下腰痛(lower back pain,LBP)是世界范围内流行的一种疾病,超过80%的人受其困扰。该病的成因虽然尚不明确,但目前普遍认为椎间盘的退行性变是初始疼痛的成因。T2权重核磁共振图像(magnetic resonance image,MRI)能够展现椎间盘形态,因此传统方法通常联合此项技术与能够评价腰椎功能活动度(range-of-motion,ROM)的临床检测评估脊柱健康,然而,这些主观测量无法很好地和疼痛联系在一起,也无法对病人患病程度实现有效的分类。因此,脊柱运动的改善量化及椎间盘的客观MRI测量都是十分必要的。本论文以此为出发点,分别基于MRI图像和量化X线技术(quantitative fluoroscopy,QF)对椎间盘的退行性变分级和腰椎椎体运动规律进行研究,研究内容主要分为以下三个方面:其一,提出了基于Gabor小波(wavelet)的椎间盘定位算法。首先通过对一系列脊柱Gabor特征图像的处理得到脊柱和椎间盘的边缘信息,随后基于脊柱边缘信息提取脊柱区域,最后根据以上信息及椎间盘位置的先验信息在脊柱区域定位椎间盘。其二,在椎间盘定位结果的基础上,提取椭圆形的椎间盘区域,通过对该区域图像灰度与小波系数分布特性的比较研究,提出了通过小波系数区分髓核与纤维环的方法,并利用二者的灰度比值以及椎间盘的高度信息实现了椎间盘的退行性变分级。其三,采用Forbin的理论,分别利用最大互信息(mutual information,MI)的方法和基于KLT(Kanade-Lucas-Tomasi)的方法对椎体角点进行追踪,并对两种方法的结果进行了比较。最终实现了前屈后伸运动和左右侧屈运动下对矢状位和冠状位上椎体的跟踪,并测得与临床相关的运动参数。对退行性变分级算法的研究通过37例患者MRI数据验证了其准确率和可行性,其中定位准确率可达96.6%,在与已有方法准确率相当的情况下降低了算法复杂度,并将定位精度提高至1.46 mm,分级算法可以实现前5级的退行性变评定。而在腰椎椎体运动规律的研究中,实验结果表明基于KLT的追踪算法在准确性和速度上都优于基于互信息的方法,此外,基于仿真模型数据的测试验证了参数计算的准确性。