[发明专利]一种二维X射线头影测量图像解剖特征点自动定位方法

摘要

本发明公开了一种二维X射线头影测量图像解剖特征点自动定位方法，属于图像处理技术领域。首先计算X射线头影测量图像中每个解剖特征点的偏移距离图，将其和头影测量图像作为训练数据。其次，基于卷积神经网络模型构建自动编码生成对抗性网络，并将已有训练数据作为输入，训练该网络预测针对目标解剖特征点的偏移距离图。再次，当获得新的X射线头影测量图像时，将训练好的自动编码生成对抗性网络作用于新图像，以获得目标解剖特征点的偏移距离图。最后，使用回归投票方法从偏移距离图中求得目标解剖特征点坐标。本发明能自动、准确地获得二维X线头影测量图像中解剖特征点位置。

主权项

1.一种二维X射线头影测量图像解剖特征点自动定位方法，其特征是，包括以下步骤：步骤S1，获取一定数量X射线头影测量图像作为样本集；步骤S2，对样本集中每幅图像：标注出图像中每个特征点的坐标，根据图像中各像素点与特征点的坐标，计算获得每个特征点的偏移距离图；步骤S3，对于每个特征点：将步骤S2获得的与此特征点对应的所有偏移距离图和步骤S1中头影测量图像样本集作为训练数据，输入预设对抗性网络模型中，以训练该对抗性网络模型预测此特征点的偏移距离图；步骤S4，对待测X射线头影测量图像，利用步骤S3中已训练的各特征点对应的对抗性网络进行预测，获得每个特征点的偏移距离图；步骤S5，根据每个特征点的偏移距离图，计算获得每个特征点的坐标；根据图像中各像素点与特征点的坐标计算获得每个特征点的偏移距离图的过程为：对图像中每个特征点：计算每个像素点到该特征点的偏移向量；根据偏移向量计算获得像素点到该特征点的偏移距离；该特征点到每一个像素点的偏移距离构成此特征点对应的偏移距离图；对抗性网络模型包括鉴别器D和生成器G，生成器G的输入是头影测量图像样本集，输出是特征点对应的偏移距离图；鉴别器D的输入是样本集中计算出的偏移距离图和生成器生成的偏移距离图，输出的是预测的真伪值；生成器对抗损失函数和生成器重建损失函数如下：            (3)其中，Y是根据特征点计算的距离图，表示计算真实偏移距离图与生成偏移距离图的L2范数，即重建损失值，是对抗损失函数在生成器损失函数中的比重率，是重建函数在生成器损失函数中的比重率；同时额外增加生成图像与距离图像的图像梯度损失函数如下：                  (4)其中，表示对图像的求梯度过程，是对真实偏移距离图x方向上的求梯度，是对生成偏移距离图x方向上的求梯度，是对真实偏移距离图y方向上的求梯度，是对生成偏移距离图y方向上的求梯度；用于训练生成器G的总损失定义为如下函数：                   (5)是图像梯度损失函数在总损失函数中的比重率。