申请/专利权人:首都医科大学附属北京朝阳医院;中国科学院自动化研究所
申请日:2021-03-31
公开(公告)日:2024-01-02
公开(公告)号:CN113223072B
主分类号:G06T7/60
分类号:G06T7/60;G06V10/764;G06V10/40
优先权:
专利状态码:有效-授权
法律状态:2024.01.02#授权;2021.08.24#实质审查的生效;2021.08.06#公开
摘要:本发明涉及一种脊柱Cobb角测量方法及系统,该方法包括:获得多个脊柱影像;从各脊柱影像中提取多个卷积特征图,各脊柱影像对应的各卷积特征图的分辨率不同;级联各脊柱影像对应的多个卷积特征图,获得级联的卷积特征图;以级联的卷积特征图为输入,以关键点组数据为输出训练预测模型,得到关键点预测模型;关键点组数据为各椎体对应的关键点坐标;获得待预测的脊柱影像的级联的卷积特征图;将待预测的脊柱影像的级联的卷积特征图输入关键点预测模型,输出待预测的脊柱影像的关键点组数据;根据待预测的脊柱影像的关键点组数据确定待预测的脊柱影像中脊柱Cobb角。本发明通过高分辨率的卷积特征图,提高了Cobb角测量的准确性。
主权项:1.一种脊柱Cobb角测量方法,其特征在于,所述方法包括:获得多个脊柱影像;从各所述脊柱影像中提取多个卷积特征图,各所述脊柱影像对应的各所述卷积特征图的分辨率不同;级联各所述脊柱影像对应的多个所述卷积特征图,获得级联的卷积特征图;以级联的卷积特征图为输入,以关键点组数据为输出训练预测模型,得到关键点预测模型;所述关键点组数据包括各椎体对应的关键点坐标;获得待预测的脊柱影像的级联的卷积特征图;将待预测的脊柱影像的级联的卷积特征图输入所述关键点预测模型,输出待预测的脊柱影像的关键点组数据;根据待预测的脊柱影像的关键点组数据确定待预测的脊柱影像中脊柱Cobb角;所述以级联的卷积特征图为输入,以关键点组数据为输出训练预测模型,得到关键点预测模型,具体包括:根据所述级联的卷积特征图获得椎体关键点的中心热度图和椎体关键点距离中心点的偏移;所述关键点为各椎体在平面上的四个顶点,所述椎体关键点的中心热度图为以椎体的中心点为均值的高斯分布图,所述高斯分布图的标准差为所述脊柱影像中所述椎体的对角关键点之间的平均距离,所述椎体关键点距离中心点的偏移为关键点到中心点的距离;根据所述椎体关键点的中心热度图确定各椎体的中心点;根据各椎体的中心点和所述椎体关键点距离中心点的偏移确定各椎体的关键点;以所述椎体关键点的中心热度图和所述椎体关键点距离中心点的偏移为输入,以各椎体的关键点为输出训练预测模型,得到关键点预测模型;所述以所述椎体关键点的中心热度图和所述椎体关键点距离中心点的偏移为输入,以各椎体的关键点为输出训练预测模型,得到关键点预测模型,具体还包括:根据所述级联的卷积特征图获得各像素的语义类别;所述语义类别包括背景、胸椎、腰椎和椎弓根;根据各椎体的关键点确定各椎体的区域;根据各椎体的区域和各椎体的区域中像素对应的语义类别计算语义的一致性;基于多任务损失函数,以所述椎体关键点的中心热度图和所述椎体关键点距离中心点的偏移为输入,以各椎体的关键点为输出训练预测模型,所述多任务损失函数包括中心热度图损失、中心点偏移损失、关键点偏移损失和语义一致性损失。
全文数据:
权利要求:
百度查询: 首都医科大学附属北京朝阳医院;中国科学院自动化研究所 一种脊柱Cobb角测量方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。