[发明专利]自动定位头影测量标志点的方法

说明书

本发明涉及计算机视觉、医学图像处理、关键点检测等技术领域，为提出自动定位头影定位点的方法，本发明，自动定位头影测量标志点的方法，步骤如下：步骤一，X线头颅侧位片的数据准备；步骤二，在训练集中获取医生的标注点，进行特征选择；步骤三，训练第一层回归树模型，每经过一级级联回归器，对所有标志点的位置更新一次，使其更靠近标注点，计算当前形状与真实形状之间的差值作为残差；步骤四，训练级联网络中每一级的回归器；步骤五，将当前形状更新为当前形状+残差，构造级联残差回归树，直到分裂到叶子节点。本发明主要应用于自动定位头影测量标志点场合。

技术领域

本发明涉及计算机视觉、医学图像处理、关键点检测等技术领域，以口腔医学中头影测量分析为应用场景，使用深度学习方法实现头颅侧位片中解剖学特征点的自动定位。具体涉及自动定位头影测量标志点的方法。

背景技术

随着近年来生活水平的提高，人们对口腔健康的关注度大大提升，一口健康整齐的牙齿成为越来越多人的追求。通过口腔正畸，患者可以改善面型及咬合关系，也有助于维护牙周健康，达到提升自身颜值和保护健康的效果。口腔正畸其实就是矫正牙齿，解决错牙合畸形问题，达到满足正常咬合关系的效果。

口腔正畸学是口腔医学中的一个重要分支。随着X线技术及计算机应用技术的发展，X线头影测量逐渐成为口腔正畸诊断分析的重要手段，其主要应用于研究颅面生长发育，牙颌、颅面畸形的诊断分析，错合畸形的矫治设计，矫治过程中及矫治后的牙合颅面形态结构变化，外科正畸预测手术及矫治效果，下颌功能分析等方面，在口腔正畸的临床诊断及科研工作中具有重要意义。

X线头影测量分析是测量头颅定位仪拍照得到的影像，对牙颌、颅面等标志点描绘特定的线角，计算线距，从而分析相应的解剖结构特征。其整体流程是针对头颅侧位X光片进行分析测量，首先依据病理学特征，在侧位片中标定一定数目的特征点，针对牙颌、颅面软硬组织结构描绘特定的线角，进而分析牙颌、颅面结构，制定矫治方案。头影测量标志点检测是X线头影测量中关键的一环，极大地影响了分析工作的准确性。这些标志点在预测颅面生长发育、正畸诊断和矫正设计中发挥重要作用。

近年来，深度学习在计算机视觉领域蓬勃发展，特别是卷积神经网络已在医学图像处理领域具有广泛应用，在医学图像配准、目标检测、图像分类、图像分割、图像生成与增强等都取得了一定的成果，在神经、数字病理学、乳腺、心脏、肌肉骨骼、皮肤等不同领域仅具有一定的研究进展。

发明内容

为克服现有技术的不足，本发明旨在提出自动定位头影定位点的方法。为此，本发明采取的技术方案是，自动定位头影测量标志点的方法，步骤如下：

步骤一，X线头颅侧位片的数据准备：所标注的数据集以及实验过程中训练集、测试集均来自医院建立的二维X线头颅侧位片数据库；

步骤二，在训练集中获取医生的标注点，进行特征选择：首先将训练集中标注点的平均形状作为模型初始值以便测试，将X线侧位片中像素点的强度作为特征，将医生标注点附近一定范围内的像素点和点之间的距离作为特征池；

步骤三，训练第一层回归树模型，每经过一级级联回归器，对所有标志点的位置更新一次，使其更靠近标注点，计算当前形状与真实形状之间的差值作为残差；

步骤四，训练级联网络中每一级的回归器，使用平均形状对整体的解剖学标志点的位置进行粗略估计，采用梯度提升算法训练回归器，减小初始值与真实值之间的平方误差，得到每一级的级联回归因子，每个回归器由当前形状和残差训练获得；

步骤五，将当前形状更新为当前形状+残差，构造级联残差回归树，根据特征进行节点分裂，在特征池中随机挑选两个点，计算每一张图片在两点的像素值及像素差，随机产生分裂阈值，对阈值进行判断，则一个节点分裂完成，直到分裂到叶子节点。

步骤三和步骤四详细描述如下：