一种脊椎椎体识别方法、设备及介质与流程

本发明涉及医学图像处理领域，尤其涉及一种脊椎椎体识别方法、设备及介质。

背景技术：

1、在脊椎的mri(磁共振成像)图像中对各具体椎体进行识别及标注，能够为疾病诊断等活动提供参考。目前采用人工智能模型进行椎体自动识别仍具有较多困难。

2、首先，由于不同医疗机构所采用的脉冲序列不同，在不同医疗机构所获取的mri图像在图像特性上会存在差异，例如会具有不同的图像分辨率和不同的强度分布，容易产生噪声背景、低分辨率和不相关的伪影等障碍，使得椎体识别模型的鲁棒性较低。

3、其次，若脊椎存在病理变异，可能会导致不可预测的椎体外观变化。同时，脊椎自身具有一定重复性，使得不同的椎体具有相似的外观。因此需要提取具有高度区分性的特征以精确区分不同的椎体。

4、再次，不同mri图像的fov并不固定。fov(视场角)指的是图像中显示的物理区域的大小和位置，即在扫描期间所覆盖的区域。对脊椎进行mri扫描时，fov确定了图像中所包含的椎体的范围，例如当fov为l4～t10时，该图像包括从l4到t10的椎体。在对不同的mri图像进行识别时，由于图像的fov可能并不相同，可能导致在椎体识别时产生fov混淆(例如，将l4～t10的椎体预测为l5～t11的椎体)。

技术实现思路

1、为了克服上述技术缺陷，本发明的目的在于提供一种脊椎椎体识别方法、设备及介质。

2、本发明公开了一种脊椎椎体识别方法，包括以下步骤：

3、获取待检图像，并将所述待检图像输入预先训练的椎体识别模型，其中所述椎体识别模型包括分层提议网络、自校准识别网络，所述分层提议网络包括锚框生成模块、特征提取模块、同级检测模块，所述自校准识别网络包括标签分类模块；

4、所述锚框生成模块于所述待检图像中生成多个锚框，其中，所述多个锚框具有多种框体大小、多种长宽比；

5、所述特征提取模块于所述待检图像中提取多个特征张量，任一所述特征张量对应于一特征级别，根据任一所述锚框的框体大小获取所述锚框的特征级别，得到所述多个锚框与所述多个特征张量之间的对应关系；

6、根据所述多个锚框与所述多个特征张量，所述同级检测模块获取所述多个锚框的目标存在性分数以筛选多个优选锚框，所述多个优选锚框表示所述待检图像内多个椎体的位置；

7、所述标签分类模块对所述多个优选锚框进行roi池化，得到任一所述优选锚框的特征向量，以采用稀疏自编码器学习任一所述优选锚框的稀疏编码，根据任一所述优选锚框的稀疏编码计算获取任一所述优选锚框的类概率向量；

8、根据任一所述优选锚框的所述类概率向量获取所述优选锚框的标签，得到所述待检图像内任一椎体的椎体类型。

9、优选地，所述获取所述优选锚框的标签，还包括：

10、所述自校准识别网络还包括概率校准模块，所述概率校准模块采用自适应阈值方法对所述多个优选锚框去除异常值，并根据相邻的所述多个优选锚框的标签兼容性对所述多个类概率向量进行校准。

11、优选地，所述筛选多个优选锚框，包括：

12、根据任一所述锚框与其所对应的所述特征张量，所述同级检测模块计算获取任一所述锚框的目标存在性分数；

13、于所述多个锚框中筛选出所述多个优选锚框，其中任一所述优选锚框的所述目标存在性分数大于第一阈值，并对所述多个优选锚框进行第一边界校正。

14、优选地，所述对所述多个优选锚框进行roi池化，包括：

15、根据任一所述优选锚框于所述待检图像内的相对位置，于所述优选锚框所对应的所述特征张量中进行裁剪，得到任一所述优选锚框的建议特征；

16、采用双线性插值使所述多个优选锚框的所述多个建议特征的尺寸统一后，对所述多个建议特征进行卷积，得到任一所述优选锚框的所述特征向量。

17、优选地，所述对所述多个优选锚框进行roi池化，还包括：

18、根据所述多个优选锚框的所述特征向量，所述标签分类模块采用全连接层对所述多个优选锚框进行第二边界校正。

19、优选地，所述特征提取模块为resnet残差神经网络。

20、本发明还公开了一种电子设备，所述电子设备包括存储有计算机可执行指令的存储器和处理器，当所述指令被所述处理器执行时，使得所述电子设备实施前述的脊椎椎体识别方法。

21、本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，当所述指令在计算机上运行时，使得所述计算机执行前述的脊椎椎体识别方法。

22、采用了上述技术方案后，与现有技术相比，具有以下有益效果：

23、1.利用多尺度锚框与多层次特征之间的对应关系来进行目标检测，适用于不同分辨率的图像；

24、2.通过相邻锚框的标签关系对识别结果进行校准，避免视场角或椎体外观的变化导致的椎体类型识别错误。

技术特征：

1.一种脊椎椎体识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的脊椎椎体识别方法，其特征在于，所述获取所述优选锚框的标签，还包括：

3.根据权利要求1所述的脊椎椎体识别方法，其特征在于，所述筛选多个优选锚框，包括：

4.根据权利要求1所述的脊椎椎体识别方法，提其特征在于，所述对所述多个优选锚框进行roi池化，包括：

5.根据权利要求1所述的脊椎椎体识别方法，其特征在于，所述对所述多个优选锚框进行roi池化，还包括：

6.根据权利要求1所述的脊椎椎体识别方法，其特征在于，所述特征提取模块为resnet残差神经网络。

7.一种电子设备，其特征在于，所述电子设备包括存储有计算机可执行指令的存储器和处理器，当所述指令被所述处理器执行时，使得所述电子设备实施根据权利要求1-6中任一项所述的脊椎椎体识别方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上运行时，使得所述计算机执行根据权利要求1-6中任一项所述的脊椎椎体识别方法。

技术总结
本发明提供了一种脊椎椎体识别方法、设备及介质，包括，获取待检图像并输入预先训练的椎体识别模型；锚框生成模块于待检图像中生成多个锚框；特征提取模块于待检图像中提取多个特征张量，根据任一锚框的框体大小得到锚框与特征张量的对应关系；同级检测模块获取目标存在性分数并筛选多个优选锚框，以表示待检图像内多个椎体的位置；标签分类模块得到任一优选锚框的特征向量，以学习任一优选锚框的稀疏编码，根据任一优选锚框的稀疏编码计算获取任一优选锚框的类概率向量；根据任一优选锚框的类概率向量获取优选锚框的标签，得到待检图像内任一椎体的椎体类型。采用本发明技术方案后，能够在具有不同图像特性和视场角的图像中均有效识别椎体。

技术研发人员：赵屾,胡恺
受保护的技术使用者：杭州博钊科技有限公司
技术研发日：
技术公布日：2024/4/17