基于人工智能的关节检测方法、装置及电子设备制造方法及图纸

本申请提供了一种基于人工智能的关节检测方法、装置、电子设备及计算机可读存储介质；所述方法包括：确定数字化X射线(DR)图像中的候选骨骼关节，所述DR图像包括肢体的骨骼图像；对所述候选骨骼关节进行处理，获得目标骨骼关节。通过本申请实施例，能够提高关节检测的准确率。的准确率。的准确率。

【技术实现步骤摘要】
基于人工智能的关节检测方法、装置及电子设备


[0001]本申请涉及人工智能技术，尤其涉及一种基于人工智能的关节检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]目标检测可应用于多种场景，是人工智能的一个热点研究问题。相关技术目标检测主要是针对自然图像的检测。
[0003]数字化X射线(Digital Radiography，DR)图像可用于骨龄评估；具体的，可以通过检测DR图像中的骨骼关节，基于已有的骨龄评价标准确定骨骼关节对应的骨龄。其中，检测DR图像中的骨骼关节属于目标检测的一种应用场景，但是，针对DR图像的目标检测尚不成熟，存在关节检测准确率低的问题。

技术实现思路

[0004]本申请实施例提供一种基于人工智能的关节检测方法、装置、电子设备及计算机可读存储介质，能够提高关节检测的准确率。
[0005]本申请实施例的技术方案是这样实现的：
[0006]第一方面，本申请实施例提供一种基于人工智能的关节检测方法，包括：
[0007]确定数字化X射线(Digital Radiography，DR)图像中的候选骨骼关节，所述DR图像包括肢体的骨骼图像；
[0008]对所述候选骨骼关节进行处理，获得目标骨骼关节。
[0009]在上述方案中，所述对所述候选骨骼关节进行处理，包括：
[0010]对所述候选骨骼关节执行位置检测、数量检测和类别检测中的至少一项。
[0011]在上述方案中，所述对所述候选骨骼关节进行处理，获得目标骨骼关节，包括：
[0012]所述候选骨骼关节包括掌指骨关节，检测所述候选骨骼中掌指骨关节的类别；
[0013]若针对第一类掌指骨关节的数量大于1，则确定所述第一类掌指骨关节的置信度最大的掌指骨关节；
[0014]从所述候选骨骼关节中，删除所述第一类掌指骨关节中除置信度最大的掌指骨关节以外的掌指骨关节，得到所述目标骨骼关节。
[0015]在上述方案中，所述对所述候选骨骼关节进行处理，获得目标骨骼关节，包括：
[0016]所述候选骨骼关节包括掌指骨关节，检测所述候选骨骼中掌指骨关节的数量；
[0017]若所述掌指骨关节的数量小于第一阈值，则根据所述候选骨骼中所述掌指骨关节的类别确定第二类，所述第二类为待补充的掌指骨关节对应的类别
[0018]从舍弃骨骼关节中查找所述第二类掌指骨关节；
[0019]将所述第二类掌指骨关节中置信度最大的掌指骨关节添加至所述候选骨骼关节，得到所述目标骨骼关节。
[0020]在上述方案中，所述对所述候选骨骼关节进行处理，获得目标骨骼关节，包括：
[0021]所述候选骨骼关节包括掌指骨关节，检测所述候选骨骼中掌指骨关节的位置；
[0022]判断第一掌指骨关节的位置是否满足第一掌指骨关节对应的第一位置关系；
[0023]若所述第一掌指骨关节不满足所述第一位置关系，则调整所述第一掌指骨关节的位置，以使所述第一掌指骨关节满足所述第一位置关系。
[0024]在上述方案中，所述对所述候选骨骼关节进行处理，获得目标骨骼关节，包括：
[0025]所述候选骨骼关节包括腕部关节，计算每个腕部关节的中心点；
[0026]基于第一腕部关节的中心点位置，判断所述第一腕部关节是否为目标骨骼关节；
[0027]若判断结果为是，则保留所述第一腕部关节；若判断结果为否，则删除所述第一腕部关节。
[0028]在上述方案中，所述确定数字化X射线DR图像中的候选骨骼关节，包括：
[0029]以所述DR图像作为神经网络模型的输入，确定所述神经网络模型的输出为所述候选骨骼关节。
[0030]在上述方案中，所述以所述DR图像作为神经网络模型的输入，确定所述神经网络模型的输出为所述候选骨骼关节，包括：
[0031]所述神经网络模型包括第一神经网络模型，所述第一神经网络模型的输出包括第一感兴趣区域；
[0032]确定所述第一感兴趣区域对应的掌指骨关节为所述候选骨骼关节。
[0033]在上述方案中，所述以所述DR图像作为神经网络模型的输入，确定所述神经网络模型的输出为所述候选骨骼关节，包括：
[0034]所述神经网络模型包括第二神经网络模型，所述第二神经网络模型的输出包括第二感兴趣区域；
[0035]确定所述第二感兴趣区域对应的腕部关节为所述候选骨骼关节。
[0036]第二方面，本申请实施例提供一种基于人工智能的关节检测装置，所述装置包括：
[0037]确定模块，用于确定DR图像中的候选骨骼关节，所述DR图像包括肢体的骨骼图像；
[0038]处理模块，用于对所述候选骨骼关节进行处理，获得目标骨骼关节。
[0039]第三方面，本申请实施例提供一种电子设备，包括：
[0040]存储器，用于存储可执行指令；
[0041]处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的基于人工智能的关节检测方法。
[0042]第四方面，本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于被处理器执行时，实现本申请实施例提供的基于人工智能的关节检测方法。
[0043]本申请实施例提供的基于人工智能的关节检测方法，确定DR图像中的候选骨骼关节，所述DR图像包括肢体的骨骼图像；对所述候选骨骼关节进行处理，获得目标骨骼关节。本申请实施例中，通过对候选骨骼关节进行处理，能够将漏检的骨骼关节增加至目标骨骼关节，能够将重检的骨骼关节从候选骨骼关节中删除，针对错检的骨骼关节进行修正，提高关节检测的准确率。由于基于人工智能的关节检测方法的过程由电子设备完成，因此，与相关技术中由人工根据DR图像查找关节相比，极大地缩短了确定目标骨骼关节的时间。
附图说明
[0044]图1是本申请实施例提供的基于人工智能的关节检测系统的架构示意图；
[0045]图2是本申请实施例提供的应用基于人工智能的关节检测方法的服务器的结构示意图；
[0046]图3是本申请实施例提供的基于人工智能的关节检测方法的一种可选处理流程示意图；
[0047]图4是本申请实施例提供的对所述候选骨骼关节进行处理，获得目标骨骼关节的一种可选处理流程示意图；
[0048]图5是本申请实施例提供的对所述候选骨骼关节进行处理，获得目标骨骼关节的另一种可选处理流程示意图；
[0049]图6是本申请实施例提供的对所述候选骨骼关节进行处理，获得目标骨骼关节的又一种可选处理流程示意图；
[0050]图7是本申请实施例提供的对所述候选骨骼关节进行处理，获得目标骨骼关节的再一种可选处理流程示意图；
[0051]图8是本申请实施例提供的候选骨骼关节示意图。
具体实施方式
[0052]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的关节检测方法，其特征在于，所述方法包括：确定数字化X射线DR图像中的候选骨骼关节，所述DR图像包括肢体的骨骼图像；对所述候选骨骼关节进行处理，获得目标骨骼关节。2.根据权利要求1所述的方法，其特征在于，所述对所述候选骨骼关节进行处理，包括：对所述候选骨骼关节执行位置检测、数量检测和类别检测中的至少一项。3.根据权利要求1或2所述的方法，其特征在于，所述对所述候选骨骼关节进行处理，获得目标骨骼关节，包括：所述候选骨骼关节包括掌指骨关节，检测所述候选骨骼中掌指骨关节的类别；若针对第一类掌指骨关节的数量大于1，则确定所述第一类掌指骨关节中置信度最大的掌指骨关节；从所述候选骨骼关节中，删除所述第一类掌指骨关节中除置信度最大的掌指骨关节以外的掌指骨关节，得到所述目标骨骼关节。4.根据权利要求1或2所述的方法，其特征在于，所述对所述候选骨骼关节进行处理，获得目标骨骼关节，包括：所述候选骨骼关节包括掌指骨关节，检测所述候选骨骼中掌指骨关节的数量；若所述掌指骨关节的数量小于第一阈值，则根据所述候选骨骼中所述掌指骨关节的类别确定第二类，所述第二类为待补充的掌指骨关节对应的类别从舍弃骨骼关节中查找所述第二类掌指骨关节；将所述第二类掌指骨关节中置信度值最大的掌指骨关节添加至所述候选骨骼关节，得到所述目标骨骼关节。5.根据权利要求1或2所述的方法，其特征在于，所述对所述候选骨骼关节进行处理，获得目标骨骼关节，包括：所述候选骨骼关节包括掌指骨关节，检测所述候选骨骼中掌指骨关节的位置；判断第一掌指骨关节的位置是否满足第一掌指骨关节对应的第一位置关系；若所述第一掌指骨关节不满足所述第一位置关系，则调整所述第一掌指骨关节的位置，以使所述第一掌指骨关节满足所述第一位置关系。6.根据权利要求1或2所述的方法，其特征在于，所述对所...

【专利技术属性】
技术研发人员：李铁成，贾潇，王子腾，王东，王立威，丁佳，吕晨翀，
申请(专利权)人：北京医准智能科技有限公司，
类型：发明
国别省市：