[發明專利]脊柱檢測方法和裝置

在審

• 申請號: 202011457805.0
• 申請日: 2020-12-11
• 公開（公告）號: CN112614092A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 陳梓帆;趙杰;張立
• 申請（專利權）人: 北京大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 陳新生

1.一種脊柱檢測方法，其特征在于，包括：

將目標脊柱的影像數據輸入到脊柱檢測模型的特征提取模塊，獲取特征；

將所述特征輸入到所述脊柱檢測模型的頸部網絡模塊，獲取多尺度融合特征；

將所述多尺度融合特征輸入到所述脊柱檢測模型的粗定位模塊，獲取所述影像數據中所述目標脊柱的初始位置；

根據所述多尺度融合特征、所述目標脊柱的初始位置和所述脊柱檢測模型的細回歸模塊，獲取所述目標脊柱的優化位置；

其中，所述脊柱檢測模型是基于樣本影像以及樣本標簽訓練得到的。

2.根據權利要求1所述的脊柱檢測方法，其特征在于，還包括：

將所述多尺度融合特征輸入到所述脊柱檢測模型的分類模塊，獲取所述影像數據中脊柱的椎體和椎間盤的生長情況分類。

3.根據權利要求1所述的脊柱檢測方法，其特征在于，所述將所述多尺度融合特征輸入到所述脊柱檢測模型的粗定位模塊，獲取所述影像數據中所述目標脊柱的初始位置，具體包括：

所述粗定位中網格對應所述影像數據中S×S的區域，所述網格的取值為所述網格的中心點到所述目標脊柱預測點之間的關系度量；

將關系度量大于預設閾值的網格作為所述目標脊柱的初始位置。

4.根據權利要求1所述的脊柱檢測方法，其特征在于，所述根據所述多尺度融合特征、所述目標脊柱的初始位置和所述脊柱檢測模型的細回歸模塊，獲取所述目標脊柱的優化位置，具體包括：

獲取所述網格的中心點到所述目標脊柱預測點在x軸方向上的偏移量；

獲取所述網格的中心點到所述目標脊柱預測點在y軸方向上的偏移量；

根據x軸方向上的偏移量、y軸方向上的偏移量和所述目標脊柱預測點，獲取所述目標脊柱的優化位置。

5.根據權利要求1至4任一所述的脊柱檢測方法，其特征在于，所述特征提取模塊為ResNet18的前四個特征提取層。

6.根據權利要求2所述的脊柱檢測方法，其特征在于，所述將所述多尺度融合特征輸入到所述脊柱檢測模型的分類模塊，獲取所述影像數據中脊柱的椎體和椎間盤的生長情況分類，具體包括：

將每個網格對應一個分類向量，根據所述分類向量，對所述影像數據進行分類，得到所述脊柱和所述椎間盤的生長情況分類。

7.一種脊柱檢測裝置，其特征在于，包括：

特征提取模塊，用于將目標脊柱的影像數據輸入到脊柱檢測模型的特征提取模塊，獲取特征；

多尺度融合模塊，用于將所述特征輸入到所述脊柱檢測模型的頸部網絡模塊，獲取多尺度融合特征；

粗定位模塊，用于將所述多尺度融合特征輸入到所述脊柱檢測模型的粗定位模塊，獲取所述影像數據中所述目標脊柱的初始位置；

細回歸模塊，用于根據所述多尺度融合特征、所述目標脊柱的初始位置和所述脊柱檢測模型的細回歸模塊，獲取所述目標脊柱的優化位置；

其中，所述脊柱檢測模型是基于樣本影像以及樣本標簽訓練得到的。

8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至6任一項所述脊柱檢測方法的步驟。

9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述脊柱檢測方法的步驟。