本发明涉及智能医疗领域，更具体地，涉及一种脊柱分割方法、设备、介质和程序产品。
背景技术：
1、在医学领域，通常结合医学图像处理可以实现部分引导手术，而图像分割是后续医学处理的基础，后续医学处理包括：可以根据正常组织或病变组织的ct图像按照先后顺序进行图像分割、特征提取、定量分析和三维重建等处理。不同于肿瘤疾病中对于肿瘤的直接分割，对于脊柱手术来说，由于脊柱结构复杂，其包括多个椎体、椎弓根、椎板、椎孔、横突、棘突等，因此对于脊柱ct图像进行分割时具有相当大的难度。
2、现有技术中，当基于神经网络的机器学习算法来实现时，通常使用大量的训练集样本数据对该神经网络进行训练，即神经网络模型的精度直接依赖于训练集样本数据的量，为了实现对脊柱各个组成单元的分割效果，样本数据中的每个脊柱组成单元都标注有类别标签。但是在实际操作时，其需要医生逐层对数百层二维图像进行勾画脊柱区域，这导致医生平均要花费半小时以上的时间勾画一个病人的脊柱区域。因此亟需一种难度小且能保证脊柱定位和分割精度的脊柱分割方法。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提供一种脊柱分割方法、设备、介质和程序产品；本发明方法通过先粗定位脊柱区域再细定位不同脊柱骨区域做分割，从而降低了整个脊柱骨的分割难度，提高了分割的精度。
2、本技术第一方面公开一种脊柱分割方法，包括：
3、101，获取脊柱的三维ct影像，分割所述三维ct影像得到整个脊椎骨的n值掩码图像；
4、102，裁剪所述整个脊椎骨的n值掩码图像中的单个椎体，得到相邻单个椎体之间不连接的n值掩码图像；
5、103，定位所述相邻单个椎体之间不连接的n值掩码图像中单个椎体的质心，得到已定位质心的影像；
6、104，以单个所述质心为中心，从所述已定位质心的影像中分割得到单个质心对应的单个椎骨影像。
7、在一些实施例中，所述102中裁剪所述整个脊椎骨的n值掩码图像中的单个椎体区域的方法包括：从单个椎体的四周边缘逐渐向中心裁剪；优选等比例从单个椎体的四周边缘向中心腐蚀；
8、可选的，所述102中裁剪后的单个椎体体积小于裁剪前单个椎体体积；
9、优选地，裁剪后的单个椎体体积与裁剪前所述单个椎体体积的比例为：1/10-9/10，优选为1/5-4/5，优选为1/2；
10、可选的，所述质心的坐标是三维坐标。
11、可选的，所述n值掩码为二值掩码。
12、在一些实施例中，所述103中定位所述相邻单个椎体之间不连接的n值掩码图像中单个椎体的质心的方法包括：使用连通域算法识别所述相邻单个椎体之间不连接的n值掩码图像中的至少一个单独区域；定位单独区域的质心即为单个椎体的质心；所述单独区域为单个椎体所在的区域；
13、可选的，在所述103中定位单个椎体的质心时，根据质心的z轴坐标进行排序。
14、可选的，所述104中所述单个椎骨影像的获取方法包括：
15、获取以所述单个质心为中心固定a×b×c的3维高斯分布；
16、获取以质心为中心固定a×b×c的3维图像；
17、根据以质心为中心的3维高斯分布，从所述3维图像中分割得到高斯分布周围的所述质心对应的单个椎骨影像。
18、在一些实施例中，在所述101后102之前，所述方法还包括：裁剪所述脊椎骨的n值掩码图像，得到包含目标脊椎骨的n值掩码图像；
19、可选的，裁剪所述脊椎骨的n值掩码图像的方法包括：寻找n值脊椎骨掩码在ras三维空间的三个方向最大值和最小值，将原始ct中三个方向中小于最小值和大于最大值的区域全部裁剪掉，从而得到包含目标脊椎骨的n值掩码图像。
20、在一些实施例中，在104后所述方法还包括105，基于所述质心的位置识别所述椎骨影像中单个椎骨的类别；
21、可选的，当无法根据105中的方法判断单个椎骨的类别时，所述方法还包括：将所述单个椎骨影像输入到分类器中识别所述单个椎骨的类别；
22、可选的，所述分类器的训练方法包括：将训练集样本的单个椎骨影像输入到分类器中，得到预测分类结果，与分类标签进行比对，根据比对结果进行优化得到构建好的分类器；
23、可选的，所述分类器包括以下任一种或几种：决策树、逻辑回归、朴素贝叶斯、神经网络；优选为神经网络中的densenet。
24、在一些实施例中，在105后所述方法还包括106，基于所述单个椎骨的类别合成至少2个单个椎骨，得到合成后的包含目标脊椎骨的影像。
25、在一些实施例中，所述101中在获取到三维ct影像后、分割得到脊椎影像前，所述方法还包括：对三维ct影像进行预处理，得到统一后的三维ct影像；所述预处理包括：旋转三维ct影像为ras方向、随机翻转、归一化、随机剪切大小为128×128×128。
26、本技术第二方面公开一种计算机设备，所述设备包括：存储器和处理器；
27、所述存储器用于存储计算机程序；所述处理器执行所述计算机程序以实现本技术第一方面所述的方法的步骤。
28、本技术第三方面公开一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现本技术第一方面所述的方法的步骤。
29、本技术第四方面公开一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现本技术第一方面所述的方法的步骤。
30、本技术具有以下有益效果：
31、1、本技术创新性的公开一种脊柱分割方法，由于脊柱结构复杂，其包括脊椎和肌肉，脊椎由排列的椎骨组成，每一个椎骨包括椎体、椎弓根、椎板、椎孔、横突、棘突、副突、上关节突、乳突，因此对于脊柱ct图像进行分割时难度相当大，而本技术公开的方法可以很好地解决上述问题，其先对三维影像中的脊椎区域做初步定位，缩小区域，减少脊椎区域以外的区域对后续分割的影响，通过腐蚀整个脊椎骨的n值掩码图像中的单个椎体，使得相邻椎体之间不发生连接，再利用连通域算法确定腐蚀后单个椎体所在的不同区域，定位不同区域中单个椎体的质心作为整个椎骨的质心，并使用以质心为中心的高斯分布来限制网络只分割该质心的椎骨，实现脊椎细分割，从而进一步得到整个脊椎；上述方法通过粗定位、质心定位、细分割的3步法进行骨分割的过程，在保证分割精度的同时降低分割难度。
32、2、本技术通过克服了脊柱影像与肿瘤影像在分割影像时面临的难题，不同于肿瘤影像的直接分割，脊柱是由大量相似单元构成的特殊链式结构，且脊柱影像存在个体差异较大，分割时需要脊柱多个视图下的标注、学习和训练，过程繁琐且难度较大，进而导致基于神经网络的机器学习算法进行图像分割时实施难度较大等问题，现有技术难以实现对组成脊柱的各个单元的精确定位和分割。
33、3、本技术中的分割方法获取的脊椎图像具有较高的精确性，且对脊柱序列影像的要求较低，有利于大规模的临床应用。
1.一种脊柱分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的脊柱分割方法，其特征在于，所述102中裁剪所述整个脊椎骨的n值掩码图像中的单个椎体区域的方法包括：从单个椎体的四周边缘逐渐向中心裁剪；优选等比例从单个椎体的四周边缘向中心腐蚀；
3.根据权利要求1所述的脊柱分割方法，其特征在于，所述103中定位所述相邻单个椎体之间不连接的n值掩码图像中单个椎体的质心的方法包括：使用连通域算法识别所述相邻单个椎体之间不连接的n值掩码图像中的至少一个单独区域；定位单独区域的质心即为单个椎体的质心；所述单独区域为单个椎体所在的区域；
4.根据权利要求3所述的脊柱分割方法，其特征在于，在所述101后102之前，所述方法还包括：裁剪所述脊椎骨的n值掩码图像，得到包含目标脊椎骨的n值掩码图像；
5.根据权利要求1-4任一项所述的脊柱分割方法，其特征在于，在104后所述方法还包括105，基于所述质心的位置识别所述椎骨影像中单个椎骨的类别；可选的，当无法根据105中的方法判断单个椎骨的类别时，所述方法还包括：将所述单个椎骨影像输入到分类器中识别所述单个椎骨的类别；
6.根据权利要求5所述的脊柱分割方法，其特征在于，在105后所述方法还包括106，基于所述单个椎骨的类别合成至少2个单个椎骨，得到合成后的包含目标脊椎骨的影像。
7.根据权利要求1所述的脊柱分割方法，其特征在于，所述101中在获取到三维ct影像后、分割得到脊椎影像前，所述方法还包括：对三维ct影像进行预处理，得到统一后的三维ct影像；所述预处理包括：旋转三维ct影像为ras方向、随机翻转、归一化、随机剪切大小为128×128×128。
8.一种计算机设备，其特征在于，所述设备包括：存储器和处理器；所述存储器用于存储计算机程序；所述处理器执行所述计算机程序以实现权利要求1-7任一项所述的方法的步骤。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7任意一项所述的方法的步骤。
