脊柱影像的处理方法、模型训练方法、装置及存储介质制造方法及图纸

本申请实施例提供一种脊柱影像的处理方法、模型训练方法、装置及存储介质。在本申请实施例中，通过获取待处理脊柱影像，识别待处理脊柱影像中所包括的椎体和椎间盘，并确定与椎体所对应的椎体识别结果以及与椎间盘所对应的椎间盘识别结果，而后根据椎体识别结果和椎间盘识别结果来确定与待处理脊柱影像相对应的目标识别结果，从而有效地实现了无需对待处理脊柱影像进行分割即可以识别出椎体和椎间盘，这样不仅减少了数据处理步骤，降低了数据处理量，并且可以实现多个待处理脊柱影像进行批量处理，有利于缓解基层医疗的供需矛盾，同时也提高了对待处理脊柱影像进行分析处理的质量和效率，进一步提高了该方法的实用性，有利于市场的推广与应用。利于市场的推广与应用。利于市场的推广与应用。

【技术实现步骤摘要】
脊柱影像的处理方法、模型训练方法、装置及存储介质


[0001]本申请涉及计算机
，尤其涉及一种脊柱影像的处理方法、模型训练方法、装置及存储介质。

技术介绍

[0002]腰椎退行性病变作为一大类老年骨科常见的疾病，具有较大的患者基数，且年轻化趋势日益明显，严重的腰椎退行性病变可以引起腰腿痛甚至导致瘫痪，影响生活能力及质量。然而，针对基层医疗机构患者基数巨大而又缺乏骨科专科大夫，因此，亟需一种可以准确快速识别腰椎病变的识别方法，以缓解基层医疗的供需矛盾。

技术实现思路

[0003]本申请的多个方面提供一种脊柱影像的处理方法、模型训练方法、装置及存储介质，可以快速、准确地识别出脊柱影像中所包括的病变信息，有利于缓解基层医疗的供需矛盾。
[0004]第一方面，本申请实施例提供了一种脊柱影像的处理方法，包括：
[0005]获取待处理脊柱影像；
[0006]识别所述待处理脊柱影像中所包括的椎体和椎间盘；
[0007]确定与所述椎体所对应的椎体识别结果以及与所述椎间盘所对应的椎间盘识别结果；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脊柱影像的处理方法，其特征在于，包括：获取待处理脊柱影像；识别所述待处理脊柱影像中所包括的椎体和椎间盘；确定与所述椎体所对应的椎体识别结果以及与所述椎间盘所对应的椎间盘识别结果；根据所述椎体识别结果和所述椎间盘识别结果，确定与所述待处理脊柱影像相对应的目标识别结果。2.根据权利要求1所述的方法，其特征在于，识别所述待处理脊柱影像中所包括的椎体和椎间盘，包括：获取与所述待处理脊柱影像中所包括的椎体相对应的椎体位置、以及与所述椎间盘相对应的椎间盘位置；根据所述椎体位置确定所述待处理脊柱影像中所包括的椎体；根据所述椎间盘位置确定所述待处理脊柱影像中所包括的椎间盘。3.根据权利要求2所述的方法，其特征在于，获取与所述待处理脊柱影像中所包括的椎体相对应的椎体位置、以及与所述椎间盘相对应的椎间盘位置，包括：获取与所述待处理脊柱影像所对应的图像特征，所述图像特征中包括所述待处理脊柱影像中像素点的位置特征；基于所述图像特征，确定与所述待处理脊柱影像中所包括的椎体相对应的椎体位置、以及与所述椎间盘相对应的椎间盘位置。4.根据权利要求3所述的方法，其特征在于，基于所述图像特征，确定与所述待处理脊柱影像中所包括的椎体相对应的椎体位置、以及与所述椎间盘相对应的椎间盘位置，包括：利用第一卷积神经网络对所述图像特征进行分析处理，获取与所述待处理脊柱影像中所包括的椎体相对应的椎体位置、以及与所述椎间盘相对应的椎间盘位置，其中，第一卷积神经网络被训练为用于确定脊柱影像中与椎体相对应的椎体位置、以及与所述椎间盘相对应的椎间盘位置。5.根据权利要求4所述的方法，其特征在于，利用第一卷积神经网络对所述待处理脊柱影像进行分析处理，获取与所述待处理脊柱影像中所包括的椎体相对应的椎体位置、以及与所述椎间盘相对应的椎间盘位置，包括利用所述第一卷积神经网络对所述图像特征进行分析处理，获取所述待处理脊柱影像中每个像素点为椎体位置的第一概率、以及每个像素点为椎间盘位置的第二概率；基于与所述待处理脊柱影像中的所有像素点相对应的第一概率，确定与所述椎体相对应的椎体位置；基于与所述待处理脊柱影像中的所有像素点相对应的第二概率，确定与所述椎间盘相对应的椎间盘位置。6.根据权利要求5所述的方法，其特征在于，基于与所述待处理脊柱影像中的所有像素点相对应的第一概率，确定与所述椎体相对应的椎体位置，包括：在所有像素点中，将所述第一概率最大的像素点所对应的位置信息确定为与所述椎体相对应的椎体位置。7.根据权利要求5所述的方法，其特征在于，基于与所述待处理脊柱影像中的所有像素点相对应的第二概率，确定与所述椎间盘相对应的椎间盘位置，包括：
在所有像素点中，将所述第二概率最大的像素点所对应的位置信息确定为与椎间盘相对应的椎间盘位置。8.根据权利要求2所述的方法，其特征在于，基于所述椎体位置，确定所述待处理脊柱影像中所包括的椎体，包括：将所述椎体位置，确定为与所述待处理脊柱影像中所包括的椎体；或者，获取包括所述椎体位置在内的第一预设区域，将所述第一预设区域确定为与所述待处理脊柱影像中所包括的椎体。9.根据权利要求2所述的方法，其特征在于，基于所述椎间盘位置，确定所述待处理脊柱影像中所包括的椎间盘，包括：将所述椎间盘位置，确定为与所述待处理脊柱影像中所包括的椎间盘；或者，获取包括所述椎间盘位置在内的第二预设区域，将所述第二预设区域确定为与所述待处理脊柱影像中所包括的椎间盘。10.根据权利要求3所述的方法，其特征在于，所述图像特征还包括所述待处理脊柱影像中像素点所对应的病变类型特征；确定与所述椎体所对应的椎体识别结果以及与所述椎间盘所对应的椎间盘识别结果，包括：利用第二卷积神经网络对所述图像特征进行分析处理，获取与所述椎体所对应的椎体识别结果以及与所述椎间盘所对应的椎间盘识别结果，其中，第二卷积神经网络被训练为用于确定所述脊柱影像中与椎体相对应的椎体识别结果、以及与所述椎间盘相对应的椎间盘识别结果。11.根据权利要求10所述的方法，其特征在于，利用第二卷积神经网络对所述图像特征进行分析处理，获取与所述椎体所对应的椎体识别结果以及与所述椎间盘所对应的椎间盘识别结果，包括：利用所述第二卷积神经网络对所述图像特征进行分析处理，获取所述待处理脊柱影像中椎体位置对应不同预设椎体识别类型的第三概率、以及椎间盘位置对应不同预设椎间盘识别类型的第四概率；基于所述椎体位置对应所有的预设椎体识别类型的第三概率，确定与所述椎体所对应的椎体识别结果；基于所述椎间盘位置对应所有的预设椎间盘识别类型的第四概率，确定与所述椎间盘所对应的椎间盘识别结果。12.根据权利要求11所述的方法，其特征在于，基于所述椎体位置对应所有的预设椎体识别类型的第三概率，确定与所述椎体所对应的椎体识别结果，包括：在所有预设椎体识别类型中，将所述第三概率最大的预设椎体识别类型确定为与所述椎体所对应的椎体识别结果。13.根据权利要求11所述的方法，其特征在于，基于所述椎间盘位置对应所有的预设椎间盘识别类型的第四概率，确定与所述椎间盘所对应的椎间盘识别结果，包括：在所有的预设椎间盘识别类型中，将所述第四概率最大的预设椎间盘识别类型确定为与所述椎间盘所对应的椎间盘识别结果。14.根据权利要求1-13中任意一项所述的方法，其特征在于，所述椎体包括以下至少之一：脊椎的椎体、胸椎的椎体、腰椎的椎体。
15.根据权利要求11所述的方法，其特征在于，在所述椎体包括腰椎的椎体时，所述预设椎体识别类型包括以下至少之一：椎体正常、椎体退行性改变，所述预设椎间盘识别类型包括以下至少之一：椎间盘正常、椎间盘病变，其中，所述椎间盘病变包括以下至少之一：椎间盘膨出、椎间盘疝出；所述椎间盘膨出包括以下至少之一：椎间盘弥散性膨出、椎间盘非对称性膨出；所述椎间盘疝出包括以下至少之一：椎间盘突出、椎间盘脱出、椎间盘游离、椎体内疝出。16.根据权利要求1-13中任意一项所述的方法，其特征在于，所述目标识别结果包括与所述待处理脊柱影像具有相同的分辨率的概率图，所述概率图中包括与所述椎体识别结果相对应的...

【专利技术属性】
技术研发人员：江涛，王宇，迟颖，张磊，华先胜，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：