腰椎疾病(例如下腰痛)是中老年人群中常见的一大慢性疾病,而退行性腰椎不稳又被认为是引发下腰痛跟坐骨神经痛等症状的最重要因素。由于腰椎运动的复杂性以及临床表现缺乏特异性,对于腰椎不稳的发病机制、临床诊断等迄今还存在着很大的争议。对于退行性腰椎不稳来说,至今还没形成一个规范统一的诊断标准。然而,影像学测量技术的应用为辅助医生进行临床诊断提供了可能性。传统的X线测量技术辐射剂量过大,并且不能提供连续图像;目前临床上大多将过伸过屈位X线上椎体间的矢状面位移和成角大小作为是否具有腰椎不稳的判断标准,但这无法反映腰椎的动态活动。因此,本文基于量化X线技术(quantitative fluoroscopy,QF),在低剂量下获取运动物体的连续性动态图像序列,对腰椎椎体的动态活动规律进行研究。本研究主要分为以下几个方面:(1)概述腰椎研究领域的研究进展。介绍了以往研究中的一些椎体定位、追踪算法,针对其不足之处提出了本研究所用的KLT算法和迭代模板匹配算法。(2)利用KLT算法追踪椎体角点。运用Harris特征点检测方法解决旋转、尺度变换问题,引入Hessian矩阵以剔除光流不一致或跳动较大的点,以及生成原图像的金字塔图像来满足KLT算法对于小速度的要求。构建了两种仿真验证模型来验证算法的可行性及有效性。(3)利用迭代模板匹配算法追踪椎体角点。首先选取大模板来粗略匹配椎体的大致位置,30帧更新一次模板来提高椎体匹配的成功率;然后在每个角点处选取小模板进一步优化匹配精度。采用同个仿真验证模型验证算法的有效性。在仿真验证验证模型上得到的KLT算法的位移误差在0.29mm以内,角度误差在0.3°以内,而迭代模板匹配算法经常匹配失败。KLT算法追踪精度高,计算速度快,追踪效果优于迭代模板匹配算法。采集了11组LBP志愿者的临床腰椎图像序列,将两种算法应用于实际临床数据,观察到基于KLT的方法要好于基于迭代模板匹配的方法,KLT方法能够应用于辅助医生进行腰椎疾病的诊断。