Cobb角测量方法和装置

技术领域

本申请涉及测量技术领域，尤其涉及一种Cobb角测量方法和装置。

背景技术

脊柱侧弯是用户面临的健康问题。脊柱侧弯的严重程度可以通过侧弯曲角度进行评估，其中Cobb角是侧弯曲角度的一种测量方式。因此，Cobb角的准确度对评估脊柱侧弯的严重程度至关重要。

目前，传统的Cobb角测量方法中，检测人员通过观察用户脊柱的X线片，确定上端椎椎体和下端椎椎体，上端椎椎体和下端椎椎体是指脊柱侧弯中向脊柱侧弯凹侧倾斜度最大的椎体。检测人员通过尺子沿着上端椎椎体的上缘画一横线，沿着下端椎椎体的下缘画一横线，并分别做这两横线的垂线。检测人员通过量角器量出这两垂线之间的夹角。这样，该夹角便为Cobb角。

然而，上述方法，需要依赖于检测人员的经验确定上端椎椎体和下端椎椎体，容易出现主观判断错误的问题，还需要检测人员手动画线和手动测量，过程不自动且容易出错，导致Cobb角的测量不准确。

发明内容

本申请提供一种Cobb角测量方法和装置，可以实现自动提取脊柱X线片中的脊柱轮廓，根据提取的脊柱轮廓自动测量脊柱的Cobb角度，实现了对Cobb角的准确测量，以便对脊柱侧弯的严重程度进行准确评估。

第一方面，本申请提供一种Cobb角测量方法，该方法包括：

从终端设备接收待测目标体的待测X线片，待测X线片包括待测目标体的脊柱；

将待测X线片输入到第一识别模型中，得到脊柱识别区域，脊柱识别区域用于指示待测目标体的脊柱的轮廓，第一识别模型用于提取X线片中的脊柱的轮廓；

根据脊柱识别区域，得到待测目标体的脊柱的Cobb角。

通过第一方面提供的方法，可以接收终端设备发送的待测目标体的待测X线片，待测X线片中包括待测目标体的脊柱，能够确定待测目标体的Cobb角，可利用AI/ML技术，将待测X线片输入到第一识别模型中，通过第一识别模型对待测X线片中的脊柱的轮廓进行识别，可以获得脊柱识别区域，脊柱识别区域用于指示待测目标体的脊柱的轮廓，能够借助脊柱识别区域指示待测目标体的脊柱侧弯最严重的位置。根据脊柱识别区域，便可确定待测目标体的脊柱Cobb角。从而，能够自动识别X线片中脊柱的Cobb角，整个过程便捷、快速且准确，无需依赖于检测人员的主观经验，也无需检测人员借助辅助设备手动画线和手动测量，避免了主观判断错误和人为测量不准的问题，提高了测量Cobb角的准确度，有助于根据Cobb角准确分析脊柱侧弯的严重程度。

在一种可能的设计中，根据脊柱识别区域，得到待测目标体的脊柱的Cobb角，包括：

根据脊柱识别区域，确定第一向量和第二向量，第一向量的方向为待测目标体的脊柱中的上端椎椎体的上缘所在的方向，第二向量的方向为待测目标体的脊柱中的下端椎椎体的下缘所在的方向；

将第一向量的垂线与第二向量的垂线之间的夹角确定为Cobb角。

由此，可以通过确定脊柱中的上端椎椎体和下端椎椎体，就能够自动测量出Cobb角。

在一种可能的设计中，根据脊柱识别区域，确定第一向量和第二向量，包括：

遍历脊柱识别区域，获得每行像素点中的第一像素点和第二像素点，第一像素点和第二像素点位于待测目标体的脊柱的轮廓上；

确定每行像素点中的第一像素点与第二像素点的中点；

根据多个中点得到第一曲线；

从第一曲线上每隔预设步长确定一个切向量，得到多个切向量，切向量从预设步长起始的中点指向预设步长终止的中点；

确定每个切向量与水平线之间的夹角；

将最小夹角对应的切向量确定为第一向量，将最大夹角对应的切向量确定为第二向量。

在一种可能的设计中，该方法还包括：

对第一曲线进行滤波，得到滤波后的第一曲线；

将滤波后的第一曲线确定为第一曲线。

由此，滤波后的第一曲线可以消除第一曲线上的噪声点，增强了鲁棒性。

在一种可能的设计中，该方法还包括：

对待测X线片进行尺寸和分辨率优化，得到优化后的X线片；

将优化后的X线片确定为待测X线片。

在一种可能的设计中，第一识别模型的确定步骤包括：

获取样本X线片集，样本X线片集包括多张样本X线片，样本X线片包括样本目标体的脊柱；

获取每张样本X线片的脊柱识别区域，脊柱识别区域用于指示样本目标体的脊柱的轮廓；

根据每张样本X线片和每张样本X线片的脊柱识别区域，对初始识别模型进行训练，得到第一识别模型，初始识别模型用于确定X线片中的脊柱的边缘。

由此，可以得到第一识别模型，第一识别模型能够在X线片中确定脊柱识别区域。

第二方面，本申请提供一种Cobb角测量装置，包括：用于执行第一方面及第一方面任一中可能的涉及中的方法的模块。

第三方面，本申请提供一种电子设备，包括：处理器；

处理器用于执行存储器中的计算机可执行程序或指令，使得电子设备执行第一方面及第一方面任一种可能的设计中的方法。

第四方面，本申请提供一种电子设备，包括：存储器和处理器；存储器用于存储程序指令；处理器用于调用存储器中的程序指令使得电子设备执行第一方面及第一方面任一种可能的设计中的方法。

第五方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器使得电子设备执行时实现第一方面及第一方面任一种可能的设计中的方法。

附图说明

图1为本申请一实施例提供的一种Cobb角测量方法的流程示意图；

图2为本申请一实施例提供的一种Cobb角测量方法的流程示意图；

图3为本申请一实施例提供的确定第一向量和第二向量的流程示意图；

图4为本申请一实施例提供的一种脊柱识别区域中的脊柱轮廓的示意图；

图5为本申请一实施例提供的一种脊柱识别区域中的脊柱轮廓的示意图；

图6为本申请一实施例提供的得到第一识别模型的流程示意图；

图7为本申请一实施例提供的一种Cobb角测量方法中样本X线片的示意图；

图8为本申请一实施例提供的一种Cobb角测量装置的结构示意图。

具体实施方式

本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，单独a，单独b或单独c中的至少一项(个)，可以表示：单独a，单独b，单独c，组合a和b，组合a和c，组合b和c，或组合a、b和c，其中a，b，c可以是单个，也可以是多个。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“中心”、“纵向”、“横向”、“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

本申请提供一种Cobb角测量方法、装置、电子设备、计算机可读存储介质和计算机程序产品，服务器借助人工智能(artificial Intelligence，AI)或ML(machine learning，机器学习)技术，对终端设备发送的X线片中的脊柱进行轮廓识别。服务器根据识别出的脊柱的轮廓，对脊柱轮廓进行分析，进而确定出该脊柱的Cobb角。从而，能够自动化测量Cobb角，无需尺子和量角器等辅助设备，节省测量时长，避免由于人工经验不足和人工操作繁琐带来的测量误差，提高测量Cobb角的准确度，有利于根据Cobb角准确分析出脊柱侧弯的严重程度。

其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

其中，终端设备可以是手机、平板电脑、笔记本电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digitalassistant，PDA)、智能电视、智慧屏、高清电视、4K电视、智能音箱、智能投影仪等设备，本申请对终端设备的具体类型不作任何限制。

终端设备与服务器可通过有线或无线的通信方式进行直接或间接地连接。其中，有线的通信方式可采用如同轴电缆、光纤、数字用户线(digital subscriber line，DSL)等。无线的通信方式可采用如蓝牙、红外、无线(Wi-Fi)、微波等。

在一些实施例中，网络可作为终端设备与服务器之间通信的媒介，可以是广域网或者局域网，又或者是二者的组合。例如，本申请可借助于云技术(cloud technology)实现，云技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。

以本申请的Cobb角测量方法由服务器来执行为例，下面，结合图1，详细描述服务器实现本申请的Cobb角测量方法的具体实现过程。

请参阅图1-图2，图1示出了本申请一实施例提供的一种Cobb角测量方法的流程示意图，图2示出了本申请一实施例提供的一种Cobb角测量方法的流程示意图。如图1所示，本申请的Cobb角测量方法可以包括：

S101、从终端设备接收待测目标体的待测X线片，待测X线片包括待测目标体的脊柱。

在需要测量待测目标体的脊柱的Cobb角时，用户可以利用终端设备对初始X线片进行拍摄，使得终端设备获得待测目标体的待测X线片，此处的终端设备具有拍摄功能和保存功能。或者，用户也可以在终端设备中存储待测目标体的待测X线片，此处的终端设备具有保存功能。

其中，待测目标体可以为人体、动物等有脊柱的生物体。待测X线片可以为初始X线片中的全部图像或部分图像。初始X线片指的是待测目标体经过X线检测后得到的图像，初始X线片通常包括脊柱中的全部椎体。待测X线片包括待测目标体的脊柱，此处的脊柱可以是脊柱中的全部椎体或部分椎体。

另外，待测X线片的分辨率可以设置为大于或等于预设分辨率，有利于后续能够准确识别脊柱的Cobb角。其中，预设分辨率可以根据服务器的测量能力进行设置，本申请对预设分辨率的具体大小不做限定。

从而，在接收到发送待测目标体的待测X线片的操作后，终端设备可以向服务器发送待测目标体的待测X线片。

S102、将待测X线片输入到第一识别模型中，得到脊柱识别区域，脊柱识别区域用于指示待测目标体的脊柱的轮廓，第一识别模型用于提取X线片中的脊柱的轮廓。

其中，第一识别模型能够识别出X线片中的脊柱的轮廓。脊柱的轮廓可以表示出脊柱的整体形态。本申请对第一识别模型的具体类型不做限定。例如，第一识别模型可以为AI或ML模型。本申请对X线片的具体实现方式不做限定，只需满足X线片包括脊柱即可。

在接收到待测X线片后，服务器可以将待测X线片输入到第一识别模型中，由第一识别模型对待测X线片中的脊柱的轮廓进行识别。进而，服务器可以获得脊柱识别区域。

其中，脊柱识别区域可以指示待测目标体的脊柱的轮廓。在待测X线片包括脊柱的全部椎体时，脊柱识别区域可以指示全部椎体的轮廓，即全部椎体的整体形态。在待测X线片包括脊柱的部分椎体时，脊柱识别区域可以指示部分椎体的轮廓，即部分椎体的整体形态。

其中，本申请对脊柱识别区域的具体实现方式不做限定。例如，脊柱识别区域至少包括待测X线片中的属于脊柱的区域，且脊柱识别区域还显示出脊柱的轮廓。另外，脊柱识别区域也可显示出脊柱的全部椎体或部分椎体。

另外，第一识别模型可能对待测X线片的规格有要求，有益于保证识别结果的准确性。

基于此，服务器可以将待测X线片的尺寸变为适配于第一识别模型的尺寸，如放大或缩小，能够实现对待测X线片的尺寸优化，提升了计算性能。此外，服务器可以默认设置缩小比例或放大比例为1。和/或，服务器可以将待测X线片的分辨率调整为适配于第一识别模型的分辨率，如提高或降低，能够实现对待测X线片的分辨率优化。

其中，除了尺寸和分辨率这两个规格参数之外，服务器还可对待测X线片进行其他的规格参数的优化。例如，服务器还可对待测X线片进行角度矫正，有利于降低识别的复杂度。

从而，服务器可以得到优化后的X线片，并可将优化后的X线片确定为待测X线片。

S103、根据脊柱识别区域，得到待测目标体的脊柱的Cobb角。

由于脊柱的轮廓可以表示出脊柱的整体形态。因此，服务器借助角度函数等算法，可以根据脊柱识别区域，确定脊柱侧弯最严重的位置。从而，服务器根据该位置对应的侧弯曲角度，可以得到待测目标体的脊柱的Cobb角。

在一个具体的实施例中，结合图2，详细描述本申请的Cobb角测量方法的具体实现过程。

如图2所示，该方法包括：

手机对用户A的初始X线片进行拍照，得到待测X线片。

手机向服务器发送待测X线片。

针对第一识别模型对待测X线片的尺寸的要求，服务器检测待测X线片的尺寸是否满足第一识别模型所需的尺寸。

若不满足，如待测X线片的尺寸较大或较小，服务器可以对待测X线片进行规格参数优化，将待测X线片的尺寸缩放到第一识别模型所需的尺寸，然后，服务器将缩放后的待测X线片输入到第一识别模型中。

若满足，则服务器将待测X线片输入到第一识别模型中。

服务器通过第一识别模型，对待测X线片或者缩放后的待测X线片进行处理，得到脊柱识别区域。

服务器借助角度函数等算法，对脊柱识别区域进行处理，确定脊柱侧弯最严重的位置和该位置对应的侧弯曲角度。

服务器根据侧弯曲角度，得到待测目标体的脊柱的Cobb角。

本申请提供的Cobb角测量方法，通过服务器接收终端设备发送的待测目标体的待测X线片，待测X线片中包括待测目标体的脊柱，能够请求服务器确定待测目标体的Cobb角。服务器可利用AI/ML技术，将待测X线片输入到第一识别模型中，通过第一识别模型对待测X线片中的脊柱的轮廓进行识别，可以获得脊柱识别区域，脊柱识别区域用于指示待测目标体的脊柱的轮廓，能够借助脊柱识别区域指示待测目标体的脊柱侧弯最严重的位置。服务器根据脊柱识别区域，便可确定待测目标体的脊柱Cobb角。从而，能够自动识别X线片中脊柱的Cobb角，整个过程便捷、快速且准确，无需依赖于检测人员的主观经验，也无需检测人员借助辅助设备手动画线和手动测量，避免了主观判断错误和人为测量不准的问题，提高了测量Cobb角的准确度，有助于根据Cobb角准确分析脊柱侧弯的严重程度。

基于上述实施例的描述，S103中，服务器可以采用多种方式，根据脊柱识别区域，得到待测目标体的脊柱的Cobb角。

在一些示例中，根据脊柱识别区域，得到待测目标体的脊柱的Cobb角，包括：

根据脊柱识别区域，确定第一向量和第二向量，第一向量的方向为待测目标体的脊柱中的上端椎椎体的上缘所在的方向，第二向量的方向为待测目标体的脊柱中的下端椎椎体的下缘所在的方向；

将第一向量的垂线与第二向量的垂线之间的夹角确定为Cobb角。

服务器根据脊柱识别区域指示的脊柱的轮廓，可以确定脊柱中的上端椎椎体的上缘，以及脊柱中的下端椎椎体的下缘。服务器将上端椎椎体的上缘所在的方向，确定为第一向量的方向，服务器将下端椎椎体的下缘所在的方向，确定为第二向量的方向。从而，服务器可以将第一向量的垂线与第二向量的垂线之间的夹角确定为待测目标体的脊柱的Cobb角。

综上，服务器通过确定脊柱中的上端椎椎体和下端椎椎体，能够自动测量出Cobb角。

下面，结合图3-图5，详细描述服务器根据脊柱识别区域，确定第一向量和第二向量的具体实现过程。

请参阅图3-图5，图3示出了本申请一实施例提供的确定第一向量和第二向量的流程示意图，图4和图5示出了本申请一实施例提供的一种脊柱识别区域中的脊柱轮廓的示意图。

如图3所示，根据脊柱识别区域，确定第一向量和第二向量，包括：

S201、遍历脊柱识别区域，获得每行像素点中的第一像素点和第二像素点，第一像素点和第二像素点位于待测目标体的脊柱的轮廓上。

服务器逐行对脊柱识别区域中的像素点进行扫描，可得到每行像素点，能够实现脊柱识别区域的遍历。其中，每行像素点可以表示为一个像素点集，该像素点集包括脊柱识别区域中该行的全部像素点。

针对脊柱识别区域中的每行像素点，服务器可以将位于待测目标体的脊柱的轮廓上的两个像素点确定为该行像素点中的第一像素点和第二像素点。其中，第一像素点可以为图4所示的A点，第二像素点可以为图4所示的B点。

S202、确定每行像素点中的第一像素点与第二像素点的中点。

S203、根据多个中点得到第一曲线。

针对每行像素点中的第一像素点和第二像素点，服务器可以将该行像素点中的分别与第一像素点和第二像素点距离相等的像素点，确定为第一像素点与第二像素点的中点。从而，服务器可以得到全部行像素点中的多个中点。

例如，在图4中，在第一像素点为A点，第二像素点为B点的情况下，中点可以为C点。另外，中点的数量与待测X线片的分辨率有关。在一些示例中，待测X线片的分辨率越大，中点的数量越多。

在得到全部行像素点中的多个中点之后，服务器可以将多个中点按照顺序依次连线，得到第一曲线。

S2041、对第一曲线进行滤波，得到滤波后的第一曲线。

S2042、将滤波后的第一曲线确定为第一曲线。

其中，S2041和S2042是可选的步骤。

在获得第一曲线时，考虑到第一曲线可能较为平滑，服务器可以执行S205。

在获得第一曲线时，考虑到第一曲线可能存在一些噪声点，这些噪声点对测量结果会造成干扰，服务器可以执行S2041-S2042。

服务器可以对第一曲线进行滤波处理，得到滤波后的第一曲线。其中，滤波后的第一曲线可以消除第一曲线上的噪声点，增强了鲁棒性。

在一些示例中，服务器可以使用Savitzky-Golay滤波器对第一曲线进行滤波处理，在窗口长度(window-length)的选择上，需要考虑到以下三点：第一，待测目标体的脊柱的弯曲角度一般不会在一个点出现非常锐利的角度，因此在整体上低频分量占比较大。第二，太长的window-length虽然平滑效果更好，但可能会使得最终获得的cobb角失真。第三，太短的window-length虽然能减小cobb角的失真，但可能会保留过多的噪声，影响最终获得的cobb角的精度。综上，window-length可以取(样本数据长度)/10，如果window-length为偶数，则将(window-length+1)作为最终窗口，确保window-length为奇数。在实际中，也可将window-length取(样本数据长度)/10至(样本数据长度)/20。

从而，服务器可以将滤波处理后的曲线确定为第一曲线。

S205、从第一曲线上每隔预设步长确定一个切向量，得到多个切向量，切向量从预设步长起始的中点指向预设步长终止的中点。

服务器从第一曲线上依次获取间隔数量为预设步长的中点，得到多个切向量，针对任意一个切向量，服务器从第一曲线上可以确定该预设步长起始的中点和该预设步长终止的中点。图5中，针对多个切向量Dm中的第一个切向量D1而言，C1为预设步长起始中点，C2为预设步长终止的中点，第一个切向量D1从点C1指向点C2，针对多个切向量Dm中的第二个切向量D2而言，C2为预设步长起始中点，C3为预设步长终止的中点，第二个切向量D2从点C2指向点C3。其中，m取大于或等于1且小于或等于多个切向量的总数的正整数。

其中，本申请对预设步长的具体大小不做限定。例如，预设步长为5，则针对第一个切向量，服务器可以从第一曲线的第一个中点开始，获得5个中点，并确定在这5个中点中的第一个中点和第五个中点。从而，服务器可以将第一个中点指向第五个中点的向量确定为一个切向量。

另外，预设步长可以根据测量精度的需求进行设置。在一些示例中，若对测量精度的要求越高，则设置的预设步长应越小。

S206、确定每个切向量与水平线之间的夹角。

S207、将最小夹角对应的切向量确定为第一向量，将最大夹角对应的切向量确定为第二向量。

针对任意一个切向量，服务器可以确定该切向量与水平线之间的夹角。从而，服务器可以得到全部切向量对应的夹角。其中，切向量与水平线之间的夹角为切向量与水平线之间小于或等于90°的角。

由于待测目标体的脊柱中的上端椎椎体和待测目标体的脊柱中的下端椎椎体是指脊柱侧弯中向脊柱侧弯凹侧倾斜度最大的椎体，而Cobb角为上端椎椎体的上缘对对应的直线的垂线和下端椎椎体的下缘对应的横线的垂线之间的夹角，因此，服务器可以将最小夹角对应的切向量确定为第一向量，图5所示的E向量为最小夹角对应的切向量，即第一向量。服务器可以将最大夹角对应的切向量确定为第二向量，图5所示的F向量为最大夹角对应的切向量，即第二向量。

基于上述实施例的描述，S102中，服务器可以生成第一识别模型。当然，其他设备也可以生成第一识别模型。在服务器需要使用第一识别模型时，服务器可以调用其他设备中的第一识别模型，来得到脊柱识别区域。其中，其他设备可以为除了服务器之外的算力强的设备，如超级计算机。

下面，结合图6-图7，详细描述服务器生成第一识别模型的具体实现过程。

请参阅图6-图7，图6示出了本申请一实施例提供的得到第一识别模型的流程示意图，图7示出了本申请一实施例提供的一种Cobb角测量方法中样本X线片的示意图。如图6所示，本申请的得到第一识别模型的方法可以包括：

S301、获取样本X线片集，样本X线片集包括多张样本X线片，样本X线片包括样本目标体的脊柱。

S302、获取每张样本X线片的脊柱识别区域，脊柱识别区域用于指示样本目标体的脊柱的轮廓。

其中，本申请对样本X线片集中的样本X线片的数量不做限定。在一些示例中，样本X线片的数量可以尽可能足够多，来确保训练过程充分以及训练结果准确。另外，样本X线片集中的样本X线片的尺寸、分辨率、角度、样本目标体等中的任意一个参数可以相同，也可以不同，本申请对此不做限定。

大量的样本X线片可以存储在服务器的本地中。基于此，服务器可以从服务器的本地中获得样本X线片集。和/或，大量的样本X线片可以存在其他设备中。基于此，服务器可以向其他设备发起请求，来获得样本X线片集。其中，其他设备可以为有存储功能的设备。

除了样本X线片集之外，服务器还可获取每张样本X线片中的脊柱识别区域。其中，本申请对脊柱识别区域指示样本目标体的脊柱的轮廓的具体实现方式不做限定。在一些实例中，任意一张样本X线片中的脊柱识别区域可以为图7所示的A区域。

另外，针对任意一张样本X线片中的脊柱识别区域，该脊柱识别区域可以显示在对应的样本X线片中进行存储，也可以与对应的样本X线片共同存储，也可以与对应的样本X线片分开存储，本申请对此不做限定。需要说明的是，上述S301和S302之间没有时序上的先后顺序，且S301和S302可以同时执行，也可以顺序执行。

S303、根据每张样本X线片和每张样本X线片的脊柱识别区域，对初始识别模型进行训练，得到第一识别模型，初始识别模型用于确定X线片中的脊柱的边缘。

其中，初始识别模型具有语义分割(semantic segmentation)功能，能够区分不同语义的像素点或区域。本申请对初始识别模型的具体实现方式不做限定。例如，初始识别模型可以为PointRend模型。

基于此，服务器可以根据每张样本X线片和每张样本X线片的脊柱识别区域，对初始识别模型进行训练，使得初始识别模型能够学习到如何在X线片中识别出脊柱识别区域。这样，服务器可以得到第一识别模型，该第一识别模型能够在X线片中确定脊柱识别区域。

综上，服务器可以生成第一识别模型。

示例性地，本申请提供一种Cobb角测量装置。

请参阅图8，图8示出了本申请一实施例提供的一种Cobb角测量装置的结构示意图。如图8所示，本申请的Cobb角测量装置可以包括：

接收模块801，用于对Cobb角进行测量时，从终端设备接收待测目标体的待测X线片，待测X线片包括待测目标体的脊柱；

识别模块802，用于将待测X线片输入到第一识别模型中，得到脊柱识别区域，脊柱识别区域用于指示待测目标体的脊柱的轮廓，第一识别模型用于提取X线片中的脊柱的轮廓；

确定模块803，用于根据脊柱识别区域，得到待测目标体的脊柱Cobb角。

在一些示例中，Cobb角测量装置在图8所示结构的基础上，进一步地，还可以包括：优化模块。

优化模块，用于对第一曲线进行滤波，得到滤波后的第一曲线；将滤波后的第一曲线确定为第一曲线。

优化模块，还用于对待测X线片进行尺寸和分辨率优化，得到优化后的X线片；将优化后的X线片确定为待测X线片。

在一些示例中，确定模块803，具体用于根据脊柱识别区域，确定第一向量和第二向量，第一向量的方向为待测目标体的脊柱中的上端椎椎体的上缘所在的方向，第二向量的方向为待测目标体的脊柱中的下端椎椎体的下缘所在的方向；将第一向量的垂线与第二向量的垂线之间的夹角确定为Cobb角。

在一些示例中，确定模块803，具体用于遍历脊柱识别区域，获得每行像素点中的第一像素点和第二像素点，第一像素点和第二像素点位于待测目标体的脊柱的轮廓上；确定每行像素点中的第一像素点与第二像素点的中点；根据多个中点得到第一曲线；从第一曲线上每隔预设步长确定一个切向量，得到多个切向量，切向量从预设步长起始的中点指向预设步长终止的中点；确定每个切向量与水平线之间的夹角；将最小夹角对应的切向量确定为第一向量，将最大夹角对应的切向量确定为第二向量。

在一些示例中，识别模块802，还用于确定第一识别模型，确定的步骤包括：

获取样本X线片集，样本X线片集包括多张样本X线片，样本X线片包括样本目标体的脊柱。

获取每张样本X线片的脊柱识别区域，脊柱识别区域用于指示样本目标体的脊柱的轮廓。

根据每张样本X线片和每张样本X线片的脊柱识别区域，对初始识别模型进行训练，得到第一识别模型，初始识别模型用于确定X线片中的脊柱的边缘。

示例性地，本申请提供一种电子设备，包括：处理器；处理器用于执行存储器中的计算机可执行程序或指令，使得电子设备执行前文实施例中的方法。

示例性地，本申请提供一种电子设备，包括：存储器和处理器；存储器用于存储程序指令；处理器用于调用存储器中的程序指令使得电子设备执行前文实施例中的方法。

示例性地，本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器使得电子设备执行时实现前文实施例中的方法。

示例性地，本申请提供一种计算机程序产品，包括：执行指令，执行指令存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取执行指令，至少一个处理器执行执行指令使得电子设备实现前文实施例中的方法。

在上述实施例中，全部或部分功能可以通过软件、硬件、或者软件加硬件的组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器(read-only memory，ROM)或随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可存储程序代码的介质。