[发明专利]一种基于位置坐标信息识别目标对象的方法和装置

说明书

本发明公开了一种基于位置坐标信息识别目标对象的方法和系统，所述方法包括：获取与目标对象相关联的待处理的图像组，并进行预处理以获得经过预处理的图像组；获取所述经过预处理的图像组的三维矩阵数据；将所述三维矩阵数据输入至预设卷积神经网络模型，基于所述预设卷积神经网络模型进行图像识别，确定用于表征所述目标对象所在位置的每个关键点的比例信息；根据每个关键点的比例信息确定所述目标对象在图像中的位置坐标信息，并根据所述位置坐标信息识别出所述目标对象。本发明的方法可以用于内外髁的识别，通过3D卷积的神经网络能够对CT进行识别，在不进行重建的同时直接计算出双腿内外髁的坐标点并保存。

技术领域

本发明涉及图像数据处理技术领域，尤其是医学图像处理，并且更具体地说，涉及一种基于位置坐标信息识别目标对象的方法和装置、以及存储介质和电子设备。此外本发明还涉及一种使用3D卷积神经网络识别图像关键点的算法，尤其是使用3D卷积神经网络由医学图像直接识别内外髁的算法。

背景技术

随着现代社会的飞速发展，各行各业都开始与IT行业产生密不可分的联系，医疗行业也是如此。要进行下肢相关的手术时，大部分情况下都要对力线与内外髁进行操作，例如膝关节置换术、全髋关节置换术等。同时内外髁的位置也是识别力线的关键。

为了识别定位内外髁，以往针对医学影像引入了各种数字技术，然而，如何能够高效并且准确地实现，依然有很大的提升空间。

发明内容

为了解决上现有技术中的问题，本发明提供了一种能够直接测量出内外髁的基于3D卷积的神经网络，其能够对CT进行识别，在不进行重建的同时直接计算出双腿内外髁的坐标点并保存。

根据本发明实施例的一个方面，提供了一种基于位置坐标信息识别目标对象的方法，所述方法包括：

获取与目标对象相关联的待处理的图像组，并对所述待处理的图像组进行预处理以获得经过预处理的图像组；

获取所述经过预处理的图像组的三维矩阵数据；

将所述三维矩阵数据输入至预设卷积神经网络模型，基于所述预设卷积神经网络模型进行图像识别，确定用于表征所述目标对象所在位置的每个关键点的比例信息；

根据每个关键点的比例信息确定所述目标对象在图像中的位置坐标信息，并根据所述位置坐标信息识别出所述目标对象。

优选地，其中所述待处理的图像组包括多个图像文件，其中每个图像文件具有图像区域并且图像区域中包含目标对象。

优选地，其中所述对所述待处理的图像组进行预处理以获得经过预处理的图像组，包括：

根据所述待处理的图像组的dicom序列，基于dicom协议剔除所述待处理的图像组中的骨骼之外的物质，以获取经过预处理的图像组。

优选地，其中所述获取所述经过预处理的图像组的三维矩阵数据，包括：

将所述经过预处理的图像组的dicom序列中处于预设Hu值范围的数据按比例转换为像素值，并基于转换后的像素值获取所述经过预处理的图像组的三维矩阵数据；

其中，所述预设Hu值范围的下限值和上限值对应的像素值分别为0和255。

优选地，其中所述基于所述预设卷积神经网络模型进行图像识别，确定用于表征所述目标对象所在位置的每个关键点的比例信息，包括：

所述预设卷积神经网络模型基于所述三维矩阵数据进行卷积和池化操作，获取中间特征图；

分别对所述中间特征图进行两路分支的卷积、展平和全连接操作，以获取第一全连接结果和第二全连接结果，并将所述第一全连接结果和第二全连接结果进行拼接，获取拼接向量；