一种基于深度学习的脊椎医学图像的关键点检测方法技术

本发明专利技术属于医学图像处理及应用技术领域，具体涉及一种基于深度学习的脊椎医学图像的关键点检测方法。本发明专利技术的方法包括如下步骤：输入脊椎的医学图像，分割出所述医学图像中的脊椎部分；将步骤1得到的分割图像进行裁剪，得到单个脊椎的图像；将单个脊椎的图像输入预训练的VNET定位网络模型，检测得到关键点的位置信息，所述关键点为上终板的前缘、后缘、左缘和右缘，以及下终板的前缘、后缘、左缘和右缘。本发明专利技术能够在脊椎医学图像中定位关键点和测量具有临床指导意义的放射学参数。医生利用这些关键点或放射学参数可进一步进行诊断、手术方案设置或术后评估。本发明专利技术能够提高就诊效率以及手术质量，自动化程度高，具有很好的应用前景。景。景。

【技术实现步骤摘要】
一种基于深度学习的脊椎医学图像的关键点检测方法


[0001]本专利技术属于医学图像处理及应用
，具体涉及一种基于深度学习的脊椎医学图像的关键点检测方法。

技术介绍

[0002]脊柱是人体肌肉骨骼系统的重要组成部分，其作用不仅是维持和支撑身体结构及器官，也对人体日常活动和负荷转移发挥着重要作用，而相关脊椎类疾病具有很大的危害，并且在其早期普遍难以得到诊断。医学影像技术(如CT、MRI等)如今是脊柱外科诊疗的两种主要手段,能够做到有效发现椎骨畸形和损伤，从而能够及时预防和治疗。从医学影像中分割脊椎、测量临床参数是审阅医学影像过程中的重要工作。
[0003]早期，在日常临床诊断工作中，骨科医生往往需要人工审阅大量的CT影像，过程耗时耗力，且诊断质量受到主观性的影响，不适用于大规模数据。人工智能技术的自动化手术指导系统有助于医生节省诊断时间，系统可替代医生人工审阅CT影像的过程，给出经过处理后的医学影像，为医生的诊断工作节约了大量的精力和时间。
[0004]建立准确的自动化临床参数测量系统是进行脊椎临床应用以及诊断治疗的关键步骤，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的脊椎医学图像的关键点检测方法，其特征在于，包括如下步骤：步骤1，输入脊椎的医学图像，分割出所述医学图像中的脊椎部分，得到分割图像；步骤2，将步骤1得到的分割图像进行裁剪，得到单个脊椎的图像；步骤3，将步骤2得到的单个脊椎的图像输入预训练的VNET定位网络模型，检测得到关键点的位置信息，所述关键点为上终板的前缘、后缘、左缘和右缘，以及下终板的前缘、后缘、左缘和右缘。2.按照权利要求1所述的检测方法，其特征在于：所述医学图像为CT图像。3.按照权利要求1所述的检测方法，其特征在于：步骤1中，分割所述医学图像的方法具体如下：步骤1.1，对所述医学图像进行预处理；步骤1.2，采用nnUNet模型对所述医学图像中的脊椎部分进行分割，得到分割图像。4.按照权利要求2所述的检测方法，其特征在于：步骤1.1中，数据预处理的过程包括如下步骤：将每个病人格式为dicom的切片图集转成nii.gz格式；将所有图像统一空间分辨率至1.25mm
×
1.25mm
×
1.25mm。5.按照权利要求1所述的检测方法，其特征在于：步骤2中，具体包括如下步骤：步骤2.1，将每个分割图像裁剪成包含L1、L2、L3、L4、L5共5块腰椎的椎骨图像；步骤2.2，按照分割图像的标签位置信息，将所述单个脊椎的图像中其他椎骨的体素设置为0。6.按照权利要求1所述的检测方法，其特...

【专利技术属性】
技术研发人员：李康，杨恒，王贤帝，吴宇，赵亮，曾建成，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：