[发明专利]一种基于Mask RCNN的医学图像中不同节数腰椎的自动识别方法

说明书

本发明是一种基于Mask RCNN的医学图像中不同节数腰椎自动识别的方法，该方法利用Mask RCNN网络作为腰椎自动识别模型，该网络在Faster RCNN的基础上加了用于预测每个实例的分割mask。使用添加了腰椎间盘包络框像素坐标、不同节数腰椎包络框像素坐标、Mask分类信息的腰椎矢状面CT定位像作为训练样本来训练腰椎自动识别模型，利用训练好的模型来预测新输入的腰椎矢状面CT定位像中包络框的像素坐标。采用本发明所述方法可以实现三节、四节、五节腰椎的自动定位，此方法中首先通过对腰椎间盘的定位，可以更加准确的对不同节数腰椎进行识别并得到更加合适的包络框坐标。

技术领域

本发明涉及一种腰椎自动识别技术，尤其是一种基于MaskRCNN的医学图像中腰椎的自动识别技术。

背景技术

近些年CT(计算机断层摄影术)系统发展越来越快，在医学领域得到越来越广泛的应用。CT设备主要包括三个部分：扫描部分、计算机系统、图像显示及存储系统。CT是用X射线束对人体某部分一定厚度的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光信号转换为电信号，再经模拟/数字转换器转为数字信号，输入计算机处理。在临床应用中，CT是从人体某一断层中采集建立影像所必需的信息，因此不会因其他解剖组织的重叠而模糊不清。它使用的X射线是一条或多条细窄的线束方式辐射，可以大幅度减少散射线的影响，有利于提高影像清晰度。

目前大多数系统都是医生人工阅片，手动判别每个腰椎的范围、位置、大小。有时由于机器或者其他外部噪声的影响，会使得拍出的CT影像不清晰，影响医生的判断，降低工作效率，人工标注还存在主观误差等问题，所以一种能够减少医生工作量且减少误差的识别方式很必要。

虽然目前也有分割椎骨的方法，但是这些方法只是分割脊柱锥体的区域，还没有具体到对不同节数的腰椎进行分割。比如专利201711315308.5提出一种基于主动轮廓模型的脊柱CT图像自动定位分割方法，该方法能够自动定位椎骨中心并分割初始轮廓位置，进而得到完整椎骨分割结果，但不能得到具体腰椎间盘的分割结果。专利201911264023.2提出一种脊柱自动定位方法，实现脊柱自动定位并识别每个椎体的包络框像素坐标和倾角，但是无法实现不同节数腰椎椎体的分割。

发明内容

发明目的：为弥补现有技术的空白，本发明提出一种基于MaskRCNN的医学图像中不同节数腰椎自动识别方法，可以实现腰椎自动定位并识别L1-S1(第一腰椎-第一骶椎)、L2-S1(第二腰椎-第一骶椎)、L3-S1(第三腰椎-第一骶椎) 的包络框的像素坐标。该方法中增加了腰椎间盘包络框的像素坐标作为mask进行训练，可以得到更加准确的不同节数腰椎包络框的像素坐标。

技术方案：为实现上述目的。本发明提出一种基于Mask RCNN的医学图像中不同节数腰椎的定位方法，包括步骤：

(1)构建训练样本：选取包含不同节数的腰椎矢状面CT定位像，为每个图像添加合适的腰椎间盘和不同节数腰椎包络框的像素坐标、Mask分类信息，得到训练样本；

(2)利用MaskRCNN网络作为腰椎自动识别定位模型，在Faster RCNN 的基础上，添加第三个分支，用来分割mask，mask分支是应用到每一个ROI 上的小的全卷积网络；

(3)利用处理好的训练样本训练腰椎自动识别定位模型；

(4)将新获取到的腰椎矢状面CT定位像输入训练好的腰椎自动识别模型，得到腰椎间盘和不同节数腰椎包络框的像素坐标以及不同节数的腰椎标签。

具体的，训练好的模型包括用于特征提取的主干网络、标注Mask的分支网络、区域生成网络RPN和回归网络，其中: