[发明专利]基于降维定位的3D目标检测方法、装置、设备和存储介质

说明书

本申请涉及一种基于降维定位的3D目标检测方法、装置、计算机设备和存储介质。方法包括：获取腰椎图像数据，对腰椎图像数据进行卷积处理，获取腰椎图像数据的深度特征；根据预设的残差函数对深度特征进行处理，获取第一深度特征、第二深度特征、第三深度特征；将第一深度特征、第二深度特征、第三深度特征进行尺寸变换和拼接，获取深度融合特征；将深度融合特征输入至预设的深度模型，获取待检测目标在腰椎图像数据的第一位置信息、第二位置信息；根据预设的损失函数将第一位置信息与第二位置信息进行匹配，获取待检测目标的3D位置信息，可解决因数据量过大，目前提取的特征可能存在采样密度低、独立性差等情况，导致3D目标检测精度较差等问题。

技术领域

本发明涉及医疗图像检测技术领域，特别是涉及基于降维定位的3D目标检测方法、装置、设备和存储介质。

背景技术

腰椎间盘突出症、腰椎管狭窄症等腰椎疾病是常见的骨科疾病之一，可导致下肢感觉运动障碍、排尿功能异常，对人体健康构成极大威胁。因此，腰椎疾病的计算机辅助诊断(Computer Aided Diagnosis，CAD)和计算机辅助手术(Computer Aided Surgery，CAS)是近年来的研究热点。其中，快速、准确的三维(3-Dimension，3D)椎体空间定位技术作为腰椎疾病相关CAD和CAS的有效保障，是亟待解决的重要科学问题之一。

目前，可以采用基于深度学习的椎体检测定位方法对电子计算机断层扫描(Computed Tomography，CT)、核磁共振成像(Magnetic Resonance Imaging，MRI)图像进行计算后定位椎体，例如，可以将脊柱解剖的三维信息投影到二维的矢状面和冠状面视图中，然后用特征提取网络提取该视图的特征，再将该特征输入至目标检测模型以此对3D目标进行检测。然而，随着数据量的增大，目前的特征提取网络提取的特征可能存在采样密度低、独立性差等问题，导致3D目标检测精度较差。

发明内容

基于此，有必要针对上述技术问题，提供基于降维定位的3D目标检测方法、装置、设备和存储介质，改善3D目标检测性能不佳的问题。

一方面，提供一种基于降维定位的3D目标检测方法，所述基于降维定位的3D目标检测方法包括：

获取腰椎图像数据，对所述腰椎图像数据进行卷积处理，获取所述腰椎图像数据的深度特征；

根据预设的残差函数对所述深度特征的尺寸进行调整，获取第一深度特征、第二深度特征、第三深度特征；将所述第一深度特征、所述第二深度特征、所述第三深度特征进行尺寸变换和拼接，获取深度融合特征；

将所述深度融合特征输入至预设的深度模型，获取待检测目标在所述腰椎图像数据的第一位置信息、第二位置信息；根据预设的损失函数将所述第一位置信息与所述第二位置信息进行匹配，获取所述待检测目标的3D位置信息。

在其中一个实施例中，对所述腰椎图像数据进行卷积处理，获取所述腰椎图像数据的深度特征的步骤包括：

对所述腰椎图像数据进行卷积处理，获取第一中间图像；

对所述第一中间图像进行归一化处理，获取第二中间图像；

对所述第二中间图像进行激活处理，获取所述深度特征。

在其中一个实施例中，根据预设的残差函数对所述深度特征的尺寸进行调整，获取第一深度特征、第二深度特征、第三深度特征的步骤包括：

通过所述残差函数将所述深度特征进行残差处理与卷积处理，获取所述第一深度特征；

通过所述残差函数将所述第一深度特征进行残差处理与卷积处理，获取所述第二深度特征；

通过所述残差函数将所述第二深度特征进行残差处理与卷积处理，获取所述第三深度特征。