[发明专利]脊柱侧弯图像检测模型训练方法、确定方法、装置及设备

权利要求书

1.一种脊柱侧弯图像检测模型训练方法，其特征在于，所述脊柱侧弯图像检测模型包括级联的分割网络和回归网络，所述方法包括：

获取样本脊柱图像、所述样本脊柱图像中的真实脊柱区域以及所述样本脊柱图像中脊柱的真实侧弯角度，所述样本脊柱图像是用于反映脊柱的特征的图像，所述真实脊柱区域是所述样本脊柱图像中脊柱所在的图像区域；

将所述样本脊柱图像输入所述分割网络，得到所述分割网络预测的所述样本脊柱图像中的预测脊柱区域；

将所述真实脊柱区域输入所述回归网络，得到所述回归网络预测的所述真实脊柱区域中脊柱的第一预测侧弯角度，以及将所述预测脊柱区域输入所述回归网络，得到所述回归网络预测的所述预测脊柱区域中脊柱的第二预测侧弯角度；

基于区域损失和角度损失训练所述分割网络和所述回归网络，得到所述脊柱侧弯图像检测模型；其中，所述区域损失是基于所述真实脊柱区域和所述预测脊柱区域确定的，所述角度损失是基于所述第一预测侧弯角度、所述第二预测侧弯角度以及所述真实侧弯角度中的至少两者确定的。

2.根据权利要求1所述的方法，其特征在于，所述基于区域损失和角度损失训练所述分割网络和所述回归网络，包括：

固定所述回归网络的网络参数，基于所述区域损失和所述角度损失训练所述分割网络；

固定所述分割网络的网络参数，基于所述角度损失训练所述回归网络；

交替执行上述两个步骤。

3.根据权利要求2所述的方法，其特征在于，所述固定所述回归网络的网络参数，基于所述区域损失和所述角度损失训练所述分割网络，包括：

固定所述回归网络的网络参数；

确定所述区域损失中的第一误差损失；

确定所述角度损失中的第二误差损失以及第三误差损失；

根据所述第一误差损失、所述第二误差损失以及所述第三误差损失的和训练所述分割网络；

其中，所述第一误差损失用于反映所述真实脊柱区域与所述预测脊柱区域之间的误差，所述第二误差损失用于反映所述第二预测侧弯角度与所述真实侧弯角度之间的误差，所述第三误差损失用于反映所述第一预测侧弯角度与所述第二预测侧弯角度之间的误差。

4.根据权利要求3所述的方法，其特征在于，所述确定所述区域损失中的第一误差损失，包括：

基于所述真实脊柱区域与所述预测脊柱区域，通过第一损失函数确定所述第一误差损失，所述第一损失函数是根据骰子损失函数以及交叉熵损失函数的和确定的；

所述确定所述角度损失中的第二误差损失以及第三误差损失，包括：

基于所述第二预测侧弯角度与所述真实侧弯角度，通过第二损失函数确定所述第二误差损失，所述第二损失函数是基于对称平均绝对百分比误差的计算方式确定的；

基于所述第一预测侧弯角度与所述第二预测侧弯角度，通过第三损失函数确定所述第三误差损失，所述第三损失函数是用于约束所述第一预测侧弯角度与所述第二预测侧弯角度之间的误差的函数；

所述根据所述第一误差损失、所述第二误差损失以及所述第三误差损失的和训练所述分割网络，包括：

根据所述第一误差损失、所述第二误差损失以及所述第三误差损失的和，确定分割误差损失；

基于所述分割误差损失在所述分割网络中通过反向传播训练所述分割网络。

5.根据权利要求4所述的方法，其特征在于，所述基于所述分割误差损失在所述分割网络中通过反向传播训练所述分割网络，包括：

将所述分割误差损失中的所述第二误差损失与所述第三误差损失分别与时变自调节参数相乘，得到时变分割误差损失，所述时变自调节参数的大小与训练所述分割网络的时长负相关；

基于所述时变分割误差损失在所述分割网络中通过反向传播训练所述分割网络。