基于图像数据处理的人体脊柱侧弯角检测方法及系统技术方案

本发明专利技术公开了一种基于图像数据处理的人体脊柱侧弯角检测方法及系统，其方法包括：

【技术实现步骤摘要】
基于图像数据处理的人体脊柱侧弯角检测方法及系统


[0001]本专利技术涉及计算机视觉技术背部表皮脊柱线检测领域，尤其涉及一种基于图像数据处理的人体脊柱侧弯角检测方法及系统
。

技术介绍

[0002]脊柱侧弯是一种常见的脊柱畸形，多发生在儿童和青少年时期
。
目前，脊柱侧弯已经成为继肥胖
、
近视之后，危害儿童青少年健康的第三大疾病
。
国家对此也很重视，国家卫健委
2021
年发布了
《
儿童青少年脊柱弯曲异常防控技术指南
》
，要求将筛查项目纳入学生体检内容
、
筛查结果记入健康档案；因此脊柱侧弯筛查迫在眉睫
。
目前，脊柱侧弯的国内外检测方法主要是
X
光和
EOS
，由于成本和辐射的原因不适合在校园普筛
。
人工筛查虽然可以，但不仅需要专业人员，还需要较长的时间成本，人工肉眼筛查受人为因素影响较大，其存在结果差异大，无法做到客观和标准一致
。

技术实现思路

[0003]本专利技术的目的在于解决
技术介绍
所指出的技术问题，提供一种基于图像数据处理的人体脊柱侧弯角检测方法及系统，通过相机采集人体自然站立时裸露背部的背部二维图像数据，对背部二维图像数据进行棘突特征点提取并得到所有棘突特征点的坐标信息，脊柱线特征点拟合曲线模块利用
Interparc
曲线插值拟合所有棘突特征点并得到脊柱曲线，进而将各个棘突特征点划分为胸椎段和腰椎段，计算得到两段所对应的
Cobb
角，降低了对检测人员的专业要求及检测强度，提高了检测的标准化程度和检测效率
。
[0004]本专利技术的目的通过下述技术方案实现：
[0005]一种基于图像数据处理的人体脊柱侧弯角检测方法，其方法包括：
[0006]S1、
在人体背部选取
N
个棘突，每个棘突粘贴标示点位，
N≥5
，
N
个棘突中的最高点为第七颈椎棘突，
N
个棘突中的最低点为第五腰椎棘突；通过相机采集人体自然站立时裸露背部的背部二维图像数据；
[0007]S2、
构建目标预测模型，目标预测模型包括训练后的
yolov5
网络和包含
Interparc
曲线插值拟合的脊柱线特征点拟合曲线模块，目标预测模型内部构建有二维坐标系，训练后的
yolov5
网络用于对背部二维图像数据进行棘突特征点提取并得到所有棘突特征点的坐标信息，棘突特征点包括未粘贴有标示点位的棘突特征和
N
个粘贴有标示点位的棘突特征；脊柱线特征点拟合曲线模块利用
Interparc
曲线插值拟合所有棘突特征点并得到脊柱曲线；
[0008]S3、
二维坐标系中脊柱曲线的所有棘突特征进行识别处理并让最高位置点的棘突特征点与最低位置点的棘突特征点之间包含十六个棘突特征点；提取除最高位置点的棘突特征点外十七个棘突特征点，将十七个棘突特征点划分为胸椎段和腰椎段，胸椎段为十七个棘突特征点中上方的十二个连续棘突特征点，腰椎段为十七个棘突特征点中下方的五个连续棘突特征点；
[0009]提取胸椎段各个棘突特征点处的法向量，计算每两个棘突特征点处的法向量之间的夹角
θ
ij
，取夹角
θ
ij
的最大值作为胸椎段的
Cobb
角；
[0010]提取腰椎段各个棘突特征点处的法向量，计算每两个棘突特征点处的法向量之间的夹角
a
mn
，取夹角
a
mn
的最大值作为腰椎段的
Cobb
角
。
[0011]优选地，在步骤
S1
中，背部二维图像数据为相机采集人体自然站立时裸露背部的多张照片进行特征融合后的图像
。
[0012]优选地，在步骤
S1
中，在人体背部选取五个棘突，中间三个棘突从上至下依次为棘突
A、
棘突
B
和棘突
C
，其中棘突
A
选取第三胸椎棘突至第八胸椎棘突之间的棘突点，其中棘突
B
选取第八胸椎棘突至第十二胸椎棘突之间的棘突点，其中棘突
C
选取第十二胸椎棘突至第四腰椎棘突之间的棘突点
。
[0013]优选地，在步骤
S3
中，基于脊柱曲线按照均匀间距补齐最高位置点至最低位置点之间十六个棘突特征点中不足的棘突特征点
。
[0014]优选地，步骤
S2
中
yolov5
网络按照如下方法进行训练：
[0015]制作背部二维图像样本数据集，背部二维图像样本数据集的背部二维图像样本数据包括在图像中标记有棘突特征标记点，每个背部二维图像样本数据包括
N
个从上至下的棘突特征标记点，
yolov5
网络对背部二维图像样本数据的棘突特征进行特征训练学习
。
[0016]优选地，本专利技术还包括如下方法：
[0017]S31、
设定胸椎段脊柱线
Cobb
角正常阈值范围，将步骤
S3
得到胸椎段的
Cobb
角与胸椎段脊柱线
Cobb
角正常阈值范围比较，在范围内，则判定胸椎段脊柱线正常，否则判定胸椎段脊柱线侧弯；设定腰椎段脊柱线
Cobb
角正常阈值范围，将步骤
S3
得到腰椎段的
Cobb
角与腰椎段脊柱线
Cobb
角正常阈值范围比较，在范围内，则判定腰椎段脊柱线正常，否则判定腰椎段脊柱线侧弯
。
[0018]一种基于图像数据处理的人体脊柱侧弯角检测系统，包括相机采集系统和目标预测模型，相机采集系统用于采集人体自然站立时裸露背部的背部二维图像数据；目标预测模型包括
yolov5
网络
、
脊柱线特征点拟合曲线模块和分段划分及计算模块，目标预测模型内部构建有二维坐标系，
yolov5
网络用于对背部二维图像数据进行棘突特征点提取并得到所有棘突特征点的坐标信息；脊柱线特征点拟合曲线模块利用
Interparc
曲线插值拟合所有棘突特征点并得到脊柱曲线；脊柱线特征点拟合曲线模块基于二维坐标系中脊柱曲线的所有棘突特征进行识别处理并让最高位置点的棘突特征点与最低位置点的棘突特征点之间包含十六个棘突特征点；分段划分及计算模块用于提取除最高位置点的棘突特征点外十七个棘突特征点，将十七个棘突特征点划分为胸椎段和腰椎段，胸椎段为十七个棘突特征点中上方的十二个连续棘突特征点，腰椎段为十七个棘突特征点中下方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像数据处理的人体脊柱侧弯角检测方法，其特征在于：其方法包括：
S1、
在人体背部选取
N
个棘突，每个棘突粘贴标示点位，
N≥5
，
N
个棘突中的最高点为第七颈椎棘突，
N
个棘突中的最低点为第五腰椎棘突；通过相机采集人体自然站立时裸露背部的背部二维图像数据；
S2、
构建目标预测模型，目标预测模型包括训练后的
yolov5
网络和包含
Interparc
曲线插值拟合的脊柱线特征点拟合曲线模块，目标预测模型内部构建有二维坐标系，训练后的
yolov5
网络用于对背部二维图像数据进行棘突特征点提取并得到所有棘突特征点的坐标信息，棘突特征点包括未粘贴有标示点位的棘突特征和
N
个粘贴有标示点位的棘突特征；脊柱线特征点拟合曲线模块利用
Interparc
曲线插值拟合所有棘突特征点并得到脊柱曲线；
S3、
二维坐标系中脊柱曲线的所有棘突特征进行识别处理并让最高位置点的棘突特征点与最低位置点的棘突特征点之间包含十六个棘突特征点；提取除最高位置点的棘突特征点外十七个棘突特征点，将十七个棘突特征点划分为胸椎段和腰椎段，胸椎段为十七个棘突特征点中上方的十二个连续棘突特征点，腰椎段为十七个棘突特征点中下方的五个连续棘突特征点；提取胸椎段各个棘突特征点处的法向量，计算每两个棘突特征点处的法向量之间的夹角
θ
ij
，取夹角
θ
ij
的最大值作为胸椎段的
Cobb
角；提取腰椎段各个棘突特征点处的法向量，计算每两个棘突特征点处的法向量之间的夹角
a
mn
，取夹角
a
mn
的最大值作为腰椎段的
Cobb
角
。2.
按照权利要求1所述的基于图像数据处理的人体脊柱侧弯角检测方法，其特征在于：在步骤
S1
中，背部二维图像数据为相机采集人体自然站立时裸露背部的多张照片进行特征融合后的图像
。3.
按照权利要求1所述的基于图像数据处理的人体脊柱侧弯角检测方法，其特征在于：在步骤
S1
中，在人体背部选取五个棘突，中间三个棘突从上至下依次为棘突
A、
棘突
B
和棘突
C
，其中棘突
A
选取第三胸椎棘突至第八胸椎棘突之间的棘突点，其中棘突
B
选取第八胸椎棘突至第十二胸椎棘突之间的棘突点，其中棘突
C
选取第十二胸椎棘突至第四腰椎棘突之间的棘突点
。4.
按照权利要求1所述的基于图像数据处理的人体脊柱侧弯角检测方法，其特征在于：在步骤
S3
中，基于脊柱曲线按照均匀间距补齐最高位...

【专利技术属性】
技术研发人员：王栋栋，王兴国，黄龙，张雨新，邓皓，刘博，肖兵，
申请(专利权)人：宜宾显微智能科技有限公司，
类型：发明
国别省市：