[发明专利]一种基于脊柱AIS影像的lenke分型方法

权利要求书

1.一种基于脊柱AIS影像的lenke分型方法，其特征在于，包括以下步骤：

S1：椎体关键点检测；

系统输入患者的AIS正位片、左bending位片和右bending位片影像；首先对正位片进行椎体检测，再识别T1-T12，L1-L5共17块椎体的关键点；

S2：计算AIS正位片Cobb角；

根据步骤S1检测到的关键点，得到PT、MT、TL/L的Cobb角以及对应的端椎索引；PT、MT、TL/L分别为上胸弯、胸弯、胸腰/腰弯；

S3：计算左右bending位Cobb角；

对左右bending位图像进行椎体检测，识别T1-T12，L1-L5共17块椎体的关键点，采用正位片PT、MT、TL/L的端椎索引，计算出左右bending位对应端椎位置的Cobb角度；

S4：根据正位片Cobb角、左右bending位Cobb角得到当前患者的影像的AIS lenke分型；

步骤S1包括以下子步骤：

S11：输入Dicom图像或者通用图像，进行预处理，去除跟人体无关的区域，同时减少后续算法处理图形的范围，首先将图像转换到灰度空间，对图像做二值化处理，像素大于0置为1，其余置为0；然后对二值图像做形态学开操作，寻找最大的连通区域，利用cv2.findContours函数寻找所有的轮廓，轮廓集合中存在所有轮廓计算面积，找到面积最大的轮廓，然后利用cv2.convexHull函数计算面积最大轮廓的凸包，得到轮廓的左上角和右下角坐标，即得到人体前景区域坐标；

S12：利用步骤S11，生成只有人体区域的人体前景图像，然后对椎体T1-T12和L1-L5的椎体的四个顶点进行标注；

S13：Cobb测量是针对椎体区域，对人体前景图像中的椎体进行分割，然后得到椎体区域图像；

S14：将椎体区域图像输入到椎体关键点检测模型识别椎体关键点，借鉴U-net思想构建Encoder-Decoder的框架，backbone选取Resnet101；提出基于椎体的关键点检测方法，学习椎体关键点，即椎体的四个顶点以及椎体的中心；

其中，backbone为主干网络，用来做特征提取的网络，用于提取图片信息，生成特征图；Resnet101为101层的深度残差网络；

步骤S2具体如下：

根据检测到T1-T12，L1-L5共17块椎体的关键点，计算每一块椎体上端线段和下端线段与水平线的夹角，这样就能计算得到34个角度，然后按照T1-T12，L1-L5的顺序，绘制椎体夹角波形图；

步骤S2包括以下子步骤：

S21：搜索椎体夹角波形图上所有的波峰和波谷；

S22：找到相邻最大的波峰和波谷，即构成主弯区域，波峰的角度减去波谷的角度，取绝对值构成主弯的Cobb角，同时记录对应的端椎索引；

S23：从最大的波峰波谷区域，向两侧寻找相邻的最多两个波谷或者波峰，这样就构成了除主弯区域外，四个波峰波谷对，按照上面的方法计算出四个Cobb角，然后过滤波峰波谷间距最小的波峰波谷对，取Cobb角度前两大对应的波峰波谷对，这样就计算了两个代偿弯的Cobb角，以及对应的端椎索引；

S24：PT端椎的索引范围T1-T5，MT端椎的索引范围T6-T12，TL/L端椎的索引范围L1-L5，将步骤S23中主弯和两个代偿弯的端椎索引，分别映射到PT、MT、TL/L的端椎范围，这样能够匹配出PT、MT、TL/L三者的Cobb角大小。

2.如权利要求1所述的一种基于脊柱AIS影像的lenke分型方法，其特征在于，步骤S3具体为：

对左bending位图像进行椎体检测，同样地，识别T1-T12，L1-L5共17块椎体的关键点，采用正位片PT、MT、TL/L的端椎索引，计算出左bending位对应PT、MT、TL/L位置的Cobb角度，采用与对左bending位同样的方式计算右bending位对应PT、MT、TL/L位置的Cobb角度。

3.如权利要求2所述的一种基于脊柱AIS影像的lenke分型方法，其特征在于，步骤S4具体为：

根据正位片PT、MT、TL/L的Cobb角度，三者Cobb角度最大的弯为主弯；

对左右bending位，分别比较PT、MT、TL/L的Cobb角度，取对应PT、MT、TL/L最小的Cobb角，标记成min_angles；

依次取min_angles中PT、MT、TL/L的角度，若大于25度，则为结构性弯，否则是非结构性弯。