骨骼结构识别方法以及系统与流程

本发明涉及一种骨骼结构的识别方法以及实现所述方法的系统。具体涉及通过计算机图像识别方式对骨骼结构进行识别、并进一步计算不同骨骼结构的骨密度的方法以及实现所述方法的系统。本发明能够实现骨骼结构，尤其是松质骨和皮质骨的自动识别及骨密度计算。

背景技术：

1、骨是以骨组织为主体构成的器官，其是在结缔组织或软骨基础上骨化形成的。骨具有一定的形态，由骨质、骨膜和骨髓构成。骨的骨质按照结构可分为皮质骨(也称为“骨密质”)和松质骨(也称为“骨松质”)。其中松质骨占人体骨量的20％，但构成80％的骨表面。松质骨的骨密度低于皮质骨，而富有弹性；松质骨的脚手架结构有助于维持骨骼形态，抵抗压力，构成绝大部分的中轴骨如颅骨、肋骨、脊柱骨。骨质呈现多孔性，如果骨组织的总量减少，则表现为骨质疏松症，此时骨的脆性较大，易发生骨折。

2、骨强度是反映人体内骨质量的指标，代表了骨的韧性和载荷能力，其受多个因素影响，包括但不限于骨形态、骨质量和骨密度等。其中，骨密度是指单位体积(体积密度)或者是单位面积(面积密度)所含的骨量，其是影响骨强度的因素之一，能够在一定程度上指示骨强度。其中，体积骨密度分数的单位是mg/cm3；面积骨密度分数的单位是mg/cm2。

3、目前，定量ct(又称qct)是基于临床ct扫描技术、检测骨密度分数的手段之一，其能将皮质骨和松质骨的骨密度分数分开评价，表明早期的松质骨和/或皮质骨丢失情况，在一定程度上可作为骨强度变化的早期指示。在用定量ct检测骨密度时，首先获得临床ct扫描骨截面图像；其次，需要人为在ct图像上勾画区分松质骨和皮质骨的区域。然而，受不同工作人员对所勾画区域判定标准的不同，结果的一致性差，这导致最终测算的骨密度结果产生误差；另外，人工勾画区分松质骨和皮质骨区域相当耗费人力和时间，影响检测速度。中国专利申请cn111667474a公开了一种骨折识别方法、装置、设备和计算机可读存储介质，其包括对获取的骨骼图像进行预处理，将所述预处理后的骨骼图像输入预先训练的区域识别模型、得到区域图像，将所述区域图像输入预先训练的骨折识别模型，得到骨折识别结果。上述公开专利解决的技术问题是识别骨折，而不能区分松质骨和皮质骨区域。

4、因此，急需一种能够自动识别图像、尤其是ct图像中的松质骨或皮质骨区域，以及计算骨密度的方法和系统。

技术实现思路

1、本发明人使用计算机视觉，对骨骼结构(如松质骨和皮质骨)的识别方法进行研究，结果发现针对骨骼结构(如松质骨和皮质骨)特征、优化计算机视觉软件的应用，能够有效地识别骨骼结构(如松质骨和皮质骨)。

2、本发明是基于上述发现的发明，在本发明的第一方面，提供一种骨骼结构的识别方法，其特征在于，包括：

3、获得骨骼图像，并对所述图像进行预处理，得到目标区域；

4、确定骨骼结构的轮廓，所述轮廓包括初始内轮廓和外轮廓；

5、对所述初始内轮廓进行优化处理获得内轮廓，从而确定内轮廓内部的骨骼结构以得到骨骼结构图像。

6、在一个实施方式中，所述骨骼图像为采用影像设备扫描骨骼所获得的骨骼截面图像。

7、在一个优选的实施方式中，所述影像设备是ct设备。

8、在一个优选的实施方式中，所述骨骼包括股骨、胫骨、椎骨。

9、在一个优选的实施方式中，所述骨骼截面图像包括横断面图像、矢状面图像或冠状面图像。

10、在一个实施方式中，所述预处理包括以下所述之一或其组合：

11、(1)将骨骼图像转化为灰度图像；

12、(2)利用阈值分割图像得到初始目标图层；和

13、(3)过滤四周外部的干扰小骨头。

14、在一个实施例中，所述预处理进一步包括

15、(4)调用预测模型，以区分旁侧小骨。

16、在一个实施方式中，所述优化处理包括去除初始内轮廓上的一个或多个闭合空洞和/或长条内凹，以确定内轮廓内部区域；优选地，所述优化处理的最后一步为去除长条内凹。

17、在一个实施方式中，去除闭合空洞通过以下方法实现：

18、对轮廓特征进行凸度缺陷检测，获取所有的凸度缺陷点及相关点信息，然后检测出所有内外轮廓之间的空洞，判断该空洞是否需要去除；

19、如果判断需要去除空洞，则先确定内轮廓上距离闭合空洞最近的点p(如图10)和闭合空洞上距离内轮廓最远的点4(如图10)；

20、如果在凸度缺陷点的集合中搜索不到与点p(如图10)重合的凸度缺陷点，则确定与点p(如图10)距离最近的凸度缺陷点1(如图10)，然后确定横跨点1(如图10)的点6(如图10)和点7(如图10)，再分别确定空洞上距离点6(如图10)、点7(如图10)最近的点5(如图10)、点3(如图10)，接下来分别确定内轮廓上距离点5(如图10)、点3(如图10)最近的点0(如图10)、点2(如图10)，完成点0(如图10)、点1(如图10)、点2(如图10)、点3(如图10)、点4(如图10)、点5(如图10)的确定，形成封闭的多边形，并在原图中去除该封闭区域的图像；

21、如果能检索到与点p(如图10)重合的凸度缺陷点，则点p(如图10)相当于上述情况中的点1(如图10)，随后确定横跨点p(如图10)的两点，重复上述步骤确定余下各点，形成封闭的多边形并将其去除。

22、在一个优选的实施方式中，去除闭合空洞需满足的条件是：所述闭合空洞的近似直径超过内外轮廓之间厚度的特定倍数；其中，所述闭合空洞的近似直径为与空洞等面积的圆对应的直径，所述特定倍数优选0.4-0.8，更优选0.5-0.7，还要优选0.55-0.65，最优选0.6

23、在一个实施方式中，去除长条内凹通过以下方法实现：

24、对轮廓特征进行凸度缺陷检测，获取所有的凸度缺陷点集及相关点信息，通过固定距离参数，与凸度缺陷检测函数返回数组中到最远点的距离进行比较，初步筛选出所有符合要求的凸度缺陷点，判断是否属于需要去除的长条内凹；

25、如果判断属于需要去除的长条内凹，则依次向凸度缺陷点两侧延伸比较并记录凸度缺陷点左右两边需要删除的点的集合，直至比较结果返回为点到外轮廓的距离小于内外轮廓之间厚度的特定倍数为止；其中，所述内外轮廓之间的厚度为：凸度缺陷检测函数返回数组中起点和终点处对应内外区域厚度的平均值；

26、确定需要删除的点的集合后，将其判断为长条内凹，并将其删除。

27、在一个优选的实施方式中，进一步对上述需要删除的点的集进行回溯操作,确保不会过多删除内轮廓上的点。

28、在一个优选的实施方式中，回溯操作通过以下方法实现：

29、以凸度缺陷点为界限，将初步确认需要删除的点集构成的轮廓分割成两段轮廓，获取其中一段轮廓上到另一段轮廓端点最近的点，如果此点与其所在轮廓上的端点不重合，且此点所在轮廓上的点与外轮廓的距离不是单调递增或递减变化，则更新此点为最终需要删除的点集的端点。

30、在一个实施方式中，所述确定骨骼结构的轮廓包括

31、对所述目标区域进行形态学闭操作，获得骨骼外轮廓，

32、通过所述闭操作后得到的骨骼主体闭合区域与所述目标区域的图像减法运算获得近似骨骼内空区域，对所述近似骨骼内空区域进行形态学闭操作，获得初始内轮廓。

33、在一个实施方式中，所述优化处理通过以下方式实现：

34、(1)对所述近似骨骼内空区域和所述目标区域中位于初始内轮廓内部的非零像素位置进行图像运算，所述图像运算包括选自按位与运算、按位或运算和相减运算的一种或多种，优选包括按位或运算；

35、(2)进行形态学膨胀运算，得到内轮廓。

36、在一个实施方式中，所述确定内轮廓内部的骨骼结构通过以下方式实现：对所述目标区域中位于初始内轮廓内部的非零像素位置以及所述目标区域中位于内轮廓内部的非零像素位置进行图像运算，并将距离内轮廓边缘10像素以内的位置点予以剔除，优选将距离内轮廓边缘8像素以内的位置点予以剔除，更优选将距离内轮廓边缘5像素以内的位置点予以剔除；所述图像运算包括选自按位与运算、按位或运算和相减运算的一种或多种，优选包括按位与运算。

37、在一个实施方式中，所述内轮廓内部的骨骼结构为灰度值不小于阈值的区域；其中，阈值为选自0-255中的任意值。

38、在一个优选的实施方式中，所述阈值为选自20-40中的任意值。

39、在一个更优选的实施方式中，所述阈值为30。

40、在一个实施方式中，所述骨骼结构为皮质骨或松质骨。

41、在一个优选的实施方式中，将内外轮廓之间区域识别为皮质骨，将内轮廓内部的骨骼结构识别为松质骨。

42、在一个实施方式中，所述松质骨的图像选自骨骼长度方向上自生长板完全消失后的图层起，至向下50个图层的图像；所述皮质骨的图像选自骨骼长度方向上自50％个图层起，至向上20个图层的图像。

43、在一个实施方式中，所述松质骨的图像选自单个腰椎椎体生长板消失的全部图层。

44、在一个优选的实施方式中，所述腰椎椎体为第三腰椎。

45、在本发明的第二方面，本发明提供一种骨骼结构的识别系统，包括获取模块、处理模块和优化模块，其特征在于，

46、获取模块用于获得骨骼图像，并对所述图像进行预处理，得到目标区域；

47、处理模块用于确定骨骼结构的轮廓，所述轮廓包括初始内轮廓和外轮廓；

48、优化模块用于对所述初始内轮廓进行优化处理获得内轮廓，从而确定内轮廓内部的骨骼结构以得到骨骼结构图像。

49、在本发明的第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如前所述的骨骼结构的识别方法。

50、在本发明的第四方面，本发明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，所述程序被处理器执行时实现如前所述的骨骼结构的识别方法。

51、在本发明的第五方面，提供一种骨密度计算方法，其特征在于，所述计算方法包括如下步骤：

52、进行如前所述的骨骼结构的识别方法，确定骨骼结构；

53、进行骨骼结构的骨密度计算；

54、优选地，皮质骨骨密度为皮质骨面积/外轮廓所围区域面积，松质骨骨密度为松质骨面积/内轮廓所围区域面积。

55、在一个实施方式中，皮质骨骨密度为内外轮廓之间区域的有效点总数/外轮廓所围区域的像素点总数，松质骨骨密度为内轮廓内部的骨骼结构的有效点总数/内轮廓所围区域的像素点总数；

56、其中，有效点为灰度值不小于阈值的像素点，阈值可为0-255中的任意值。

57、在一个优选的实施方式中，所述阈值为选自20-40中的任意值。

58、在一个更优选的实施方式中，所述阈值为30。

59、在一个实施方式中，所述有效点总数经过加权处理；所述加权处理的包括如下步骤：

60、(4)划分不同范围的灰度值区间；

61、(5)确定不同范围灰度值区间所对应的加权值；

62、所述有效点总数为处于不同灰度值区间的像素点数乘以对应加权值的总和。