【技术实现步骤摘要】
本专利技术涉及牙齿矫治，具体涉及一种头颅侧位片的关键点检测方法。
技术介绍
1、牙医在正畸治疗过程中常用头颅侧位片来判断患者是牙性凸还是骨性凸，并且医生会在头颅侧位片上标注一些关键点计算所需要的医学指标信息，通过利用这些指标信息进行诊断以及制定正畸治疗方案。
2、x光线投影测量分析的自动化使得牙颌面畸形的诊断、治疗设计更加准确，并大大减少了操作者的负担。现有的关键点定位需要医生直接判断，在要求医生经验比较高的同时还增加了医生的工作量。关键点定位的准确性直接影响后续测量结果的可靠性，人工标注关键点不仅需要大量时间，而且不可避免地会产生人为误差，影响测量结果的准确性和矫治效果。
技术实现思路
1、本专利技术的目的在于针对现有技术中的上述不足，提供一种头颅侧位片关键点检测方法，以解决现有头颅侧位片关键点定位不准确的问题。
2、本专利技术提供的技术方案如下：
3、一种头颅侧位片的关键点检测方法，包括：
4、步骤1：输入头颅侧位片到检测模型，得到关键点的初始位置信息；
5、步骤2：通过统计验证集中处于不同象限的最准确的检测关键点，以及计算检测点与所在头颅的宽度比值和高度比值、模板点与所在头颅的宽度比值和高度比值，再计算上述宽度比值和高度比值的差值，若小于差异阈值，则选取变换顶点，然后通过计算仿射变换矩阵将模板关键点坐标映射到待检测图像，即可获得模板关键点在检测图像中的位置信息；
6、步骤3：使用基于dbscan的方法对待
7、步骤4：利用三大极感兴趣点结合超像素选取局部回归投票区域，对不符合标准的初始关键点，从符合步骤3的检测点内选取处于不相邻象限且距离最近的两个检测点对应的模板点作为邻域变换顶点，根据不符合标准的关键点对应的模板点与相邻两个变换顶点的坐标比值，求得该点的邻域映射点rm，将领域映射点rm、模板点m和检测点d所在的超像素区域作为局部投票区域，将该局部投票区域内的热力图和与其对应的偏移图计算局部回归投票，选择最大值作为关键点，得到最终关键点位置。
8、在一种典型实施方式中，步骤1中，关键点的初始位置信息获取方式为：将待检测的头颅侧位片转成设定的尺寸后输入至模型当中，获得当前图像的热力图信息和偏移图信息；利用基于注意力特征金字塔融合和回归投票的关键点检测方法，通过遍历每层关键点的热力图，将热力图前πr2大的点与其对应的偏移图计算回归投票，其中r默认为40，选择最大值作为关键点，得到关键点的初始位置信息，公式如下：
9、,
10、其中，是第k个关键点的热力图中前πr2大的值的集合，是指示符函数，，为每个像素值独自对应关键点的坐标，具有最高值的像素被视为最可能的关键点的坐标。
11、在一种典型实施方式中，步骤2中，选取三个变换顶点。
12、进一步，差异阈值为0.05。
13、进一步，若大于差异阈值，则将不符合标准的点换掉，选取下一个准确率高的点，直到选到符合条件的变换顶点。
14、更进一步，所述将模板关键点坐标映射到待检测图像，包括：
15、将预置头颅侧位片关键点模板映射在当前头颅侧位片的坐标系中，提取模板关键点的位置信息；
16、统计与校验验证集中最合适的三个检测关键点，利用仿射变换矩阵算法求与对应的模板关键点的位置变换关系；
17、将其余模板关键点的位置信息输入到位置变换关系中，得到模板关键点仿射变换的坐标。
18、在一种典型实施方式中，步骤3中，由于存在变换顶点，可以保证最少有三个检测点处于对应模板点所在的超像素内。
19、在一种典型实施方式中，步骤3中，所述对待检测图像进行超像素分割，包括使用基于密度的聚类算法对图像进行聚类。
20、在一种典型实施方式中，步骤3中，判断检测点是否处于对应模板点所在超像素区域内，具体方式为：判断模型检测出的关键点是否处于对应模板关键点所在的聚类区域内。
21、在一种典型实施方式中，步骤3中，对不在超像素内的点做下一步判断，其方式为：在对应的超像素内进行局部回归投票，得到关键点位置，若有不在对应聚类区域内的关键点，对模板点所在的聚类区域使用局部热力图和偏移图信息进行回归投票，重新更新检测关键点的位置信息。
22、在一种典型实施方式中，步骤4中，得到最终关键点位置的公式表示如下：
23、，
24、其中，是第k个关键点的局部热力图中前πq2大的值的集合，，h和w分别为图像的高和宽，局部区域la公式表示如下：
25、，
26、其中， dr为超像素分割区域，表示为检测点所在的超像素区域，表示为模板点所在的超像素区域，表示为邻域点所在的超像素区域，表示点z、m、r三点之间不处于三超像素区域内的点所在的超像素区域。
27、与现有技术相比，本专利技术的有益效果是：
28、1、本专利技术先通过关键点检测模型得到初始关键点，然后利用模板关键点的位置和通过基于密度的超像素分割距离阈值限制，可以将不符合距离要求的关键点限制在真实位置附近，降低了关键点位置的误检率；
29、2、对不符合距离要求的关键点，利用相邻模板点位置信息映射的邻域映射点以及模板信息匹配的模板点三大极感兴趣点所在的超像素区域作为局部信息提取区域，通过利用多种位置信息进行感兴趣区域的提取，减少了模板与人脸的关键点位置差异较大的问题；
30、3、本专利技术对不符合距离要求的关键点，通过利用局部信息进行回归投票定位出检测点，利用关键点最可能出现的区域进行投票定位。由此可见，该方法能够减少误识别为关键点的情况，从而提高识别关键点的准确度，提高关键点检测的鲁棒性，可以适合更多厂家的头颅侧位片。同时相对于传统的人工定点，本专利技术的效率更高。
本文档来自技高网...【技术保护点】
1.一种头颅侧位片的关键点检测方法，其特征在于，包括：
2.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤1中，关键点的初始位置信息获取方式为：将待检测的头颅侧位片转成设定的尺寸后输入至模型当中，获得当前图像的热力图信息和偏移图信息；利用基于注意力特征金字塔融合和回归投票的关键点检测方法，通过遍历每层关键点的热力图，将热力图前πR2大的点与其对应的偏移图计算回归投票，其中R默认为40，选择最大值作为关键点，得到关键点的初始位置信息，公式如下：
3.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，
4.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤3中，由于存在变换顶点，可以保证最少有三个检测点处于对应模板点所在的超像素内。
5.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤3中，所述对待检测图像进行超像素分割，包括使用基于密度的聚类算法对图像进行聚类。
6.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤3中，判断检测点
7.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤3中，对不在超像素内的点做下一步判断，其方式为：在对应的超像素内进行局部回归投票，得到关键点位置，若有不在对应聚类区域内的关键点，对模板点所在的聚类区域使用局部热力图和偏移图信息进行回归投票，重新更新检测关键点的位置信息。
8.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤4中，得到最终关键点位置的公式表示如下：
9.根据权利要求8所述的一种头颅侧位片的关键点检测方法，其特征在于，局部区域LA公式表示如下：
...【技术特征摘要】
1.一种头颅侧位片的关键点检测方法，其特征在于，包括：
2.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤1中，关键点的初始位置信息获取方式为：将待检测的头颅侧位片转成设定的尺寸后输入至模型当中，获得当前图像的热力图信息和偏移图信息；利用基于注意力特征金字塔融合和回归投票的关键点检测方法，通过遍历每层关键点的热力图，将热力图前πr2大的点与其对应的偏移图计算回归投票，其中r默认为40，选择最大值作为关键点，得到关键点的初始位置信息，公式如下：
3.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，
4.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤3中，由于存在变换顶点，可以保证最少有三个检测点处于对应模板点所在的超像素内。
5.根据权利要求1所述的一种头颅侧位片的关键点检测方法，其特征在于，步骤3中，所述对...
【专利技术属性】
技术研发人员：张圆成，周元峰，王宇，李新雨，路骁，窦文涵，
申请(专利权)人：山东省工业技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。