本申请公开了一种脊柱全长片椎体关键点定位方法、装置、设备及介质，该方法包括：收集均标注有椎体关键点的脊柱全长片；脊柱全长片包括脊柱全长正位片、脊柱全长左侧屈位片和脊柱全长右侧屈位片；采用沙漏网络模块作为基础模块，构建椎体关键点定位模型；使用收集的脊柱全长片对椎体关键点定位模型进行训练；将待测脊柱全长片输入至训练好的椎体关键点定位模型中，输出待测脊柱全长片中椎体关键点的位置坐标。这样实现椎体关键点的定位，算法精度高且速度快，省去了人工操作，简化了建模的复杂度。杂度。杂度。
【技术实现步骤摘要】
一种脊柱全长片椎体关键点定位方法、装置、设备及介质
[0001]本专利技术涉及图像处理
，特别是涉及一种脊柱全长片椎体关键点定位方法、装置、设备及介质。
技术介绍
[0002]骨骼是人体的重要组织器官，是人体钙元素的存储部位，同时也是人体的重要造血器官，具有支持身体、保护内脏、完成运动和参与代谢等作用。近年来，随着深度学习方法及图像处理技术的快速发展，基于深度学习的图像处理方法在医学领域也得到了飞速的发展，许多研究人员已经开始研究和开发各种医学图像处理系统。
[0003]在基于脊柱全长片医学图像对骨骼进行分析的中间过程中，往往需要参考椎体关键点定位的结果，它在脊柱全长片相关的智能应用扮演着重要的角色。但现有的椎体关键点定位方法是先对椎体进行分割，然后对椎体进行关键点定位；缺陷是一旦椎体分割失效，导致椎体定位效果极差。
[0004]因此，如何解决椎体定位效果差的问题，是本领域技术人员亟待解决的技术问题。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提供一种脊柱全长片椎体关键点定位方法、装置、设备及介质，可以实现椎体关键点的定位，算法精度高且速度快，省去了人工操作，简化了建模的复杂度。其具体方案如下：
[0006]一种脊柱全长片椎体关键点定位方法，包括：
[0007]收集均标注有椎体关键点的脊柱全长片；所述脊柱全长片包括脊柱全长正位片、脊柱全长左侧屈位片和脊柱全长右侧屈位片；
[0008]采用沙漏网络模块作为基础模块，构建椎体关键点定位模型；/>[0009]使用收集的所述脊柱全长片对所述椎体关键点定位模型进行训练；
[0010]将待测脊柱全长片输入至训练好的所述椎体关键点定位模型中，输出所述待测脊柱全长片中椎体关键点的位置坐标。
[0011]优选地，在本专利技术实施例提供的上述脊柱全长片椎体关键点定位方法中，所述采用沙漏网络模块作为基础模块，构建椎体关键点定位模型，包括：
[0012]将多个结构相同的沙漏网络模块级联组成级联沙漏网络，以构建椎体关键点定位模型；
[0013]在所述级联沙漏网络中，上一个所述沙漏网络模块的两个输出和原输入特征相加，作为下一个所述沙漏网络模块的输入。
[0014]优选地，在本专利技术实施例提供的上述脊柱全长片椎体关键点定位方法中，每个所述沙漏网络模块包括2
×
2最大池化层和三个残差模块；
[0015]每个所述沙漏网络模块利用残差模块对整张脊柱全长片进行下采样与上采样提取多尺度特征，并使用中继监督进行训练，以将椎体关键点的类型和位置信息集成到输出
特征图中。
[0016]优选地，在本专利技术实施例提供的上述脊柱全长片椎体关键点定位方法中，所述椎体关键点定位模型除了包括所述沙漏网络模块之外，还包括输入模块和输出模块；
[0017]所述输入模块包括7
×
7卷积、2
×
2最大池化层和三个残差模块；
[0018]所述输出模块连续采用两个由Dropout、1
×
1卷积、BatchNorm、Relu组成的模块，最后接入一个1
×
1卷积和soft
‑
argmax；所述椎体关键点定位模型利用soft
‑
argmax将热点图转换为每一个椎体关键点的位置坐标。
[0019]优选地，在本专利技术实施例提供的上述脊柱全长片椎体关键点定位方法中，在对所述椎体关键点定位模型进行训练之后，还包括：
[0020]采用Python语言，使用web开发框架FastAPI，以开发脊柱全长片关键点预测API接口。
[0021]优选地，在本专利技术实施例提供的上述脊柱全长片椎体关键点定位方法中，在使用web开发框架FastAPI之后，还包括：
[0022]注册startup事件，添加start_app_handler，完成所述椎体关键点定位模型的初始化；
[0023]注册shutdown事件，添加stop_app_handler，完成所述椎体关键点定位模型的资源释放；
[0024]添加关键点预测API路由，请求方法为Post，设置的功能包括图像的读取，预处理，推理和后处理功能，最后返回椎体关键点坐标。
[0025]本专利技术实施例还提供了一种脊柱全长片椎体关键点定位装置，包括：
[0026]样本收集模块，用于收集均标注有椎体关键点的脊柱全长片；所述脊柱全长片包括脊柱全长正位片、脊柱全长左侧屈位片和脊柱全长右侧屈位片；
[0027]模型构建模块，用于采用沙漏网络模块作为基础模块，构建椎体关键点定位模型；
[0028]模型训练模块，用于使用收集的所述脊柱全长片对所述椎体关键点定位模型进行训练；
[0029]模型推理模块，用于将待测脊柱全长片输入至训练好的所述椎体关键点定位模型中，输出所述待测脊柱全长片的椎体关键点的位置坐标。
[0030]优选地，在本专利技术实施例提供的上述脊柱全长片椎体关键点定位装置中，还包括：
[0031]网络服务建立模块，用于采用Python语言，使用web开发框架FastAPI，以开发脊柱全长片关键点预测API接口。
[0032]本专利技术实施例还提供了一种脊柱全长片椎体关键点定位设备，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如本专利技术实施例提供的上述脊柱全长片椎体关键点定位方法。
[0033]本专利技术实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本专利技术实施例提供的上述脊柱全长片椎体关键点定位方法。
[0034]从上述技术方案可以看出，本专利技术所提供的一种脊柱全长片椎体关键点定位方法，包括：收集均标注有椎体关键点的脊柱全长片；脊柱全长片包括脊柱全长正位片、脊柱全长左侧屈位片和脊柱全长右侧屈位片；采用沙漏网络模块作为基础模块，构建椎体关键
点定位模型；使用收集的脊柱全长片对椎体关键点定位模型进行训练；将待测脊柱全长片输入至训练好的椎体关键点定位模型中，输出待测脊柱全长片中椎体关键点的位置坐标。
[0035]本专利技术采用沙漏网络模块作为基础模块，可以构建端到端的椎体关键点定位模型，通过训练好的椎体关键点定位模型可以预测出待测脊柱全长片中椎体关键点的位置坐标，实现椎体关键点的定位，算法精度高且速度快，省去了人工操作，简化了建模的复杂度。
[0036]此外，本专利技术还针对脊柱全长片椎体关键点定位方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
附图说明
[0037]为了更清楚地说明本专利技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种脊柱全长片椎体关键点定位方法，其特征在于，包括：收集均标注有椎体关键点的脊柱全长片；所述脊柱全长片包括脊柱全长正位片、脊柱全长左侧屈位片和脊柱全长右侧屈位片；采用沙漏网络模块作为基础模块，构建椎体关键点定位模型；使用收集的所述脊柱全长片对所述椎体关键点定位模型进行训练；将待测脊柱全长片输入至训练好的所述椎体关键点定位模型中，输出所述待测脊柱全长片中椎体关键点的位置坐标。2.根据权利要求1所述的脊柱全长片椎体关键点定位方法，其特征在于，所述采用沙漏网络模块作为基础模块，构建椎体关键点定位模型，包括：将多个结构相同的沙漏网络模块级联组成级联沙漏网络，以构建椎体关键点定位模型；在所述级联沙漏网络中，上一个所述沙漏网络模块的两个输出和原输入特征相加，作为下一个所述沙漏网络模块的输入。3.根据权利要求2所述的脊柱全长片椎体关键点定位方法，其特征在于，每个所述沙漏网络模块包括2
×
2最大池化层和三个残差模块；每个所述沙漏网络模块利用残差模块对整张脊柱全长片进行下采样与上采样提取多尺度特征，并使用中继监督进行训练，以将椎体关键点的类型和位置信息集成到输出特征图中。4.根据权利要求3所述的脊柱全长片椎体关键点定位方法，其特征在于，所述椎体关键点定位模型除了包括所述沙漏网络模块之外，还包括输入模块和输出模块；所述输入模块包括7
×
7卷积、2
×
2最大池化层和三个残差模块；所述输出模块连续采用两个由Dropout、1
×
1卷积、BatchNorm、Relu组成的模块，最后接入一个1
×
1卷积和soft
‑
argmax；所述椎体关键点定位模型利用soft
‑
argmax将热点图转换为每一个椎体关键点的位置坐标。5.根据权利要求1所述的脊...
【专利技术属性】
技术研发人员：戴哲浩，杨顺，王德桂，邱越，孙筱松，刘家成，谢鹏，许诺，刘大为，
申请(专利权)人：中南大学湘雅二医院，
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。