生成定位模型的方法及对脊柱矢状位图像进行处理的方法技术

本发明专利技术公开了生成定位模型的方法和对脊柱矢状位图像进行骨骼定位的方法，以及用于执行上述方法的计算设备。其中，生成定位模型的方法包括步骤：获取经过标注的脊柱矢状位图像作为训练图像，且训练图像具有相应的标注数据；将训练图像输入到预训练的定位模型中进行处理，定位模型包括卷积处理层、分类处理层和回归处理层，其中，卷积处理层对所输入的图像进行卷积、激活和池化处理，以输出定位到的至少一块骨骼，分类处理层和回归处理层对定位到的骨骼分别进行分类处理和回归处理，以输出预测该骨骼属于骶骨的概率和该骨骼的预测位置；根据标注数据对预训练的定位模型进行模型训练，以得到训练后的定位模型。

【技术实现步骤摘要】
生成定位模型的方法及对脊柱矢状位图像进行处理的方法
本专利技术涉及图像处理
，尤其是生成定位模型的方法及对脊柱矢状位图像进行处理的方法。
技术介绍
随着计算机技术和图像处理技术的迅速发展，利用计算机技术来辅助骨科精准手术的技术也逐渐增多。最常见的应用如通过磁共振(MagneticResonanceImaging，MRI)成像，从磁共振图像中可以得到物质的多种物理特性参数，如质子密度、自旋－晶格驰豫时间T1、自旋－自旋驰豫时间T2、扩散系数、磁化系数、化学位移等等，以将其应用于全身各系统的成像诊断。其中主要的应用之一是脊柱成像，以获得人体的脊柱矢状位图像，进而应用在各种脊柱疾病诊断中，如椎间盘突出、滑脱椎骨等。但目前利用MRI图像进行脊柱疾病诊断的过程中，还存在一些缺点，如在受到干扰的情况下，图像成像质量不好，又如骨骼标识点的定位仍然是基于肉眼判断，需要依靠医生的经验和成像质量，这种方法既容易出错又需要大量劳动力。鉴于此，需要新的对脊柱矢状位图像进行处理的方案，以更好地辅助专业医生对各种脊柱疾病的诊断。
技术实现思路
为此，本专利技术提供了生成定位模型的方法及对脊柱矢状位图像进行处理的方法，以力图解决或者至少缓解上面存在的至少一个问题。根据本专利技术的一个方面，提供了一种生成定位模型的方法，该定位模型适于从脊柱矢状位图像中定位骶骨，该方法适于在计算设备中执行，包括步骤：获取经过标注的脊柱矢状位图像作为训练图像，训练图像具有相应的标注数据，标注数据包含训练图像中的每块脊柱骨骼的位置及每块骨骼是否属于骶骨的标识；将训练图像输入到预训练的定位模型中进行处理，定位模型包括卷积处理层、分类处理层和回归处理层，其中，卷积处理层适于对所输入的图像进行卷积、激活和池化处理，以输出定位到的至少一块骨骼，分类处理层和回归处理层适于对定位到的骨骼分别进行分类处理和回归处理，以输出预测该骨骼属于骶骨的概率和该骨骼的预测位置；以及根据标注数据对预训练的定位模型进行模型训练，以得到训练后的定位模型作为所生成的定位模型。根据本专利技术的另一方面，提供了一种对脊柱矢状位图像进行骨骼定位的方法，该方法适于在计算设备中执行，包括步骤：将脊柱矢状位图像输入定位模型，经定位处理后输出所述脊柱矢状位图像中包含的骨骼个数、每块骨骼属于骶骨的概率和每块骨骼的位置；通过每块骨骼属于骶骨的概率判断出脊柱矢状位图像中的骶骨；以及以骶骨为起点，依次确认该脊柱矢状位图像中其它各块椎骨的名称和位置，其中定位模型利用如上所述的方法来生成。根据本专利技术的又一方面，提供了一种计算设备，包括：一个或多个处理器；和存储器；一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行如上所述方法中的任一方法的指令。根据本专利技术的再一方面，提供了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令当计算设备执行时，使得计算设备执行如上所述的方法中的任一方法。根据本专利技术的方案，首先通过训练生成定位模型，根据定位模型可以定位出脊柱矢状位图像中的骶骨并得到其它椎骨的位置坐标。而后，利用骶骨与其它椎骨显著区别的特征，根据定位出的骶骨和其它椎骨的位置坐标就可以得到各块椎骨的位置及相应的名称。根据本专利技术的定位方案可以避免由于主观原因带来的误差，并且节省人力和时间成本，快速准确地确认脊柱矢状位图像中的各块骨骼，为专业医生的疾病诊断起到很好地辅助作用。附图说明为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。图1示出了根据本专利技术一个实施例的计算设备100的构造示意图；图2示出了根据本专利技术一个实施例的生成定位模型的方法200的流程示意图；图3A示出了根据本专利技术一个实施例的脊柱矢状位图像的部分示意图；图3B和图3C分别示出了根据本专利技术一个实施例的标注出的骶骨和其它椎骨的图像；图4示出了根据本专利技术一个实施例的定位模型400的结构示意图；图5示出了根据本专利技术一个实施例的对脊柱矢状位图像进行骨骼定位的方法500的流程示意图；图6示出了根据本专利技术一个实施例的对脊柱矢状位图像进行处理的方法600的流程示意图；图7示出了根据本专利技术另一个实施例的脊柱矢状位图像的示意图；图8示出了根据本专利技术一个实施例的训练图像集合的示意图；图9示出了根据本专利技术一个实施例的第一预测模型900的结构示意图；图10示出了根据本专利技术一个实施例的第二预测模型1000的结构示意图；图11示出了根据本专利技术一个实施例的卷积单元1100的结构示意图；以及图12示出了根据本专利技术一个实施例的对脊柱矢状位图像进行处理的设备1200的示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。图1是示例计算设备100的框图。在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。取决于期望的配置，处理器104可以是任何类型的处理器，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上利用程序数据124进行操作。在一些实施例中，计算设备100被配置为执行生成定位模型的方法200或对脊柱矢状位图像进行骨骼定位的方法500，程序数据124中就包含了用于执行上述各方法的指令。计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸本文档来自技高网...

【技术保护点】
1.一种生成定位模型的方法，所述定位模型适于从脊柱矢状位图像中定位骶骨，所述方法适于在计算设备中执行，包括步骤：获取经过标注的脊柱矢状位图像作为训练图像，所述训练图像具有相应的标注数据，所述标注数据包含所述训练图像中的每块脊柱骨骼的位置及每块骨骼是否属于骶骨的标识；将所述训练图像输入到预训练的定位模型中进行处理，所述定位模型包括卷积处理层、分类处理层和回归处理层，其中，所述卷积处理层适于对所输入的图像进行卷积、激活和池化处理，以输出定位到的至少一块骨骼，所述分类处理层和回归处理层适于对定位到的骨骼分别进行分类处理和回归处理，以输出预测该骨骼属于骶骨的概率和该骨骼的预测位置；以及根据所述标注数据对所述预训练的定位模型进行模型训练，以得到训练后的定位模型作为所生成的定位模型。

【技术特征摘要】
1.一种生成定位模型的方法，所述定位模型适于从脊柱矢状位图像中定位骶骨，所述方法适于在计算设备中执行，包括步骤：获取经过标注的脊柱矢状位图像作为训练图像，所述训练图像具有相应的标注数据，所述标注数据包含所述训练图像中的每块脊柱骨骼的位置及每块骨骼是否属于骶骨的标识；将所述训练图像输入到预训练的定位模型中进行处理，所述定位模型包括卷积处理层、分类处理层和回归处理层，其中，所述卷积处理层适于对所输入的图像进行卷积、激活和池化处理，以输出定位到的至少一块骨骼，所述分类处理层和回归处理层适于对定位到的骨骼分别进行分类处理和回归处理，以输出预测该骨骼属于骶骨的概率和该骨骼的预测位置；以及根据所述标注数据对所述预训练的定位模型进行模型训练，以得到训练后的定位模型作为所生成的定位模型。2.如权利要求1所述的方法，其中，所述获取经过标注的脊柱矢状位图像作为训练图像的步骤中还包括：对所述经过标注的脊柱矢状位图像进行预处理，将预处理后的脊柱矢状位图像作为训练图像。3.如权利要求2所述的方法，其中，所述预处理包括以下处理中的一种或多种：调节图像亮度、垂直翻转图像、小角度旋转图像。4.如权利要求1-3中任一项所述的方法，其中，在所述定位模型中，所述分类处理层适于对定位到的每块骨骼进行分类处理，以输出预测该块骨骼属于骶骨的概率；所述回归处理层适于根据标注数据对定位到的每块骨骼的预测位置进行回归处理，以输出包含该块骨骼的边界框的顶点坐标作为其预测位置，其中，所述分类处理层和所述回归处理层并列连接。5.如权利要求1-4中任一项所述的方法，其中，所述卷积处理层至少包括：12个卷积层、8个池化层、3个全连接层，以及处于卷积层和全连接层之间的过渡层，其中，所述卷积层中卷积核大小为3×3，所述池化层中池化窗口大...

【专利技术属性】
技术研发人员：张逸凌，刘星宇，安奕成，张云东，
申请(专利权)人：北京长木谷医疗科技有限公司，
类型：发明
国别省市：北京,11