[发明专利]脊柱侧弯角度的测量方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，应用于智慧医疗领域中，公开了一种脊柱侧弯角度的测量方法、装置、设备及存储介质，用于提高脊柱侧弯角度的测量效率。脊柱侧弯角度的测量方法包括：对待测图像进行像素值提取和归一化处理，得到预处理图像；调用预置的多个深度学习模型，对预处理图像进行定位，得到脊柱定位结果；调用预置的目标关键点检测模型，对脊柱定位结果进行分析，得到多个椎体关键点信息；调用预置的最小二乘法对多个椎体关键点信息进行拟合处理，得到拟合直线段，基于拟合直线段确定弯曲中心，根据弯曲中心进行脊柱侧弯角度的测算，得到脊柱侧弯角度测量结果。此外，本发明还涉及区块链技术，脊柱侧弯角度测量结果可存储于区块链节点中。

技术领域

本发明涉及区域提取领域，尤其涉及一种脊柱侧弯角度的测量方法、装置、设备及存储介质。

背景技术

脊柱侧弯的角度即Cobb角，用于临床定量评估脊柱侧弯的严重程度，患者拍摄X线影片后，由影像医师手动确定脊柱侧弯中心椎体和上下端椎，并通过量角器具测量端椎间夹角，此种方法受限于X射线设备条件与影像医师的经验水平，测量过程中存在手工测量的差异性，不同经验的医师往往会得到差异较大的结果，这严重影像了医师的判断，近年来，随着人工智能技术的高速发展，人工智能被应用于Cobb角的自动测算中，人工智能进行的Cobb角的自动测算可以支持疾病辅助诊断、健康管理、远程会诊等功能。

在现有技术中，对图像使用半自动分割算法可以自动测算Cobb角，但是上述方法无法通过脊柱段的位置定位实现脊柱侧弯角度的测量，只能作为辅助工作，仍需要影像医师参与判断，导致脊柱侧弯角度的测量效率低下。

发明内容

本发明提供了一种脊柱侧弯角度的测量方法、装置、设备及存储介质，用于通过调用预置的多个深度学习模型，对预处理图像进行脊柱定位，得到脊柱定位结果，调用预置的目标关键点检测模型，对脊柱定位结果进行分析，得到多个椎体关键点信息，基于多个椎体关键点信息进行脊柱侧弯角度的测算，提高了脊柱侧弯角度的测量效率。

本发明第一方面提供了一种脊柱侧弯角度的测量方法，包括：获取待测图像，对所述待测图像进行像素值提取和归一化处理，得到预处理图像；调用预置的多个深度学习模型，对所述预处理图像依次进行脊柱定位、脊柱椎体定位和第12节胸椎的定位，得到脊柱定位结果；调用预置的目标关键点检测模型，对所述脊柱定位结果进行分析，得到多个椎体关键点信息，所述多个椎体关键点信息包括每一节脊柱椎体对应的四个顶点的位置信息；调用预置的最小二乘法对所述多个椎体关键点信息进行拟合处理，得到拟合直线段，基于所述拟合直线段确定弯曲中心，根据所述弯曲中心进行脊柱侧弯角度的测算，得到脊柱侧弯角度测量结果。

可选的，在本发明第一方面的第一种实现方式中，所述调用预置的多个深度学习模型，对所述预处理图像依次进行脊柱定位、脊柱椎体定位和第12节胸椎的定位，得到脊柱定位结果包括：调用预置的第一深度学习模型，对所述预处理图像进行基于脊柱所在区域的定位，得到第一定位图像，所述第一定位图像包括脊柱位置信息；调用预置的第二深度学习模型，对所述第一定位图像进行基于脊柱椎体所在区域的定位，得到第二定位图像，所述第二定位图像包括脊柱椎体的位置信息；调用预置的第三深度学习模型，对所述第二定位图像进行基于第12节胸椎所在区域的定位，得到第三定位图像，将所述第一定位图像、所述第二定位图像和所述第三定位图像确定为脊柱定位结果，所述第三定位图像包括第12节胸椎的位置信息。

可选的，在本发明第一方面的第二种实现方式中，所述调用预置的第一深度学习模型，对所述预处理图像进行基于脊柱所在区域的定位，得到第一定位图像，所述第一定位图像包括脊柱位置信息包括：调用预置的第一深度学习模型，对所述预处理图像进行编码处理，得到编码隐层空间向量；对所述编码隐层空间向量进行全连接处理，得到初始脊柱区域坐标，调用预置的非极大抑制算法，对所述初始脊柱区域坐标进行筛选，得到目标脊柱区域坐标；将所述目标脊柱区域坐标代入所述预处理图像，得到第一定位图像，所述第一定位图像包括脊柱位置信息。