[发明专利]一种基于深度学习的脊柱侧弯检测方法

权利要求书

1.一种基于深度学习的脊柱侧弯检测方法，其特征在于，该方法包括：

S1、获取脊柱X片图像；

S2、将脊柱X片图像输入深度学习模型，预测脊椎中心点和用于定位的定位点；

S3、对预测脊椎中心点进行过滤；

S4、基于过滤后的脊椎中心点拟合脊椎曲线；

S5、根据拟合的脊椎曲线确定脊椎弯曲段，并确定每个弯曲段的端椎；

S6、对每个弯曲段进行脊柱侧弯分型；

S7、基于每个弯曲段的端椎，计算每个弯曲段的cobb角。

2.根据权利要求1所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，所述的深度学习模型包括用于脊柱X片图像特征提取的特征提取网络以及用于医学分割的分割网络。

3.根据权利要求1所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，所述的深度学习模型预测的脊椎中心点包括颈椎、胸椎、腰椎的脊椎中心点，所述的定位点包括分别位于第一组锁骨及髋骨处的2组定位点，每一组包括两个位于脊椎线两侧的定位点。

4.根据权利要求2所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，所述的深度学习模型采用迁移学习的方法进行训练，包括：首先对特征提取网络进行训练，直到模型收敛；然后，对前面已训练好的特征提取网络的权重进行冻结保护，对整个深度学习模型进行训练；最后，将冻结的特征提取网络的权重解冻，训练整个深度学习模型。

5.根据权利要求2所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，所述的特征提取网络包括MobileNet网络，所述的分割网络包括U-Net网络。

6.根据权利要求3所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，步骤S3包括：

根据预测的四个定位点可以对预测的颈椎中心点进行过滤；

对于与预测准确的中心点距离相近的噪点，通过对每个预测点一定像素范围内的像素点的预测得分进行噪点过滤；

对于距离较大的噪点，计算每个点横坐标与所有预测点横坐标均值的差的绝对值，如果超过给定阈值则认为是噪点，将噪点过滤。

7.根据权利要求1所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，步骤S5具体为：根据对拟合的脊椎曲线求二阶导得到的拐点将脊椎曲线分成若干弯曲段，每个拐点位置处确定为端椎。

8.根据权利要求3所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，步骤S6具体为：对于每个弯曲段，获取该弯曲段中偏离髋骨中垂线最远的脊椎的类型，确定脊柱侧弯分型。

9.根据权利要求1所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，步骤S7具体为：

对于每个弯曲段，获取该弯曲段对应的上端椎和下端椎；

基于拟合的脊椎曲线分别确定上端椎和下端椎位置处椎间盘的法线；

对两条法线进行修正；

求取两个法线的交角作为当前弯曲段的cobb角。

10.根据权利要求9所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，法线修正的方式为：

计算法线修正角度：

其中，i表示脊椎中心点索引，d_i为拟合的脊椎曲线上第i个椎间盘处的法线斜率，α为修正因子，Δ_i为第i个脊椎中心点处法线修正角度。