CN109242837A - 测量骨盆x光片中颈干角的方法、***、设备及存储介质 - Google Patents
测量骨盆x光片中颈干角的方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN109242837A CN109242837A CN201810992671.9A CN201810992671A CN109242837A CN 109242837 A CN109242837 A CN 109242837A CN 201810992671 A CN201810992671 A CN 201810992671A CN 109242837 A CN109242837 A CN 109242837A
- Authority
- CN
- China
- Prior art keywords
- femoral shaft
- femur
- neck
- ray
- angle
- 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
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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种测量骨盆X光片中颈干角的方法、***、设备及存储介质,所述测量骨盆X光片中颈干角的方法包括:获取包含骨盆的X光片图像;检测所述X光片图像中的股骨干区域和股骨颈区域;从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴;根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。本发明可以在骨盆X光片中准确、高效地自动测量颈干角,有效解决了现有技术中的依靠医护人员主观观察或手绘法判断X光片中颈干角带来的容易发生错判,费时费力的问题。
Description
技术领域
本发明属于图像处理技术领域,特别是涉及X光片图像处理技术领域,具体为一种测量骨盆X光片中颈干角的方法、***、设备及存储介质。
背景技术
颈干角是股骨颈的长轴与股骨干纵轴之间形成的角度,又称内倾角。正常值在110-140度之间,男性平均为132度,女性平均为127度。颈干角大于正常值为髋外翻,小于正常值为髋内翻。颈干角是诊断髋关节发育不良和撞击综合征的重要指标。在医疗实践中,医护人员常在骨盆X光片上用主观观察法判断颈干角是否处于正常范围,或用手动绘制法测量颈干角的数值。主观观察法速度快但依赖于医护人员的经验,因此判断结果因医护人员的主观差异不同而不同,容易发生错判。而手动绘制法虽准确度高但费时。
因此,如何从骨盆X光片中准确、高效地自动测量出颈干角是一个急需解决的问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种测量骨盆X光片中颈干角的方法、***、设备及存储介质,用于解决现有技术中的依靠医护人员主观观察或手绘法判断X光片中颈干角带来的容易发生错判,费时费力的问题。
为实现上述目的及其他相关目的,本发明提供一种测量骨盆X光片中颈干角的方法,所述测量骨盆X光片中颈干角的方法包括:获取包含骨盆的X光片图像;检测所述X光片图像中的股骨干区域和股骨颈区域;从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴;根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。
于本发明的一实施例中,通过股骨干检测模型检测所述X光片图像中的股骨干区域;通过股骨颈检测模型检测所述X光片图像中的股骨颈区域。
于本发明的一实施例中,所述测量骨盆X光片中颈干角的方法还包括:获取若干骨盆X光片样本;分别对所述骨盆X光片样本中的股骨干区域和股骨颈区域进行标注,形成训练图片集;通过所述训练图片集对目标检测神经网络模型进行训练,获取所述股骨干检测模型和所述股骨颈检测模型。
于本发明的一实施例中,所述从所述股骨干区域提取股骨干的纵轴的一种实现方式包括:截取股骨干区域图像;从所述股骨干区域图像提取股骨干边缘点;对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨干点集和第二股骨干点集;根据所述第一股骨干点集拟合第一直线,并将所述第二股骨干点集中的每一点分别向所述第一直线做垂线,取各所述垂线的中点,形成第三股骨干点集;根据所述第二股骨干点集拟合第二直线,并将所述第一股骨干点集中的每一点分别向所述第二直线做垂线,取各所述垂线的中点,形成第四股骨干点集;根据所述第三股骨干点集和所述第四股骨干点集拟合第三直线,该第三直线即为股骨干的纵轴。
于本发明的一实施例中,从所述股骨颈区域提取股骨颈的短轴的一种实现方式包括:截取股骨颈区域图像;从所述股骨干区域图像提取股骨颈边缘点;对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨颈点集和第二股骨颈点集;获取所述第一股骨颈点集中每一点到所述第二股骨颈点集中每一点之间的欧式距离;获取欧式距离最短的两个点:第一点和第二点,则所述第一点和所述第二点之间的连线段即为股骨颈的短轴。
于本发明的一实施例中,所述根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角的一种实现方式包括:对所述股骨颈的短轴做中垂线,获取所述股骨颈的长轴;获取所述股骨颈的长轴的倾斜角A,获取所述股骨干的纵轴的倾斜角B;获取所述倾斜角A和所述倾斜角B的差值的绝对值,记为角C;若角C为钝角,则角C即为所述颈干角,若角C为锐角,则所述颈干角为180°-角C。
本发明的实施例还提供一种测量骨盆X光片中颈干角的***,所述测量骨盆X光片中颈干角的***包括:图像获取模块,用于获取包含骨盆的X光片图像;区域检测模块,用于检测所述X光片图像中的股骨干区域和股骨颈区域;轴提取模块,用于从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴;颈干角获取模块,用于根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。
于本发明的一实施例中,所述测量骨盆X光片中颈干角的***还包括:模型训练模块,用于获取若干骨盆X光片样本,分别对所述骨盆X光片样本中的股骨干区域和股骨颈区域进行标注,形成训练图片集,并通过所述训练图片集对目标检测神经网络模型进行训练,获取检测所述X光片图像中的股骨干区域的股骨干检测模型和检测所述X光片图像中的股骨颈区域的股骨颈检测模型。
本发明的实施例还提供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上所述的测量骨盆X光片中颈干角的方法。
本发明的实施例还提供一种电子设备,包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现如上所述的测量骨盆X光片中颈干角的方法。
如上所述,本发明的测量骨盆X光片中颈干角的方法、***、设备及存储介质,具有以下有益效果:
本发明通过检测X光片图像中的股骨干区域和股骨颈区域,从所述股骨干区域提取股骨干的纵轴,从股骨颈区域提取股骨颈的短轴和长轴,可以在骨盆X光片中准确、高效地自动测量颈干角,有效解决了现有技术中的依靠医护人员主观观察或手绘法判断X光片中颈干角带来的容易发生错判,费时费力的问题。
附图说明
图1显示为本发明的测量骨盆X光片中颈干角的方法的整体流程示意图。
图2显示为本发明的测量骨盆X光片中颈干角的方法中的骨盆X光片图像示例图。
图3显示为本发明的测量骨盆X光片中颈干角的方法中获取检测模型的示意图。
图4显示为本发明的测量骨盆X光片中颈干角的方法中截取的股骨干图像示例图。
图5显示为本发明的测量骨盆X光片中颈干角的方法中截取的股骨颈图像示例图。
图6显示为本发明的测量骨盆X光片中颈干角的方法中提取股骨干的纵轴的一种实现方式流程图。
图7显示为本发明的测量骨盆X光片中颈干角的方法中提取股骨颈的短轴的一种实现方式流程图。
图8显示为本发明的测量骨盆X光片中颈干角的方法中获取颈干角的一种实现方式流程示意图。
图9显示为本发明的测量骨盆X光片中颈干角的方法中获取颈干角的图像示意图。
图10显示为本发明的测量骨盆X光片中颈干角的***的原理结构示意图。
图11显示为本发明的测量骨盆X光片中颈干角的***的一种优选原理结构示意图。
元件标号说明
100 测量骨盆X光片中颈干角的***
110 图像获取模块
120 区域检测模块
130 轴提取模块
140 颈干角获取模块
150 模型训练模块
S110~S140 步骤
S101~S103 步骤
S131a~S131f 步骤
S132a~S132e 步骤
S141~S146 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本实施例的目的在于提供一种测量骨盆X光片中颈干角的方法、***、设备及存储介质,用于解决现有技术中的依靠医护人员主观观察或手绘法判断X光片中颈干角带来的容易发生错判,费时费力的问题。
以下将详细阐述本实施例的测量骨盆X光片中颈干角的方法、***、设备及存储介质的原理及实施方式,使本领域技术人员不需要创造性劳动即可理解本发明的测量骨盆X光片中颈干角的方法、***、设备及存储介质。
首先对本实施例中涉及的技术术语解释:
股骨:人体中最大的长管状骨,可分为一体两端;上端朝向内上方,其末端膨大呈球形,叫股骨头,与髋臼相关联;头的中央稍下方,有一小凹,叫做股骨头凹,为股骨头韧带的附着处;头的外下方较细的部分称股骨颈;股骨颈下方的长管状部分为股骨干。
如图1所示,本实施例提供一种测量骨盆X光片中颈干角的方法,所述测量骨盆X光片中颈干角的方法包括以下步骤:
步骤S110,获取包含骨盆的X光片图像;
步骤S120,检测所述X光片图像中的股骨干区域和股骨颈区域;
步骤S130,从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴;
步骤S140,根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。
以下对本实施例测量骨盆X光片中颈干角的方法的步骤S110至步骤S140进行详细说明。
步骤S110,获取包含骨盆的X光片图像。
获取通过医用X光机,智能相机等图像采集设备采集的被检体骨盆X光片图像。骨盆X光片图像的示例图如图2所示。
步骤S120,检测所述X光片图像中的股骨干区域和股骨颈区域。
于本实施例中,通过股骨干检测模型检测所述X光片图像中的股骨干区域;通过股骨颈检测模型检测所述X光片图像中的股骨颈区域。
在检测所述X光片图像中的股骨干区域和股骨颈区域之前,建立股骨干检测模型和股骨颈检测模型。具体地,于本实施例中,如图3所示,所述测量骨盆X光片中颈干角的方法还包括:
步骤S101,获取若干骨盆X光片样本;
步骤S102,分别对所述骨盆X光片样本中的股骨干区域和股骨颈区域进行标注,形成训练图片集;例如,将人体骨盆X光片图像中的股骨颈和股骨干区域以矩形框加以标注,获得训练图片集。
步骤S103,通过所述训练图片集对目标检测神经网络模型进行训练,获取所述股骨干检测模型和所述股骨颈检测模型。
其中,所述目标检测神经网络模型包括但不限于Faster-RCNN,YOLO,SSD等,例如,用目标检测神经网络模型SSD,在上述训练图片集上训练目标检测模型,得到股骨干检测模型和股骨颈检测模型。然后通过所述股骨干检测模型检测所述X光片图像中的股骨干区域,将待检测的人体骨盆X光片图像输入到所述股骨干检测模型中,检测获得的股骨干图像如图4所示,通过股骨颈检测模型检测所述X光片图像中的股骨颈区域,待检测的人体骨盆X光片图像输入到所述股骨颈检测模型中,检测获得的股骨颈图像股骨颈图像如图5所示。
步骤S130,从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴。
具体地,如图6所示,于本实施例中,所述从所述股骨干区域提取股骨干的纵轴的一种实现方式包括:
步骤S131a,截取股骨干区域图像;通过股骨干检测模型检测的所述X光片图像中的股骨干区域,从人体骨盆X光片中截取股骨干区域的图像。
步骤S131b,从所述股骨干区域图像提取股骨干边缘点。
具体地,用边缘检测或分割算法,提取所述股骨干区域的图像中的股骨干边缘点。
步骤S131c,对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨干点集和第二股骨干点集。
其中,可以采用现有技术中的聚类算法对所述股骨干边缘点进行聚类处理,例如采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,基于密度的空间聚类)算法,将上述股骨干边缘点聚类,保留点数目最多的两类:第一股骨干点集和第二股骨干点集。
步骤S131d,根据所述第一股骨干点集拟合第一直线,并将所述第二股骨干点集中的每一点分别向所述第一直线做垂线,取各所述垂线的中点,形成第三股骨干点集。
步骤S131e,根据所述第二股骨干点集拟合第二直线,并将所述第一股骨干点集中的每一点分别向所述第二直线做垂线,取各所述垂线的中点,形成第四股骨干点集。
步骤S131f,根据所述第三股骨干点集和所述第四股骨干点集拟合第三直线,该第三直线即为股骨干的纵轴。
具体地,合并所述第三股骨干点集和所述第四股骨干点集,记为第五股骨干点集,用第五股骨干点集拟合一条直线,形成第三直线,即为股骨干的纵轴。
于本实施例中,如图7所示,从所述股骨颈区域提取股骨颈的短轴的一种实现方式包括:
步骤S132a,截取股骨颈区域图像。
通过股骨颈检测模型检测的所述X光片图像中的股骨颈区域,从人体骨盆X光片中截取股骨颈区域的图像。
步骤S132b,从所述股骨干区域图像提取股骨颈边缘点。
具体地,用边缘检测或分割算法,提取所述股骨颈区域的图像中的股骨颈边缘点。
步骤S132c,对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨颈点集和第二股骨颈点集。
其中,可以采用现有技术中的聚类算法对所述股骨颈边缘点进行聚类处理,例如采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,基于密度的空间聚类)算法,将上述股骨颈边缘点聚类,保留点数目最多的两类:
步骤S132d,获取所述第一股骨颈点集中每一点到所述第二股骨颈点集中每一点之间的欧式距离。
步骤S132e,获取欧式距离最短的两个点:第一点和第二点,则所述第一点和所述第二点之间的连线段即为股骨颈的短轴。
步骤S140,根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。
具体地,如图8所示,于本实施例中,所述根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角的一种实现方式包括:
步骤S141,对所述股骨颈的短轴做中垂线,获取所述股骨颈的长轴;即过股骨颈的短轴做中垂线,所得直线即为股骨颈的长轴。计算股骨颈的长轴与股骨干的纵轴所夹的钝角,即得颈干角,具体地,执行步骤S142至步骤S146。
步骤S142,获取所述股骨颈的长轴的倾斜角A,获取所述股骨干的纵轴的倾斜角B;
步骤S143,获取所述倾斜角A和所述倾斜角B的差值的绝对值,记为角C;
步骤S144,判断角C是否为钝角,若是,则执行步骤步骤S145:角C即为所述颈干角,若否,则执行步骤S146:角C为锐角,则所述颈干角为180°-角C。
如图9所示,在图9中,线L3为股骨干纵轴,线L2为股骨颈短轴,线L1为股骨颈长轴,线L1和线L3所夹的钝角即为颈干角。
所以本实施例的测量骨盆X光片中颈干角的方法可以在骨盆X光片中准确、高效地自动测量颈干角。
此外,如图10所示,于本实施例还提供一种测量骨盆X光片中颈干角的***100,所述测量骨盆X光片中颈干角的***100包括:图像获取模块110,区域检测模块120,轴提取模块130以及颈干角获取模块140。
于本实施例中,所述图像获取模块110用于获取包含骨盆的X光片图像。
所述图像获取模块110获取通过医用X光机,智能相机等图像采集设备采集的被检体骨盆X光片图像。骨盆X光片图像的示例图如图2所示。
于本实施例中,所述区域检测模块120用于检测所述X光片图像中的股骨干区域和股骨颈区域。
在检测所述X光片图像中的股骨干区域和股骨颈区域之前,建立股骨干检测模型和股骨颈检测模型。所以,如图11所示,于本实施例中,所述测量骨盆X光片中颈干角的***100还包括:模型训练模块150,用于获取若干骨盆X光片样本,分别对所述骨盆X光片样本中的股骨干区域和股骨颈区域进行标注,形成训练图片集,并通过所述训练图片集对目标检测神经网络模型进行训练,获取检测所述X光片图像中的股骨干区域的股骨干检测模型和检测所述X光片图像中的股骨颈区域的股骨颈检测模型。
其中,所述目标检测神经网络模型包括但不限于Faster-RCNN,YOLO,SSD等,例如,用目标检测神经网络模型SSD,在上述训练图片集上训练目标检测模型,得到股骨干检测模型和股骨颈检测模型。然后通过所述股骨干检测模型检测所述X光片图像中的股骨干区域,将待检测的人体骨盆X光片图像输入到所述股骨干检测模型中,检测获得的股骨干图像如图4所示,通过股骨颈检测模型检测所述X光片图像中的股骨颈区域,待检测的人体骨盆X光片图像输入到所述股骨颈检测模型中,检测获得的股骨颈图像股骨颈图像如图5所示。
于本实施例中,所述轴提取模块130用于从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴。
具体地,所述轴提取模块130包括股骨干纵轴提取单元,所述股骨干纵轴提取单元提取股骨干的纵轴的一种实现方式包括:
截取股骨干区域图像,通过股骨干检测模型检测的所述X光片图像中的股骨干区域,从人体骨盆X光片中截取股骨干区域的图像,然后从所述股骨干区域图像提取股骨干边缘点。
具体地,用边缘检测或分割算法,提取所述股骨干区域的图像中的股骨干边缘点。
对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨干点集和第二股骨干点集。
其中,可以采用现有技术中的聚类算法对所述股骨干边缘点进行聚类处理,例如采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,基于密度的空间聚类)算法,将上述股骨干边缘点聚类,保留点数目最多的两类:第一股骨干点集和第二股骨干点集。
根据所述第一股骨干点集拟合第一直线,并将所述第二股骨干点集中的每一点分别向所述第一直线做垂线,取各所述垂线的中点,形成第三股骨干点集。
根据所述第二股骨干点集拟合第二直线,并将所述第一股骨干点集中的每一点分别向所述第二直线做垂线,取各所述垂线的中点,形成第四股骨干点集。
根据所述第三股骨干点集和所述第四股骨干点集拟合第三直线,该第三直线即为股骨干的纵轴。
具体地,合并所述第三股骨干点集和所述第四股骨干点集,记为第五股骨干点集,用第五股骨干点集拟合一条直线,形成第三直线,即为股骨干的纵轴。
具体地,所述轴提取模块130包括股骨颈短轴提取单元,所述股骨颈短轴提取单元提提取股骨颈的短轴的一种实现方式包括:
截取股骨颈区域图像。通过股骨颈检测模型检测的所述X光片图像中的股骨颈区域,从人体骨盆X光片中截取股骨颈区域的图像,从所述股骨干区域图像提取股骨颈边缘点。
具体地,用边缘检测或分割算法,提取所述股骨颈区域的图像中的股骨颈边缘点。
对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨颈点集和第二股骨颈点集。
其中,可以采用现有技术中的聚类算法对所述股骨颈边缘点进行聚类处理,例如采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,基于密度的空间聚类)算法,将上述股骨颈边缘点聚类,保留点数目最多的两类:
获取所述第一股骨颈点集中每一点到所述第二股骨颈点集中每一点之间的欧式距离。获取欧式距离最短的两个点:第一点和第二点,则所述第一点和所述第二点之间的连线段即为股骨颈的短轴。
于本实施例中,所述颈干角获取模块140用于根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。
所述颈干角获取模块140获取颈干角的一种实现方式包括:
对所述股骨颈的短轴做中垂线,获取所述股骨颈的长轴;即过股骨颈的短轴做中垂线,所得直线即为股骨颈的长轴。计算股骨颈的长轴与股骨干的纵轴所夹的钝角,即得颈干角。具体如下:
获取所述股骨颈的长轴的倾斜角A,获取所述股骨干的纵轴的倾斜角B;
获取所述倾斜角A和所述倾斜角B的差值的绝对值,记为角C;
判断角C是否为钝角,若是,则确定角C即为所述颈干角,若否,则确定角C为锐角,所述颈干角为180°-角C。
如图9所示,在图9中,线L3为股骨干纵轴,线L2为股骨颈短轴,线L1为股骨颈长轴,线L1和线L3所夹的钝角即为颈干角。
本发明的实施例还提供一种计算机可读存储介质,所述存储介质例如为存储器,存储器被配置为存储各种类型的数据以支持在设备的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令,消息,图片等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),高速随机存取存储器,电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘等。所述存储器存储有程序指令,所述程序指令被执行时实现如上所述的测量骨盆X光片中颈干角的方法。上述已经对所述的测量骨盆X光片中颈干角的方法进行了详细说明,在此不再赘述。
本发明的实施例还提供一种电子设备,所述电子设备为但不限于医疗检测设备,图像处理设备等,所述电子设备包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现如上所述的测量骨盆X光片中颈干角的方法。
于实际的实现方式中,所述电子设备例如为安装Android操作***或者iOS操作***,或者Palm OS、Symbian(塞班)、或者Black Berry(黑莓)OS、Windows Phone等操作***的电子设备。
在示例性实施例中,所述电子设备可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器、摄像头或其他电子元件实现,用于执行上述测量骨盆X光片中颈干角的方法。
综上所述,本发明通过检测X光片图像中的股骨干区域和股骨颈区域,从所述股骨干区域提取股骨干的纵轴,从股骨颈区域提取股骨颈的短轴和长轴,在骨盆X光片中准确、高效地自动测量颈干角,有效解决了现有技术中的依靠医护人员主观观察或手绘法判断X光片中颈干角带来的容易发生错判,费时费力的问题。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种测量骨盆X光片中颈干角的方法,其特征在于,所述测量骨盆X光片中颈干角的方法包括:
获取包含骨盆的X光片图像;
检测所述X光片图像中的股骨干区域和股骨颈区域;
从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴;
根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。
2.根据权利要求1所述的测量骨盆X光片中颈干角的方法,其特征在于,通过股骨干检测模型检测所述X光片图像中的股骨干区域;通过股骨颈检测模型检测所述X光片图像中的股骨颈区域。
3.根据权利要求2所述的测量骨盆X光片中颈干角的方法,其特征在于,所述测量骨盆X光片中颈干角的方法还包括:
获取若干骨盆X光片样本;
分别对所述骨盆X光片样本中的股骨干区域和股骨颈区域进行标注,形成训练图片集;
通过所述训练图片集对目标检测神经网络模型进行训练,获取所述股骨干检测模型和所述股骨颈检测模型。
4.根据权利要求1所述的测量骨盆X光片中颈干角的方法,其特征在于,所述从所述股骨干区域提取股骨干的纵轴的一种实现方式包括:
截取股骨干区域图像;
从所述股骨干区域图像提取股骨干边缘点;
对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨干点集和第二股骨干点集;
根据所述第一股骨干点集拟合第一直线,并将所述第二股骨干点集中的每一点分别向所述第一直线做垂线,取各所述垂线的中点,形成第三股骨干点集;
根据所述第二股骨干点集拟合第二直线,并将所述第一股骨干点集中的每一点分别向所述第二直线做垂线,取各所述垂线的中点,形成第四股骨干点集;
根据所述第三股骨干点集和所述第四股骨干点集拟合第三直线,该第三直线即为股骨干的纵轴。
5.根据权利要求1所述的测量骨盆X光片中颈干角的方法,其特征在于,从所述股骨颈区域提取股骨颈的短轴的一种实现方式包括:
截取股骨颈区域图像;
从所述股骨干区域图像提取股骨颈边缘点;
对所述股骨干边缘点进行聚类处理,获取数量最多的两类股骨干边缘点:第一股骨颈点集和第二股骨颈点集;
获取所述第一股骨颈点集中每一点到所述第二股骨颈点集中每一点之间的欧式距离;
获取欧式距离最短的两个点:第一点和第二点,则所述第一点和所述第二点之间的连线段即为股骨颈的短轴。
6.根据权利要求5所述的测量骨盆X光片中颈干角的方法,其特征在于,所述根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角的一种实现方式包括:
对所述股骨颈的短轴做中垂线,获取所述股骨颈的长轴;
获取所述股骨颈的长轴的倾斜角A,获取所述股骨干的纵轴的倾斜角B;
获取所述倾斜角A和所述倾斜角B的差值的绝对值,记为角C;
若角C为钝角,则角C即为所述颈干角,若角C为锐角,则所述颈干角为180°-角C。
7.一种测量骨盆X光片中颈干角的***,其特征在于,所述测量骨盆X光片中颈干角的***包括:
图像获取模块,用于获取包含骨盆的X光片图像;
区域检测模块,用于检测所述X光片图像中的股骨干区域和股骨颈区域;
轴提取模块,用于从所述股骨干区域提取股骨干的纵轴,从所述股骨颈区域提取股骨颈的短轴;
颈干角获取模块,用于根据所述股骨干的纵轴和所述股骨颈的短轴获取颈干角。
8.根据权利要求7所述的测量骨盆X光片中颈干角的***,其特征在于,所述测量骨盆X光片中颈干角的***还包括:
模型训练模块,用于获取若干骨盆X光片样本,分别对所述骨盆X光片样本中的股骨干区域和股骨颈区域进行标注,形成训练图片集,并通过所述训练图片集对目标检测神经网络模型进行训练,获取检测所述X光片图像中的股骨干区域的股骨干检测模型和检测所述X光片图像中的股骨颈区域的股骨颈检测模型。
9.一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至权利要求6任一权利要求所述的测量骨盆X光片中颈干角的方法。
10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现如权利要求1至权利要求6任一权利要求所述的测量骨盆X光片中颈干角的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810992671.9A CN109242837B (zh) | 2018-08-29 | 2018-08-29 | 测量骨盆x光片中颈干角的方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810992671.9A CN109242837B (zh) | 2018-08-29 | 2018-08-29 | 测量骨盆x光片中颈干角的方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242837A true CN109242837A (zh) | 2019-01-18 |
CN109242837B CN109242837B (zh) | 2021-09-14 |
Family
ID=65068677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810992671.9A Active CN109242837B (zh) | 2018-08-29 | 2018-08-29 | 测量骨盆x光片中颈干角的方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242837B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111323A (zh) * | 2019-05-13 | 2019-08-09 | 上海交通大学医学院附属上海儿童医学中心 | 髋关节检测方法及装置 |
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 |
CN112700427A (zh) * | 2021-01-07 | 2021-04-23 | 哈尔滨晓芯科技有限公司 | 髋关节x光自动评估方法 |
WO2023051659A1 (zh) * | 2021-09-29 | 2023-04-06 | 北京长木谷医疗科技有限公司 | 股骨近端髓腔图像数据处理方法、装置、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070056050A1 (en) * | 2005-06-29 | 2007-03-08 | Clokie Cameron M L | PRODUCTION OF BONE MORPHOGENIC PROTEINS (BMPs) IN TRANSGENIC MAMMALS |
CN107545578A (zh) * | 2017-08-25 | 2018-01-05 | 沈阳东软医疗***有限公司 | Ct图像中股骨头区域分割方法、装置及设备 |
CN108309334A (zh) * | 2017-12-08 | 2018-07-24 | 李书纲 | 一种脊柱x线影像的数据处理方法 |
-
2018
- 2018-08-29 CN CN201810992671.9A patent/CN109242837B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070056050A1 (en) * | 2005-06-29 | 2007-03-08 | Clokie Cameron M L | PRODUCTION OF BONE MORPHOGENIC PROTEINS (BMPs) IN TRANSGENIC MAMMALS |
CN107545578A (zh) * | 2017-08-25 | 2018-01-05 | 沈阳东软医疗***有限公司 | Ct图像中股骨头区域分割方法、装置及设备 |
CN108309334A (zh) * | 2017-12-08 | 2018-07-24 | 李书纲 | 一种脊柱x线影像的数据处理方法 |
Non-Patent Citations (1)
Title |
---|
李鹏: "全髋关节置换术治疗成人先天性髋关节发育不良的临床研究", 《中国优秀硕士学位论文全文数据库医药卫生科技楫》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111323A (zh) * | 2019-05-13 | 2019-08-09 | 上海交通大学医学院附属上海儿童医学中心 | 髋关节检测方法及装置 |
CN110111323B (zh) * | 2019-05-13 | 2021-08-10 | 上海交通大学医学院附属上海儿童医学中心 | 髋关节检测方法及装置 |
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 |
CN112700427A (zh) * | 2021-01-07 | 2021-04-23 | 哈尔滨晓芯科技有限公司 | 髋关节x光自动评估方法 |
CN112700427B (zh) * | 2021-01-07 | 2024-04-16 | 哈尔滨晓芯科技有限公司 | 髋关节x光自动评估方法 |
WO2023051659A1 (zh) * | 2021-09-29 | 2023-04-06 | 北京长木谷医疗科技有限公司 | 股骨近端髓腔图像数据处理方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109242837B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242837A (zh) | 测量骨盆x光片中颈干角的方法、***、设备及存储介质 | |
CN109242838A (zh) | 测量骨盆x光片中中心边缘角的方法、***、设备及介质 | |
CN106326894B (zh) | 一种高铁接触网旋转双耳横向销钉不良状态检测方法 | |
Lo et al. | Vessel-guided airway tree segmentation: A voxel classification approach | |
CN108133476B (zh) | 一种肺结节自动检测方法及*** | |
CN109409190A (zh) | 基于梯度直方图和Canny边缘检测器的行人检测方法 | |
CN110188724A (zh) | 基于深度学习的安全帽定位与颜色识别的方法及*** | |
CN106056118A (zh) | 一种用于细胞的识别计数方法 | |
Xu et al. | A hybrid method for airway segmentation and automated measurement of bronchial wall thickness on CT | |
CN107146214A (zh) | 儿童髋关节发育状况计算机自动诊断的方法 | |
JP2008545959A (ja) | 顕微鏡装置および薬品、物理療法と生物学的危険物質のためのふるい分け(screening)方法 | |
CN106679567A (zh) | 基于双目立体视觉的接触网及支柱几何参数检测测量*** | |
CN104990926A (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN105956386B (zh) | 基于健康人胸片的健康指标指数分类***和方法 | |
CN107855287A (zh) | 一种快递货物体积自动检测*** | |
CN110929728A (zh) | 一种图像感兴趣区域划分方法、图像分割方法及装置 | |
CN107832838A (zh) | 评价细胞涂片标本满意度的方法和装置 | |
Gao et al. | Automatic optic disc segmentation based on modified local image fitting model with shape prior information | |
CN113139962A (zh) | 用于脊柱侧凸概率评估的***和方法 | |
CN103284743A (zh) | 确定标记物位置和患者呼吸曲线的方法及装置 | |
CN110111323A (zh) | 髋关节检测方法及装置 | |
CN110264460A (zh) | 一种目标检测结果的鉴别方法、装置、设备及存储介质 | |
CN110458053A (zh) | 一种有效监控区域划分方法及视频客流计数方法 | |
CN112785591A (zh) | 一种ct影像中肋骨骨折的检测与分割方法及装置 | |
Dupej et al. | Semiautomatic extraction of cortical thickness and diaphyseal curvature from CT scans |
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 |