(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211112412.5 (22)申请日 2022.09.14 (65)同一申请的已公布的文献号 申请公布号 CN 115187606 A (43)申请公布日 2022.10.14 (73)专利权人 中国医学 科学院北京协和医院 地址 100730 北京市东城区王府井帅府园1 号 (72)发明人 于斌　董玉雷　邱贵兴　仉建国　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/30(2017.01) G06T 7/60(2017.01)G06T 7/73(2017.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) A61B 6/00(2006.01) (56)对比文件 CN 10832028 8 A,2018.07.24 CN 112258516 A,2021.01.2 2 CN 103565449 A,2014.02.12 CN 10832028 8 A,2018.07.24 WO 202019 9694 A1,2020.10.08 CN 114078120 A,202 2.02.22 CN 114881957 A,202 2.08.09 US 2014323845 A1,2014.10.3 0 审查员 叶晗 (54)发明名称 一种青少年特发性 脊柱侧凸PUM C分型方法 (57)摘要 本发明的实施例公开了一种青少年特发性 脊柱侧凸PUMC分型方法， 涉及图像识别技术领 域。 所述方法包括： 获取患者的冠状面AP位脊柱 图像、 矢状面LAT 位脊柱图像、 左弯曲LB位脊柱图 像以及右弯曲RB位脊柱图像； 利用预先训练好的 椎体语义分割模 型对各脊柱图像进行处理， 分别 提取得到AP位、 LAT位、 LB位和RB位椎体轮廓； 根 据AP位椎体轮廓， 对LB位和RB位椎体轮廓进行配 准； 根据AP位和LAT 位椎体轮廓、 配准后的LB位和 RB位椎体轮廓， 分别计算得到AP位、 LAT位、 LB位 和RB位脊柱特征； 根据得到的脊柱特征进行青少 年特发性脊柱侧凸的PUMC分型。 本发明实施例效 率高， 准确率高， 能够自动进行PUM C分型。 权利要求书3页 说明书11页 附图10页 CN 115187606 B 2022.12.13 CN 115187606 B 1.一种青少年特发性 脊柱侧凸PUM C分型方法， 其特 征在于， 包括： 步骤1： 获取患者的冠状面AP位脊柱图像、 矢状面LAT位脊柱图像、 左弯曲LB位脊柱图像 以及右弯曲RB位 脊柱图像； 步骤2： 利用预先训练好的椎体语义分割模型对各脊柱图像进行处理， 分别提取得到AP 位椎体轮廓、 LAT位椎体 轮廓、 LB位椎体 轮廓和RB位椎体 轮廓； 步骤3： 根据所述AP位椎体轮廓， 对所述LB位椎体轮廓和RB位椎体轮廓进行配准， 得到 所述LB位椎体 轮廓和RB位椎体 轮廓中椎体与所述AP位椎体 轮廓中椎体的对应关系； 步骤4： 根据所述AP位椎体轮廓、 LAT位椎体轮廓、 配准后的LB位椎体轮廓和配准后的RB 位椎体轮廓， 分别计算得到AP位脊柱特征、 LAT位脊柱特征、 LB位脊柱特征和RB位脊柱特征， 所述AP位脊柱特征包括AP位Cobb角和双肩高度差， 所述LAT位脊柱特征包括LAT位Cobb角， 所述LB位脊柱特征包括LB位Cobb角和侧凸柔韧度， 所述RB位脊柱特征包括RB位Cobb角和侧 凸柔韧度； 步骤5： 根据所述AP位脊柱特征、 LAT位脊柱特征、 LB位脊柱特征和RB位脊柱特征， 进行 青少年特发性 脊柱侧凸的PUM C分型； 其中， 所述 步骤2包括： 步骤21： 利用预先训练好的AP位椎体语义分割模型对所述AP位脊柱图像进行处理， 提 取得到所述AP位脊柱图像中包含C7、 T1 ‑T12和L1‑L5的椎体轮廓， 即所述AP位椎体轮廓， 同 时识别出每 个椎体； 步骤22： 利用预先训练好的LAT位椎体语义分割模型对所述LAT位脊柱图像进行处理， 提取得到所述LAT位脊柱图像中包含T12 ‑L1的椎体轮廓， 即所述LAT位椎体轮廓， 同时识别 出椎体T12和L1； 步骤23： 利用预先训练好的LB位椎体语义分割模型对所述LB位脊柱图像进行处理， 提 取得到所述 LB位脊柱图像中包 含C7‑L5的椎体 轮廓， 即所述 LB位椎体 轮廓； 步骤24： 利用预先训练好的RB位椎体语义分割模型对所述RB位脊柱图像进行处理， 提 取得到所述RB位 脊柱图像中包 含C7‑L5的椎体 轮廓， 即所述RB位椎体 轮廓； 其中， 所述 步骤3包括： 根据所述AP位椎体轮廓， 计算所述AP位脊柱图像中每个椎体的最小外接矩形的宽高比 R， 得到AP图像椎体宽高比特 征向量， 以数组 表示； 根据所述LB位椎体轮廓， 计算所述LB位脊柱图像中每个椎体的最小外接矩形的宽高比 R， 得到LB图像椎体宽高比特 征向量， 以数组 表示； 以所述AP位脊柱图像中最后一个椎体L5位置为起点， 从数组 中截取与数组 相同数量的连续椎体， 得到新的LB位椎体宽高比特征向量， 以数组 表示， 计算 与 的欧式距离   ； 在所述数组 中从最后一个椎体L5向近端滑动一个椎体位置， 以滑动后的椎体位 置为起点， 从数组 中截取与数组 相同数量的连续椎体， 再次得到新的LB位椎体权　利　要　求　书 1/3 页 2 CN 115187606 B 2宽高比特 征向量， 以数组 表示， 计算 与 的欧式距离 ； 重复上一步骤预设次数后， 得到欧式距离数组 , 数组 的长度等于LB位图像 滑动的次数+1； 求取欧式距离数组中最小值， 该最小值在所述AP位脊柱图像中对应的椎体滑动位置， 与所述LB位脊柱图像中最后一个椎体为相同椎体， 从而完成配准； 和/或， 所述 步骤3包括： 根据所述AP位椎体轮廓， 计算所述AP位脊柱图像中每个椎体的最小外接矩形的宽高比 R， 得到AP图像椎体宽高比特 征向量， 以数组  表示； 根据所述RB位椎体轮廓， 计算所述RB位脊柱图像中每个椎体的最小外接矩形的宽高比 R， 得到RB图像椎体宽高比特 征向量， 以数组 表示； 以所述AP位脊柱图像中最后一个椎体L5位置为起点， 从数组 中截取与数组 相同数量的连续椎体， 得到新的RB位椎体宽高比特征向量， 以数组 表示， 计算 与 的欧式距离 ； 在所述数组 中从最后一个椎体L5向近端滑动一个椎体位置， 以滑动后的椎体 位 置为起点， 从数组 中截取与数组 相同数量的连续椎体， 再次得到新的RB位椎 体宽高比特 征向量， 以数组 表示， 计算 与 的欧式距离 ； 重复上一步骤预设次数后， 得到欧式距离数组 , 数组 的长度等于RB位图像 滑动的次数+1； 求取欧式距离数组中最小值， 该最小值在所述AP位脊柱图像中对应的椎体滑动位置， 与所述RB位 脊柱图像中最后一个椎体为相同椎体， 从而完成配准。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤2还包括： 步骤25： 利用预先训练好的AP位肩部语义分割模型对所述AP位脊柱图像进行处理， 提 取得到所述AP位 脊柱图像中包 含C7、 T1和锁骨的椎体 轮廓， 即AP位肩部轮廓； 所述步骤4包括： 根据所述AP位肩部轮廓， 计算得到所述双肩高度差 。 3.根据权利要求1或2所述的方法， 其特征在于， 各语义分割模型均为Unet神经网络模 型。 4.根据权利要求1所述的方法， 其特 征在于， 所述 步骤4包括： 根据所述AP位椎体 轮廓， 计算所述AP位 脊柱图像中每 个椎体的最小外 接矩形； 根据所述 最小外接矩形， 计算每 个椎体的上终板线和下终板线； 运用Cobb角算法计算AP位可能出现的Cob b角。 5.根据权利 要求4所述的方法， 其特征在于， 所述运用Cobb角算法计算AP位可 能出现的 Cobb角， 包括：权　利　要　求　书 2/3 页 3 CN 115187606 B 3