[发明专利]一种基于深度学习的脊柱侧弯筛查方法

权利要求书

1.一种基于深度学习的脊柱侧弯筛查方法，其特征在于，包括以下步骤：

S1、采集入组人群的2-D体表扫描模型和3-D影像资料，并进行定义和标签；

S2、基于研究个体的2-D体表扫描模型中的主弯Cobb角测量结果，对所述研究个体的3-D影像资料进行标签化处理，将所述3-D影像资料中非结构化的背部外观图像信息转为可供计算机读取和理解的结构化数据，将所述结构化数据导入数据开发软件进行处理，最终建立结构化医学图像的通用型数据库；

S3、采用卷积神经网络模型对需要进行筛查的人员的2-D体表扫描模型和3-D影像资料进行分割；

S4、将步骤S3中分割所得的数据与步骤S2中的通用型数据库进行对比，并通过分析系统得出脊柱侧弯筛查结果。

2.根据权利要求1所述的基于深度学习的脊柱侧弯筛查方法，其特征在于：所述2-D体表扫描模型为需要进行筛查的人员的X光片，所述3-D影像资料为需要进行筛查的人员的脊柱外观图像样本。

3.根据权利要求2所述的基于深度学习的脊柱侧弯筛查方法，其特征在于：所述步骤S3中，对于2-D体表扫描模型，首先对采集的所述X光片进行预处理，再将预处理结果输入卷积模型中生成bbox，用以提取二维图像中的颈部及背部的数据。

4.根据权利要求2所述的基于深度学习的脊柱侧弯筛查方法，其特征在于：所述步骤S3中，对于3-D影像资料，将从终端设备获取的需要进行筛查的人员的脊柱外观图像样本进行预处理，再将脊柱外观图像样本输入到三维卷积神经网络模型中学习生成bbox，以提取脊柱外观图像样本中的颈部及背部数据。

5.根据权利要求1所述的基于深度学习的脊柱侧弯筛查方法，其特征在于：所述步骤S4中，将所述步骤S2中的通用型数据库的结构化医学图像根据脊柱侧凸诊断及治疗界值进行分类，再将需要进行筛查的人员的数据与通用性数据库的数据进行对比。

6.根据权利要求5所述的基于深度学习的脊柱侧弯筛查方法，其特征在于：对于2-D体表扫描模型，将提取出来的部位图像输入到卷积神经网络模型中训练并进行分类，对于3-D影像资料，将提取出来的三维颈部及背部图片输入到三维卷积神经网络模型进行学习训练，再将二维和三维分类结果结合，给出最终的分类结果及分析建议。

7.根据权利要求6所述的基于深度学习的脊柱侧弯筛查方法，其特征在于：所述治疗界值采用每10°递增作为治疗界点进行分类。

8.根据权利要求6所述的基于深度学习的脊柱侧弯筛查方法，其特征在于：所述治疗界值采用每5°递增作为治疗界点进行分类。