【技术实现步骤摘要】
非接触式脊柱检测方法、装置、终端及可读存储介质
[0001]本专利技术涉及脊柱检测领域，尤其涉及的是一种非接触式脊柱检测方法、装置、终端及可读存储介质。
技术介绍
[0002]人体脊柱的检测和标定能有助于各类脊椎病的诊断，进而为脊椎病理的判断、治疗方案的确定奠定良好的基础。现有的传统技术通常需要医生手动对于病患的X光片采用手动标记脊椎点的方法进行脊椎标定，该方法要求医生必须具有足够丰富的经验，才能保证标记的准确性，同时手动标定需要医生极大的工作量，容易导致医生疲乏因而也大大增加手动标定的误差。
[0003]因此，现有技术还有待改进。
技术实现思路
[0004]本专利技术要解决的技术问题在于，针对现有技术缺陷，本专利技术提供一种物联网异常实时检测方法和装置、可读存储介质，以解决脊椎手动标定准确性较差的问题。
[0005]本专利技术解决技术问题所采用的技术方案如下：
[0006]一种非接触式脊柱检测方法，所述非接触式脊柱检测方法包括：
[0007]对原始图像进行特征的提取，得到所述...
【技术保护点】
【技术特征摘要】
1.一种非接触式脊柱检测方法，其特征在于，所述非接触式脊柱检测方法包括：对原始图像进行特征的提取，得到所述原始图像中的高阶特征图；对所述高阶特征图进行处理，确定所述原始图像中每个脊椎骨中心点所在的位置；根据每个所述脊椎骨中心点的位置分别使用算法确定每个脊椎骨四个角点的地标，根据所有的脊椎骨四个角点的地标得到整个脊椎的轮廓图像。2.根据权利要求1所述的一种非接触式脊柱检测方法，其特征在于，所述对原始图像进行特征提取，得到所述原始图像中的高阶特征图包括：采用空间金字塔卷积神经网络对所述原始图像进行特征提取，得到所述原始图像的第一特征图；采用vit网络对所述原始图像进行特征提取，得到所述原始图像的第二特征图；将所述第一特征图和第二特征图融合形成高阶特征图。3.根据权利要求2所述的一种非接触式脊柱检测方法，其特征在于，所述采用空间金字塔卷积神经网络对所述原始图像进行特征提取，得到所述原始图像的第一特征图包括：对所述原始图像依次进行卷积操作和批正则化操作，再使用激活层引入非线性从而得到一个n层特征图；采用三种不同大小的池化层分别对所述n层特征图进行池化操作，得到三种特征；将三种所述特征在第一个维度上连接起来得到第一特征向量，再将所述n层特征图与所述特征向量在第一个维度上拼接在一起得到第二特征向量；对所述第二特征向量依次进行卷积操作和批正则化操作，再使用激活层引入非线性从而得到第一特征图。4.根据权利要求3所述的一种非接触式脊柱检测方法，其特征在于，所述采用vit网络对所述原始图像进行特征提取，得到所述原始图像的第二特征图包括：对所述原始图像进行嵌入块操作，得到可学习的位置编码特征；将所述位置编码特征输入到Transformer编码器中进行正则化操作，再通过多端注意力结构提取得到与位置编码特征维度相同的第三特征；将所述位置编码特征与所述第三特征直接相加得到第四特征；将所述第四特征进行正则化操作，然后再通过二层全连接神经网络MLP计算得到与第四...
【专利技术属性】
技术研发人员：汪子涵，任秀滨，
申请(专利权)人：深圳市南科汇聚智慧医疗科技有限公司，
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。