腰椎异常图像识别方法及系统技术方案

本发明专利技术涉及腰椎异常图像识别方法及系统，其中的腰椎异常图像识别方法包括以下步骤：获取腰椎区域MRI图像，定位腰椎间盘左右顶点和椎管后顶点作为关键点；根据定位的关键点确定腰椎图像中的感兴趣区域，经预处理得到腰椎椎管的形态图像；将得到的腰椎椎管形态图像输入训练完毕的分类网络模型中，判断图像中是否包含腰椎椎管狭窄的异常形态。通过关键点定位大致确定腰椎椎管的区域，将机器学习中最感兴趣的腰椎中心区域送入分类网络，相比于现有技术将整张MRI图像送入分类神经网络的方式，能够减少网络输入中的无关信息，更加专注于提取有关椎管狭窄的特征，能够准确的识别出图像数据中存在腰椎椎管狭窄的异常形态图像，从而使识别的准确率提升。别的准确率提升。别的准确率提升。

【技术实现步骤摘要】
腰椎异常图像识别方法及系统


[0001]本专利技术涉及图像处理
，具体为腰椎异常图像识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]腰椎图像反映了人体腰部的构造，当腰椎出现异常时，人体会出现腰痛等症状，相应的，图像中会反映出腰椎的某个部位出现不正确的形态。例如，腰椎退变导致的关节增生、韧带肥厚等挤占正常椎管的容积，此种形态变化称为椎管狭窄，是腰椎异常的一种。
[0004]在识别异常的腰椎图像时，现有的方法主要有两种，分别为传统的图像处理算法检测和利用深度神经网络等机器学习方法检测。传统的图像处理算法受环境、拍照角度以及个体差异等客观因素影响较大，鲁棒性较差，难以适应各式各类的环境。而深度学习类的方法，通常将整张MRI图像直接送入网络进行分类，整张MRI图像中包含大量的腰部构造信息，椎管部分的异常信息与其余部位的异常信息叠加，导致准确率不高。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供腰椎异常图像识别方法及系统，对输入的腰椎区域MRI图像，对腰椎间盘左右顶点和椎管后顶点进行定位得到关键点；由定位到的关键点确定腰椎ROI区域，通过仿射变换等图像处理技术对ROI区域进行处理；将处理后的ROI图像送入分类网络模型中断，识别图像中是否包含腰椎椎管狭窄的异常形态。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供腰椎异常图像识别方法，包括以下步骤：
[0008]获取腰椎区域MRI图像，定位腰椎间盘左右顶点和椎管后顶点作为关键点；
[0009]根据定位的关键点确定腰椎图像中的感兴趣区域，经预处理得到腰椎椎管的形态图像；
[0010]将得到的腰椎椎管形态图像输入训练完毕的分类网络模型中，判断图像中是否包含腰椎椎管狭窄的异常形态。
[0011]获取腰椎区域MRI图像，基于训练完毕的关键点定位网络定位腰椎间盘左右顶点和椎管后顶点作为关键点，包括：
[0012]预先标注腰椎MRI图像中的腰椎间盘左右顶点和椎管后顶点；
[0013]标注结果转换格式，输出带有标注结果的热力图，以热力图作为标签训练关键点定位网络；
[0014]以腰椎MRI图像作为输入，经关键点定位网络输出关键点，输出的所有关键点共同占有一个网络的维度，得到所需的关键点。
[0015]根据定位的关键点确定腰椎图像中的感兴趣区域，包括：
[0016]在网络的输出上查找至少三个最大值区域，作为三个关键点；
[0017]将得到的关键点按坐标值的大小排序，定位腰椎间盘左右顶点和椎管后顶点；具体为：在y值较大的前两个点中，x值较小的为腰椎间盘左顶点，记为1号点；较小的为腰椎间盘右顶点，记为2号点；剩余的y值最小的点则为椎管后顶点，记为3号点；y值为垂直轴坐标，x值为水平轴坐标。
[0018]根据关键点所在的坐标值得到腰椎椎管感兴趣区域的长度、宽度、中心点坐标和旋转角度。
[0019]经预处理得到腰椎椎管的形态图像，包括：
[0020]根据腰椎椎管感兴趣区域的中心点坐标，经仿射变换拉正图像；
[0021]截取仿射变换后的图像作为输出图像，得到腰椎椎管形态图像。
[0022]本专利技术的第二个方面提供实现上述方法所需的系统，包括：
[0023]关键点检测模块，被配置为：获取腰椎区域MRI图像，定位腰椎间盘左右顶点和椎管后顶点作为关键点；
[0024]感兴趣区域划分模块，被配置为：根据定位的关键点确定腰椎图像中的感兴趣区域，经预处理得到腰椎椎管的形态图像；
[0025]分类预测模块，被配置为：将得到的腰椎椎管形态图像输入训练完毕的分类网络模型中，判断图像中是否包含腰椎椎管狭窄的异常形态。
[0026]本专利技术的第三个方面提供一种计算机可读存储介质。
[0027]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的腰椎异常图像识别方法中的步骤。
[0028]本专利技术的第四个方面提供一种计算机设备。
[0029]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的腰椎异常图像识别方法中的步骤。
[0030]与现有技术相比，以上一个或多个技术方案存在以下有益效果：
[0031]通过关键点定位大致确定腰椎椎管的区域，将机器学习中最感兴趣的腰椎中心区域送入分类网络，相比于现有技术将整张MRI图像送入分类神经网络的方式，能够减少网络输入中的无关信息，更加专注于提取有关椎管狭窄的特征，能够准确的识别出图像数据中存在腰椎椎管狭窄的异常形态图像，从而使识别的准确率提升。
附图说明
[0032]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0033]图1是本专利技术一个或多个实施例提供的腰椎异常图像识别流程示意图；
[0034]图2是本专利技术一个或多个实施例提供的在腰椎椎管MRI图像中标注的腰椎间盘左右顶点和椎管后顶点示意图；
[0035]图3是本专利技术一个或多个实施例提供的基于标注结果的高斯热图；
[0036]图4是本专利技术一个或多个实施例提供的关键点检测后的结果示意图；
[0037]图5是本专利技术一个或多个实施例提供的根据关键点确定的ROI区域示意图；
[0038]图6(a)
‑
图6(d)均是本专利技术一个或多个实施例提供的ROI区域经仿射变换处理后再经截取的示意图；
[0039]图7是本专利技术一个或多个实施例提供的分类预测之前的标注示例。
具体实施方式
[0040]下面结合附图与实施例对本专利技术作进一步说明。
[0041]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0042]ROI区域，指感兴趣区域(region of interest)。机器视觉、图像处理中，从被处理的图像中以方框、圆、椭圆以及不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域。
[0043]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0044]正如
技术介绍
中所描述的，由于人体腰部的构造复杂，存在多种异常形态叠加，导致目前采取深度学习类的方法识别腰椎异常图像时，由于腰椎椎管只占MRI图像中很小的一部分区域，直接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.腰椎异常图像识别方法，其特征在于，包括以下步骤：获取腰椎区域MRI图像，定位腰椎间盘左右顶点和椎管后顶点作为关键点；根据定位的关键点确定腰椎图像中的感兴趣区域，经预处理得到腰椎椎管的形态图像；将得到的腰椎椎管形态图像输入训练完毕的分类网络模型中，判断图像中是否包含腰椎椎管狭窄的异常形态。2.如权利要求1所述的腰椎异常图像识别方法，其特征在于，获取腰椎区域MRI图像，基于训练完毕的关键点定位网络定位腰椎间盘左右顶点和椎管后顶点作为关键点。3.如权利要求2所述的腰椎异常图像识别方法，其特征在于，基于训练完毕的关键点定位网络定位腰椎间盘左右顶点和椎管后顶点作为关键点，包括：预先标注腰椎MRI图像中的腰椎间盘左右顶点和椎管后顶点；标注结果转换格式，输出带有标注结果的热力图，以热力图作为标签训练关键点定位网络；以腰椎MRI图像作为输入，经关键点定位网络输出关键点，输出的所有关键点共同占有一个网络的维度，得到所需的关键点。4.如权利要求1所述的腰椎异常图像识别方法，其特征在于，根据定位的关键点确定腰椎图像中的感兴趣区域，包括：在网络的输出上查找至少三个最大值区域，作为三个关键点；将得到的关键点按坐标值的大小排序，定位腰椎间盘左右顶点和椎管后顶点；根据关键点所在的坐标值得到腰椎椎管感兴趣区域的长度、宽度、中心点坐标和旋转角度。5.如权利要求4所述的腰椎异常图像识别方法，其特征在于，将得到的关键点按坐标值的大小排序，定位腰椎间盘左右顶点和椎管后顶...

【专利技术属性】
技术研发人员：李晓磊，马端蔚，张伟，宋然，田天，从润民，冯世庆，周恒星，
申请(专利权)人：山东大学，
类型：发明
国别省市：