【技术实现步骤摘要】
本专利技术涉及医学图像处理领域，尤其涉及一种脊椎椎体轮廓提取方法、系统、设备及介质。
技术介绍
1、在mri图像中进行椎体轮廓提取对于脊椎疾病的综合诊断和治疗是必不可少的。然而，由于不同椎体的形态差异，以及不同的图像成像质量、伪影等因素，自动的椎体轮廓提取较为困难，容易造成语义分割中的形态错误。例如，较差的成像质量与伪影可能会导致的椎体轮廓的信号较弱，难以排除干扰提取真实的椎体轮廓。不同的疾病会导致椎体内的强度分布变化或椎体形态扭曲。从单个医疗机构难以收集大量训练用mri图像，而不同医疗机构所获取的mri图像会存在图像强度分布的差异。并且由于范围的限制，现有的轮廓提取方法也可能无法感知距离相对较远的物体轮廓。因此，自动椎体轮廓提取需要能够适应数据异构性、图像特征复杂性和数据稀缺性的方法。
技术实现思路
1、为了克服上述技术缺陷，本专利技术的目的在于提供一种脊椎椎体轮廓提取方法、系统、设备及介质。
2、本专利技术公开了一种脊椎椎体轮廓提取方法，其特征在于，包括以下步骤：
3、获取待检图像，并将所述待检图像输入预先训练的椎体轮廓提取模型中的轮廓提取模块，采用所述轮廓提取模块于所述待检图像内获取多个初始椎体轮廓；
4、采用所述椎体轮廓提取模型中的轮廓演化模块的卷积神经网络获取所述待检图像的能量特征信息，并根据所述能量特征信息获取任一所述初始椎体轮廓的轮廓引力项，其中，所述轮廓引力项表示所述初始椎体轮廓中的任一像素点与所述待检图像中所有像素点的引力关系；
5、根据所述轮廓引力项对任一所述初始椎体轮廓进行迭代演化，得到任一所述初始椎体轮廓所对应的目标椎体轮廓；
6、将所述多个目标椎体轮廓映射到所述待检图像中，得到输出图像。
7、优选地，所述采用所述轮廓提取模块于所述待检图像内获取多个初始椎体轮廓的步骤，还包括，
8、采用所述轮廓提取模块于所述待检图像中提取多个初始椎体区域，通过res ize操作使所述多个初始椎体区域的分辨率统一；
9、以任一所述初始椎体区域的中心点为圆心获取一初始椎体圆，将任一所述初始椎体圆的边缘作为一初始椎体轮廓。
10、优选地，所述预先训练的椎体轮廓提取模型是通过以下步骤预先训练得到的：
11、获取多个训练图像，于任一所述训练图像中标注多个训练椎体轮廓；
12、将所述多个训练图像输入一待训练的椎体轮廓提取模型的轮廓提取模块，采用所述轮廓提取模块于任一所述训练图像内获取多个初始椎体轮廓，所述多个初始椎体轮廓与所述多个训练椎体轮廓一一对应；
13、采用所述待训练的椎体轮廓提取模型中的轮廓演化模块的卷积神经网络获取任一所述训练图像的能量特征信息，并根据所述能量特征信息获取该所述训练图像中任一所述初始椎体轮廓的轮廓引力项，以根据所述轮廓引力项对任一所述初始椎体轮廓进行迭代演化，得到任一所述初始椎体轮廓所对应的预测椎体轮廓，其中，所述轮廓引力项表示所述初始椎体轮廓中的任一像素点与其所在的所述训练图像中所有像素点的引力关系；
14、分别对比任一所述初始椎体轮廓所对应的预测椎体轮廓与训练椎体轮廓，计算获取轮廓质量损失函数，并进行反向传播，以更新所述卷积神经网络的参数权重；
15、重复上述步骤，直至所述轮廓质量损失函数收敛，得到所述预先训练的椎体轮廓提取模型。
16、优选地，所述轮廓质量损失函数包括位置损失函数、张力损失函数与平滑度损失函数；
17、所述位置损失函数表示所述预测椎体轮廓中的像素点与相应的所述训练椎体轮廓中的像素点的位置差异；
18、所述张力损失函数表示所述预测椎体轮廓中的像素点与相应的所述训练椎体轮廓中的像素点的张力差异；
19、所述平滑度损失函数表示所述预测椎体轮廓中的像素点与相应的所述训练椎体轮廓中的像素点的平滑度差异。
20、优选地，预先训练步骤还包括，采用五折交叉验证法对所述待训练的椎体轮廓提取模型进行评估。
21、优选地，所述轮廓提取模块为yolo模型。
22、本专利技术还公开了一种脊椎椎体轮廓提取系统，其特征在于，包括图像处理模块、轮廓提取模块、轮廓演化模块，
23、所述图像处理模块用于获取待检图像，并将所述待检图像输入所述轮廓提取模块；
24、所述轮廓提取模块用于在所述待检图像内获取多个初始椎体轮廓；
25、所述轮廓演化模块用于通过卷积神经网络获取所述待检图像的能量特征信息，并根据所述能量特征信息获取任一所述初始椎体轮廓的轮廓引力项，以根据所述轮廓引力项对任一所述初始椎体轮廓进行迭代演化，得到任一所述初始椎体轮廓所对应的目标椎体轮廓，其中，所述轮廓引力项表示所述初始椎体轮廓中的任一像素点与所述待检图像中所有像素点的引力关系；
26、所述图像处理模块将所述多个目标椎体轮廓映射到所述待检图像中，得到输出图像并输出。
27、本专利技术还公开了一种电子设备，其特征在于，所述电子设备包括存储有计算机可执行指令的存储器和处理器，当所述指令被所述处理器执行时，使得所述电子设备实施如前所述的脊椎椎体轮廓提取方法。
28、本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述指令在计算机上运行时，使得所述计算机执行如前所述的脊椎椎体轮廓提取方法。
29、采用了上述技术方案后，与现有技术相比，具有以下有益效果：能够全自动地提取脊椎mri影像中椎体的轮廓；通过引入轮廓引力项，计算整张待检图像内的引力，扩展了椎体轮廓提取模型提取轮廓的范围；通过轮廓质量损失函数最小化预测椎体轮廓与训练椎体轮廓之间的位置差异、张力差异、平滑度差异，使得卷积神经网络得到更好的优化结果。
本文档来自技高网...【技术保护点】
1.一种脊椎椎体轮廓提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的脊椎椎体轮廓提取方法，其特征在于，所述采用所述轮廓提取模块于所述待检图像内获取多个初始椎体轮廓的步骤，还包括，
3.根据权利要求1所述的脊椎椎体轮廓提取方法，其特征在于，所述预先训练的椎体轮廓提取模型是通过以下步骤预先训练得到的：
4.根据权利要求3所述的脊椎椎体轮廓提取方法，其特征在于，所述轮廓质量损失函数包括位置损失函数、张力损失函数与平滑度损失函数；
5.根据权利要求3所述的脊椎椎体轮廓提取方法，其特征在于，还包括以下步骤，采用五折交叉验证法对所述待训练的椎体轮廓提取模型进行评估。
6.根据权利要求1所述的脊椎椎体轮廓提取方法，其特征在于，所述轮廓提取模块为YOLO模型。
7.一种脊椎椎体轮廓提取系统，其特征在于，包括图像处理模块、轮廓提取模块、轮廓演化模块，
8.一种电子设备，其特征在于，所述电子设备包括存储有计算机可执行指令的存储器和处理器，当所述指令被所述处理器执行时，使得所述电子设备实施根据权利要求1-
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述指令在计算机上运行时，使得所述计算机执行根据权利要求1-6中任一项所述的脊椎椎体轮廓提取方法。
...【技术特征摘要】
1.一种脊椎椎体轮廓提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的脊椎椎体轮廓提取方法，其特征在于，所述采用所述轮廓提取模块于所述待检图像内获取多个初始椎体轮廓的步骤，还包括，
3.根据权利要求1所述的脊椎椎体轮廓提取方法，其特征在于，所述预先训练的椎体轮廓提取模型是通过以下步骤预先训练得到的：
4.根据权利要求3所述的脊椎椎体轮廓提取方法，其特征在于，所述轮廓质量损失函数包括位置损失函数、张力损失函数与平滑度损失函数；
5.根据权利要求3所述的脊椎椎体轮廓提取方法，其特征在于，还包括以下步骤，采用五折交叉验证法对所述待训练的椎体轮廓...
【专利技术属性】
技术研发人员：赵屾，李湘生，洪源，
申请(专利权)人：杭州博钊科技有限公司，
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。