X线头影图像的关键点检测方法技术

本申请的一方面提供了一种计算机执行的X线头影图像的关键点检测方法，它包括：获取X线头影图像；利用经训练的目标检测人工神经网络对所述X线头影图像进行区域划分，得到N个目标区域图像；以及利用N个经训练的关键点检测人工神经网络分别对所述N个目标区域图像进行关键点检测，其中，N为大于等于2的自然数。N为大于等于2的自然数。N为大于等于2的自然数。

【技术实现步骤摘要】
X线头影图像的关键点检测方法


[0001]本申请总体上涉及X线头影图像的关键点检测方法，尤其是利用人工神经网络的X线头影图像的关键点检测方法。

技术介绍

[0002]X线头影测量是对头部进行投影测量，用于检查颅面生长情况和畸形的重要手段。
[0003]当前，X线头影测量方法一般是由专业人员在头影图像上手动标注关键点(例如，鼻根点、耳点等)，然后借助直尺、量角器等工具测量计算相关指标(例如，上下中切牙角、面部高度等)。然而，一方面，手动标注效率低下，另一方面，由于头影测量中关键点数量多且密集，这极大地提高了标注难度，又一方面，标注人员需要接受专业培训才能胜任标注工作，这进一步提高了人工成本。
[0004]虽然，目前有人开始尝试利用随机森林等方法自动检测头影关键点，但本申请的专利技术人发现此类头影关键点检测方法多是利用图像底层特征，鲁棒性较差，只适用于部分特定的场景，而且能够检测的关键点数目较少，因此不适用于复杂多变的医疗场景。
[0005]由于X光成像的关系，图片尺寸与真实尺寸存在一定的比例关系，部分测量指标(例如，面部高度)的计算需要该比例关系。在X线头影拍摄过程，患者头颅左侧或者右侧会放置带刻度的测量尺。本申请的专利技术人意识到，目前的X线头影自动测量方案缺乏对比例尺的计算，仍要求医生手动计算或估计比例尺，效率较低。
[0006]鉴于以上，有必要提供一种新的X线头影测量方法。

技术实现思路

[0007]本申请的一方面提供了一种计算机执行的X线头影图像的关键点检测方法，它包括：获取X线头影图像；利用经训练的目标检测人工神经网络对所述X线头影图像进行区域划分，得到N个目标区域图像；以及利用N个经训练的关键点检测人工神经网络分别对所述N个目标区域图像进行关键点检测，其中，N为大于等于2的自然数。
[0008]在一些实施方式中，所述N个目标区域包括：头颅核心区域、嘴唇、牙齿、下颌以及颈椎五个目标区域。
[0009]在一些实施方式中，所述N个目标区域包括测量尺目标区域。
[0010]在一些实施方式中，对于所述N个目标区域图像中除了所述测量尺目标区域图像之外的其他目标区域图像，对应的关键点检测人工神经网络针对每一关键点产生一张热力图，对于所述测量尺目标区域图像，对应的关键点检测人工神经网络仅产生一张包括多个关键点的热力图，其中，所述测量尺目标区域图像的关键点与所述测量尺的显著刻度相对应。
[0011]在一些实施方式中，所述计算机执行的X线头影图像的关键点检测方法还包括：基于所述测量尺目标区域图像的关键点以及其他目标区域之一的尺寸确定比例尺。
[0012]在一些实施方式中，所述N个目标区域还包括头颅核心区域，所述比例尺是基于所
述测量尺目标区域图像的关键点以及所述头颅核心区域图像的宽度确定。
[0013]在一些实施方式中，所述计算机执行的X线头影图像的关键点检测方法还包括：基于除了所述测量尺目标区域之外的其他目标区域的关键点以及所述比例尺计算医学测量指标。
[0014]在一些实施方式中，所述计算机执行的X线头影图像的关键点检测方法还包括：对于在所述N个目标区域图像中的至少两个中检测出的同一关键点，基于两次检测得到的坐标计算其最终坐标。
[0015]在一些实施方式中，所述计算机执行的X线头影图像的关键点检测方法还包括：对于在所述N个目标区域图像中的至少两个中检测出的同一关键点，基于两次检测得到的坐标计算平均值，作为其最终坐标。
[0016]在一些实施方式中，所述目标检测人工神经网络是YOLOv3网络。
[0017]在一些实施方式中，所述N个关键点检测人工神经网络是HRNet网络。
附图说明
[0018]以下将结合附图及其详细描述对本申请的上述及其他特征作进一步说明。应当理解的是，这些附图仅示出了根据本申请的若干示例性的实施方式，因此不应被视为是对本申请保护范围的限制。除非特别指出，附图不必是成比例的，并且其中类似的标号表示类似的部件。
[0019]图1为本申请一个实施例中的X头影图像关键点检测方法的示意性流程图；
[0020]图2展示了一个例子中采用不同规格测量尺的X线头影图像；
[0021]图3展示了一个例子中X线头影图像的目标区域划分；
[0022]图4展示了一个例子中头颅核心区域图像及其关键点热力图；以及
[0023]图5展示了一个例子中测量尺目标区域图像及其关键点热力图。
具体实施方式
[0024]以下的详细描述中引用了构成本说明书一部分的附图。说明书和附图所提及的示意性实施方式仅仅出于是说明性之目的，并非意图限制本申请的保护范围。在本申请的启示下，本领域技术人员能够理解，可以采用许多其他的实施方式，并且可以对所描述实施方式做出各种改变，而不背离本申请的主旨和保护范围。应当理解的是，在此说明并图示的本申请的各个方面可以按照很多不同的配置来布置、替换、组合、分离和设计，这些不同配置都在本申请的保护范围之内。
[0025]本申请的一方面提供了一种计算机执行的X线头影图像的关键点检测方法。
[0026]请参图1，为本申请一个实施例中的X线头影图像的关键点检测方法100的示意性流程图。
[0027]在101中，获取X线头影图像。
[0028]X线头影图像的拍摄为习知技术，故此处不再对其进行详细描述。
[0029]在一个实施例中，X线头影图像包括两部分，一部分是头颅成像，另一部分是测量尺成像，通常，测量尺成像是位于头颅成像的左上方或右上方。
[0030]在一些情况下，不同的机构在拍摄X线头影图像时，可能采用不同规格的测量尺。
请参图2，展示了采用了两种不同规格测量尺的X线头影图像。
[0031]在103中，利用经训练的目标检测人工神经网络将X线头影图像进行区域划分。
[0032]在一个实施例中，可以将X线头影图像的头颅区域和测量尺区域分割开分别进行后续处理。
[0033]在一个优选的实施例中，可以进一步将头颅区域划分为头颅核心区域、嘴唇、牙齿、下巴、颈椎五个区域，分别进行后续处理，以进一步提高处理精度。也就是说，在该实施例中，可以把X线头影图像输入经训练的目标检测人工神经网络，检测并定位头颅核心区域、嘴唇、牙齿、下颌、颈椎以及测量尺共六个目标区域，输出该六个目标区域的位置信息，并根据该等位置信息裁剪出各个目标区域，作为后续操作的输入。
[0034]在本申请的启示下，可以理解，目标区域的划分并不限于以上例子，可以根据具体需求进行划分。
[0035]请参图3，展示了一个例子中利用本申请的目标检测人工神经网络划分为头颅核心区域、嘴唇、牙齿、下颌、颈椎以及测量尺共六个目标区域的X线头影图像。
[0036]在一个优选的实施例中，目标检测人工神经网络可以采用YOLOv3网络，它具有计算速度快且精度高的优势。在本申请的启示下，可以理解，目标检测人工神经网络也可以采用任何其他适用的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机执行的X线头影图像的关键点检测方法，它包括：获取X线头影图像；利用经训练的目标检测人工神经网络对所述X线头影图像进行区域划分，得到N个目标区域图像；以及利用N个经训练的关键点检测人工神经网络分别对所述N个目标区域图像进行关键点检测，其中，N为大于等于2的自然数。2.如权利要求1所述计算机执行的X线头影图像的关键点检测方法，其特征在于，所述N个目标区域包括：头颅核心区域、嘴唇、牙齿、下颌以及颈椎五个目标区域。3.如权利要求1所述计算机执行的X线头影图像的关键点检测方法，其特征在于，所述N个目标区域包括测量尺目标区域。4.如权利要求3所述计算机执行的X线头影图像的关键点检测方法，其特征在于，对于所述N个目标区域图像中除了所述测量尺目标区域图像之外的其他目标区域图像，对应的关键点检测人工神经网络针对每一关键点产生一张热力图，对于所述测量尺目标区域图像，对应的关键点检测人工神经网络仅产生一张包括多个关键点的热力图，其中，所述测量尺目标区域图像的关键点与所述测量尺的显著刻度相对应。5.如权利要求3所述计算机执行的X线头影图像的关键点检测方法，其特征在于，它还包括：基于所述测量尺目标区域图像的关键点以及其他...

【专利技术属性】
技术研发人员：马成龙，
申请(专利权)人：杭州朝厚信息科技有限公司，
类型：发明
国别省市：