一种脊柱侧弯检测方法与医疗平台技术

本申请提供了一种脊柱侧弯检测方法，所述方法包括：S1，获取脊柱X光图像；S2，将所述脊柱X光图像输入深度学习识别模型进行识别，以识别出各个脊柱块；S3，基于识别出的各个脊柱块，计算得出Cobb角；S4，若所述Cobb角大于预设值，则判断为脊柱侧弯。本申请的方案可以自动快速对脊柱侧弯情况进行检测判断，提高了脊柱侧弯筛查的效率和可靠性。

【技术实现步骤摘要】
一种脊柱侧弯检测方法与医疗平台
本申请涉及医疗检测
，具体而言，涉及一种脊柱侧弯检测方法与医疗平台。
技术介绍
脊柱侧弯是指脊柱的一个或数个节段在冠状面上偏离身体中线，向侧方弯曲而导致的畸形，脊柱侧弯通常还伴有脊柱的旋转和矢状面上后凸或前凸的增加或减少。我国儿童青少年脊柱侧弯发病率高达2％-4％，是继近视眼和肥胖症两种疾病之后的又一危害我国儿童青少年身心健康的顽疾。脊柱侧弯不仅影响儿童青少年身体外观，还影响其心理健康，严重时会压迫身体心肺等器官进而威胁到生命。现有技术中主要依靠Cobb角的大小来对特发性脊柱侧弯进行分型，Cobb角是衡量脊柱侧弯的一个标准，其根据美国外科整形医生JohnRobertCobb命名而来。Cobb角的传统测量方法是医生利用铅笔和量角器在X线片上手工测量。由于这个方法是手工执行的，所以存在一定的误差，其观察者内和观察者间的可靠性也较差。另外，对于一些大型医院或体检机构来说，其经常需要面临集体性的脊柱侧弯筛查，例如，中小学均可能会组织学生集体前来检测，此时，如果还是采用手工方法进行检测，则显然需要耗费特别长的时间，无法满足人们日益提高的医疗需求。可见，对于脊柱侧弯的快速准确的进行自动化检测，现有技术还未有效解决，亟需简单高效的检测技术来解决该技术问题。
技术实现思路
为了解决上述
技术介绍
中存在的技术问题，本申请提供了一种脊柱侧弯检测方法与医疗平台。本申请的第一方面提供了一种脊柱侧弯检测方法，所述方法包括：S1，获取脊柱X光图像；S2，将所述脊柱X光图像输入深度学习识别模型进行识别，分割出各个脊柱块；S3，基于识别出的各个脊柱块，计算得出Cobb角；S4，若所述Cobb角大于预设值，则判断为脊柱侧弯。可选地，在将所述脊柱X光图像输入深度学习识别模型进行识别之前，还包括预处理步骤，包括：将所述脊柱X光图像输入脊柱识别模型，以识别出脊柱轮廓，进而切分出所述脊柱X光图像中的脊柱区域图像；相应地，在步骤S2中，将所述脊柱区域图像输入深度学习识别模型进行识别。可选地，将所述脊柱X光图像输入深度学习识别模型进行识别，分割出各个脊柱块，包括：所述脊柱区域图像输入深度学习识别模型，所述深度学习识别模型识别出所述脊柱区域图像中的各个角点并将具有相同属性的角点进行分组，以分组内的各个角点为边角构建边界，以对各个脊柱块完成标注；其中，所述相同属性是指各个角点的开口具有相同指向，所述分组中的角点至少包括三个。可选地，所述基于识别出的各个脊柱块，计算得出Cobb角，包括：基于各个脊柱块的等效质心位置拟合出脊柱曲线，在各个等效质心位置处绘制所述脊柱曲线的切线，计算得出各条所述切线的斜率；以端脊柱块为端椎，以所述端椎为起点端椎逐条分析各条所述切线的斜率，当所述斜率出现第二次趋势改变时对应的脊柱块作为终点端椎，基于所述起点端椎和终点端椎的切线计算得出Cobb角度值；将计算得出的若干Cobb角度值中最大的作为最终的Cobb角度值。可选地，所述方法还包括：S5，将所述脊柱曲线输入分类模型，以输出脊柱侧弯类型。本申请的第二方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。本申请的第三方面提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。本申请的第四方面提供了一种医疗平台，所述医疗平台包括检测模块、处理模块及输出模块；所述检测模块，用于采用如上任一项所述的方法进行脊柱侧弯检测；所述处理模块，用于基于所述检测模块的检测结果确定对应的治疗方案；所述输出模块，用于将所述治疗方案进行输出。可选地，所述将所述治疗方案进行输出包括：将所述治疗方案输出至医生端、患者端、医院端中的至少一种。可选地，所述医疗平台还包括预约模块、资讯模块、商城模块、线上诊疗模块、活动及分享模块中的至少一种。本专利技术的有益效果在于：在本申请方案中，X光设备在拍摄完脊柱X光图像之后，检测识别设备就可以自动快速对脊柱侧弯情况进行检测判断，如此，替代了人工手动标注及计算Cobb角，提高了脊柱侧弯筛查的效率和可靠性。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1是本申请实施例公开的一种脊柱侧弯检测方法的流程示意图；图2是本申请实施例公开的一种医疗平台的结构示意图；图3是本申请实施例公开一种电子设备的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。实施例一脊柱侧弯的严重程度大多通过脊柱侧弯曲角度来判断，Cobb角已成为医生诊断或观察脊柱侧弯症状的一个定量标准。目前，影像学医师测量Cobb角时大多通过手动选择脊柱中向脊柱侧弯凹侧倾斜最严重的脊椎骨作为上下端锥，后使用量角器测量脊柱上下端椎之间的夹角。因此，Cobb角测量的准确性较大程度取决于影像科医师的主观经验，而研究发现，影像科医师在手动选择脊柱侧弯上下端椎进行脊柱侧弯Cobb角测量时可能会造成高达11.8°的误差，大大影响了对脊柱侧弯患者的诊断以及治疗。同时，现今的家长和学校对脊柱侧弯越发重视，所以，一些医院和体检机构通常需要接待来自学校的集体脊柱侧弯筛查，显然，如果本文档来自技高网...

【技术保护点】
1.一种脊柱侧弯检测方法，其特征在于：所述方法包括：/nS1，获取脊柱X光图像；/nS2，将所述脊柱X光图像输入深度学习识别模型进行识别，分割出各个脊柱块；/nS3，基于识别出的各个脊柱块，计算得出Cobb角；/nS4，若所述Cobb角大于预设值，则判断为脊柱侧弯。/n

【技术特征摘要】
1.一种脊柱侧弯检测方法，其特征在于：所述方法包括：
S1，获取脊柱X光图像；
S2，将所述脊柱X光图像输入深度学习识别模型进行识别，分割出各个脊柱块；
S3，基于识别出的各个脊柱块，计算得出Cobb角；
S4，若所述Cobb角大于预设值，则判断为脊柱侧弯。


2.根据权利要求1所述的方法，其特征在于：在将所述脊柱X光图像输入深度学习识别模型进行识别之前，还包括预处理步骤，包括：
将所述脊柱X光图像输入脊柱识别模型，以识别出脊柱轮廓，进而切分出所述脊柱X光图像中的脊柱区域图像；
相应地，在步骤S2中，将所述脊柱区域图像输入深度学习识别模型进行识别。


3.根据权利要求2所述的方法，其特征在于：将所述脊柱X光图像输入深度学习识别模型进行识别，分割出各个脊柱块，包括：
所述脊柱区域图像输入深度学习识别模型，所述深度学习识别模型识别出所述脊柱区域图像中的各个角点并将具有相同属性的角点进行分组，以分组内的各个角点为边角构建边界，以对各个脊柱块完成标注；其中，所述相同属性是指各个角点的开口具有相同指向，所述分组中的角点至少包括三个。


4.根据权利要求1或3所述的方法，其特征在于：所述基于识别出的各个脊柱块，计算得出Cobb角，包括：
基于各个脊柱块的等效质心位置拟合出脊柱曲线，在各个等效质心位置处绘制所述脊柱曲线的切线，计算得出各条所述切线的斜率；
以端脊柱块为端椎，以...

【专利技术属性】
技术研发人员：赵志阳，
申请(专利权)人：上海脊合医疗科技有限公司，
类型：发明
国别省市：上海;31