[发明专利]确定脊柱横断面图像的异常类型的方法及计算设备

权利要求书

1.一种确定脊柱横断面图像的异常类型的方法，所述方法适于在计算设备中执行，所述方法包括步骤：

从脊柱横断面图像中获取异常区域；

确定所述脊柱横断面图像中的至少一个关键点，其中所述至少一个关键点分别位于上下关节突、椎体正中及两椎板汇聚处内缘，且由所述至少一个关键点形成一个菱形；以及

结合所述异常区域和关键点以确定所述脊柱横断面图像的异常类型。

2.如权利要求1所述的方法，其中，所述结合异常区域和关键点以确定脊柱横断面图像的异常类型的步骤还包括：

根据所确定的至少一个关键点生成网格；以及

根据所述异常区域在所述网格中的位置，确定所述脊柱横断面图像的异常类型。

3.如权利要求2所述的方法，其中，所述从脊柱横断面图像中获取异常区域的步骤还包括：

利用第一神经网络来处理所述脊柱横断面图像，以判断所述脊柱横断面图像是否异常；以及

若确定所述脊柱横断面图像异常，则从所述脊柱横断面图像中获取异常区域。

4.如权利要求3所述的方法，其中，在所述利用第一神经网络来处理所述脊柱横断面图像的步骤之前，还包括步骤：

从脊柱矢状面图像中确定存在异常的感兴趣区域；以及

获取与所述存在异常的感兴趣区域相对应的脊柱横断面图像作为所述脊柱横断面图像。

5.如权利要求4所述的方法，其中，所述若确定脊柱横断面图像异常，则从所述脊柱横断面图像中获取异常区域的步骤包括：

利用第二神经网络来处理所述脊柱横断面图像，以输出第一图像，其中在所述第一图像中具有特定像素值的区域为异常区域；以及

对所述第一图像进行插值处理，以获得第二图像，所述第二图像与所述脊柱横断面图像具有相同尺寸。

6.如权利要求5所述的方法，其中，所述确定脊柱横断面图像中的至少一个关键点的步骤包括：

利用第三神经网络来处理所述脊柱横断面图像，以输出包含至少一个关键点位置的至少一个热图；以及

将所述至少一个热图合并生成预测图，其中所述预测图包含所述至少一个关键点。

7.如权利要求6所述的方法，其中，所述第三神经网络通过卷积处理层和空间融合层耦接而成。

8.如权利要求7所述的方法，其中，

所述卷积处理层包含8层卷积，且各层卷积中采用的卷积核大小依次为：5*5、5*5、5*5、5*5、9*9、1*1、1*1、1*1；以及

所述空间融合层包含5层卷积，且各层卷积中采用的卷积核大小依次为：7*7、13*13、13*13、1*1、1*1。

9.如权利要求8所述的方法，其中，

所述卷积处理层还适于将其中第三层卷积和第七层卷积的输出结合后，作为所述空间融合层的输入。

10.如权利要求9所述的方法，还包括预先训练生成所述第三神经网络的步骤：

构造预训练的第三神经网络，并设置初始的网络参数；

将训练图像输入预训练的第三神经网络，通过损失函数计算网络的输出所对应的损失值；

根据损失值调整网络参数；以及

重复迭代所述计算损失值和调整网络参数的步骤，直到满足预定条件时训练结束。

11.如权利要求10所述的方法，其中，所述将训练图像输入预训练的第三神经网络，利用损失函数计算网络的输出所对应的损失值的步骤包括：

将训练图像输入预训练的第三神经网络，通过损失函数分别计算网络中预定层的输出所对应的损失；以及

结合各层的损失得到该网络所对应的损失值。

12.如权利要求11所述的方法，其中，所述预定层包括所述卷积处理层中第4、6、8层卷积、以及所述空间融合层中第5层卷积。