脊柱曲度分类方法、计算机设备和存储介质技术

本申请涉及一种脊柱曲度分类方法、装置、计算机设备和存储介质。所述方法包括：获取待检测对象的脊柱分割图像，所述脊柱分割图像上包括至少两个椎体；对所述脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，并将各所述椎体对应的关键点组成关键点集；根据所述关键点集中的各个关键点的坐标，确定所述脊柱分割图像对应的曲度特征值；将所述曲度特征值和预设的曲度阈值范围进行匹配，并根据匹配结果得到所述待检测对象的脊柱曲度类别。采用本方法能够提高得到的脊柱曲度类别的准确性。

【技术实现步骤摘要】
脊柱曲度分类方法、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种脊柱曲度分类方法、计算机设备和存储介质。
技术介绍
随着社会的发展，人们的体力劳动逐渐减少，脑力劳动增加，相应需要久坐的办公时间大大增加，脊柱发生病变的几率也逐年提升，其严重影响了人们的生活质量。因此，对脊柱是否发生病变进行检查就显得尤为重要，常规检查脊柱是否发生病变可以通过脊柱的曲度来进行衡量，所以就需要对人们的脊柱曲度进行检查。相关技术中，在检查受检者的脊柱曲度时，通常医生会通过观察受检者拍摄的医学影像，并对医学影像视野内的脊柱整体进行曲度分析，以得到受检者脊柱曲度的类型，完成对受检者脊柱曲度的检查。然而上述技术存在得到的脊柱曲度的类型不准确的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高得到的脊柱曲度类型的准确性的脊柱曲度分类方法、装置、计算机设备和存储介质。一种脊柱曲度分类方法，该方法包括：获取待检测对象的脊柱分割图像，该脊柱分割图像上包括至少两个椎体；对脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，并将各椎体对应的关键点组成关键点集；根据关键点集中的各个关键点的坐标，确定脊柱分割图像对应的曲度特征值；将曲度特征值和预设的曲度阈值范围进行匹配，并根据匹配结果得到待检测对象的脊柱曲度类别。在其中一个实施例中，上述根据关键点集中的各个关键点的坐标，确定脊柱分割图像对应的曲度特征值，包括：对关键点集中的各个关键点的坐标进行拼接处理，得到脊柱分割图像对应的特征向量；采用预设的降维方法对特征向量进行降维处理，得到曲度特征值。在其中一个实施例中，上述脊柱分割图像包括多个矢状位图像，在上述对脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点之前，上述方法还包括：根据脊柱分割图像，计算各个椎体对应的特征点的坐标；根据各椎体对应的特征点的坐标，在多个矢状位图像中确定脊柱分割图像对应的目标矢状位图像；相应地，上述对脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，包括：对目标矢状位图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点。在其中一个实施例中，上述根据各椎体对应的特征点的坐标，在多个矢状位图像中确定脊柱分割图像对应的目标矢状位图像，包括：根据各椎体对应的特征点的坐标，计算各个目标椎体与各矢状位图像之间的垂直距离，得到每个矢状位图像和各个目标椎体对应的特征点之间的距离，各个目标椎体为各椎体中的部分椎体或全部椎体；对每个矢状位图像与各个目标椎体对应的特征点之间的距离进行求和，得到每个矢状位图像对应的距离和值；根据各矢状位图像对应的距离和值，确定目标矢状位图像。在其中一个实施例中，上述根据各椎体对应的特征点的坐标，在多个矢状位图像中确定脊柱分割图像对应的目标矢状位图像，包括：根据各椎体对应的特征点的坐标，计算各椎体对应的特征点的坐标的均值；将均值所在的矢状位图像确定为目标矢状位图像。在其中一个实施例中，上述预设的曲度阈值范围的确定方式包括：获取多个历史脊柱分割图像，每个历史脊柱分割图像上均标注脊柱曲度类别；根据各历史脊柱分割图像，确定各历史脊柱分割图像对应的曲度特征值；基于各历史脊柱分割图像对应的曲度特征值和对应的标注脊柱曲度类别，对各曲度特征值进行区域划分，得到预设的曲度阈值范围。在其中一个实施例中，上述预设的降维方法为主成分分析方法。在其中一个实施例中，在上述对关键点集中的各个关键点的坐标进行拼接处理，得到脊柱分割图像对应的特征向量之前，上述方法还包括：根据关键点集中的各个关键点的坐标，对各个关键点的坐标进行归一化处理，得到归一化后各个关键点的坐标；相应地，上述对关键点集中的各个关键点的坐标进行拼接处理，得到脊柱分割图像对应的特征向量，包括：对归一化后各个关键点的坐标进行拼接处理，得到脊柱分割图像对应的特征向量。一种脊柱曲度分类装置，该装置包括：获取模块，用于获取待检测对象的脊柱分割图像，该脊柱分割图像上包括至少两个椎体；检测模块，用于对脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，并将各椎体对应的关键点组成关键点集；确定模块，用于根据关键点集中的各个关键点的坐标，确定脊柱分割图像对应的曲度特征值；匹配模块，用于将曲度特征值和预设的曲度阈值范围进行匹配，并根据匹配结果得到待检测对象的脊柱曲度类别。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待检测对象的脊柱分割图像，该脊柱分割图像上包括至少两个椎体；对脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，并将各椎体对应的关键点组成关键点集；根据关键点集中的各个关键点的坐标，确定脊柱分割图像对应的曲度特征值；将曲度特征值和预设的曲度阈值范围进行匹配，并根据匹配结果得到待检测对象的脊柱曲度类别。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待检测对象的脊柱分割图像，该脊柱分割图像上包括至少两个椎体；对脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，并将各椎体对应的关键点组成关键点集；根据关键点集中的各个关键点的坐标，确定脊柱分割图像对应的曲度特征值；将曲度特征值和预设的曲度阈值范围进行匹配，并根据匹配结果得到待检测对象的脊柱曲度类别。上述脊柱曲度分类方法、装置、计算机设备和存储介质，通过对待检测对象的脊柱分割图像进行关键点检测，得到各椎体对应的关键点组成的关键点集，根据关键点集中各关键点的坐标确定脊柱分割图像对应的曲度特征值，通过将曲度特征值和预设曲度阈值范围进行匹配，得到脊柱曲度类别。在该方法中，由于可以通过检测得到的关键点定性地计算脊柱分割图像对应的曲度特征值，并通过将曲度特征值和曲度阈值范围进行匹配得到脊柱曲度类别，而不需要人工进行判别，因此可以节省人力和时间；另外，该方法中不需要依据人的经验得到结果，都是根据检测的关键点数据定性地得到最终的类别结果，因此，该方法得到的最终结果更加准确。附图说明图1为一个实施例中计算机设备的内部结构图；图2为一个实施例中脊柱曲度分类方法的流程示意图；图2a为一个实施例中确定脊柱曲度阈值范围的示意图；图3为另一个实施例中脊柱曲度分类方法的流程示意图；图3a为另一个实施例中对关键点进行旋转平移的示意图；图4为另一个实施例中脊柱曲度分类方法的流程示意图；图4a为另一个实施例中计算各椎体的重心点的示意图；图5为一个实施例中脊柱曲度分类装置的结构框图。具体实施方式...

【技术保护点】
1.一种脊柱曲度分类方法，其特征在于，所述方法包括：/n获取待检测对象的脊柱分割图像，所述脊柱分割图像上包括至少两个椎体；/n对所述脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，并将各所述椎体对应的关键点组成关键点集；/n根据所述关键点集中的各个关键点的坐标，确定所述脊柱分割图像对应的曲度特征值；/n将所述曲度特征值和预设的曲度阈值范围进行匹配，并根据匹配结果得到所述待检测对象的脊柱曲度类别。/n

【技术特征摘要】
1.一种脊柱曲度分类方法，其特征在于，所述方法包括：
获取待检测对象的脊柱分割图像，所述脊柱分割图像上包括至少两个椎体；
对所述脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，并将各所述椎体对应的关键点组成关键点集；
根据所述关键点集中的各个关键点的坐标，确定所述脊柱分割图像对应的曲度特征值；
将所述曲度特征值和预设的曲度阈值范围进行匹配，并根据匹配结果得到所述待检测对象的脊柱曲度类别。


2.根据权利要求1所述的方法，其特征在于，所述根据所述关键点集中的各个关键点的坐标，确定所述脊柱分割图像对应的曲度特征值，包括：
对所述关键点集中的各个关键点的坐标进行拼接处理，得到所述脊柱分割图像对应的特征向量；
采用预设的降维方法对所述特征向量进行降维处理，得到所述曲度特征值。


3.根据权利要求1或2所述的方法，其特征在于，所述脊柱分割图像包括多个矢状位图像，在所述对所述脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点之前，所述方法还包括：
根据所述脊柱分割图像，计算各个椎体对应的特征点的坐标；
根据各所述椎体对应的特征点的坐标，在所述多个矢状位图像中确定所述脊柱分割图像对应的目标矢状位图像；
相应地，所述对所述脊柱分割图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点，包括：
对所述目标矢状位图像中的各椎体进行关键点检测处理，得到各椎体对应的关键点。


4.根据权利要求3所述的方法，其特征在于，所述根据各所述椎体对应的特征点的坐标，在所述多个矢状位图像中确定所述脊柱分割图像对应的目标矢状位图像，包括：
根据各所述椎体对应的特征点的坐标，计算各个目标椎体与各矢状位图像之间的垂直距离，得到每个矢状位图像和各个目标椎体对应的特征点之间的距离，所述各个目标椎体为各所述椎体中的部分椎体或全部椎体；
对每个矢状位图像与各个目标椎体对应的特征点之间的距离进行求和...

【专利技术属性】
技术研发人员：刘曦，董昢，吴迪嘉，薛忠，
申请(专利权)人：联影智能医疗科技北京有限公司，
类型：发明
国别省市：北京;11