[发明专利]骨骼检测方法、系统、电子设备和存储介质

说明书

本发明公开了一种骨骼检测方法、系统、电子设备和存储介质，该方法包括获取待检测图像；将待检测图像中输入至骨骼信息预测模型，以获取待检测图像中不同骨骼对应的骨骼位置信息和/或骨骼类别信息。本发明基于深度卷积神经网络建立用于预测骨骼位置、骨骼类别以及骨折程度类别的预测模型，实现对于任意输入的待检测图像，能够直接自动地输出并标注出各个骨骼的位置以及类别、骨折程度类别，大大地优化了对脊柱骨折病例分析处理流程，保证了病例诊断效率以及准确率，也减轻了医护人员的负担并降低了误诊率；另外结合骨骼关键点判定骨折程度类别，进一步地保证了骨骼检测的准确性。

技术领域

本发明涉及图像处理技术领域，特别涉及一种骨骼检测方法、系统、电子设备和存储介质。

背景技术

目前，骨质疏松性脊柱骨折主要通过X线片进行评估，其中获得标准X线片是非常重要的。X线片的质量主要决定于以下三个方面：1、机器的性质及胶片的质量；2、照相技术员的水平；3、病人的正确体位。目前，Genant半定量法是常用的骨质疏松性脊柱骨折的分类方法，椎体变形并非均由骨折所致，而椎体骨折则一定存在不同程度的椎体变形，Genant半定量法采用肉眼观察X线片，此检测方法虽然较为简便，但是存在效率低、准确率不高、人工高成本较高等问题。

发明内容

本发明要解决的技术问题是为了克服现有技术中骨骼检测方式存在准确率较低、检测效率低、人工成本较高等缺陷，提供一种骨骼检测方法、系统、电子设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种骨骼检测方法，所述方法包括：

获取待检测图像；

将所述待检测图像中输入至骨骼信息预测模型，以获取所述待检测图像中不同骨骼对应的骨骼位置信息和/或骨骼类别信息。

较佳地，所述方法还包括：

根据所述骨骼位置信息从所述待检测图像中提取出不同骨骼所在区域对应的骨骼图像；

将所述骨骼图像输入至骨折程度预测模型，以获取所述骨骼图像中的骨骼在每种骨折程度类别下的第一骨折程度信息；

根据所述第一骨折程度信息确定骨骼对应的目标骨折程度类别。

较佳地，当所述骨骼图像中骨骼对应椎骨时，所述方法还包括：

对所述骨骼图像进行边缘检测处理，以获取每个椎骨对应的多个骨骼关键点；

其中，多个所述骨骼关键点对应椎骨上的四个角点、以及对称分布在椎骨延伸方向两侧的至少四个设定位置点。

较佳地，多个所述骨骼关键点对应椎骨上的四个角点、以及对称分布在椎骨延伸方向两侧且位于所述延伸方向上两个所述角点之间四分之一处的四个位置点；或，

多个所述骨骼关键点对应椎骨上的四个角点、以及对称分布在椎骨延伸方向两侧且位于所述延伸方向上两个所述角点之间四分之一处和中心位置处的六个位置点。

较佳地，所述获取每个椎骨对应的多个骨骼关键点的步骤包括：

对所述骨骼图像进行边缘检测处理以获取所述角点；

对所述骨骼图像进行边缘检测处理计算得到每个所述设定位置点的第一位置信息；

基于所述角点的位置信息估算得到每个所述设定位置点的第二位置信息；

根据所述第一位置信息和/或所述第二位置信息确定每个所述设定位置点的所在位置。

较佳地，所述方法还包括：

基于多个所述骨骼关键点确定所述骨骼图像中的骨骼在每种骨折程度类别下对应的第二骨折程度信息；