[发明专利]一种基于图像的人体背部表皮脊柱线的检测方法和装置

说明书

本申请涉及脊柱侧弯检测领域，特别是一种基于图像的人体背部表皮脊柱线的检测方法和装置，该方法包括获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据；依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标；依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线；依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯，该方法全程无辐射，对操作人员是熟练度要求低，通过深度学习和曲线拟合可快速高效的得到是否侧弯的结果，适合应对大群体特别是中小学生群体的脊柱侧弯检测。

技术领域

本申请涉及脊柱侧弯检测领域，特别是一种基于图像的人体背部表皮脊柱线的检测方法和装置。

背景技术

人体背部表皮脊柱线是判定其脊柱侧弯情况的重要表征，脊柱侧弯是一种脊柱的三维畸形，包括冠状位、矢状位和轴位上的序列异常，多发于儿童和青少年，全球约2％-4％的青少年患有脊柱侧弯，目前我国脊柱侧弯病人超过300万，并以每年30万人的速度递增，国家政策明确指示为关注和保障中小学生脊柱健康发育，将脊柱侧弯检查列入中小学生体检项目，因此利用人工智能技术对人体背部表皮脊柱线的高效检测，并判断其脊柱侧弯情况的研究迫在眉睫。

目前中小学生体检中脊柱侧弯的检测主要是通过专业的检测人员使用脊柱侧弯测量仪(侧弯尺)进行脊柱侧弯筛查，该方法效率低，且对检测人员手法及熟练程度要求较高，故由不同熟练程度的人员测量的结果存在的偏差较大。目前脊柱侧弯的国内外检测方法主要有X光，EOS，超声，云纹图。

X光虽成本低，简便易行，测量较为精确，但辐射剂量大，对目标中小学人群人体危害较大；EOS成本高，且仍带少量辐射；超声对医生手法要求较高，误差较大，效率低，不利于大规模筛查；云纹图只能大致判断目标的情况。

发明内容

鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种基于图像的人体背部表皮脊柱线的检测方法和装置。

一种基于图像的人体背部表皮脊柱线的检测方法，所述方法包括：

获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据；

依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标；

依据所有的所述特征点坐标进行曲线拟合，生成目标表皮脊柱曲线；

依据所述目标表皮脊柱曲线确定目标脊柱侧弯角，依据所述目标脊柱侧弯角的角度值确定所述被检测者的脊柱是否侧弯。

优选的，所述获取被检测者的背部深度图像，依据所述背部深度图像确定目标点云数据，包括：

通过深度相机采集所述被检测者的背部深度图像，从所述深度相机中获取所述背部深度图像；

获取所述深度图像的标定后的内部参数，依据所述内部参数确定所述背部深度图像中每一像素点对应的点云三维坐标，

依据所有的所述点云三维坐标确定三维点云数据，利用预设的滤波算法对所述三维点云数据进行降噪处理，得到所述目标点云数据。

优选的，所述依据所述目标点云数据确定所述被检测者的脊柱在所述背部深度图像中的预设数量的特征点坐标，包括：

调用预设的堆叠沙漏网络模型，将所述目标点云数据输入到所述堆叠沙漏网络模型中，并对所述堆叠沙漏网络模型进行训练；

通过训练好的所述堆叠沙漏网络模型输出所述预设数量的特征点坐标。

优选的，所述调用预设的堆叠沙漏网络模型，之后包括：

确定所述堆叠沙漏网络模型中的各层输出神经元个数以及权重归一化后的比例系数；