[发明专利]人体部位识别方法、计算机设备和可读存储介质

权利要求书

1.一种人体部位识别方法，其特征在于，所述方法包括：

获取待分析的医学图像；

将所述医学图像输入分类网络模型中，确定所述医学图像所属的人体部位；

将所述医学图像输入所述人体部位对应的回归网络模型，得到所述医学图像中人体部位对应的标记。

2.根据权利要求1所述的方法，其特征在于，所述回归网络模型预先标记有对应的人体部位的标签，所述将所述医学图像输入所述人体部位对应的回归网络模型，得到所述医学图像中人体部位对应的标记之前，所述方法还包括：

根据所述医学图像所属的人体部位与所述回归网络模型的标签之间的对应关系，确定出所述人体部位对应的回归网络模型。

3.根据权利要求1所述的方法，其特征在于，所述回归网络模型的训练过程包括：

获取第一样本医学图像；

将所述第一样本医学图像输入对应的预设的初始回归网络模型中，得到所述第一样本医学图像中人体部位的样本标记；

根据所述样本标记和预先对所述第一样本医学图像中人体部位的标记，得到所述初始回归网络模型的损失函数的值；

利用所述初始回归网络模型的损失函数的值，对所述初始回归网络模型进行训练，得到所述回归网络模型。

4.根据权利要求3所述的方法，其特征在于，所述利用所述初始回归网络模型的损失函数的值，对所述初始回归网络模型进行训练，得到所述回归模型，包括：

根据所述初始回归网络模型的损失函数的值，得到所述初始回归网络模型的高斯核加权损失函数的值；

利用所述高斯核加权损失函数的值，对所述初始回归网络模型进行训练，得到所述回归模型。

5.根据权利要求4所述的方法，其特征在于，不同的人体部位所对应的回归网络模型的高斯核加权损失函数不同。

6.根据权利要求3或4所述的方法，其特征在于，所述初始回归网络模型的损失函数包括以下函数中的任一种：均方误差函数；平均绝对值误差函数。

7.根据权利要求3所述的方法，其特征在于，所述根据所述样本标记和预先对所述第一样本医学图像中人体部位的标记，得到所述初始回归网络模型的损失函数的值之前，所述方法还包括：

按照预设的划分规则，对人体部位进行划分，得到所述预先对所述第一样本医学图像中人体部位的标记。

8.根据权利要求1所述的方法，其特征在于，所述分类网络模型的训练过程包括：

获取第二样本医学图像；

将所述第二样本医学图像输入预设的初始分类网络模型中，确定所述第二样本医学图像所属的人体部位；

根据所述第二样本医学图像所属的人体部位和预先对所述第二样本医学图像的标记结果，得到所述初始分类网络模型的损失函数的值；

根据所述初始分类网络模型的损失函数的值，对所述初始分类网络模型进行训练，得到所述分类网络模型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。