[发明专利]下肢X光影像中关键点提取方法

说明书

本发明公开了一种下肢X光影像中关键点提取方法，通过关键点定位神经网络模型来自动分析下肢X光影像，通过骨骼的全局空间结构以及多尺度信息得到各关键点的位置信息；不仅加快了关键点提取速度与效率，还可以确保结果的准确性。实验表明关键点定位的误差仅有3.042像素，角度计算误差仅有1.096°。

技术领域

本发明涉及智能医学影像分析技术领域，尤其涉及一种下肢X光影像中关键点提取方法。

背景技术

下肢X光影像是常规医学影像中的一种，目前对于下肢X光影像的分析(例如，关键点提取等)大多由人工方式实现，还没有较为有效的自动分析方案。

但是，人工方式的缺陷在于：一方面，分析耗时较长，效率较低；另一方面，分析结果的准确性依赖于分析者的专业水平，因此，也难以保证分析结果的准确性。

发明内容

本发明的目的是提供一种下肢X光影像中关键点提取方法，可以提取全局骨骼空间信息，并且具有尺度不变的优势，提高了定位的精度。

本发明的目的是通过以下技术方案实现的：

一种下肢X光影像中关键点提取方法，包括：

获取预先进行了N个关键点标注的下肢X光影像，并以此构建训练集；

构建关键点定位神经网络模型，通过关键点定位神经网络模型提取多尺度信息进而提取骨骼的全局空间结构信息，从而预测关键点位置；

训练阶段，训练集中每一训练影像的每一关键点位置数据都被转化为一个通道的高斯图，并且每个通道高斯图的顶点设置为相应关键点的位置，从而得到每一训练影像的N通道标签图；每一训练影像经过关键点定位神经网络模型都会输出包含关键点位置的N通道预测图；通过N通道标签图与N通道预测图的误差构建损失函数并进行网络训练；

测试阶段，将下肢X光影像输入至训练后的关键点定位神经网络模型，获得N通道的预测图，每一通道的预测图对应一个关键点位置。

由上述本发明提供的技术方案可以看出，通过关键点定位神经网络模型来自动分析下肢X光影像，通过骨骼的全局空间结构以及多尺度信息得到各关键点的位置信息；不仅加快了关键点提取速度与效率，还可以确保结果的准确性。实验表明关键点定位的误差仅有3.042像素，角度计算误差仅有1.096°。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种下肢X光影像中关键点提取方法中的关键点定位神经网络模型的结构示意图；

图2为本发明实施例提供的尺度特征捕捉模块与全局依赖捕捉模块的结构示意图；

图3为本发明实施例提供的关键点位置及角度计算示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种下肢X光影像中关键点提取方法，包括：

获取预先进行了N个关键点标注的下肢X光影像，并以此构建训练集；

构建关键点定位神经网络模型，通过关键点定位神经网络模型提取多尺度信息进而提取骨骼的全局空间结构信息，从而预测关键点位置；