基于人体背部三维网格模型曲率特征的脊柱侧弯分类方法与流程

本技术的实施例涉及脊柱侧弯筛查，特别涉及一种基于人体背部三维网格模型曲率特征的脊柱侧弯分类方法。

背景技术：

1、脊柱侧弯是一类脊柱三维结构性畸形，同时存在冠状面侧向偏移、矢状面前后曲度异常、椎体轴向旋转三重病变。其中，青少年特发性脊柱侧弯占全部病例的85%以上，发病集中在9至14岁青春期发育阶段，现已成为继肥胖、近视之后威胁青少年身心健康的第三大高发疾病。流行病学数据显示，全国中小学生脊柱侧弯患病总人数超500万，且每年新增约30 万病例，低龄化、逐年上升趋势显著。

2、若脊柱侧弯未及时筛查干预，将随着骨骼发育会持续畸形。轻度侧弯可能会引发高低肩、背部不对称、腰背慢性酸痛；中度侧弯则可能会限制胸廓发育、挤压心肺，降低心肺储备功能；重度侧弯不仅外观畸形严重，还会诱发长期躯体疼痛、运动功能受限，甚至需要高风险脊柱矫正手术。同时，不对称体态极易造成青少年自卑、焦虑、抑郁等心理问题，严重影响青少年的心理健康。由此可见，大规模、常态化、可重复的脊柱侧弯筛查已成为硬性刚需。

3、目前主流的脊柱侧弯筛查手段主要有以下几类。

4、第一类是x光片法。该方法依赖x光片测量cobb角（金标准），但存在辐射暴露风险，且需专业影像设备支持，难以普及，无法用于大规模筛查。

5、第二类是基于三维模型与截面极值点的方法。该方法通过构建人体背部三维模型，在每节椎体高度处做水平切片，提取截面轮廓的极值点（凸点或凹点）作为脊柱中心点。该方法依赖简单的几何极值判断，在背部肌肉发达或肩胛骨区域，截面轮廓可能出现多个局部极值点，导致棘突点定位不准确。

6、第三类是基于等高线极值点与相关性模型的方法。该方法通过深度相机获取人体背部三维模型，对三维模型做等高线处理，提取脊柱区域等高线的几何极值点作为棘突点，再通过法线偏转角计算表面曲率，建立背部表面与脊柱中线的相关性模型，将表面棘突点推算为脊柱中线点。该方法同样依赖几何极值点定位棘突，并且需要额外的深度推算模型将背部表面数据映射到脊柱中线位置，这又额外引入了线性近似假设误差。

7、第四类是基于标准模型配准的方法。该方法将待测人体三维模型与预建的标准脊柱模型进行配准，通过标准模型的椎体位置映射确定待测者的脊柱位置。该方法依赖标准模型的准确性和配准算法的精度，难以适应个体差异较大的情况。

8、第五类是基于关节点追踪的方法。该方法利用深度传感器的骨骼追踪功能获取关节点坐标，通过样条插值拟合脊柱曲线，这依赖传感器的关节点检测精度，且只能获取有限的关节点，难以精细反映每节椎体的实际位置。

技术实现思路

1、有鉴于此，本技术的实施例提出了一种基于人体背部三维网格模型曲率特征的脊柱侧弯分类方法，无需接触人体，基于曲率几何特征即可自动完成脊柱曲线提取和侧弯评估，极大地提高了棘突定位精度和分类全面性。

2、为了实现上述目的，本技术的实施例提出了一种基于人体背部三维网格模型曲率特征的脊柱侧弯分类方法，所述方法包括以下步骤：获取人体背部的三维网格模型和骨骼关键点数据，三维网格模型由若干个具有三个顶点的三角形网格构成，计算各顶点的曲率特征和法线向量，并基于骨骼关键点数据在三维网格模型中计算关键高度参数；根据关键高度参数和法线向量的方向，对三维网格模型进行裁剪，并基于裁剪后的三维网格模型中的各顶点的曲率特征，确定背部有效区域；在背部有效区域内提取肩胛骨特征点，沿人体高度方向提取等高线截面，利用等高线顶点的曲率特征定位脊柱棘突点；对所有的脊柱棘突点进行边界验证和中线距离验证，并根据肩胛骨特征点的对称性状态选择适当阶数的多项式进行曲线拟合，得到脊柱曲线；将脊柱区域划分为若干个椎体段，分别对各椎体段的脊柱曲线进行线性回归拟合，将拟合斜率转换为椎体倾斜角度，并基于各椎体段对应的椎体倾斜角度确定显著弯曲，进而进行脊柱侧弯分类。

3、为了实现上述目的，本技术的实施例还提出了一种电子设备，包括：处理器和存储器，所述存储器中存储有所述处理器能够执行的指令，所述处理器被配置为执行所述指令时，使得所述电子设备能够实现如上述所述的一种基于人体背部三维网格模型曲率特征的脊柱侧弯分类方法。

4、为了实现上述目的，本技术的实施例还提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，能够实现如上述所述的一种基于人体背部三维网格模型曲率特征的脊柱侧弯分类方法。

5、可选地，三维网格模型和骨骼关键点数据均以文件形式读取，三维网格模型文件中包含各三角形网格的各顶点的三维坐标和各三角形网格之间的连接关系，骨骼关键点数据文件中包含各人体关键点的三维坐标，人体关键点包括左右肩膀点、左右髋关节点、颈部点，基于骨骼关键点数据在三维网格模型中计算的关键高度参数包括第七颈椎高度、第一骶椎高度、耻骨联合高度和身体中线；

6、第七颈椎高度取颈部点的y坐标值得到；

7、第一骶椎高度和耻骨联合高度基于躯干长度、肩部长度、上半身长度、下半身长度、脊柱侧偏距离、肩部高度差，采用多元线性回归模型预测得到；

8、身体中线取左右肩膀点和左右髋关节点的x坐标值的平均值。

9、可选地，计算各顶点的曲率特征和法线向量，包括：

10、对三维网格模型进行最大连通组件提取，去除孤立小碎片并删除重复顶点，确保三维网格模型的网格拓扑正确；

11、利用libigl库计算各顶点的第一主曲率、第二主曲率和法线向量，并确定法线向量的方向；其中，记第个顶点的第一主曲率为，第二主曲率为；

12、基于各顶点的第一主曲率和第二主曲率，分别计算各顶点的形状指数和曲率大小，作为各顶点的曲率特征；

13、第个顶点的形状指数和曲率大小的计算过程表示为：

14、；

15、；

16、其中，为第个顶点的形状指数，为第个顶点的曲率大小。

17、可选地，根据关键高度参数和法线向量的方向，对三维网格模型进行裁剪，并基于裁剪后的三维网格模型中的各顶点的曲率特征，确定背部有效区域，包括：

18、根据关键高度参数和法线向量的方向，对三维网格模型进行裁剪，仅保留背部高度范围内且法线向量的方向朝向背侧的顶点，并重新提取最大连通组件，得到裁剪后的三维网格模型；

19、将裁剪后的三维网格模型投影为二维图像，利用裁剪后的三维网格模型中的各顶点的形状指数和曲率大小标记凹区域与非凹区域，通过连通域分析去除噪声区域，并结合肩部中线位置搜索凹线边界以确定背部有效区域，将其映射回裁剪后的三维网格模型，仅保留有效背部区域内的顶点和面片；

20、其中，凹区域对应包括脊柱凹槽在内的凹陷结构。

21、可选地，在背部有效区域内提取肩胛骨特征点，沿人体高度方向提取等高线截面，利用等高线顶点的曲率特征定位脊柱棘突点，包括：

22、以脊柱中部高度和肩部中点将背部有效区域分为左上区域和右上区域，分别沿深度方向提取等高线，从最突出的等高线开始查找足够数量点的等高线，计算其平均位置作为肩胛骨特征点，并通过最近点查询映射到网格表面；

23、沿人体高度方向，从第七颈椎高度到耻骨联合高度，以固定间距提取等高线截面，对于各等高线的各等高线顶点，通过最近面片查询和距离加权插值，计算各等高线顶点的曲率特征；

24、将各等高线截面按照坐标排序后进行躯干旋转角度校正，基于各等高线顶点的曲率特征，在各等高线截面的中心区域查找峰值区域，当峰值区域满足有效性条件时，以峰值区域的坐标均值作为各等高线截面的脊柱棘突点的位置。

25、可选地，对所有的脊柱棘突点进行边界验证和中线距离验证，并根据肩胛骨特征点的对称性状态选择适当阶数的多项式进行曲线拟合，得到脊柱曲线，包括：

26、将所有的脊柱棘突点收集为脊柱棘突点集，采用密度聚类算法对脊柱棘突点集进行去噪处理，移除样本数过少的聚类；

27、对保留的脊柱棘突点进行边界验证和中线距离验证，移除异常的脊柱棘突点后对缺失位置进行邻域插值填充；

28、根据肩胛骨特征点的对称性状态选择适当阶数的多项式进行曲线拟合，对端部区域进行修正后再次进行高阶多项式拟合，最终得到脊柱曲线。

29、可选地，将脊柱区域划分为若干个椎体段，分别对各椎体段的脊柱曲线进行线性回归拟合，将拟合斜率转换为椎体倾斜角度，并基于各椎体段对应的椎体倾斜角度确定显著弯曲，进而进行脊柱侧弯分类，包括：

30、将第七颈椎高度到第一骶椎高度之间的脊柱区域划分为若干个椎体段，包括若干个胸椎段和若干个腰椎段，分别对各椎体段的脊柱曲线进行线性回归拟合，将拟合斜率转换为椎体倾斜角度；

31、确定椎体倾斜角度的所有极值点，计算相邻的两个极值点之间的角度差值，筛选出角度差值超过预设阈值且跨度大于一个椎体段的显著弯曲，根据显著弯曲的数量、位置和方向，将脊柱侧弯分为5种类型，包括正常、胸椎c型侧弯、腰椎c型侧弯、胸腰椎c型侧弯、s型侧弯。

32、可选地，在进行脊柱侧弯分类之后，还包括：

33、将各等高线截面的躯干旋转角度进行插值补全，提取整体及胸椎段、腰椎段的旋转角度统计特征；

34、对脊柱曲线在矢状面上的投影进行b样条拟合，计算躯干矢状面倾斜角度、胸椎后凸角、腰椎前凸角、颈椎后凸距离和腰椎后凸距离；

35、将脊柱侧弯分类结果和提取的所有脊柱特征进行可视化展示，输出冠状面脊柱曲线图、矢状面脊柱曲线图、躯干旋转角度曲线图和完整的脊柱特征数据文件。

36、本技术的实施例提出的一种基于人体背部三维网格模型曲率特征的脊柱侧弯分类方法，与现有方法相比，在棘突定位精度、脊柱分析全面性、个体适应性等方面均实现了提升，其核心有益效果可以归纳为以下五点。

37、第一，基于曲率特征实现了的脊柱棘突点精确定位。本技术引入曲率特征作为脊柱棘突点识别的核心特征，利用脊柱棘突凹槽处具有特定的形状指数和曲率大小分布的特性，能够从复杂的背部表面形态中准确识别棘突位置。相较于现有技术中仅依赖截面轮廓几何极值点的方法，基于曲率特征的方法不易受肩胛骨突起、肌肉隆起等非脊柱结构的干扰，显著提高了脊柱棘突点定位的准确性和鲁棒性。

38、第二，无需标准模型配准的个体化分析。本技术完全基于待测者自身的三维网格模型进行分析，通过曲率特征直接从模型表面提取脊柱曲线，不依赖任何预建的标准脊柱模型或标准人体模型，避免了因个体体型差异（如身高、体重、脊柱比例等）导致的标准模型配准误差，提高了对不同个体的适应性。

39、第三，实现了高密度截面数据的精细脊柱曲线提取。本技术通过每隔固定距离提取一条等高线截面的方式，在整个背部有效区域可以获取数百个截面的棘突定位数据，数据密度远高于基于关节点追踪的方法。再结合密度聚类去噪和多项式曲线拟合，能够生成精细的脊柱空间曲线，更真实地反映脊柱的三维弯曲形态。

40、第四，实现了脊柱侧弯的自动精细分类。本技术将脊柱区域细分为若干个椎体段，对各椎体段计算椎体倾斜角度，通过极值分析和多条件判断，实现了5种脊柱侧弯类型的自动分类，相较于现有技术仅计算单一cobb角的方法，提供了更全面和细致的脊柱侧弯评估结果。

41、第五，实现了多维度脊柱形态综合评估。本技术同时提取了椎体倾斜角度、整体及胸椎段、腰椎段的旋转角度统计特征、矢状面弯曲角度（胸椎后凸角和腰椎前凸角）、肩胛骨不对称性等多个维度的脊柱特征，为脊柱侧弯的综合评估和康复方案制定提供了丰富的定量数据。