[发明专利]一种基于目标检测与聚类的横突棘突检测定位方法

权利要求书

1.一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于，包括以下步骤：

对包含有横突、棘突的超声图像进行标注，需要标注的目标包括横突和棘突；

利用标注后的超声图像训练tiny YOLOv3目标检测模型；

利用训练好的tiny YOLOv3目标检测模型进行检测定位，得到每一个目标的矩形边界框，并将矩形边界框的中心点转换成三维空间的离散点；

利用聚类算法对三维空间的离散点进行聚类，以聚类中心作为横突、棘突的三维位置坐标。

2.根据权利要求1所述的一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于：在进行所述对包含有横突、棘突的超声图像进行标注前，采用带有位置传感器的超声探头对脊柱进行扫描，以获得包含有横突和棘突的原始超声图像数据。

3.根据权利要求2所述的一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于：所述对脊柱进行扫描，具体为：将带有位置传感器的超声探头以横向方向，从脊柱的胸椎到腰椎，从上到下扫描采集脊柱。

4.根据权利要求1所述的一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于，所述训练tiny YOLOv3目标检测模型，其中，训练过程迭代次数为8000～10000次，每次迭代输入样本数为64，学习率为0.001，权重衰减系数为0.0005。

5.根据权利要求1所述的一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于，所述需要标注的目标包括横突和棘突，具体包括：位于胸椎左侧的横突(TP_L_tv)、胸椎右侧的横突(TP_R_tv)、腰椎左侧的横突(TP_L_lv)、腰椎右侧的横突(TP_R_lv)和棘突(SP)。

6.根据权利要求5所述的一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于，所述聚类算法为KMeans或DBSCAN，所述聚类算法分别对左侧的横突(TP_L_tv，TP_L_lv)、右侧的横突(TP_R_tv，TP_R_lv)、棘突(SP)对应的离散点进行聚类，分别得到左侧横突聚类中心、右侧横突聚类中心和棘突聚类中心。

7.根据权利要求5或6任一所述的一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于，所述将矩形边界框的中心点转换成三维空间的离散点，具体为：

设目标矩形边界框框中心位置的坐标点为P_image，通过三维坐标变换公式，将所有超声图像中的目标点P_image变换到世界坐标系C_w中，从而得到一系列三维空间的离散点，所述三维坐标变换公式如下：

P_w＝T₁·T₂·P_image

其中，T₁表示发射器坐标系C_t到世界坐标系C_w的变换矩阵，发射器指的是电磁定位系统中的电磁信号发射电子单元，其对应的坐标系C_t的设置是设备本身的固有参数，由设备制造厂商所确立，位置传感器所采集的坐标信息已经转换到了发射坐标系，T₂表示图像坐标系C_p到发射器坐标系C_t的变换矩阵，以图像左上角为原点、以图像的横向方向为x轴、以超声的声束方向为y轴、以垂直于超声图像平面的法向量方向为z轴建立图像坐标系C_p，P_image表示的是通过检测过程得到各类目标矩形边界框的中心点坐标，P_w表示目标在世界坐标系中的坐标点。

8.根据权利要求7所述的一种基于目标检测与聚类的横突棘突检测定位方法，其特征在于，将所述一系列三维空间的离散点划分为左侧横突点集、右侧横突点集和棘突点集，分别采用KMeans聚类算法对检测得到的离散点进行聚类，将得到的左侧横突点集的聚类中心点结果作为左侧横突点集的三维位置坐标，将得到的右侧横突点集的聚类中心点结果作为右侧横突点集的三维位置坐标，将得到的棘突点集的聚类中心点结果作为棘突的三维位置坐标。