基于多标签分类和定位网络的CT图像椎骨识别和定位的方法及用途技术

本发明专利技术属医学图像分析及应用技术领域，涉及一种基于多标签分类和定位网络的CT图像椎骨识别和定位的方法及用途，本方法包括，新的独立的基于残差的端到端多标签分类和定位网络处理CT图像上不同视野且可能存在金属植入物的形态相似的椎骨，在定位上使用积分回归模块，其结合基于热图表示和直接坐标回归的优点，显著地减小了椎骨的定位误差，且该定位方式可以与任何基于热图的医学图像关键点检测方法兼容，以及在分类网络上使用了多标签学习，能同时分类CT图像上所有椎骨，提高椎骨的识别率。其准确性高。本发明专利技术的基于残差的端到端多标签分类和定位网络可用于处理CT图像上不同视野且可能存在金属植入物的形态相似的椎骨。椎骨。

【技术实现步骤摘要】
Model with Deep Neural Networks.In MICCAI.Springer 2015:515-522
[0011][5]Yang D,Xiong T,X uD,Zhou SK,Xu Z,Chen M,et al.Deep Image-to-Image Recurrent Network with Shape Basis Learning for Automatic Vertebra Labeling in Large-Scale 3D CT Volumes.In MICCAI.Springer 2017:498-506
[0012][6]Yang D,Xiong T,Xu D,Huang Q,Liu D,Zhou SK,et al.Automatic Vertebra Labeling in Large-Scale 3D CT Using Deep Image-to-Image Network with Message Passing and Sparsity Regularization.In IPMI.Springer 2017:633-6本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多标签分类和定位网络的CT图像椎骨识别和定位的方法，其特征在于，其包括，(1)独立的基于残差块的端到端多标签分类和定位网络，该模型使用基于残差块的3D卷积，同时兼顾椎骨的局部信息以及全局信息，学习椎骨健壮性的空间特征，有效区分椎骨和金属植入物，针对椎骨的视野不同和高度相似性，网络学习多尺度特征同时检测CT图像上所有不同类型的椎骨；(2)在定位网络中加入一个积分回归模块，所述的积分回归模块中隐式地学习热图，将热图中取最大值的操作换成取积分操作，对目标坐标进行端到端训练，具有空间泛化能力，显著提高定位性能，减小椎骨的定位误差；(3)为提高椎骨的识别率，分类网络使用多标签学习，并将双向LSTM(Long short-term memory)添加到网络的多标签分类中，加强学习沿着脊椎方向远离当前椎骨的较长上下文信息，提高分类性能；(4)本发明方法在公开挑战性数据集上进行训练和测试，结果证实本方法高效准确，识别率为89％，平均定位误差<3mm。2.按权利要求1所述的基于多标签分类和定位网络的CT图像椎骨识别和定位的方法，其特征在于，所述的方法中，采用基于残差的端...

【专利技术属性】
技术研发人员：宋志坚，史勇红，姚德民，秦春丽，
申请(专利权)人：复旦大学，
类型：发明
国别省市：