[发明专利]脊柱侧弯图像检测模型训练方法、确定方法、装置及设备

说明书

本申请公开了一种脊柱侧弯图像检测模型训练方法、确定方法、装置及设备，属于计算机技术领域。所述方法包括：获取样本脊柱图像、样本脊柱图像中的真实脊柱区域以及样本脊柱图像中脊柱的真实侧弯角度；将样本脊柱图像输入分割网络，得到预测脊柱区域；将真实脊柱区域输入回归网络，得到第一预测侧弯角度，以及将预测脊柱区域输入回归网络，得到第二预测侧弯角度；基于区域损失和角度损失训练分割网络和回归网络，得到脊柱侧弯图像检测模型。能够实现使用回归网络监督训练分割网络，以及使用分割网络监督训练回归网络。通过训练得到的分割网络以及回归网络，能够输出更准确的预测脊柱侧弯角度的结果。

技术领域

本申请涉及计算机技术领域，特别涉及一种脊柱侧弯图像检测模型训练方法、确定方法、装置及设备。

背景技术

脊柱侧弯是一种脊柱畸形疾病。当患者的脊柱有大于10度的侧方弯曲时，即可被医务人员诊断为存在脊柱侧弯。医务人员在诊断的过程中，首先需要确定脊柱侧弯角度。

计算机设备可以通过回归网络，对基于X光成像技术（X ray imagingtechnology）得到的脊柱的x射线图像进行预测，从而得到预测脊柱侧弯角度。为了提升回归网络预测的准确度，计算机设备还会先将脊柱的x射线图像通过分割网络分割出脊柱所在区域的图像，之后再输入回归网络中进行预测，从而避免脊柱的x射线图像中除脊柱的特征以外的特征干扰预测结果。

在通过上述分割网络和回归网络预测脊柱侧弯角度之前，需要先分步训练上述分割网络及回归网络。计算机设备会先根据样本脊柱图像和用于标识样本脊柱图像中的脊柱区域的标签训练分割网络，再基于分割网络的分割结果以及分割结果对应的真实的脊柱侧弯角度训练回归网络。

然而，上述回归网络预测的准确度取决于分割网络的分割准确度，如果训练得到的分割网络的准确度较差，可能导致分割的结果无法保留图像中的脊柱的形状特征，从而造成最终预测的脊柱侧弯角度的准确度较低。

发明内容

本申请提供了一种脊柱侧弯图像检测模型训练方法、确定方法、装置及设备，可以提升预测脊柱侧弯角度的准确度。所述技术方案如下。

根据本申请的一方面，提供了一种脊柱侧弯图像检测模型训练方法，所述脊柱侧弯图像检测模型包括级联的分割网络和回归网络，所述方法包括以下步骤。

获取样本脊柱图像、所述样本脊柱图像中的真实脊柱区域以及所述样本脊柱图像中脊柱的真实侧弯角度，所述样本脊柱图像是用于反映脊柱的特征的图像，所述真实脊柱区域是所述样本脊柱图像中脊柱所在的图像区域；

将所述样本脊柱图像输入所述分割网络，得到所述分割网络预测的所述样本脊柱图像中的预测脊柱区域；

将所述真实脊柱区域输入所述回归网络，得到所述回归网络预测的所述真实脊柱区域中脊柱的第一预测侧弯角度，以及将所述预测脊柱区域输入所述回归网络，得到所述回归网络预测的所述预测脊柱区域中脊柱的第二预测侧弯角度；

基于区域损失和角度损失训练所述分割网络和所述回归网络，得到所述脊柱侧弯图像检测模型；其中，所述区域损失是基于所述真实脊柱区域和所述预测脊柱区域确定的，所述角度损失是基于所述第一预测侧弯角度、所述第二预测侧弯角度以及所述真实侧弯角度中的至少两者确定的。

根据本申请的另一方面，提供了一种脊柱侧弯角度的确定方法，所述方法包括以下步骤。

获取脊柱图像，所述脊柱图像是用于反映脊柱的特征的图像；

将所述脊柱图像输入分割网络，得到所述分割网络预测的所述脊柱图像中的脊柱区域，所述脊柱区域是所述脊柱图像中脊柱所在的图像区域；