[发明专利]骨检测方法、装置、电子设备及存储介质

权利要求书

1.一种骨检测方法，其特征在于，所述方法包括：

获取目标骨的视觉检测数据，所述目标骨的视觉检测数据是视觉检测设备检测所述目标骨得到的，所述目标骨的视觉检测数据包括所述目标骨的2D检测数据以及所述目标骨的3D检测数据和/或射线检测数据；

根据所述目标骨的2D检测数据，获取所述目标骨的2D纹理信息；

根据所述目标骨的3D检测数据和/或射线检测数据，获取所述目标骨的3D轮廓信息；

根据所述目标骨的2D纹理信息和3D轮廓信息，检测所述目标骨是否是人骨；

其中，将所述目标骨的2D纹理信息和3D轮廓信息输入生物分类模型，确定所述目标骨是人骨或者不是人骨，所述生物分类模型是利用深度学习模型进行训练得到的。

2.根据权利要求1所述的骨检测方法，其特征在于，所述根据所述目标骨的2D纹理信息和3D轮廓信息，检测所述目标骨是否是人骨，包括：

获取多个骨样本的2D纹理信息、3D轮廓信息和生物类型标注数据，每个骨样本的生物类型标注数据包括所述骨样本的生物类型标识，所述骨样本的生物类型标识用于指示所述骨样本是否是人骨；

根据所述多个骨样本的2D纹理信息、3D轮廓信息和生物类型标注数据，利用深度学习模型进行训练，得到生物分类模型；

将所述目标骨的2D纹理信息和3D轮廓信息输入所述生物分类模型，确定所述目标骨是人骨或者不是人骨。

3.根据权利要求1所述的骨检测方法，其特征在于，所述方法还包括：

当所述目标骨是人骨时，根据所述目标骨的2D纹理信息，获取所述目标骨的密度；

所述根据所述目标骨的2D纹理信息，获取所述目标骨的密度，包括：

获取第一组人骨样本的2D纹理信息和密度标注数据，每个人骨样本的密度标注数据包括所述人骨样本的密度；

根据所述第一组人骨样本的2D纹理信息和密度标注数据，利用深度学习模型进行训练，得到密度分类模型；

将所述目标骨的2D纹理信息输入所述密度分类模型，估计出所述目标骨的密度。

4.根据权利要求3所述的骨检测方法，其特征在于，所述方法还包括：

根据所述目标骨的密度，估计出所述目标骨对应的人的年龄。

5.根据权利要求1所述的骨检测方法，其特征在于，所述方法还包括：

当所述目标骨是人骨时，根据所述目标骨的3D轮廓信息，获取所述目标骨的部位信息；

所述根据所述目标骨的3D轮廓信息，获取所述目标骨的部位信息，包括：

获取第二组人骨样本的3D轮廓信息和部位标注数据，每个人骨样本的部位标注数据包括所述人骨样本的部位信息；

根据所述第二组人骨样本的3D轮廓信息和部位标注数据，利用深度学习模型进行训练，得到部位分类模型；

将所述目标骨的3D轮廓信息输入所述部位分类模型，得到所述目标骨的部位信息。

6.根据权利要求5所述的骨检测方法，其特征在于，所述部位信息包括部位类型和/或相对位置信息。

7.根据权利要求1所述的骨检测方法，其特征在于，所述方法还包括：

当所述目标骨是人骨时，根据所述目标骨的3D轮廓信息，获取所述目标骨的损伤信息；

所述根据所述目标骨的3D轮廓信息，获取所述目标骨的损伤信息，包括：

获取第三组人骨样本的3D轮廓信息和损伤标注数据，每个人骨样本的损伤标注数据包括所述人骨样本的损伤信息；

根据所述第三组人骨样本的3D轮廓信息和损伤标注数据，利用深度学习模型进行训练，得到损伤分类模型；

将所述目标骨的3D轮廓信息输入所述损伤分类模型，得到所述目标骨的损伤信息。

8.根据权利要求7所述的骨检测方法，其特征在于，所述损伤信息包括以下至少一种：损伤类型、损伤次数和损伤程度。