[发明专利]图像检测方法、计算机设备和存储介质

说明书

本申请涉及一种图像检测方法、计算机设备和存储介质。所述方法包括：获取待检测医学图像；所述待检测医学图像包括感兴趣区域；将所述待检测医学图像输入至关键点检测模型中，得到所述感兴趣区域对应的关键点集；所述关键点检测模型是基于样本医学图像和所述样本医学图像对应的金标准图像进行训练得到的，所述金标准图像包括所述样本医学图像对应的关键点标记；基于所述感兴趣区域对应的关键点集，确定所述感兴趣区域的相关结构参数；所述相关结构参数用于表征所述感兴趣区域的形态。采用本方法能够节省人力。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像检测方法、计算机设备和存储介质。

背景技术

脊柱是人体重要的支撑结构，共包括7颈椎、12胸椎和5腰椎。现代社会中，脑力工作者的体力活动减少，需要久坐的办公时间大大增加，因此脊柱出现问题的人也越来越多，而不同类型和不同程度的脊柱问题的治疗手段通常也是不一样的，因此就需要对脊柱的一些参数进行测量，以便基于这些参数去确定脊柱属于哪类或者哪种程度的问题。

相关技术中，一般在受检者拍摄医学影像之后，通常是医生手动在医学影像上进行脊柱相关点的标记，然后根据标记的脊柱相关点对脊柱的一些参数进行测量。

然而上述技术存在耗费人力的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够节省人力的图像检测方法、装置、计算机设备和存储介质。

一种图像检测方法，该方法包括：

获取待检测医学图像；该待检测医学图像包括感兴趣区域；

将待检测医学图像输入至关键点检测模型中，得到感兴趣区域对应的关键点集；该关键点检测模型是基于样本医学图像和样本医学图像对应的金标准图像进行训练得到的，金标准图像包括样本医学图像对应的关键点标记；

基于感兴趣区域对应的关键点集，确定感兴趣区域的相关结构参数；相关结构参数用于表征感兴趣区域的形态。

在其中一个实施例中，上述感兴趣区域的相关结构参数包括感兴趣区域的曲度，上述关键点集包括各个关键点的位置信息；上述方法还包括：

基于关键点集中的各个关键点的位置信息，对感兴趣区域上的关键点集中的各个关键点进行划分，得到感兴趣区域上的至少一个关键点子集；

基于至少一个关键点子集，确定每个关键点子集对应的特征值；

基于每个关键点子集对应的特征值，确定感兴趣区域的曲度的类别。

在其中一个实施例中，上述基于每个关键点子集对应的特征值，确定感兴趣区域的曲度的类别，包括：

将每个关键点子集对应的特征值输入至分类模型中，确定感兴趣区域的曲度的类别；该分类模型是基于样本医学图像集进行训练得到的，样本医学图像集包括训练医学图像中感兴趣区域的各个关键点子集对应的特征值和训练医学图像中感兴趣区域的曲度的标注类别。

在其中一个实施例中，上述基于至少一个关键点子集，确定每个关键点子集对应的特征值，包括：

对每个关键点子集中的各个关键点进行拟合处理，确定每个关键点子集对应的圆；

基于每个关键点子集对应的圆以及每个关键点子集中各个关键点的位置信息，确定每个关键点子集对应的圆的目标半径；该目标半径为带有正负符号的半径；

根据每个关键点子集对应的圆的目标半径，得到每个关键点子集对应的曲率值，并将每个关键点子集对应的曲率值确定为每个关键点子集对应的特征值。

在其中一个实施例中，上述基于每个关键点子集对应的圆以及每个关键点子集中各个关键点的位置信息，确定每个关键点子集对应的圆的目标半径，包括：