[發明專利]確定脊柱橫斷面圖像的異常類型的方法及計算設備

有效

• 申請號: 201910069196.2
• 申請日: 2019-01-24
• 公開（公告）號: CN109903269B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 劉星宇;張逸凌;安奕成
• 申請（專利權）人: 劉星宇;北京長木谷醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 謝建云;趙愛軍

1.一種確定脊柱橫斷面圖像的異常類型的方法，所述方法適于在計算設備中執行，所述方法包括步驟：

從脊柱橫斷面圖像中獲取異常區域；

確定所述脊柱橫斷面圖像中的至少一個關鍵點，其中所述至少一個關鍵點分別位于上下關節突、椎體正中及兩椎板匯聚處內緣，且由所述至少一個關鍵點形成一個菱形；以及

結合所述異常區域和關鍵點以確定所述脊柱橫斷面圖像的異常類型。

2.如權利要求1所述的方法，其中，所述結合異常區域和關鍵點以確定脊柱橫斷面圖像的異常類型的步驟還包括：

根據所確定的至少一個關鍵點生成網格；以及

根據所述異常區域在所述網格中的位置，確定所述脊柱橫斷面圖像的異常類型。

3.如權利要求2所述的方法，其中，所述從脊柱橫斷面圖像中獲取異常區域的步驟還包括：

利用第一神經網絡來處理所述脊柱橫斷面圖像，以判斷所述脊柱橫斷面圖像是否異常；以及

若確定所述脊柱橫斷面圖像異常，則從所述脊柱橫斷面圖像中獲取異常區域。

4.如權利要求3所述的方法，其中，在所述利用第一神經網絡來處理所述脊柱橫斷面圖像的步驟之前，還包括步驟：

從脊柱矢狀面圖像中確定存在異常的感興趣區域；以及

獲取與所述存在異常的感興趣區域相對應的脊柱橫斷面圖像作為所述脊柱橫斷面圖像。

5.如權利要求4所述的方法，其中，所述若確定脊柱橫斷面圖像異常，則從所述脊柱橫斷面圖像中獲取異常區域的步驟包括：

利用第二神經網絡來處理所述脊柱橫斷面圖像，以輸出第一圖像，其中在所述第一圖像中具有特定像素值的區域為異常區域；以及

對所述第一圖像進行插值處理，以獲得第二圖像，所述第二圖像與所述脊柱橫斷面圖像具有相同尺寸。

6.如權利要求5所述的方法，其中，所述確定脊柱橫斷面圖像中的至少一個關鍵點的步驟包括：

利用第三神經網絡來處理所述脊柱橫斷面圖像，以輸出包含至少一個關鍵點位置的至少一個熱圖；以及

將所述至少一個熱圖合并生成預測圖，其中所述預測圖包含所述至少一個關鍵點。

7.如權利要求6所述的方法，其中，所述第三神經網絡通過卷積處理層和空間融合層耦接而成。

8.如權利要求7所述的方法，其中，

所述卷積處理層包含8層卷積，且各層卷積中采用的卷積核大小依次為：5*5、5*5、5*5、5*5、9*9、1*1、1*1、1*1；以及

所述空間融合層包含5層卷積，且各層卷積中采用的卷積核大小依次為：7*7、13*13、13*13、1*1、1*1。

9.如權利要求8所述的方法，其中，

所述卷積處理層還適于將其中第三層卷積和第七層卷積的輸出結合后，作為所述空間融合層的輸入。

10.如權利要求9所述的方法，還包括預先訓練生成所述第三神經網絡的步驟：

構造預訓練的第三神經網絡，并設置初始的網絡參數；

將訓練圖像輸入預訓練的第三神經網絡，通過損失函數計算網絡的輸出所對應的損失值；

根據損失值調整網絡參數；以及

重復迭代所述計算損失值和調整網絡參數的步驟，直到滿足預定條件時訓練結束。

11.如權利要求10所述的方法，其中，所述將訓練圖像輸入預訓練的第三神經網絡，利用損失函數計算網絡的輸出所對應的損失值的步驟包括：

將訓練圖像輸入預訓練的第三神經網絡，通過損失函數分別計算網絡中預定層的輸出所對應的損失；以及

結合各層的損失得到該網絡所對應的損失值。

12.如權利要求11所述的方法，其中，所述預定層包括所述卷積處理層中第4、6、8層卷積、以及所述空間融合層中第5層卷積。