[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

说明书

本发明公开了一种基于目标检测与聚类的横突棘突检测定位方法，包括如下步骤：利用带有位置传感器的超声探头，对感兴趣脊柱范围内的脊柱从上到下进行扫描，可以得到一系列包含横突、棘突及每个像素点位置信息的原始超声图像数据。利用基于tiny YOLOv3的目标检测方法对每一帧超声图像的横突、棘突进行检测定位，得到一系列三维离散坐标点，然后使用聚类算法对三维离散点进行聚类，以寻找更细致的定位，将聚类中心点作为横突、棘突的三维空间坐标点，即可实现脊柱横突、棘突位置的准确定位。本发明方法鲁棒性高，智能化程度高，定位准确，方法简单，便于操作，具有很高的实用性。

技术领域

本发明涉及医学超声脊柱横突棘突识别和定位技术，特别涉及一种基于目标检测与聚类的横突棘突检测定位方法。

背景技术

脊柱侧凸疾病是一种脊柱的三维病变，脊柱横突、棘突的位置分布信息对评估脊柱侧凸病情有重要意义。超声成像技术由于具有无辐射、成本低的优势，在脊柱侧凸疾病的筛查、诊断与治疗方面有广泛的应用，传统的超声成像技术主要包括二维超声成像和三维超声成像。利用传统二维超声成像方法由于其探头宽度比较窄，图像视野较小，不利于对脊柱进行整体的检测，该成像方法常常需要结合宽景成像技术来获取较大视野的图像，而仅仅利用二维图像信息难以准确计算横突、棘突的三维位置信息。另一方面，传统三维超声成像硬件成本高，计算复杂度高，成像分辨率较低，对噪声大、边界模糊的超声图像鲁棒性不高，也难以从其重建图像中得到脊柱横突、棘突部位的三维位置信息。

发明内容

本发明的目的在于克服现有技术的缺点和不足,提供一种基于目标检测与聚类的横突棘突检测定位方法，利用目标检测算法对每一帧超声图像中的横突、棘突进行识别检测，并利用聚类算法对检测到的离散坐标点进行聚类，从而得到比较准确的横突、棘突位置信息，方法简单，高效快速，具有很高的实用性。

本发明的目的至少通过如下技术方案之一实现。

一种基于目标检测与聚类的横突棘突检测定位方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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)。

进一步地，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。

进一步地，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：