基于X线头影图像确定发育阶段的方法技术

本申请的一方面提供了一种计算机执行的基于X线头影图像确定发育阶段的方法，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在所述X线头影图像中找出多个椎体；利用经训练的关键点检测人工神经网络对所述多个椎体的图像进行密集关键点检测，并基于检测到的相应关键点分别为所述多个椎体产生掩码图；以及利用经训练的发育分期人工神经网络，基于所述掩码图以及所述多个椎体的整体图像，确定发育阶段。确定发育阶段。确定发育阶段。

【技术实现步骤摘要】
基于X线头影图像确定发育阶段的方法


[0001]本申请总体上涉及基于X线头影图像确定发育阶段的方法。

技术介绍

[0002]在口腔正畸的临床实践中，尤其是针对处于发育期的青少年或儿童，需要根据患者所处的生长发育阶段有针对性地设计矫正方案。一种常用的方法是根据颈椎骨骨龄来确定患者所处的生长发育阶段。
[0003]在具体实践中，一般是根据侧位片中颈椎椎骨的形态判断所处的生长发育阶段，例如，根据5个(C2～C6)颈椎椎体的体积和形状的变化，将生长发育过程分为CVS1～CVS6六个阶段。
[0004]目前，通常是人工观察侧位片中颈椎椎骨的形态并判断患者所处的生长发育阶段。然而，一方面，这种方法的诊断结果受操作人员的主观性影响比较大；另一方面，由于颈椎发育过程中存在着过渡形态，人工很难对过渡形态进行准确的判断；又一方面，要掌握这种方法往往需要大量的学习与训练，这提高了相关人员的培养成本。
[0005]虽然，已经有人开始尝试量化诊断标准，如计算椎体下缘凹陷度，椎体前后缘比例等，并根据量化的指标建立颈椎骨龄的方程。但此类方法需要专业人员标注椎体的特征点，然后根据椎体特征点计算量化后的特征，最后再根据这些特征计算获得颈椎的骨龄。这种方法不仅繁琐，而且本申请的专利技术人还发现诊断标准中的部分定性的描述很难被量化，这增加了该方法实现的难度，此外，此类骨龄分期方法仅利用了图像底层特征，鲁棒性较差，只适用于部分特定的场景。
[0006]鉴于以上，有必要提供一种新的基于X线头影图像确定发育阶段的方法。

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基于X线头影图像确定发育阶段的方法，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在所述X线头影图像中找出多个椎体；利用经训练的关键点检测人工神经网络对所述多个椎体的图像进行密集关键点检测，并基于检测到的相应关键点分别为所述多个椎体产生掩码图；以及利用经训练的发育分期人工神经网络，基于所述掩码图以及所述多个椎体的整体图像，确定发育阶段。
[0008]在一些实施方式中，所述计算机执行的基于X线头影图像确定发育阶段的方法还包括：利用所述经训练的目标检测人工神经网络在所述X线头影图像中找出所述多个椎体的同时，找出至少一个辅助对象；基于所述辅助对象矫正所述X线头影图像的方向；以及基于所述多个椎体在所述矫正方向后的X线头影图像中的位置关系确定它们的类别。
[0009]在一些实施方式中，所述X线头影图像的方向矫正是基于所述辅助对象的生理形态和/或相对位置关系。
[0010]在一些实施方式中，所述辅助对象包括鼻子和牙齿。
[0011]在一些实施方式中，所述多个椎体包括C2～C4椎体。
[0012]在一些实施方式中，所述关键点检测人工神经网络包括用于检测C2椎体图像的关键点的C2椎体关键点检测人工神经网络和用于检测其他椎体图像的关键点的非C2椎体关键点检测人工神经网络。
[0013]在一些实施方式中，所述目标检测人工神经网络是以下之一：YOLOv5网络、Single Shot Detection网络以及Faster R
‑
CNN。
[0014]在一些实施方式中，所述关键点检测人工神经网络是以下之一：High
‑
Resolution Net以及Hourglass Net。
[0015]在一些实施方式中，所述发育分期网络是以下之一：EfficientNet和ResNet。
[0016]在一些实施方式中，所述发育阶段被分为CVS1～CVS6六个阶段。
[0017]在一些实施方式中，所述发育分期人工神经网络能够输出表示介于两个相邻发育阶段之间的过渡发育阶段的结果。
[0018]在一些实施方式中，所述计算机执行的基于X线头影图像确定发育阶段的方法还包括：将所述多个椎体的整体图像与所述多个椎体的掩码图进行叠加，将叠加获得的图像作为所述发育分期人工神经网络的输入。
[0019]在一些实施方式中，所述叠加获得的图像包括多个通道，所述多个椎体的整体图像与所述多个椎体的掩码图的每一图像占用一个单独的通道。
附图说明
[0020]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。
[0021]图1为本申请一个实施例中的计算机执行的基于X线头影图像确定发育阶段的方法的示意性流程图；
[0022]图2展示了一个例子中的X线头影图像；
[0023]图3展示了一个例子中的C2椎体的关键点；
[0024]图4展示了一个例子中的非C2椎体的关键点；
[0025]图5A展示了一个例子中的各椎体的整体图像；
[0026]图5B展示了图5A所示例子中的C2椎体掩码图；
[0027]图5C展示了图5A所示例子中的C3椎体掩码图；以及
[0028]图5D展示了图5A所示例子中的C4椎体掩码图。
具体实施方式
[0029]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。
[0030]本申请的一方面提供了一种计算机执行的基于X线头影图像确定发育阶段的方法。
[0031]在一个例子中，可以根据第2～4节颈椎椎体的形态将生长发育过程分为以下六个阶段。虽然以下实施例是基于该分期方式对本申请的方法进行说明，但可以理解，除了该分期方式之外，本申请的方法适用于任何其他基于锥体形态的分期方式。
[0032]CVS1：第2
‑
4节颈椎椎体下边缘平坦，第3、4节椎体呈锥形。表明生长发育高峰期最快在此2年后出现。
[0033]CVS2：第2节颈椎椎体下边缘略凹陷，第3、4节椎体呈锥形。表明生长发育高峰期在此一年后出现。
[0034]CVS3：第2、3颈椎椎体下边缘凹陷，第3、4节椎体呈锥形或水平向呈长方形，表明此阶段出现生长发育高峰期。
[0035]CVS4：第2、3颈椎椎体下边缘凹陷，第3、4节椎体水平向呈长方形，表明生长发育高峰期在此阶段结束或在此阶段前一年内已经结束。
[0036]CVS5：第2、3颈椎椎体下边缘凹陷，第3、4节椎体至少有一个呈正方形，表明生长发育高峰在此一年前已经结束。
[0037]CVS6：第2、3颈椎椎体下边缘凹陷，第3、4节椎体至少有一个垂直向呈长方形，表明生长发育高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机执行的基于X线头影图像确定发育阶段的方法，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在所述X线头影图像中找出多个椎体；利用经训练的关键点检测人工神经网络对所述多个椎体的图像进行密集关键点检测，并基于检测到的相应关键点分别为所述多个椎体产生掩码图；以及利用经训练的发育分期人工神经网络，基于所述掩码图以及所述多个椎体的整体图像，确定发育阶段。2.如权利要求1所述计算机执行的基于X线头影图像确定发育阶段的方法，其特征在于，它还包括：利用所述经训练的目标检测人工神经网络在所述X线头影图像中找出所述多个椎体的同时，找出至少一个辅助对象；基于所述辅助对象矫正所述X线头影图像的方向；以及基于所述多个椎体在所述矫正方向后的X线头影图像中的位置关系确定它们的类别。3.如权利要求2所述计算机执行的基于X线头影图像确定发育阶段的方法，其特征在于，所述X线头影图像的方向矫正是基于所述辅助对象的生理形态和/或相对位置关系。4.如权利要求2所述计算机执行的基于X线头影图像确定发育阶段的方法，其特征在于，所述辅助对象包括鼻子和牙齿。5.如权利要求1所述计算机执行的基于X线头影图像确定发育阶段的方法，其特征在于，所述多个椎体包括C2～C4椎体。6.如权利要求5所述计算机执行的基于X线头影图像确定发育阶段的方法，其特征在于，所述关键点检测人工神经网络包括用于检测C2椎体图像的关键点的C2椎体关键点检测人工神经网络和用于检测其他椎体图像的关键点的非C2椎体关键点检测人工神经网络。7.如权...

【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：