1.本发明涉及生理数据测量和计算机医学影像处理领域，尤其涉及骨密 度测量方法、骨密度数据库的构建方法及装置。
背景技术：2.近年来，随着人类寿命的不断延长，老年人高发的骨质疏松病症受到 了医学界和公众越来越多的关注。骨密度是人体骨骼质量的一个重要指标， 反映了骨质疏松程度，是预测骨折可能性的主要技术指标。该指标在骨质 疏松症的预防、诊断和治疗等方面具有重要的作用。所以，目前骨密度的 测量是骨质疏松等疾病诊断的最基本手段。
3.目前用于临床诊断的骨密度测量方法主要是双能x射线吸收(dxa)测 定法，其原理是在待测量的人体骨头的一侧设置x射线发生器，另一侧设 置x射线接收器。控制x射线发生器发出两束能量不等的x射线照射待测 量人体骨头，x射线接收器测量接收到的x射线的能量，设备自带的算法 根据两束x射线的能量衰减计算得到待测骨头的骨密度。另外，骨密度测 量方法还有超声定量测量、基于人体骨密度等效体模的定量ct测量等。但 是,上述方法也存在应用场合受到限制的问题。例如,双能x射线吸收测定 法中需要将待测骨骼放置在x射线发生器和接受器之间,即其测量中存在 需要待测骨骼在场的现场限制,而基于人体骨密度等效体模的定量ct测量， 则存在测量中需要特定的等效体模的器材限制。
4.因此，需要一种新的骨密度测量方法。
技术实现要素：5.本发明实施例提供一种骨密度测量方法、骨密度数据库的构建方法及 装置。该方法通过从目标骨骼的ct图像中，切割出骨松质图像，然后根 据骨松质图像中各像素的像素值对应的灰度值、以及预先设定的约翰逊函 数，确定骨松质图像对应的ct值的概率密度函数，最后根据概率密度函 数的概率极大值对应的ct值确定骨密度值。利用该方法，可以仅根据待测 骨骼的ct图像，确定其对应的骨密度值，减少了骨密密测量中的流程和器 材限制，拓宽了骨密密测量的应用场合。
6.本发明为解决上述技术问题采用的技术方案为，一方面提供一种骨密 度测量方法，包括：
7.获取目标骨骼的ct图像；
8.对于所述ct图像进行图像分割，获取其中的骨松质图像；
9.根据所述骨松质图像中的像素值，确定所述像素值对应的ct值的概率 分布；
10.基于预设的多参数非正态概率分布函数拟合所述概率分布，得到第一 概率密度函数；
11.根据所述第一概率密度函数，确定其中预设范围的概率值对应的ct 值，根据所述ct值，确定第一骨密度值。
12.根据一种可能的实施方式，所述目标骨骼包括第一腰椎和第二腰椎。
13.根据一种可能的实施方式，对于所述ct图像进行分割，包括：
14.通过预设的、基于机器学习的图像分割方法，对于所述ct图像进行分 割。
15.根据一种可能的实施方式，所述预设的多参数非正态概率分布函数为 johnson su、johnson sb，johnson sl函数中的一种。
16.根据一种可能的实施方式，所述预设范围的概率值包括，所述第一概 率密度函数的概率极大值。
17.第二方面，提供一种骨密度数据库构建方法，包括：
18.获取多个目标骨骼的属性数据；
19.基于第一方面所述的方法，获取所述多个目标骨骼的骨密度值；
20.将所述目标骨骼的骨密度值、以及其属性数据关联保存于预设数据库 中。
21.根据一种可能的实施方式，所述属性数据包括年龄、性别、地域、骨 骼名称中的一种或多种。
22.根据一种可能的实施方式，所述方法还包括:
23.根据所述多个目标骨骼的属性数据，将所述多个目标骨骼的骨密度值， 划分为若干分组；
24.根据各个分组包括的骨密度值，确定各个分组对应的标准骨密度值和 方差值，并将所述标准骨密度值和方差值保存于预设数据库中。
25.第三方面，提供一种骨密度测量装置，包括：
26.ct图像获取单元，配置为，获取目标骨骼的ct图像；
27.骨松质图像获取单元，配置为，对于所述ct图像进行分割，获取其中 的骨松质图像；
28.概率分布确定单元，配置为，根据所述骨松质图像中的像素值，确定 所述像素值对应的ct值的概率分布；
29.概率密度函数确定单元，配置为，基于预设的多参数非正态概率分布 函数拟合所述概率分布，得到第一概率密度函数；
30.骨密度值确定单元，配置为，确定其中预设范围的概率值对应的ct 值，根据所述ct值，确定第一骨密度值。
31.第四方面，提供一种骨密度数据库的构建装置，包括：
32.骨骼属性获取单元，配置为，获取多个目标骨骼的属性数据；
33.骨密度确定单元，配置为，基于第一方面所述的方法，获取所述多个 目标骨骼的骨密度值；
34.保存单元，配置为，将所述目标骨骼的骨密度值、以及其属性数据关 联保存于预设数据库中。
附图说明
35.为了更清楚说明本发明实施例的技术方案，下面将对实施例描述中所 需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的 前提下，还可以根据这些附图获得其他的附图。
36.图1为本发明实施例提供的一种骨密度测量方法的流程图；
37.图2为本发明实施例提供的腰椎图中分割获取骨松质部分的示意图；
38.图3为本发明实施例提供的基于johnson su函数拟合的概率密度函 数示意图；
39.图4为本发明实施例提供的一种骨密度数据库构建方法的流程图；
40.图5为本发明实施例提供的一种骨密度测量装置的结构图；
41.图6为本发明实施例提供的一种骨密度数据库的构建装置的结构图。
具体实施方式
42.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发 明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述， 显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获 得的所有其他实施例，都属于本发明保护的范围。
43.如前所述，近年来，随着人类寿命的不断延长，老年人高发的骨质疏松病 症受到了医学界和公众越来越多的关注。骨密度是人体骨骼质量的一个重要 指标，反映了骨质疏松程度，是预测骨折可能性的主要技术指标。骨密度测 量在骨质疏松症的预防、诊断和治疗等方面具有重要的作用。目前，常用的 临床诊断的骨密度测量方案，包括双能x射线吸收(dualenergy x-rayabsorptiometry，dxa)测定法，其原理是在待测量的人体骨头的一侧设置x 射线发生器，另一侧设置x射线接收器。控制x射线发生器发出两束能量不 等的x射线照射待测量人体骨头，x射线接收器测量接收到的x射线的能量， 设备自带的算法根据两束x射线的能量衰减计算得到待测骨头的骨密度。这 种方案的问题，在于操作流程具有特定的现场操作需求，例如，需要将待测 骨骼在现场，并放置在x射线发生器和接受器之间。
44.常用的骨密度测量方案，还包括超声骨密度测量方案、基于人体骨密度等 效体模的ct测量方案等。其中，超声骨密度测量方案主要利用超声波进行骨 密度测量。这种方案测量精度较差，因此通常只用于个人的骨密度自测。基 于人体骨密度等效体模的ct测量方案，通过将骨密度等效体模放置在口腔内， 然后通过口腔ct扫描来计算骨密度。这种方案存在的问题再余，存在测量中 需要特定器材-等效体模的辅助，限制了其可以使用的应用场合。
45.现有技术中，还有一种基于ct影像的骨质疏松参数自动测量方案，根据 该方案，首先需要构建临床数据库，即通过对采样人群做ct检测和dxa骨密 度扫描，且ct检查和dxa骨密度扫描时间相隔少于1个月，然后对待测对象 的ct扫描图像进行腰椎分割，并计算得到骨密度。该方案将x射线加等效体 模同时测量分解为构建临床数据库和临床骨密度测量的异步测量，使得实际 临床测量时无需放置等效体模，本质上是通过数据库的估算降低测量精度， 而换取了简化测量流程。这种方案的问题在于，但实际应用中，临床数据库 构建困难，且要随着ct设备的老化而更新数据库，或者随着ct设备的升级 换代而重建数据库，所以难以实行。
46.综上所述，现有的各种骨密度测量方案，在现场流程、所需器材、后 期维护等方面往往存在制约，限制其应用的范围和效果。
47.为了解决上述技术问题，本说明书中提出一种骨密度测量方法。利用 该方法，仅仅根据人体骨骼的ct扫描影像，即可获取人体骨骼的骨密度数 据，大大降低了骨密度测量
在流程或器材上的制约，从而可以在保证测量 效果的同时，更方便进行骨密度测量，解决现有技术的不足。
48.图1为本发明实施例提供的一种骨密度测量方法的流程图。如图1所 示，该方法至少包括如下步骤：
49.步骤11，获取目标骨骼的ct图像。
50.ct图像，即通过ct设备扫描目标骨骼，获取的ct图像。ct(computedtomography)，即电子计算机断层扫描。通常，在ct扫描中，可以利用精 确准直的x线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人 体的待测部位作断面扫描，获取待测部位的ct图像。在不同的实施例中， 可以通过不同的具体方式获取目标骨骼的ct图像。例如，在一个实施例中， 可以通过ct设备(例如，普通医院常用的ct成像设备)在测量现场扫描 目标骨骼，从而获取目标骨骼的ct图像。在另一个实施例中，也可以接受 非现场扫描的、在其他场所预先获得的目标骨骼的ct图像。需要注意的是， 本说明书对于如何获取目标骨骼的ct图像的具体方式并不关注，而主要关 注获取的ct图像的处理过程。
51.目标骨骼，即获取的ct图像对应的人体骨骼。在不同的实施例中，可 以获取人体不同的具体部位的骨骼。在一个实施例中，为了测量潜在病变 骨骼的骨密度数据，为诊断潜在病变骨骼中是否实际存在病变提供依据， 所述目标骨骼可以为潜在病变骨骼。在另一个实施例中，可以以预定的目 标骨骼，作为常规体检的骨密度检测对象，在一个具体实施例中，预定的 目标骨骼可以为第一腰椎和第二腰椎。
52.步骤12，对于所述ct图像进行图像分割，获取其中的骨松质图像。
53.一般而言，骨骼由骨松质和骨密质两部分组成。骨密质主要分布在长 骨干和其他类型的骨表面，骨松质主要分布于长骨的两端、椎体表面和肋 骨。骨密质通常结构上致密坚硬，具有较强的压缩和抗扭强度。骨松质常 常呈海面状，结构疏松。该步骤中，从骨骼ct图像中，分割出其中骨松质 的图像。其原因在于，分割出的骨松质图像主要用于后续步骤中的骨密度 确定，而骨密度的确定常常用于对于人体骨骼状态的确定，进而确定人体 是否患有病症，例如是否患有骨质疏松。但是，在人体骨骼长成之后，其 骨密质的骨密度的变化很小，受人体状态的影响也很小，也就是说，即使 待测骨骼(例如，所述目标骨骼)存在骨质疏松，其骨皮质的骨密度变化 也很小，所以根据其骨皮质的骨密度难以确定该骨骼的当前状态究竟如何， 是否存在骨质疏松。而骨松质的骨密度的受到人体状态的影响较大，也就 是说，根据其骨松质的骨密度可以更好的确定待测骨骼的当前状态，进而 可以判断人体是否患有骨质疏松。
54.在不同的实施例中，可以基于不同的具体方式，对于ct图像进行图像 分割，获取其中的骨松质图像，本说明书对比不做限制。例如，在一个实 施例中，可以通过预设的、基于机器学习的图像分割方法，对于所述ct 图像进行分割。图2为本发明实施例提供的腰椎图中分割获取骨松质部分 的示意图，如图2所示，图像切割后，得到了骨松质边缘2包裹的骨松质 图像1。
55.步骤13，根据所述骨松质图像中的像素值，确定所述像素值对应的ct 值的概率分布。
56.该步骤中，可以根据骨松质图像中各像素的像素值，确定该像素值对 应的ct值。根据一种实施方式，可以根据骨松质图像中的各个像素的灰度 值，确定该像素对应的ct
值。然后，根据骨松质图像中所有像素对应的 ct值，确定各ct值的发生概率的分布。在一个实施例中，确定后的各ct 值的发生概率的总和(或积分)为1。
57.步骤14，基于预设的多参数非正态概率分布函数拟合所述概率分布， 得到第一概率密度函数。
58.该步骤，可以利用多参数非正态概率分布函数，例如约翰逊分布函数， 拟合步骤13中得到ct值的概率分布。具体的，可以通过调节该约翰逊分 布函数的参数，使得所述约翰逊分布函数曲线上的各点的x维值(对应于 各ct值的)，对应的y维值趋近于各ct值的发生概率。在不同的实施例 中，可以采用不同的具体约翰逊分布函数。在一种实施例中，预设的多参 数非正态概率分布函数可以为无界约翰逊分布johnson su、有界约翰逊分 布johnson sb，半界约翰逊分布johnson sl函数中的一种。在不同的实 施例，可以采用不同的调节约翰逊分布函数参数、以及确定参数调节完成 (即函数拟合完成)的具体方式，本说明书对此不做限制。
59.在上述的拟合完成后，可以得到第一概率密度函数，即步骤12获取 的骨松质图像中各像素对应的ct值的概率密度函数。该步骤中，通过约翰 逊分布函数来拟合ct值概率分布数据，其最大的优点在于，相对于通过常 规的例如正态分布(normal distribution)函数(通常为2个变量)来拟 合，可以获取更好的对于数据的拟合效果，从而在后续步骤中，可以根据 得到的概率密度函数，更准确的骨密度值。图3为本发明实施例提供的基 于johnson su函数拟合的概率密度函数示意图，如图3所示，得到了腰椎 骨松质的概率密度函数4。
60.步骤15，根据所述第一概率密度函数，确定其中预设范围的概率值对 应的ct值，根据所述ct值，确定第一骨密度值。
61.在不同的实施例中，可以根据不同的预设范围的概率值对应的ct值， 确定目标骨骼的骨密度值。在一种实施例中，预设范围的概率值可以为， 所述第一概率密度函数的概率极大值。也就是说，根据第一概率密度函数 中所有的ct值中，具有最大发生概率的ct值，确定目标骨骼的骨密度值。 例如，图3所示实施例中，可以根据概率密度函数4，确定其该概率极大 值所在的位置3对应的ct值，例如为1350，确定目标骨骼的骨密度值。 在另一种实施例中，预设范围的概率值可以为，与所示概率极大值的差小 于预定阈值的任意概率值，可以根据该概率值对应的ct值，确定目标骨骼 的骨密度值。
62.根据本说明书另一方面的实施例，提供了一种骨密度数据库构建方法。 图5为本发明实施例提供的一种骨密度数据库构建方法的流程图，如图5 所示，该方法包括如下步骤：
63.步骤51，获取多个目标骨骼的属性数据。
64.在不同的实施例中，所述属性数据可以是不同种类的属性数据。在一 个实施例中，属性数据可以包括年龄、性别、地域、骨骼名称中的一种或 多种。
65.步骤52，基于以上实施例中所述的骨密度测量方法，获取所述多个目 标骨骼的骨密度值。
66.该步骤中，可以基于图1所示的方法，确定所述多个目标骨骼的骨密 度值。
67.步骤53，将所述目标骨骼的骨密度值、以及其属性数据关联保存于预 设数据库中。
68.根据一种实施方式，还可以根据所述多个目标骨骼的属性数据，将所 述多个目标骨骼的骨密度值，划分为若干分组；
69.根据各个分组包括的骨密度值，确定各个分组对应的标准骨密度值和 方差值，并将所述标准骨密度值和方差值保存于预设数据库中。
70.在不同的具体实施例中，确定分组对应的标准骨密度值的方式可以不 同，本说明书对此不做限制。例如，可以根据分组包括的骨密度值的均值 确定其对应的标准骨密度值。
71.在不同的实施例中，可以根据不同的一种或多种属性数据，对所述多 个目标骨骼进行分组。例如，可以根据年龄、性别、地域等中一种或多种 对多个目标骨骼进行一级或多级分组。进而还可以一级或多级分组的标准 骨密值和方差。在一个例子中，可以根据男性、女性，以及不同的年龄段， 进行分组，从获取不同年龄段的、不同性别的标准骨密度和方差。
72.在一个实施例中，上述数据库中，所保存的不同年龄段的、不同性别 的标准骨密度和方差，可用于为包括骨质疏松在内的疾病诊断提供依据。
73.利用本说明书实施例提供的骨密度测量方法，可以仅仅根据人体骨骼 的ct扫描影像，即可通过计算机确定人体骨骼的骨密度数据。而ct设备 是医院广泛拥有的常规设备，ct扫描图像是比较容易获取的。因此，该方 法大大降低了骨密度测量在流程或器材上的制约，可以在保证测量效果的 同时，更方便地进行骨密度测量。在此基础上，利用本说明书实施例提供 的骨密度数据库的构建方法，可以构建保存有不同类型的用户的骨密度数 据、及其统计指标的数据库，从而可以对针对不同类型的用户进行的医学 诊断提供诊断依据。
74.根据本说明书又一方面的实施例，提供了一种骨密度测量装置。图6 为本发明实施例提供的一种骨密度测量装置的结构图，如图6所示，该装 置包括：
75.ct图像获取单元61，配置为，获取目标骨骼的ct图像；
76.骨松质图像获取单元62，配置为，对于所述ct图像进行分割，获取 其中的骨松质图像；
77.概率分布确定单元63，配置为，根据所述骨松质图像中的像素值，确 定所述像素值对应的ct值的概率分布；
78.概率密度函数确定单元64，配置为，基于预设的多参数非正态概率分 布函数拟合所述概率分布，得到第一概率密度函数；
79.骨密度值确定单元65，配置为，确定其中预设范围的概率值对应的ct 值，根据所述ct值，确定第一骨密度值。
80.根据本说明书再一方面的实施例，提供了一种骨密度数据库的构建装 置。图6为本发明实施例提供的一种骨密度数据库的构建装置的结构图， 如图6所示，该装置包括：
81.骨骼属性获取单元71，配置为，获取多个目标骨骼的属性数据；
82.骨密度确定单元72，配置为，基于权利要求1所述的方法，获取所述 多个目标骨骼的骨密度值；
83.保存单元，配置为73，将所述目标骨骼的骨密度值、以及其属性数据 关联保存于预设数据库中。
84.根据又一方面的实施例，还提供一种计算机可读介质，包括存储于其上 的计算机程序，所述计算机在运行时执行上述的方法。
85.根据又一方面的实施例，还提供一种计算设备，包括存储器和处理器， 所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实 现上述的方法。
86.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书 的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同 于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描 绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在 某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
87.专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的 各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来 实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能 一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来 执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每 个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为 超出本发明的范围。
88.结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理 器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器 (ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、 寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式 的存储介质中。
89.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行 了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而 已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做 的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
