骨折分型的形成方法及装置与流程

本发明实施例涉及图像处理技术领域，尤其涉及一种骨折分型的形成方法及装置。

背景技术：

骨折分型用于对骨折的类型进行描述，以便于对骨折情况进行分类和归纳，以便于针对不同类型的骨折进行研究。

现有骨折分型多基于二维图像获得，准确率及可靠性较低，且现有骨折分型类型较少，不利于科学研究。

技术实现要素：

本发明实施例提供一种骨折分型的形成方法及装置，用以解决上述至少一种技术问题。

第一方面，本发明实施例提供一种骨折分型的形成方法，包括：

获取m个骨折病例中每个骨折病例的图像数据，m个骨折病例为m个样本生物的同一生理部位的骨折病例，每个骨折病例的图像数据包括从n个不同方向拍摄所获得的图像数据；

根据每个骨折病例的图像数据，获取每个骨折病例的骨折线图；

根据m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图划为k类骨折分型的骨折线图；

根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据；

其中，m、n、k为大于等于2的整数，k小于m。

在一种可能的实现方式中，根据m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图划为k类，包括：

从m个骨折病例的骨折线图中选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心，i为大于等于1的整数；

根据k类骨折分型的第i个聚类中心以及m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图聚类为k类骨折分型的骨折线图；

其中，每类骨折分型的每个骨折线图与该类骨折分型的第i个聚类中心之间的相对距离小于与其它类骨折分型的第i个聚类中心之间的相对距离。

在一种可能的实现方式中，从m个骨折病例的骨折线图中选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心，包括：

当i等于1时，从m个骨折病例的骨折线图中随机选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心；

当i大于等于2时，针对每类骨折分型，从根据第i-1个聚类中心获得的k类骨折分型的骨折线图中，获取第i个聚类中心；第i个聚类中心与该类骨折分型的其它骨折线图之间的相对距离之和最小。

在一种可能的实现方式中，根据k类骨折分型的第i个聚类中心以及m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图聚类为k类骨折分型的骨折线图之后，还包括：

针对每类骨折分型，若根据第i-1个聚类中心获得的该类骨折分型的骨折线图与根据第i个聚类中心获得的该类骨折分型的骨折线图不相同，则更新i为i+1；

若根据第i-1个聚类中心获得的该类骨折分型的骨折线图与根据第i个聚类中心获得的该类骨折分型的骨折线图相同，则停止更新i为i+1。

在一种可能的实现方式中，根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据，包括：

若停止更新i为i+1，根据由第i个聚类中心获得的每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据。

在一种可能的实现方式中，根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据，包括：

将每类骨折分型的所有骨折线图叠加处理，获得每类骨折分型的叠加骨折线图；

根据每类骨折分型的叠加骨折线图，生成该类骨折分型的参考图像数据。

在一种可能的实现方式中，根据每个骨折病例的图像数据，获取每个骨折病例的骨折线图，包括：

获取每个骨折病例的三维图像数据；

根据三维图像数据，对三维图像数据对应的骨折病例进行解剖复位处理；

根据解剖复位处理后的三维图像数据，绘制该骨折病例的骨折线图谱；

从骨折线图谱中，获取该骨折病例的骨折线图。

第二方面，本发明实施例提供一种骨折分型的形成装置，包括：

采集模块，用于获取m个骨折病例中每个骨折病例的图像数据，m个骨折病例为m个样本生物的同一生理部位的骨折病例，每个骨折病例的图像数据包括从n个不同方向拍摄所获得的图像数据；

获取模块，用于根据每个骨折病例的图像数据，获取每个骨折病例的骨折线图；

分类模块，用于根据m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图划为k类骨折分型的骨折线图；

生成模块，用于根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据；

其中，m、n、k为大于等于2的整数，k小于m。

第三方面，本发明实施例提供一种电子设备，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面任一项所述的方法。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面任一项所述的方法。

本发明实施例提供的骨折分型的形成方法及装置，通过获取大量样本生物的同一生理部位的骨折图像数据，并从骨折图像数据中提取骨折线图，根据各个骨折线图之间的相对距离，形成骨折分型。本实施例提供的骨折分型的形成方法，基于大数据分析，提高了骨折分型的效率、准确性以及多样性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1为本发明提供的骨折分型的形成方法一实施例的流程图；

图2为本发明提供的骨折分型的形成方法又一实施例的流程图；

图3a-图3d为本发明提供的根据骨折病例的图像数据，获取骨折线图的过程示意图；

图4为本发明提供的骨折分型的形成方法另一实施例的流程图；

图5为本发明提供的骨折分型的形成方法又一实施例的流程图；

图6a-图6c为本发明提供的根据每类骨折分型的骨折线图，生成参考图像数据的过程示意图；

图7为本发明提供的骨折分型的形成装置一实施例的结构示意图；

图8为本发明提供的电子设备一实施例的结构示意图。

通过上述附图，已示出本发明明确的实施例，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发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

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发明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、本发明的一些方面相一致的装置和方法的例子。

本发明的说明书和权利要求书中的术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明中的“第一”和“第二”只起标识作用，而不能理解为指示或暗示顺序关系、相对重要性或者隐含指明所指示的技术特征的数量。“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。

本发明的说明书中通篇提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

图1为本发明提供的骨折分型的形成方法一实施例的流程图。如图1所示，本实施例提供的方法可以包括：

步骤s101、获取m个骨折病例中每个骨折病例的图像数据，m个骨折病例为m个样本生物的同一生理部位的骨折病例，每个骨折病例的图像数据包括从n个不同方向拍摄所获得的图像数据。

本实施例中的图像数据可以理解为骨折病例的医学影像数据，例如，可以选取骨折病例的电子计算机断层扫描(computedtomography，ct)医学数字成像和通信(digitalimagingandcommunicationsinmedicine，dicom)数据。

m个骨折病例为同一生理部位的骨折病例，例如m个骨折病例可以均为股骨。可以理解的是，对于不同生理部位的骨折病例进行分型毫无意义。可选的，根据国际内固定研究学会(associationforthestudyofinternalfixation，ao/asif)分类，表示位置的两个数字相同，即根据ao/asif分类，m个骨折病例的骨折部位位于同一生理位置。

为了更全面的对骨折病例进行描述，可以从n个不同方向对骨折部位进行拍摄，以获取骨折病例各个方向的图像数据。n越大，对于骨折病例的描述越全面，同时也会产生更多的冗余数据，因此n并非越大越好。可选的，n可以选取为能够对骨折病例进行三维重建的最小值。例如，可以选取n为4，从正面、内面、后面和外面四个依次连接的侧面进行拍摄。

步骤s102、根据每个骨折病例的图像数据，获取每个骨折病例的骨折线图。

可选的，由于各个样本生物具有差异性，其同一生理部位的骨折病例也具有差异性，为了提高骨折分型的准确性，可以对m个骨折病例的图像数据进行归一化处理。

可选的，根据每个骨折病例的从n个不同方向拍摄所获得的图像数据，获取每个骨折病例的n个不同方向的骨折线图。可以理解的，这n个不同方向的骨折线图作为一组，反映了该骨折病例的骨折状况。

可选的，可以将n个不同方向的骨折线图，依次进行拼接，形成该骨折病例的完整的骨折线图。

步骤s103、根据m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图划为k类骨折分型的骨折线图。

计算每两个骨折病例的骨折线图之间的相对距离。可选的，可以计算每两个骨折病例的骨折线图之间的豪斯多夫hausdorff距离、杰卡德距离、马氏距离等。

根据相对距离，将m个骨折病例的骨折线图划为k类。其中，k为期望的骨折分型的类型数，可以根据需要进行设置，不同生理部位的骨折病例可以设置不同的骨折分型的类型数。k的设置不局限于现有的骨折分型类型，通过设置不同的k值，提高了骨折分型的多样性。

可选的，根据相对距离，可以采用聚类算法，将m个骨折病例的骨折线图划为k类。例如，可以采用划分聚类、层次聚类、模糊聚类、基于密度聚类等聚类算法，进行划分。本实施例对于所采用的具体聚类算法不做特殊限定。

步骤s104、根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据；其中，m、n、k为大于等于2的整数，k小于m。

参考图像数据反映了骨折线图的类内一致性和类间差异性。

本实施例提供的骨折分型的形成方法，通过获取大量样本生物的同一生理部位的骨折图像数据，并从骨折图像数据中提取骨折线图，根据各个骨折线图之间的相对距离，形成骨折分型。本实施例提供的骨折分型的形成方法，基于大数据分析，提高了骨折分型的效率、准确性以及多样性。

下面通过几个具体的应用示例，对本实施例提供的骨折分型的形成方法进行说明。

以粗隆间骨折为例，为了研究不同骨折分型类型的粗隆间骨折的特性，假设需要对10万例患者术前的ctdicom图像数据进行骨折分型分类，以便针对不同的骨折分型进行研究。现有技术中需要由骨科医生或者医学教师确定每一例患者的图像数据的骨折分型类型，骨折分型的效率低，这不仅会耗费大量的医疗或者教师资源，而且受个人知识及经验的限制，准确性难以保证。本实施例提供的骨折分型的形成方法，无需骨科医生或者医学教师的参与，提高了骨折分型的效率和准确性。

以股骨颈骨折为例，按骨折线的方向确定的骨折分型的类型仅包括：外展型、中间型和内收型，即现有骨折分型的类型较少，不利于骨折医学研究的进行。本实施例提供的骨折分型的形成方法，可以形成多样化的骨折分型类型，能够促进骨折医学研究。

需要说明的是，为便于描述，下述各实施例中以粗隆间骨折为例进行说明，但是并不表示本发明仅限于此。

在上述实施例的基础上，本实施例针对上述实施例中步骤s102进行详细说明。图2为本发明提供的骨折分型的形成方法又一实施例的流程图。图3a-图3d为本发明提供的根据骨折病例的图像数据，获取骨折线图的过程示意图。如图2所示，本实施例提供的骨折分型的形成方法中，根据每个骨折病例的图像数据，获取每个骨折病例的骨折线图，可以包括：

步骤s1021、获取每个骨折病例的三维图像数据。

如图3a所示，为将一粗隆间骨折患者术前的ctdicom数据，导入mimics软件，对该骨折病例进行三维重建所形成的图像数据。本实施例展示了依次连接的正面、内面、后面和外面等四个侧面的图像数据。

步骤s1022、根据三维图像数据，对三维图像数据对应的骨折病例进行解剖复位处理。

如图3b所示，为对图3a所示的骨折病例进行解剖复位后的图像数据。可选的，可以采用mimics软件进行解剖复位处理。

步骤s1023、根据解剖复位处理后的三维图像数据，绘制该骨折病例的骨折线图谱。

如图3c所示，为根据图3b所示的经解剖复位处理后的三维图像数据，绘制的骨折线图谱。

步骤s1024、从骨折线图谱中，获取该骨折病例的骨折线图。

如图3d所示，为从图3c所示的骨折线图谱中提取出的骨折线图。

本实施例提供的骨折分型的形成方法，根据三维图像数据，对骨折病例进行解剖复位处理，从解剖复位处理后的三维图像数据中，提取骨折线图，提取到的骨折线图更加准确，在上述实施例的基础上，进一步提高了骨折分型的准确性。

在上述实施例的基础上，本实施例针对上述实施例中步骤s103进行详细说明。

可选的，根据m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图划为k类，可以包括：

从m个骨折病例的骨折线图中选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心，i为大于等于1的整数；

根据k类骨折分型的第i个聚类中心以及m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图聚类为k类骨折分型的骨折线图；

其中，每类骨折分型的每个骨折线图与该类骨折分型的第i个聚类中心之间的相对距离小于与其它类骨折分型的第i个聚类中心之间的相对距离。

可选的，从m个骨折病例的骨折线图中选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心，可以包括：

当i等于1时，从m个骨折病例的骨折线图中随机选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心；

当i大于等于2时，针对每类骨折分型，从根据第i-1个聚类中心获得的k类骨折分型的骨折线图中，获取第i个聚类中心；第i个聚类中心与该类骨折分型的其它骨折线图之间的相对距离之和最小。

可选的，根据k类骨折分型的第i个聚类中心以及m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图聚类为k类骨折分型的骨折线图之后，还可以包括：

针对每类骨折分型，若根据第i-1个聚类中心获得的该类骨折分型的骨折线图与根据第i个聚类中心获得的该类骨折分型的骨折线图不相同，则更新i为i+1；

若根据第i-1个聚类中心获得的该类骨折分型的骨折线图与根据第i个聚类中心获得的该类骨折分型的骨折线图相同，则停止更新i为i+1。

可选的，根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据，可以包括：

若停止更新i为i+1，根据由第i个聚类中心获得的每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据。

在上述实施例的基础上，本实施例通过计算每两个骨折病例的骨折线图之间的豪斯多夫hausdorff距离，采用k-means聚类方法，将m个骨折病例的骨折线图划为k类，提供了一个具体的实施例。图4为本发明提供的骨折分型的形成方法另一实施例的流程图。如图4所示，本实施例提供的骨折分型的形成方法中，根据m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图划为k类，可以包括：

步骤s1031、计算m个骨折病例中每两个骨折病例的骨折线图之间的豪斯多夫hausdorff距离。

步骤s1032、随机选取k个骨折病例的骨折线图，作为k类骨折分型的聚类中心si，i＝1。

步骤s1033、以si作为聚类中心，根据每个骨折病例的骨折线图与si之间的豪斯多夫距离，采用k-means聚类方法，将m个骨折病例的骨折线图划分为k类。

步骤s1034、获取每类骨折线图中与该类其他骨折线图之间的豪斯多夫hausdorff距离之和最小的骨折线图，形成k类骨折分型的新的聚类中心si，i＝i+1。

步骤s1035、判断si+1与si是否相同。若不同，则重复执行步骤s1033；若相同，则继续执行步骤s1036。

步骤s1036、将以si作为聚类中心，采用k-means聚类方法，聚类生成的k类骨折线图作为k类骨折分型的骨折线图。结束。

本实施例提供的骨折分型的形成方法，通过计算每两个骨折病例的骨折线图之间的豪斯多夫hausdorff距离，并采用k-means聚类方法进行聚类，直至前后两次生成的聚类中心相同时，将聚类生成的k类骨折线图作为k类骨折分型的骨折线图。在上述实施例的基础上，本实施例提供的方法进一步提高了骨折分型的准确性。

在上述实施例的基础上，本实施例针对上述实施例中步骤s104进行详细说明。图5为本发明提供的骨折分型的形成方法又一实施例的流程图。图6a-图6c为本发明提供的根据每类骨折分型的骨折线图，生成参考图像数据的过程示意图。如图5所示，本实施例提供的骨折分型的形成方法中，根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据，可以包括：

步骤s1041、将每类骨折分型的所有骨折线图叠加处理，获得每类骨折分型的叠加骨折线图。

如图6a所示，为对粗隆间骨折的骨折分型中的一类中所有的骨折线图进行叠加所形成的该类骨折分型的叠加骨折线图。

步骤s1042、根据每类骨折分型的叠加骨折线图，生成该类骨折分型的参考图像数据。

如图6b所示，为根据图6a所示的叠加骨折线图生成的骨折部位的图谱。如图6c所示，为根据图6a所示的叠加骨折线图和图6b所示的骨折部位的图谱，生成的该类骨折分型的参考图像数据。

本实施例提供的骨折分型的形成方法，通过将每类骨折分型的所有骨折线图叠加处理生成叠加骨折线图，并根据每类骨折分型的叠加骨折线图，生成该类骨折分型的参考图像数据，在上述实施例的基础上，进一步提高了骨折分型的多样性。

图7为本发明提供的骨折分型的形成装置一实施例的结构示意图。如图7所示，本实施例提供的骨折分型的形成装置70可以包括：采集模块701、获取模块702、分类模块703和生成模块704。

采集模块701，用于获取m个骨折病例中每个骨折病例的图像数据，m个骨折病例为m个样本生物的同一生理部位的骨折病例，每个骨折病例的图像数据包括从n个不同方向拍摄所获得的图像数据。

获取模块702，用于根据每个骨折病例的图像数据，获取每个骨折病例的骨折线图。

分类模块703，用于根据m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图划为k类骨折分型的骨折线图。

生成模块704，用于根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据；

其中，m、n、k为大于等于2的整数，k小于m。

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。

可选的，分类模块703具体可以用于，

从m个骨折病例的骨折线图中选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心，i为大于等于1的整数；

根据k类骨折分型的第i个聚类中心以及m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图聚类为k类骨折分型的骨折线图；

其中，每类骨折分型的每个骨折线图与该类骨折分型的第i个聚类中心之间的相对距离小于与其它类骨折分型的第i个聚类中心之间的相对距离。

可选的，从m个骨折病例的骨折线图中选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心，可以包括：

当i等于1时，从m个骨折病例的骨折线图中随机选择k个骨折病例的骨折线图分别作为k类骨折分型的第i个聚类中心；

当i大于等于2时，针对每类骨折分型，从根据第i-1个聚类中心获得的k类骨折分型的骨折线图中，获取第i个聚类中心；第i个聚类中心与该类骨折分型的其它骨折线图之间的相对距离之和最小。

可选的，根据k类骨折分型的第i个聚类中心以及m个骨折病例中每两个骨折病例的骨折线图之间的相对距离，将m个骨折病例的骨折线图聚类为k类骨折分型的骨折线图之后，还可以包括：

针对每类骨折分型，若根据第i-1个聚类中心获得的该类骨折分型的骨折线图与根据第i个聚类中心获得的该类骨折分型的骨折线图不相同，则更新i为i+1；

若根据第i-1个聚类中心获得的该类骨折分型的骨折线图与根据第i个聚类中心获得的该类骨折分型的骨折线图相同，则停止更新i为i+1。

可选的，根据每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据，可以包括：

若停止更新i为i+1，根据由第i个聚类中心获得的每类骨折分型的骨折线图，生成该类骨折分型的参考图像数据。

本实施例的装置，可以用于执行图4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。

可选的，生成模块704具体可以用于，

将每类骨折分型的所有骨折线图叠加处理，获得每类骨折分型的叠加骨折线图；

根据每类骨折分型的叠加骨折线图，生成该类骨折分型的参考图像数据。

本实施例的装置，可以用于执行图5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。

可选的，获取模块702具体可以用于，

获取每个骨折病例的三维图像数据；

根据三维图像数据，对三维图像数据对应的骨折病例进行解剖复位处理；

根据解剖复位处理后的三维图像数据，绘制该骨折病例的骨折线图谱；

从骨折线图谱中，获取该骨折病例的骨折线图。

本实施例的装置，可以用于执行图2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。

本发明实施例还提供一种电子设备，请参见图8所示，本发明实施例仅以图8为例进行说明，并不表示本发明仅限于此。图8为本发明提供的电子设备一实施例的结构示意图。如图8所示，本实施例提供的电子设备80可以包括：存储器801、处理器802和总线803。其中，总线803用于实现各元件之间的连接。

存储器801中存储有计算机程序，计算机程序被处理器802执行时可以实现上述任一方法实施例的技术方案。

其中，存储器801和处理器802之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接，如可以通过总线803连接。存储器801中存储有实现骨折分型的形成方法的计算机程序，包括至少一个可以软件或固件的形式存储于存储器801中的软件功能模块，处理器802通过运行存储在存储器801内的软件程序以及模块，从而执行各种功能应用以及数据处理。

存储器801可以是，但不限于，随机存取存储器(randomaccessmemory，简称：ram)，只读存储器(readonlymemory，简称：rom)，可编程只读存储器(programmableread-onlymemory，简称：prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，简称：eprom)，电可擦除只读存储器(electricerasableprogrammableread-onlymemory，简称：eeprom)等。其中，存储器801用于存储程序，处理器802在接收到执行指令后，执行程序。进一步地，上述存储器801内的软件程序以及模块还可包括操作系统，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。

处理器802可以是一种集成电路芯片，具有信号的处理能力。上述的处理器802可以是通用处理器，包括中央处理器(centralprocessingunit，简称：cpu)、网络处理器(networkprocessor，简称：np)等。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。可以理解，图8的结构仅为示意，还可以包括比图8中所示更多或者更少的组件，或者具有与图8所示不同的配置。图8中所示的各组件可以采用硬件和/或软件实现。

本实施例的电子设备，可以用于执行上述任一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。

可选的，处理器802还可以用于，接收输入的患者的骨折部位的图像数据，根据该图像数据以及上述任一方法实施例所形成的骨折分型的模型，确定该患者的骨折分型类型。

可选的，处理器802具体可以用于，根据患者的骨折部位的图像数据，提取该患者的骨折线图，计算该患者的骨折线图至各个骨折分型模型的豪斯多夫距离，将该患者的骨折分型类型确定为豪斯多夫距离最小的骨折分型。

本发明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，计算机程序被处理器执行时可以实现上述任一方法实施例提供的骨折分型的形成方法。本实施例中的计算机可读存储介质可以是计算机能够存取的任何可用介质，或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备，可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如ssd)等。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。