一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法技术

本发明专利技术公开了一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法，其方法如下：S1、采用深度相机获取人体背部原始三维图像；S2、等距采样待测量人体背部图像并投影在三维冠状面坐标系得到三维图像；S3横切处理得到包含采样点序列的背部横切面轮廓；构建多层感知机提取脊柱点、脊柱中线并计算法向量；构建一个n维实对称矩阵并分别计算法向量两两之间的夹角，取形成最大夹角为脊柱侧弯cobb角。本发明专利技术通过深度相机获取人体背部原始三维图像并投影在三维冠状面坐标系得到三维图像，构建与训练多层感知机，通过多层感知机提取脊柱点由此得到脊柱中线，然后对脊柱点关于脊柱中线的法向量进行演算，进而得出脊柱侧弯cobb角。进而得出脊柱侧弯cobb角。进而得出脊柱侧弯cobb角。

【技术实现步骤摘要】
一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法


[0001]本专利技术涉及脊柱侧弯检测处理领域，尤其涉及一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法。

技术介绍

[0002]脊柱侧弯也称之为脊柱侧凸，具有多发性的特点。近年来，人群中出现脊柱侧凸的情况正在逐年增加，对人们的工作和生活造成一定程度的影响。因此脊柱检测有着相当广泛的应用。脊柱侧弯检测目前常用的方法是脊柱侧凸尺， Adams向前弯腰试验。然而，由于人工检测效率低、劳动强度大、易出错等缺点，在机器视觉不断发展的今天，脊柱侧弯检测正急切需要进行人工智能、数据处理。
[0003]脊柱曲线的提取与cobb角的计算对于基础侧弯检测系统来说是至关重要的。传统的脊柱侧弯提取，会存在许多弊端。第一，运用脊柱侧凸尺来测量躯干的旋转角度、Adams向前弯腰试验等方法会存在工作量大，且在对大量人群进行普查的时候，人工检测会变得相当的繁琐，效率很低，而且医生也有可能会因为疲劳造成错判和误判。第二，脊柱侧弯检测中采用的X光线具有一定量的放射性，对人体健康存在一定影响。而在国外新开发的无害检测价格非常高昂，这很难让普通医院的一般患者使用，因而开发无害可靠且高效率的检测方法可以为脊柱检测问题带来极大的改善。

技术实现思路

[0004]针对现有技术存在的不足之处，本专利技术的目的在于提供一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法，通过深度相机获取人体背部原始三维图像并投影在三维冠状面坐标系得到三维图像，构建与训练多层感知机，通过多层感知机提取脊柱点由此得到脊柱中线，然后对脊柱点关于脊柱中线的法向量进行演算，进而得出脊柱侧弯cobb角。
[0005]本专利技术的目的通过下述技术方案实现：
[0006]一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法，其方法如下：
[0007]S1、采用深度相机获取待测量人体背部原始三维图像；
[0008]S2、对步骤S1得到的原始三维图像进行规范化插值处理，等距采样待测量人体背部图像并投影在三维冠状面坐标系，得到规则、固定采样点数的三维图像；
[0009]S3、采用若干平面对步骤S2中得到的三维图像进行横切，得到一系列的背部横切面轮廓，每条背部横切面轮廓对应包含采样点序列；
[0010]S4、对步骤S3得到的每条背部横切面轮廓的采样点序列进行对称性分析并得到每条背部横切面轮廓上脊柱中线的候选点，选择最佳候选点作为标注的脊柱点；
[0011]S5、构建多层感知机，多层感知机对步骤S3、步骤S4进行标注脊柱点训练，训练后的多层感知机能够实现在各条背部横切面轮廓的采样点序列中准确找到脊柱点；
[0012]S6、通过多层感知机输入步骤S2的三维图像并输出得到三维图像上的脊柱点；
[0013]S7、对位于三维冠状面坐标系上的脊柱点进行曲线拟合并得到脊柱中线，计算位
于三维冠状面坐标系上的脊柱点关于脊柱中线的法向量；
[0014]S8、利用步骤S7得到的法向量构建一个n维实对称矩阵，分别计算法向量两两之间的夹角，取形成最大夹角的两个法向量，其最大夹角为脊柱侧弯cobb 角。
[0015]为了更好地实现本专利技术，本专利技术步骤S8方法包括如下：
[0016]S81、利用步骤S7得到的n个法向量构建一个n维实对称矩阵，n为位于三维冠状面坐标系上脊柱点的个数；
[0017][0018]S82、分别计算n个法向量两两之间的夹角，取形成最大夹角的两个法向量，形成最大夹角的两个法向量所对应的脊柱点即为上端锥和下端锥在脊柱中线上对应的位置，其最大夹角为脊柱侧弯cobb角。
[0019]为了更好地实现本专利技术，本专利技术步骤S7方法包括如下：
[0020]S71、对位于三维冠状面坐标系上的离散脊柱点进行多项式曲线拟合，得到脊柱中线曲线s(y)；
[0021]S72、计算第i个脊柱点处的法向量为其中，i＝1，2，...，n。
[0022]为了更好地实现本专利技术，本专利技术步骤S2方法包括如下：
[0023]S21、将原始三维图像投影在三维冠状面坐标系上，在三维冠状面坐标系选取矩形形状的感兴趣区域，感兴趣区域包含完整脊柱；
[0024]S22、对位于三维冠状面坐标系中感兴趣区域的原始三维图像上的点进行 Delaunay三角剖分，并在所需采样点处进行最近邻插值处理；
[0025]S23、在三维冠状面坐标系中进行感兴趣区域的等距采样并得到规则、固定采样点数的三维图像。
[0026]优选地，本专利技术步骤S21中感兴趣区域可采用左上角坐标与右下角坐标进行定位选择。
[0027]本专利技术较现有技术相比，具有以下优点及有益效果：
[0028](1)本专利技术通过深度相机获取人体背部原始三维图像并投影在三维冠状面坐标系得到三维图像，构建与训练多层感知机，通过多层感知机提取脊柱点由此得到脊柱中线，然后对脊柱点关于脊柱中线的法向量进行演算，进而得出脊柱侧弯cobb角。
[0029](2)本专利技术首先将采集的原始三维数据根据在冠状面上的投影框选出感兴趣区域，并将感兴趣区域进行等距划分，根据划分结果在所需采样点处进行最近邻插值，然后对三维图像进行横切获取多个轮廓序列，利用离散序列的对称性分析提出脊柱候选点，并选取最佳点作为标注的脊柱点，进一步构建多层感知机MLP并利用标注数据进行训练实现脊柱中线的自动提取，最后根据提取的脊柱点和脊柱中线构建描述脊椎侧弯夹角的实对称矩阵，通过最大值搜索得到上、下端锥的位置和cobb角大小。
[0030](3)与需要利用脊柱测凸尺和X光图像等传统脊柱侧弯cobb角测量方式相比，本发
明具有高效率、高度自动化、无放射性等特点，本专利技术通过多层感知机MLP进行脊柱点特征提取，具有更好的鲁棒性，并且标注过程中使用了离散序列对称性分析作为辅助手段，大大提高了标注效率和准确性。
附图说明
[0031]图1为实施例中一种脊柱侧弯cobb角测量方法的原理示意图；
[0032]图2为实施例中三维冠状面坐标系中三维图像的示例图；
[0033]图3为实施例中横切得到背部横切面轮廓部分区域的示例图。
具体实施方式
[0034]下面结合实施例对本专利技术作进一步地详细说明：
[0035]实施例
[0036]如图1～图3所示，一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法，其方法如下：
[0037]S1、采用深度相机获取待测量人体背部原始三维图像。
[0038]S2、对步骤S1得到的原始三维图像进行规范化插值处理，等距采样待测量人体背部图像并投影在三维冠状面坐标系，得到规则、固定采样点数的三维图像。
[0039]根据本实施例的一个实施例，步骤S2方法包括如下：
[0040]S21、将原始三维图像投影在三维冠状面坐标系上，在三维冠状面坐标系选取矩形形状的感兴趣区域(优选地，感兴趣区域可以采用左上角坐标与右下角坐标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法，其特征在于：其方法如下：S1、采用深度相机获取待测量人体背部原始三维图像；S2、对步骤S1得到的原始三维图像进行规范化插值处理，等距采样待测量人体背部图像并投影在三维冠状面坐标系，得到规则、固定采样点数的三维图像；S3、采用若干平面对步骤S2中得到的三维图像进行横切，得到一系列的背部横切面轮廓，每条背部横切面轮廓对应包含采样点序列；S4、对步骤S3得到的每条背部横切面轮廓的采样点序列进行对称性分析并得到每条背部横切面轮廓上脊柱中线的候选点，选择最佳候选点作为标注的脊柱点；S5、构建多层感知机，多层感知机对步骤S3、步骤S4进行标注脊柱点训练，训练后的多层感知机能够实现在各条背部横切面轮廓的采样点序列中准确找到脊柱点；S6、通过多层感知机输入步骤S2的三维图像并输出得到三维图像上的脊柱点；S7、对位于三维冠状面坐标系上的脊柱点进行曲线拟合并得到脊柱中线，计算位于三维冠状面坐标系上的脊柱点关于脊柱中线的法向量；S8、利用步骤S7得到的法向量构建一个n维实对称矩阵，分别计算法向量两两之间的夹角，取形成最大夹角的两个法向量，其最大夹角为脊柱侧弯cobb角。2.按照权利要求1所述的基于三维图像与多层感知的脊柱侧弯cobb角测量方法，其特征在于：步骤S8方法包括如下：S81、利用步骤S...

【专利技术属性】
技术研发人员：邓皓，刘勇，王兴国，邢江，景富军，
申请(专利权)人：宜宾显微智能科技有限公司，
类型：发明
国别省市：