[發(fā)明專利]脊柱側(cè)彎角度的測(cè)量方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110985135.8
• 申請(qǐng)日: 2021-08-26
• 公開（公告）號(hào): CN113674257A
• 公開（公告）日: 2021-11-19
• 發(fā)明（設(shè)計(jì)）人: 葉苓;陸麗娟;黃凌云;劉玉宇;肖京
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 姚維

本發(fā)明涉及人工智能領(lǐng)域，應(yīng)用于智慧醫(yī)療領(lǐng)域中，公開了一種脊柱側(cè)彎角度的測(cè)量方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于提高脊柱側(cè)彎角度的測(cè)量效率。脊柱側(cè)彎角度的測(cè)量方法包括：對(duì)待測(cè)圖像進(jìn)行像素值提取和歸一化處理，得到預(yù)處理圖像；調(diào)用預(yù)置的多個(gè)深度學(xué)習(xí)模型，對(duì)預(yù)處理圖像進(jìn)行定位，得到脊柱定位結(jié)果；調(diào)用預(yù)置的目標(biāo)關(guān)鍵點(diǎn)檢測(cè)模型，對(duì)脊柱定位結(jié)果進(jìn)行分析，得到多個(gè)椎體關(guān)鍵點(diǎn)信息；調(diào)用預(yù)置的最小二乘法對(duì)多個(gè)椎體關(guān)鍵點(diǎn)信息進(jìn)行擬合處理，得到擬合直線段，基于擬合直線段確定彎曲中心，根據(jù)彎曲中心進(jìn)行脊柱側(cè)彎角度的測(cè)算，得到脊柱側(cè)彎角度測(cè)量結(jié)果。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，脊柱側(cè)彎角度測(cè)量結(jié)果可存儲(chǔ)于區(qū)塊鏈節(jié)點(diǎn)中。

技術(shù)領(lǐng)域

本發(fā)明涉及區(qū)域提取領(lǐng)域，尤其涉及一種脊柱側(cè)彎角度的測(cè)量方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

脊柱側(cè)彎的角度即Cobb角，用于臨床定量評(píng)估脊柱側(cè)彎的嚴(yán)重程度，患者拍攝X線影片后，由影像醫(yī)師手動(dòng)確定脊柱側(cè)彎中心椎體和上下端椎，并通過量角器具測(cè)量端椎間夾角，此種方法受限于X射線設(shè)備條件與影像醫(yī)師的經(jīng)驗(yàn)水平，測(cè)量過程中存在手工測(cè)量的差異性，不同經(jīng)驗(yàn)的醫(yī)師往往會(huì)得到差異較大的結(jié)果，這嚴(yán)重影像了醫(yī)師的判斷，近年來，隨著人工智能技術(shù)的高速發(fā)展，人工智能被應(yīng)用于Cobb角的自動(dòng)測(cè)算中，人工智能進(jìn)行的Cobb角的自動(dòng)測(cè)算可以支持疾病輔助診斷、健康管理、遠(yuǎn)程會(huì)診等功能。

在現(xiàn)有技術(shù)中，對(duì)圖像使用半自動(dòng)分割算法可以自動(dòng)測(cè)算Cobb角，但是上述方法無法通過脊柱段的位置定位實(shí)現(xiàn)脊柱側(cè)彎角度的測(cè)量，只能作為輔助工作，仍需要影像醫(yī)師參與判斷，導(dǎo)致脊柱側(cè)彎角度的測(cè)量效率低下。

發(fā)明內(nèi)容

本發(fā)明提供了一種脊柱側(cè)彎角度的測(cè)量方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于通過調(diào)用預(yù)置的多個(gè)深度學(xué)習(xí)模型，對(duì)預(yù)處理圖像進(jìn)行脊柱定位，得到脊柱定位結(jié)果，調(diào)用預(yù)置的目標(biāo)關(guān)鍵點(diǎn)檢測(cè)模型，對(duì)脊柱定位結(jié)果進(jìn)行分析，得到多個(gè)椎體關(guān)鍵點(diǎn)信息，基于多個(gè)椎體關(guān)鍵點(diǎn)信息進(jìn)行脊柱側(cè)彎角度的測(cè)算，提高了脊柱側(cè)彎角度的測(cè)量效率。

本發(fā)明第一方面提供了一種脊柱側(cè)彎角度的測(cè)量方法，包括：獲取待測(cè)圖像，對(duì)所述待測(cè)圖像進(jìn)行像素值提取和歸一化處理，得到預(yù)處理圖像；調(diào)用預(yù)置的多個(gè)深度學(xué)習(xí)模型，對(duì)所述預(yù)處理圖像依次進(jìn)行脊柱定位、脊柱椎體定位和第12節(jié)胸椎的定位，得到脊柱定位結(jié)果；調(diào)用預(yù)置的目標(biāo)關(guān)鍵點(diǎn)檢測(cè)模型，對(duì)所述脊柱定位結(jié)果進(jìn)行分析，得到多個(gè)椎體關(guān)鍵點(diǎn)信息，所述多個(gè)椎體關(guān)鍵點(diǎn)信息包括每一節(jié)脊柱椎體對(duì)應(yīng)的四個(gè)頂點(diǎn)的位置信息；調(diào)用預(yù)置的最小二乘法對(duì)所述多個(gè)椎體關(guān)鍵點(diǎn)信息進(jìn)行擬合處理，得到擬合直線段，基于所述擬合直線段確定彎曲中心，根據(jù)所述彎曲中心進(jìn)行脊柱側(cè)彎角度的測(cè)算，得到脊柱側(cè)彎角度測(cè)量結(jié)果。

可選的，在本發(fā)明第一方面的第一種實(shí)現(xiàn)方式中，所述調(diào)用預(yù)置的多個(gè)深度學(xué)習(xí)模型，對(duì)所述預(yù)處理圖像依次進(jìn)行脊柱定位、脊柱椎體定位和第12節(jié)胸椎的定位，得到脊柱定位結(jié)果包括：調(diào)用預(yù)置的第一深度學(xué)習(xí)模型，對(duì)所述預(yù)處理圖像進(jìn)行基于脊柱所在區(qū)域的定位，得到第一定位圖像，所述第一定位圖像包括脊柱位置信息；調(diào)用預(yù)置的第二深度學(xué)習(xí)模型，對(duì)所述第一定位圖像進(jìn)行基于脊柱椎體所在區(qū)域的定位，得到第二定位圖像，所述第二定位圖像包括脊柱椎體的位置信息；調(diào)用預(yù)置的第三深度學(xué)習(xí)模型，對(duì)所述第二定位圖像進(jìn)行基于第12節(jié)胸椎所在區(qū)域的定位，得到第三定位圖像，將所述第一定位圖像、所述第二定位圖像和所述第三定位圖像確定為脊柱定位結(jié)果，所述第三定位圖像包括第12節(jié)胸椎的位置信息。

可選的，在本發(fā)明第一方面的第二種實(shí)現(xiàn)方式中，所述調(diào)用預(yù)置的第一深度學(xué)習(xí)模型，對(duì)所述預(yù)處理圖像進(jìn)行基于脊柱所在區(qū)域的定位，得到第一定位圖像，所述第一定位圖像包括脊柱位置信息包括：調(diào)用預(yù)置的第一深度學(xué)習(xí)模型，對(duì)所述預(yù)處理圖像進(jìn)行編碼處理，得到編碼隱層空間向量；對(duì)所述編碼隱層空間向量進(jìn)行全連接處理，得到初始脊柱區(qū)域坐標(biāo)，調(diào)用預(yù)置的非極大抑制算法，對(duì)所述初始脊柱區(qū)域坐標(biāo)進(jìn)行篩選，得到目標(biāo)脊柱區(qū)域坐標(biāo)；將所述目標(biāo)脊柱區(qū)域坐標(biāo)代入所述預(yù)處理圖像，得到第一定位圖像，所述第一定位圖像包括脊柱位置信息。