[发明专利]一种解剖标志点识别方法及识别设备

权利要求书

1.一种解剖标志点识别方法，其特征在于，所述识别方法包括：

获取三维体数据并根据所述三维体数据建立第一三维模型，对所述第一三维模型的解剖标志点进行标记，并标记所述第一三维模型对应的网格标签；

根据所述第一三维模型的特征信息，将所述第一三维模型进行平面化处理，得到所述第一三维模型对应的二维图像数据，并将所述第一三维模型对应的网格标签进行平面化处理，得到所述网格标签对应的二维标签数据；

将所述二维图像数据和所述二维标签数据作为训练数据进行训练，得到第二模型；

将多组预测数据分别作为所述第二模型的输入数据，得到多组预测结果；

对所述多组预测结果分别执行全局无缝参数化过程的逆操作，得到多组第三三维模型；

根据所述多组第三三维模型确定目标模型；

根据所述目标模型和预设能量函数确定目标网格标签对应的标志点；

所述预设能量函数为：

其中，α∈[0.8，1]，_β∈[0.001，1]，c∈[1，10]，Cur_i为节点i的曲率，Ne_i为节点i的邻域节点，n为邻域节点个数，GD_i为顶点i到当前网格标签区域其他顶点的测地距离之和。

2.如权利要求1所述的解剖标志点识别方法，其特征在于，所述根据所述第一三维模型的特征信息，将所述第一三维模型进行平面化处理，得到所述第一三维模型对应的二维图像数据，包括：

分析所述第一三维模型，获取第一三维模型的特征信息；

根据所述特征信息在所述第一三维模型上规划剪切路线；

根据所述剪切路线对所述第一三维模型进行剪切，将所述第一三维模型转换为二维平面数据，并经过保形映射转换为二维图像数据。

3.如权利要求2所述的解剖标志点识别方法，其特征在于，所述根据所述特征信息在所述第一三维模型上规划剪切路线，包括：

根据所述特征信息确定所述第一三维模型对应的候选点集合；

在所述候选点集合中选取多组剪切点，其中，每组剪切点包括至少三个剪切点；

根据所述特征信息和所述多组剪切点，在所述第一三维模型上规划剪切路线。

4.如权利要求3所述的解剖标志点识别方法，其特征在于，所述根据所述特征信息和所述多组剪切点，在所述第一三维模型上规划剪切路线，包括：

以所述第一三维模型的平均测地距离为标准，所述特征信息为条件，基于所述多组剪切点在所述第一三维模型上动态规划剪切路线。

5.如权利要求4所述的解剖标志点识别方法，其特征在于，所述特征信息包括主曲率、中曲率和高斯曲率。

6.如权利要求5所述的解剖标志点识别方法，其特征在于，所述根据所述特征信息确定所述第一三维模型对应的候选点集合，包括：

根据预设函数对所述第一三维模型作统计图，得到统计值，所述统计值使得取得的数据量占比落入预设比例范围；

根据所述统计值，选取每个特征信息对应的候选点集合；

确定所述特征信息分别对应的候选点集合的交集为所述第一三维模型的候选点集合。

7.如权利要求1所述的解剖标志点识别方法，其特征在于，所述将所述二维图像数据和所述二维标签数据作为训练数据进行训练，得到第二模型，包括：

将所述二维图像数据和所述二维标签数据作为深度学习语义分割网络的输入数据进行训练，得到第二模型；

其中，所述深度学习语义分割网络以全卷积网络FCN作为基础网络结构，所述FCN至少包括损失层和在所述损失层之前的映射层，所述FCN的损失层的损失函数包括：其中，3≤θ≤6，λ∈{0.1，0.01，0.001，0.0001}，t为常量，d_l表示像素标签l的像素点个数，表示图片传到链接层时转为矩阵z，z_i表示像素i对应的值。