本发明实施例中椎体骨空洞分析方法进行了描述,下面对本发明实施例中椎体骨空洞分析装置进行描述,请参阅图5,本发明实施例中椎体骨空洞分析装置一个实施例包括:
获取模块501,用于获取目标椎体的体素矩阵,并基于预置的无体膜骨密度算法计算所述体素矩阵的骨密度值;
构建模块502,用于根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛;
搜寻模块503,用于基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素;
生成模块504,用于根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组;
输出模块505,用于分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组。
通过上述各个组成部分的协同合作,通过骨空洞下产生的三维岛为初始状态,通过连接体素的扩展与不同三维岛间的融合,搜寻到阈值平均值定义下的骨密度产生的三维岛,更符合临床医学需求,采用类广度优先搜寻算法,由初始三维岛中的体素为根向外扩展,将相邻的体素加入向后到待搜寻三维岛中的序列中,搜索由本身满足阈值的根节点出发,待依次遍历完这些体素后,将依次继续遍历这些根节点的一级相邻体素,待一级相邻体素遍历完成后,将遍历根节点的二级相邻体素,直到没有可以满足要求的相邻体素。从而在保证搜索效率的同时使得骨空洞三维岛可以得到最大的平衡的扩展,并且在搜寻遍历的过程中若发现不同三维岛有体素连接,则将两者融合并将其中所有体素视为同一三维岛,使得搜寻效率提高,根据本发明最优化后,骨空洞将不再局限于严格定义下的小于阈值的体素,而是将三维岛内平均骨密度视为指标,将以前技术产生的骨空洞三维岛相邻的所有骨密度接近阈值的体素也包括了进来,使得生成的骨密度三维岛更加贴近临床需求。
上面图5从模块化功能实体的角度对本发明实施例中的椎体骨空洞分析装置进行详细描述,下面从硬件处理的角度对本发明实施例中椎体骨空洞分析设备进行详细描述。
图6是本发明实施例提供的一种椎体骨空洞分析设备的结构示意图,该椎体骨空洞分析设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对椎体骨空洞分析设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在椎体骨空洞分析设备600上执行存储介质630中的一系列指令操作。
椎体骨空洞分析设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的椎体骨空洞分析设备结构并不构成对椎体骨空洞分析设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种椎体骨空洞分析设备,所述椎体骨空洞分析设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述椎体骨空洞分析方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述椎体骨空洞分析方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种椎体骨空洞分析方法,其特征在于,所述椎体骨空洞分析方法包括:
获取目标椎体的体素矩阵,并基于预置的无体膜骨密度算法计算所述体素矩阵的骨密度值;
根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛;
基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素;
根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组;
分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组。
2.根据权利要求1所述的椎体骨空洞分析方法,其特征在于,所述根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛,包括:
对所述体素矩阵进行矩阵转换,得到目标转换矩阵;
根据所述骨密度值,对所述目标转换矩阵进行过滤,得到多个三维岛;
将所述多个三维岛按照体积从大到小进行排列,生成所述体素矩阵对应的初始三维岛组。
3.根据权利要求1所述的椎体骨空洞分析方法,其特征在于,所述基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素,包括:
基于预设的类广度优先搜寻法,由所述初始三维岛组中每个三维岛的体素为根节点向外扩展,将相邻体素加入向后的待搜寻三维岛序列中;
在依次遍历体素后,依次继续遍历所述根节点的一级相邻体素;
在所述一级相邻体素遍历完成后,遍历所述根节点的二级相邻体素,直至所述三维岛中没有满足预设要求的相邻体素,得到原始体素集合;
对所述原始体素集合进行标签处理,得到多个带有标签信息的相邻体素。
4.根据权利要求1所述的椎体骨空洞分析方法,其特征在于,所述根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组,包括:
对所述多个带有标签信息的相邻体素以及所述多个三维岛进行三维岛融合,得到多个带有相同标签的三维岛;
将根据所述多个带有相同标签的三维岛生成目标三维岛组。
5.根据权利要求1所述的椎体骨空洞分析方法,其特征在于,所述分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组,包括:
分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算,得到每个带有相同标签的三维岛所对应的体积数据;
根据预设的体积阈值,分别对每个带有相同标签的三维岛所对应的体积数据进行体积筛选,生成筛选结果;
根据所述筛选结果生成待处理三维岛组,并对所述待处理三维岛组进行体素矩阵渲染,生成骨空洞三维岛组。
6.一种椎体骨空洞分析装置,其特征在于,所述椎体骨空洞分析装置包括:
获取模块,用于获取目标椎体的体素矩阵,并基于预置的无体膜骨密度算法计算所述体素矩阵的骨密度值;
构建模块,用于根据所述骨密度值构建所述体素矩阵对应的初始三维岛组,其中,所述初始三维岛组包括多个三维岛;
搜寻模块,用于基于预设的类广度优先搜寻法,依次对所述初始三维岛组中的每个三维岛进行体素搜寻,得到多个带有标签信息的相邻体素;
生成模块,用于根据所述多个带有标签信息的相邻体素以及所述多个三维岛生成目标三维岛组;
输出模块,用于分别对所述目标三维岛组中的每个带有相同标签的三维岛进行三维岛体积测算和筛选,得到骨空洞三维岛组。
7.根据权利要求6所述的椎体骨空洞分析装置,其特征在于,所述构建模块具体用于:
对所述体素矩阵进行矩阵转换,得到目标转换矩阵;
根据所述骨密度值,对所述目标转换矩阵进行过滤,得到多个三维岛;
将所述多个三维岛按照体积从大到小进行排列,生成所述体素矩阵对应的初始三维岛组。
8.根据权利要求6所述的椎体骨空洞分析装置,其特征在于,所述构建模块具体用于:
基于预设的类广度优先搜寻法,由所述初始三维岛组中每个三维岛的体素为根节点向外扩展,将相邻体素加入向后的待搜寻三维岛序列中;
在依次遍历体素后,依次继续遍历所述根节点的一级相邻体素;
在所述一级相邻体素遍历完成后,遍历所述根节点的二级相邻体素,直至所述三维岛中没有满足预设要求的相邻体素,得到原始体素集合;
对所述原始体素集合进行标签处理,得到多个带有标签信息的相邻体素。
9.一种椎体骨空洞分析设备,其特征在于,所述椎体骨空洞分析设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述椎体骨空洞分析设备执行如权利要求1-5中任一项所述的椎体骨空洞分析方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-5中任一项所述的椎体骨空洞分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310425719.9A CN116128957B (zh) | 2023-04-20 | 2023-04-20 | 一种椎体骨空洞分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310425719.9A CN116128957B (zh) | 2023-04-20 | 2023-04-20 | 一种椎体骨空洞分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116128957A true CN116128957A (zh) | 2023-05-16 |
CN116128957B CN116128957B (zh) | 2023-06-30 |
Family
ID=86312215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310425719.9A Active CN116128957B (zh) | 2023-04-20 | 2023-04-20 | 一种椎体骨空洞分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128957B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110158494A1 (en) * | 2009-12-30 | 2011-06-30 | Avi Bar-Shalev | Systems and methods for identifying bone marrow in medical images |
TW201425919A (zh) * | 2012-11-21 | 2014-07-01 | Panasonic Corp | 複合材料中之纖維狀塡料的三維影像處理方法及三維影像處理裝置 |
CN106560860A (zh) * | 2015-09-30 | 2017-04-12 | 弯曲束有限责任公司 | 用于评估骨融合的系统 |
JP2017118985A (ja) * | 2015-12-28 | 2017-07-06 | 朝日レントゲン工業株式会社 | 骨粗鬆症診断支援装置、骨粗鬆症診断支援プログラム、及び骨粗鬆症診断支援方法 |
CN109064447A (zh) * | 2018-06-29 | 2018-12-21 | 沈阳东软医疗系统有限公司 | 骨密度展示方法、装置及设备 |
CN109544566A (zh) * | 2018-11-29 | 2019-03-29 | 上海联影医疗科技有限公司 | 冠脉图像分割方法、装置、计算机设备和存储介质 |
CN110570508A (zh) * | 2019-07-23 | 2019-12-13 | 博志生物科技(深圳)有限公司 | 骨质疏松状况三维可视化渲染方法 |
CN114863165A (zh) * | 2022-04-12 | 2022-08-05 | 南通大学 | 一种基于影像组学与深度学习特征融合的椎体骨密度分类方法 |
CN115205293A (zh) * | 2022-09-15 | 2022-10-18 | 博志生物科技(深圳)有限公司 | 骨水泥流动预测方法、装置、设备及存储介质 |
-
2023
- 2023-04-20 CN CN202310425719.9A patent/CN116128957B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110158494A1 (en) * | 2009-12-30 | 2011-06-30 | Avi Bar-Shalev | Systems and methods for identifying bone marrow in medical images |
TW201425919A (zh) * | 2012-11-21 | 2014-07-01 | Panasonic Corp | 複合材料中之纖維狀塡料的三維影像處理方法及三維影像處理裝置 |
CN106560860A (zh) * | 2015-09-30 | 2017-04-12 | 弯曲束有限责任公司 | 用于评估骨融合的系统 |
JP2017118985A (ja) * | 2015-12-28 | 2017-07-06 | 朝日レントゲン工業株式会社 | 骨粗鬆症診断支援装置、骨粗鬆症診断支援プログラム、及び骨粗鬆症診断支援方法 |
CN109064447A (zh) * | 2018-06-29 | 2018-12-21 | 沈阳东软医疗系统有限公司 | 骨密度展示方法、装置及设备 |
CN109544566A (zh) * | 2018-11-29 | 2019-03-29 | 上海联影医疗科技有限公司 | 冠脉图像分割方法、装置、计算机设备和存储介质 |
CN110570508A (zh) * | 2019-07-23 | 2019-12-13 | 博志生物科技(深圳)有限公司 | 骨质疏松状况三维可视化渲染方法 |
CN114863165A (zh) * | 2022-04-12 | 2022-08-05 | 南通大学 | 一种基于影像组学与深度学习特征融合的椎体骨密度分类方法 |
CN115205293A (zh) * | 2022-09-15 | 2022-10-18 | 博志生物科技(深圳)有限公司 | 骨水泥流动预测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
OLAF DIETRICH 等: "Diffusion imaging of the vertebral bone marrow", 《NMR IN BIOMEDICINE》 * |
苏子豪 等: "髋骨CT图像分割及三维建模方法", 《天津职业技术师范大学学报》, vol. 32, no. 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN116128957B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230023101A1 (en) | Data processing method and device | |
Neyshabur et al. | NETAL: a new graph-based method for global alignment of protein–protein interaction networks | |
JP2021519997A (ja) | 異種グラフ、分子空間構造特性の識別を実現する方法、その装置、コンピュータ装置及びコンピュータプログラム | |
US20130132353A1 (en) | Compression Of Genomic Data | |
Xu et al. | From function to interaction: A new paradigm for accurately predicting protein complexes based on protein-to-protein interaction networks | |
Fu et al. | Dynamic programming driven memetic search for the steiner tree problem with revenues, budget, and hop constraints | |
CN115862821B (zh) | 基于数字孪生的智慧手术室的构建方法及相关装置 | |
Siederdissen et al. | Discriminatory power of RNA family models | |
CN111242969B (zh) | 边界节点的确定方法、网格划分方法及医疗设备 | |
Guo et al. | MEAMCP: A membrane evolutionary algorithm for solving maximum clique problem | |
CN116128957B (zh) | 一种椎体骨空洞分析方法、装置、设备及存储介质 | |
CN111190711B (zh) | Bdd结合启发式a*搜索的多机器人任务分配方法 | |
Lenne et al. | Reactive stochastic local search algorithms for the genomic median problem | |
CN113515674B (zh) | 时序图随机游走的采样方法及装置 | |
EP2926244B1 (en) | Method and apparatus for creating 3d model | |
CN114553717A (zh) | 一种网络节点划分方法、装置、设备及存储介质 | |
CN113706459A (zh) | 一种自闭症患者异常脑区的检测及模拟修复装置 | |
Arleo et al. | GraphRay: Distributed pathfinder network scaling | |
CN111064603B (zh) | 一种网络链路确定方法、装置及设备 | |
CN110569943A (zh) | 一种基于三维码的创新优化方法及系统 | |
CN115953724B (zh) | 一种用户数据分析以及管理方法、装置、设备及存储介质 | |
CN110895764A (zh) | 地理围栏的生成方法、生成系统、计算机设备及存储介质 | |
CN113315656B (zh) | 基于图传播的节点重要性评估方法、系统及可读存储介质 | |
Cinel et al. | A distributed heuristic algorithm for the rectilinear steiner minimal tree problem | |
Bruneau et al. | A three-level signature by graph for Reverse Engineering of mechanical assemblies |
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 |