[发明专利]基于2D RGB图像的脊柱侧弯筛查方法

权利要求书

1.基于2D RGB图像的脊柱侧弯筛查方法，其特征在于，包括以下步骤：

S1、从网络设备中获取人体背部的2D RGB图像，并对图像进行去噪处理；

S2、利用RVM人体分割模型从图像中分割出人体；

S3、使用Yolo V5背部检测模型得到人体背部图像；

S4、对于背部图像，使用SEResNet进行背部关键点识别，找出人体背部图像的9处关键点，分别为两个内肩点、两个外肩点、两个腋窝点、两个腰点以及尾椎点；

S5、对SEResNet识别出的关键点进行如下处理：两个內肩点与两个外肩点连线形成第一区域，两个外肩点与两个腋窝点连线形成第二区域，两个腋窝点与两个腰点连线形成第三区域，两个腰点与尾椎点连线形成第四区域；两个内肩点、两个外肩点、两个腋窝点、两个腰点理论上关于脊柱对称，因此将两个内肩点、两个外肩点、两个腋窝点、两个腰点的中间点作为拟合脊柱上的位置点，然后结合尾椎点，得到五个拟合点；

利用五个拟合点，通过多次拉格朗日插值法，利用二次曲线拟合出脊柱线；计算拟合出的脊椎线与正常脊柱线之间的最大偏移距离；

两个内肩点中点与尾椎点之间的连线将每个区域分成左右两个子区域，分别计算同一个区域里面两个子区域的面积，并计算两个子区域的面积差；再将面积差进行归一化处理，作为背部左右区域之间的对比度；归一化方法为：将左右区域面积相减，取绝对值，然后除以两区域相加的面积；

S6、将对比度和最大偏移距离输入鉴别器网络，鉴别器输出背部类型：0代表状态正常、1代表其他姿态异常，2代表脊柱侧弯。

2.根据权利要求1所述的基于2D RGB图像的脊柱侧弯筛查方法，其特征在于，所述步骤S4中，SEResNet的训练过程如下：

S41、对原始图片进行人工标注，标注出关键点；

S42、对原始图片利用SEResNet提取特征图，得到SEResNet识别出的关键点；

S43、将特征图输入3层反卷积网络，得到与真实图像大小相同的特征图；

S44、通过人工标注的关键点的真实位置以及2D高斯方法来生成9个关键点的真实位置特征图；

S45、计算人工标注的关键点和SEResNet识别出的关键点之间的损失函数：

其中y和分别是真实位置特征图和SEResNet提取的特征图上的像素值；ω、θ、κ和β是超参数，A是权重矩阵，C是偏移量；

利用损失函数进行反向传播，训练达到100次后停止训练，得到最终的SEResNet模型。