【技术实现步骤摘要】
一种基于位置坐标信息识别目标对象的方法和装置
[0001]本专利技术涉及图像数据处理
，尤其是医学图像处理，并且更具体地说，涉及一种基于位置坐标信息识别目标对象的方法和装置、以及存储介质和电子设备。此外本专利技术还涉及一种使用3D卷积神经网络识别图像关键点的算法，尤其是使用3D卷积神经网络由医学图像直接识别内外髁的算法。
技术介绍
[0002]随着现代社会的飞速发展，各行各业都开始与IT行业产生密不可分的联系，医疗行业也是如此。要进行下肢相关的手术时，大部分情况下都要对力线与内外髁进行操作，例如膝关节置换术、全髋关节置换术等。同时内外髁的位置也是识别力线的关键。
[0003]为了识别定位内外髁，以往针对医学影像引入了各种数字技术，然而，如何能够高效并且准确地实现，依然有很大的提升空间。
技术实现思路
[0004]为了解决上现有技术中的问题，本专利技术提供了一种能够直接测量出内外髁的基于3D卷积的神经网络，其能够对CT进行识别，在不进行重建的同时直接计算出双腿内外髁的坐标点并保存。
[00...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于位置坐标信息识别目标对象的方法，其特征在于，所述方法包括：获取与目标对象相关联的待处理的图像组，并对所述待处理的图像组进行预处理以获得经过预处理的图像组；获取所述经过预处理的图像组的三维矩阵数据；将所述三维矩阵数据输入至预设卷积神经网络模型，基于所述预设卷积神经网络模型进行图像识别，确定用于表征所述目标对象所在位置的每个关键点的比例信息；根据每个关键点的比例信息确定所述目标对象在图像中的位置坐标信息，并根据所述位置坐标信息识别出所述目标对象。2.根据权利要求1所述的方法，其特征在于，所述待处理的图像组包括多个图像文件，其中每个图像文件具有图像区域并且图像区域中包含目标对象。3.根据权利要求1所述的方法，其特征在于，所述对所述待处理的图像组进行预处理以获得经过预处理的图像组，包括：根据所述待处理的图像组的dicom序列，基于dicom协议剔除所述待处理的图像组中的骨骼之外的物质，以获取经过预处理的图像组。4.根据权利要求1所述的方法，其特征在于，所述获取所述经过预处理的图像组的三维矩阵数据，包括：将所述经过预处理的图像组的dicom序列中处于预设Hu值范围的数据按比例转换为像素值，并基于转换后的像素值获取所述经过预处理的图像组的三维矩阵数据；其中，所述预设Hu值范围的下限值和上限值对应的像素值分别为0和255。5.根据权利要求1所述的方法，其特征在于，所述基于所述预设卷积神经网络模型进行图像识别，确定用于表征所述目标对象所在位置的每个关键点的比例信息，包括：所述预设卷积神经网络模型基于所述三维矩阵数据进行卷积和池化操作，获取中间特征图；分别对所述中间特征图进行两路分支的卷积、展平和全连接操作，以获取第一全连接结果和第二全连接结果，并将所述第一全连接结果和第二全连接结果进行拼接，获取拼接向量；使用预设组数的全连接层按照预设方式输出所述拼接向量，以获取用于表征所述目标对象所在位置的每个关键点的比例信息。6.根据权利要求5所述的方法，其特征在于，所述预设卷积神经网络模型基于所述三维矩阵数据进行卷积和池化操作，获取中间特征图，包括：基于所述三维矩阵数据进行一次conv3*3*3
‑
64
‑
2的三维卷积操作，步长为2，获取第一特征图，并利用mish激活函数对所述第一特征图进行激活，激活后使用批标准化BN进行数据归一化；对经过归一化处理后的第一特征图进行一次conv3*3*3
‑
64的三维卷积操作，再进行最大池化，获取第二特征图；对所述第二特征图连续进行两次conv3*3*3
‑
64的三维卷积操作，再进行三次conv1*1*1
‑
64操作的三维卷积操作，之后进行最大池化，获取所述中间特征图。7.根据权利要求5所述的方法，其特征在于，所述分别对所述中间特征图进行两路分支的卷积、展平和全连接操作，以获取第一全连接结果和第二全连接结果，包括：
对于第一路分支，对所述中间特征图进行一次conv1*1*1
‑
128
‑
技术研发人员：钱坤，黄志俊，刘金勇，范昕，
申请(专利权)人：杭州柳叶刀机器人有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。