一种基于图像分割的脊柱制造技术

本发明专利技术涉及一种基于图像分割的脊柱

【技术实现步骤摘要】
一种基于图像分割的脊柱Cobb角标注方法


[0001]本专利技术涉及一种基于图像分割的脊柱辅助
Cobb
角标注方法，属于医学图像处理

。

技术介绍

[0002]Cobb
角度测量是一种测量脊柱侧弯角度的方法，用于评估脊柱侧弯的严重程度
。
当前，
Cobb
角测量方法大多由人工进行手动标注，存在极大的个人因素影响，测算的
Cobb
角度差距大；全自动计算
Cobb
角度的方法受到
X
光图成像模糊的原因，会存在无法计算或者偏差较大的情况
。
因此，研究一种能够辅助帮助标注
Cobb
角的方法对
Cobb
角进行更好的标注具有重要意义
。

技术实现思路

[0003]本专利技术要解决的技术问题是人工操作或者图像模糊等原因造成的
Cobb
角测量不准确，提供一种基于图像分割的脊柱
Cobb
角标注方法，使用双向空间卷积提升网络分割锥体的性能，并使用自动化的方法对
Cobb
角标注进行指导，解决了网络分割锥体时出现的粘连问题
。
[0004]本专利技术的技术方案是：
[0005]一种基于图像分割的脊柱
Cobb
角标注方法，其特征在于：
[0006]Step1
：利用编码器从脊柱
X
光图像中提取视觉特征；
[0007]Step2
：对编码器提取的视觉特征输入解码器中进行解码，分割出图片中锥体的部分；解码器的训练过程如下：
[0008]数据处理：对公开数据集使用
labelme
进行标注，将图中锥体进行标注；
[0009]模型训练：在模型训练过程中，使用双向空间卷积模块从编码器提取的视觉特征中学习锥体的空间特征，在推理的过程中提升模型对于锥体的分割性能；
[0010]Step3
：对于解码器解码的结果，转化为二值图像，计算每一块锥体的图像的矩，根据一阶矩得出每一块锥体的质心坐标；
[0011]Step4
：链接相邻锥体的质心，计算质心连线中点，并通过中点取垂线，将垂线段两两组合求夹角，取最大的夹角为
Cobb
角；
[0012]Step5
：对线段位置进行修正，调整最终
Cobb
角结果
。
[0013]所述
Step1
中，解码器采用以
MBConv
模块作为卷积块，将
MBConv
模块中
SE
注意力模块修改为
ECA
注意力模块，减少其参数量提升速度
。
[0014]所述
Step2
中在解码器部分使用双向空间卷积模块，双向空间卷积模块根据图像的
X
轴以及
Y
轴分别进行建模获得其空间的视觉特征，最终得到
17
块锥体的分割图；在双向卷积中，分别从四个不同的方向捕获特征，分别为右，左，上，下；以右方向为例，空间卷积计算公式如下：
[0015][0016]其中，
f
代表线性激活层
Relu
，
X
代表未经过卷积更新的特征图，
X
′
代表经过相同权重卷积更新后的特征图，
i,j,k
分别为通道，宽与高，
K
为一个三维
Tensor
张量，
K
m,i,n
表示上一个切片通道
m
个中的一个元素和当前切片通道
i
个中的一个元素之间的权重，
n
表示两个元素之间有
n
列的偏移量
。m
大小范围为通道个数，
n
大小范围为卷积核大小
。
[0017]所述
Step3
中，利用边缘检测，获得
Step2
中
17
块锥体的边缘点，利用边缘点计算图像的矩，利用矩求得每一块锥体的质心位置；
[0018]所述
Step4
中，将
Step3
中
17
组质心点两两相连接构成
17
条线段，分别对这
17
条线段求垂直平分线，再从线上取出两点
p
和
l
，公式如下：
[0019]A
＝
(x1,y1)B
＝
(x2,y2)
[0020][0021][0022]A、B
分别表示相邻的两个质心，通过上述公式能获得
16
组线段
L
n
，通过将每组线段两两集合，算出它们之间的夹角角度，通过对比找出最大的夹角角度就能得到对应的
Cobb
角，并且与线段相近的上下锥体即为上终板和下终板，公式如下：
[0023][0024][0025][0026]其中，
a
，
b
分别表示相邻的两组线段
L
a
和
L
b
，和分别表示线段
L
a
中求得的
P
点
X
轴坐标和
Y
轴坐标，和分别表示线段
L
a
中的求得
l
点
X
轴坐标和
Y
轴坐标，和分别表示线段
L
b
中求得的
P
点
X
轴坐标和
Y
轴坐标，和分别表示线段
L
b
中求得的
l
点
X
轴坐标和
Y
轴坐标
。
[0027]所述
Step5
中，根据线段标注出的上下终板位置，进行人为干预，调整线段位置，保证预测准确性
。
[0028]本专利技术的有益效果是：本专利技术在图像分割模型的基础上，使用双空间卷积的方法用来提取
X
光图片中的锥体信息，使模型能够更好的读取到图片中锥体信息，从而更好的分割锥体
。
同时利用图形矩的方法计算出该图片的
Cobb
角度
。
附图说明
[0029]图1是本专利技术的步骤流程图；
[0030]图2是本专利技术实施例1中分割模型结构图；
[0031]图3是本专利技术实施例1中空间卷积结构图
。
具体实施方式
[0032]下面结合附图和具体实施方式，对本专利技术作进一步说明
。
[0033]实施例1：如图1所示，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像分割的脊柱
Cobb
角标注方法，其特征在于：
Step1
：利用编码器从脊柱
X
光图像中提取视觉特征；
Step2
：对编码器提取的视觉特征输入解码器中进行解码，分割出图片中锥体的部分；解码器的训练过程如下：数据处理：对公开数据集使用
labelme
进行标注，将图中锥体进行标注；模型训练：在模型训练过程中，使用双向空间卷积模块从编码器提取的视觉特征中学习锥体的空间特征，在推理的过程中提升模型对于锥体的分割性能；
Step3
：对于解码器解码的结果，转化为二值图像，计算每一块锥体的图像的矩，根据一阶矩得出每一块锥体的质心坐标；
Step4
：链接相邻锥体的质心，计算质心连线中点，并通过中点取垂线，将垂线段两两组合求夹角，取最大的夹角为
Cobb
角；
Step5
：对线段位置进行修正，调整最终
Cobb
角结果
。2.
根据权利要求1所述的基于图像分割的脊柱
Cobb
角标注方法，其特征在于：所述
Step1
中，解码器采用以
MBConv
模块作为卷积块，将
MBConv
模块中
SE
注意力模块修改为
ECA
注意力模块
。3.
根据权利要求1所述的基于图像分割的脊柱
Cobb
角标注方法，其特征在于：所述
Step2
中在解码器部分使用双向空间卷积模块，双向空间卷积模块根据图像的
X
轴以及
Y
轴分别进行建模获得其空间的视觉特征，最终得到
17
块锥体的分割图；在双向卷积中，分别从四个不同的方向捕获特征，分别为右，左，上，下；空间卷积计算公式如下：其中，
f
代表线性激活层
Relu
，
X
代表未经过卷积更新的特征图，
X
′
代表经过相同权重卷积更新后的特征图，
i,j,k
分别为通道，宽与高，
K
为一个三维
Tensor
张量，
K
m,i,n
表示上一个切片通道
m
个中的一个元素和当前切片通道
i
个中的一个元素之间的权重，
...

【专利技术属性】
技术研发人员：刘英莉，林夏天，高明，沈韬，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：