[发明专利]一种颈椎骨龄的判断方法

权利要求书

1.一种颈椎骨龄的判断方法，其特征在于：所述判断方法包括：

根据头颅侧位X光片建立神经网络颈椎检测模型、神经网络颈椎标志点定位模型、神经网络颈椎标志点精确定位模型和神经网络颈椎分割模型；

通过所述神经网络颈椎检测模型检测对患者头颅侧位X光片图像进行颈椎位置检测，得到患者颈椎位置数据，根据患者颈椎位置数据在患者头颅侧位X光片图像上截取患者颈椎位置区域图片；

通过所述神经网络颈椎标志点定位模型对患者头颅侧位X光片图像上截取的患者颈椎位置区域图片进行颈椎标志点定位，得到颈椎标志点位置数据，并通过神经网络颈椎标志点精确定位模型进行颈椎标志点精确定位，得到颈椎标志点精确位置数据；

根据所述神经网络颈椎标志点定位模型得到的颈椎标志点位置数据，在患者颈椎位置区域图片上分别截取第二至第四节颈椎区域图片，通过建立的神经网络颈椎分割模型对颈椎区域图片进行分割，得到颈椎分割数据；

提取分割后颈椎的颈椎轮廓，并将各标志点间的关系进行量化及判断计算，得出当前的生长发育阶段。

2.根据权利要求1所述的一种颈椎骨龄的判断方法，其特征在于：根据头颅侧位X光片建立神经网络颈椎检测模型包括：

对每个头颅侧位X光片图像样本的颈椎区域进行标注，得到多个包含手工标注颈椎区域图像的训练样本集、验证样本集和测试样本集；

基于pytorch框架通过mobilenet和YOLOV3相结合的方式构建神经网络；

通过训练样本集、验证样本集和测试样本集数据对神经网络进行训练、测试和验证，得到神经网络颈椎检测模型。

3.根据权利要求1所述的一种颈椎骨龄的判断方法，其特征在于：根据头颅侧位X光片建立神经网络颈椎标志点定位模型包括：

对每个头颅侧位X光片图像样本的颈椎标志点进行标定，得到多个包含手工标定颈椎标志点图像的训练样本集、验证样本集和测试样本集；

基于pytorch框架通过BP算法使用卷积网络和全连接相结合的方式构建神经网络；

通过训练样本集、验证样本集和测试样本集数据对神经网络进行训练、测试和验证，得到神经网络颈椎标志点定位模型。

4.根据权利要求3所述的一种颈椎骨龄的判断方法，其特征在于：建立神经网络颈椎标志点精确定位模型包括：

对多个包含手工标定标志点图像样本集，根据标志点位置数据截取标志点小区域图片，得到标志点小区域图片训练样本集、验证样本集和测试样本集；

根据所述基于pytorch框架，以小于通过BP算法使用卷积网络和全连接相结合方式构建的神经网络的宽度和深度的网络结构构建一个分级网络；

通过训练样本集、验证样本集和测试样本集数据对神经网络进行训练、测试和验证，得到神经网络颈椎标志点精确定位模型。

5.根据权利要求1所述的一种颈椎骨龄的判断方法，其特征在于：根据头颅侧位X光片建立神经网络颈椎分割模型包括：

对每个头颅侧位X光片图像样本中第二至第四节颈椎轮廓进行标注，得到多个包含手工标注颈椎轮廓图像的训练样本集、验证样本集和测试样本集；

基于pytorch框架通过u2net的结构构建神经网络；

通过训练样本集、验证样本集和测试样本集数据对神经网络进行训练、测试和验证，得到神经网络颈椎分割模型。

6.根据权利要求1所述的一种颈椎骨龄的判断方法，其特征在于：所述通过神经网络颈椎标志点精确定位模型进行颈椎标志点精确定位，得到颈椎标志点精确位置数据包括：

根据所述神经网络颈椎标志点定位模型得到的颈椎标志点位置数据，在患者颈椎位置区域图片上，截取以颈椎标志点位置为中心宽高为原图片的二十分之一的颈椎标志点位置作为小区域图片；

使用建立好的神经网络标志点精确定位模型，对患者颈椎位置区域图片上截取的颈椎标志点位置小区域图片，进行颈椎标志点精确定位，得到颈椎标志点精确位置数据。