[发明专利]确定脊柱横断面图像的异常类型的方法及计算设备

说明书

本发明公开了确定脊柱横断面图像的异常类型的方法及计算设备。其中方法包括步骤：从脊柱横断面图像中获取异常区域；确定该脊柱横断面图像中的至少一个关键点；以及结合异常区域和关键点以确定该脊柱横断面图像的异常类型。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种确定脊柱横断面图像的异常类型的方法及计算设备。

背景技术

随着计算机视觉的迅速发展，利用计算机技术来辅助骨科精准手术的技术也逐渐增多。最常见的应用如通过磁共振(Magnetic Resonance Imaging，MRI)成像，从磁共振图像中可以得到物质的多种物理特性参数，如质子密度、自旋－晶格驰豫时间T1、自旋－自旋驰豫时间T2、扩散系数、磁化系数、化学位移等等，以将其应用于全身各系统的成像诊断。其中主要的应用之一是脊柱成像，以获得人体的脊柱矢状面图像和脊柱横断面图像，进而应用在各种脊柱疾病诊断中，最具代表性的应用如腰椎间盘突出的辅助诊断。

然而，目前在利用MRI图像进行辅助诊断时多采用人工判读的方式，其不可避免地引入以下问题：1)存在误差，由于医务人员的业务水平及不同区域诊疗水平的参差不齐，同一MRI图像会得出不同结果；2)腰椎间盘突出的分型较复杂，不易在短时间内进行判读，致使医务工作者负担较重，且效率不高。

鉴于此，需要新的对脊柱的相关图像进行处理的方案，以更好地辅助专业医生实现对各种脊柱疾病的诊断。

发明内容

为此，本发明提供了一种确定脊柱横断面图像的异常类型的方法及计算设备，以力图解决或者至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种确定脊柱横断面图像的异常类型的方法，该方法适于在计算设备中执行，包括步骤：从脊柱横断面图像中获取异常区域；确定脊柱横断面图像中的至少一个关键点；以及结合异常区域和关键点以确定脊柱横断面图像的异常类型。

可选地，在根据本发明的方法中，结合异常区域和关键点以确定脊柱横断面图像的异常类型的步骤还包括：根据所确定的至少一个关键点生成网格；以及根据异常区域在网格中的位置，确定脊柱横断面图像的异常类型。

可选地，在根据本发明的方法中，从脊柱横断面图像中获取异常区域的步骤还包括：利用第一神经网络来处理脊柱横断面图像，以判断脊柱横断面图像是否异常；以及若确定该脊柱横断面图像异常，则从该脊柱横断面图像中获取异常区域。

可选地，根据本发明的方法还包括步骤：从脊柱矢状面图像中确定出存在异常的感兴趣区域；以及获取与存在异常的感兴趣区域相对应的脊柱横断面图像作为脊柱横断面图像。

可选地，在根据本发明的方法中，若确定脊柱横断面图像异常，则从脊柱横断面图像中获取异常区域的步骤包括：利用第二神经网络来处理脊柱横断面图像，以输出第一图像，在第一图像中具有特定像素值的区域为异常区域；以及对第一图像进行插值处理，以获得第二图像，第二图像与该脊柱横断面图像具有相同尺寸。

可选地，在根据本发明的方法中，确定脊柱横断面图像中的至少一个关键点的步骤包括：利用第三神经网络来处理脊柱横断面图像，以输出包含至少一个关键点位置的至少一个热图；以及将这至少一个热图合并生成预测图，其中预测图包含至少一个关键点。

可选地，在根据本发明的方法中，第三神经网络通过卷积处理层和空间融合层耦接而成。

可选地，在根据本发明的方法中，卷积处理层包含8层卷积，且各层卷积中采用的卷积核大小依次为：5*5、5*5、5*5、5*5、9*9、1*1、1*1、1*1；以及空间融合层包含5层卷积，且各层卷积中采用的卷积核大小依次为：7*7、13*13、13*13、1*1、1*1；并且，将卷积处理层中第三层卷积和第七层卷积的输出结合后，作为空间融合层的输入。