图像检测方法、计算机设备和存储介质技术

本申请涉及一种图像检测方法、计算机设备和存储介质。所述方法包括：获取待检测医学图像；所述待检测医学图像包括感兴趣区域；将所述待检测医学图像输入至关键点检测模型中，得到所述感兴趣区域对应的关键点集；所述关键点检测模型是基于样本医学图像和所述样本医学图像对应的金标准图像进行训练得到的，所述金标准图像包括所述样本医学图像对应的关键点标记；基于所述感兴趣区域对应的关键点集，确定所述感兴趣区域的相关结构参数；所述相关结构参数用于表征所述感兴趣区域的形态。采用本方法能够节省人力。

Image detection method, computer equipment and storage medium

【技术实现步骤摘要】
图像检测方法、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种图像检测方法、计算机设备和存储介质。
技术介绍
脊柱是人体重要的支撑结构，共包括7颈椎、12胸椎和5腰椎。现代社会中，脑力工作者的体力活动减少，需要久坐的办公时间大大增加，因此脊柱出现问题的人也越来越多，而不同类型和不同程度的脊柱问题的治疗手段通常也是不一样的，因此就需要对脊柱的一些参数进行测量，以便基于这些参数去确定脊柱属于哪类或者哪种程度的问题。相关技术中，一般在受检者拍摄医学影像之后，通常是医生手动在医学影像上进行脊柱相关点的标记，然后根据标记的脊柱相关点对脊柱的一些参数进行测量。然而上述技术存在耗费人力的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够节省人力的图像检测方法、装置、计算机设备和存储介质。一种图像检测方法，该方法包括：获取待检测医学图像；该待检测医学图像包括感兴趣区域；将待检测医学图像输入至关键点检测模型中，得到感兴趣区域对应的关键点集；该关键点检测模型是基于样本医学图像和样本医学图像对应的金标准图像进行训练得到的，金标准图像包括样本医学图像对应的关键点标记；基于感兴趣区域对应的关键点集，确定感兴趣区域的相关结构参数；相关结构参数用于表征感兴趣区域的形态。在其中一个实施例中，上述感兴趣区域的相关结构参数包括感兴趣区域的曲度，上述关键点集包括各个关键点的位置信息；上述方法还包括：基于关键点集中的各个关键点的位置信息，对感兴趣区域上的关键点集中的各个关键点进行划分，得到感兴趣区域上的至少一个关键点子集；基于至少一个关键点子集，确定每个关键点子集对应的特征值；基于每个关键点子集对应的特征值，确定感兴趣区域的曲度的类别。在其中一个实施例中，上述基于每个关键点子集对应的特征值，确定感兴趣区域的曲度的类别，包括：将每个关键点子集对应的特征值输入至分类模型中，确定感兴趣区域的曲度的类别；该分类模型是基于样本医学图像集进行训练得到的，样本医学图像集包括训练医学图像中感兴趣区域的各个关键点子集对应的特征值和训练医学图像中感兴趣区域的曲度的标注类别。在其中一个实施例中，上述基于至少一个关键点子集，确定每个关键点子集对应的特征值，包括：对每个关键点子集中的各个关键点进行拟合处理，确定每个关键点子集对应的圆；基于每个关键点子集对应的圆以及每个关键点子集中各个关键点的位置信息，确定每个关键点子集对应的圆的目标半径；该目标半径为带有正负符号的半径；根据每个关键点子集对应的圆的目标半径，得到每个关键点子集对应的曲率值，并将每个关键点子集对应的曲率值确定为每个关键点子集对应的特征值。在其中一个实施例中，上述基于每个关键点子集对应的圆以及每个关键点子集中各个关键点的位置信息，确定每个关键点子集对应的圆的目标半径，包括：根据每个关键点子集对应的圆，得到每个关键点子集对应的圆的圆心位置；基于每个关键点子集对应的圆的圆心位置以及每个关键点子集中各个关键点的位置信息，得到每个关键点子集与对应的圆的圆心位置的相对位置结果；若相对位置结果中一个关键点子集对应的圆的圆心位置在关键点子集的左侧，则将一个关键点子集对应的圆的半径确定为目标半径；若相对位置结果中另一个关键点子集对应的圆的圆心位置在关键点子集的右侧，则将另一个关键点子集对应的圆的半径置为负的半径，并将负的半径确定为目标半径。在其中一个实施例中，上述基于感兴趣区域对应的关键点集，确定感兴趣区域的相关结构参数，包括：基于感兴趣区域对应的关键点集中各个关键点的位置信息，计算关键点集中各关键点之间点与点之间的距离，得到感兴趣区域的相关结构参数；和/或，基于感兴趣区域对应的关键点集中各个关键点的位置信息，计算关键点集中各关键点所构成的线与线之间的距离，得到感兴趣区域的相关结构参数；和/或，基于感兴趣区域对应的关键点集中各个关键点的位置信息，计算关键点集中各关键点所构成的线与点之间的距离，得到感兴趣区域的相关结构参数；和/或，基于感兴趣区域对应的关键点集中各个关键点的位置信息，计算关键点集中各关键点所构成的面的面积，得到感兴趣区域的相关结构参数。在其中一个实施例中，上述将待检测医学图像输入至关键点检测模型中，得到感兴趣区域对应的关键点集，包括：将待检测医学图像输入至关键点检测模型中，得到待检测医学图像中感兴趣区域对应的至少一个关键点的概率图；基于至少一个关键点的概率图，确定感兴趣区域的每个关键点所对应的至少一个候选点；采用动态规划算法对感兴趣区域的每个关键点所对应的至少一个候选点进行处理，得到感兴趣区域的每个关键点所对应的一个目标点；基于感兴趣区域的每个关键点所对应的一个目标点，得到感兴趣区域对应的关键点集。在其中一个实施例中，上述基于至少一个关键点的概率图，确定感兴趣区域的每个关键点所对应的至少一个候选点，包括：根据预设的概率阈值对每个关键点的概率图进行二值化处理，得到每个关键点的概率图对应的二值化掩膜图像；对各个二值化掩膜图像中的连通域进行标记，并根据标记的连通域确定其中面积大于预设的面积阈值的候选连通域；计算每个候选连通域对应的关键点的概率图中概率值的加权中心和平均概率值，得到感兴趣区域的每个关键点所对应的至少一个候选点。一种图像检测装置，该装置包括：获取模块，用于获取待检测医学图像；该待检测医学图像包括感兴趣区域；检测模块，用于将待检测医学图像输入至关键点检测模型中，得到感兴趣区域对应的关键点集；该关键点检测模型是基于样本医学图像和样本医学图像对应的金标准图像进行训练得到的，金标准图像包括样本医学图像对应的关键点标记；确定模块，用于基于感兴趣区域对应的关键点集，确定感兴趣区域的相关结构参数；相关结构参数用于表征感兴趣区域的形态。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待检测医学图像；该待检测医学图像包括感兴趣区域；将待检测医学图像输入至关键点检测模型中，得到感兴趣区域对应的关键点集；该关键点检测模型是基于样本医学图像和样本医学图像对应的金标准图像进行训练得到的，金标准图像包括样本医学图像对应的关键点标记；基于感兴趣区域对应的关键点集，确定感兴趣区域的相关结构参数；相关结构参数用于表征感兴趣区域的形态。一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待检测医学图像；该待检测医学图像包括感兴趣区域；将待检测医学图像输入至关键点检测模型中，得到感兴趣区域对应的关键点集；该关键点检测模型是基于样本医学图像和样本医学图像对应的金标准图像进行训练得到的，金标准图像包括样本医学图像对应的关键点标记；基于感兴趣区域对应的关键点集，确定感本文档来自技高网...

【技术保护点】
1.一种图像检测方法，其特征在于，所述方法包括：/n获取待检测医学图像；所述待检测医学图像包括感兴趣区域；/n将所述待检测医学图像输入至关键点检测模型中，得到所述感兴趣区域对应的关键点集；所述关键点检测模型是基于样本医学图像和所述样本医学图像对应的金标准图像进行训练得到的，所述金标准图像包括所述样本医学图像对应的关键点标记；/n基于所述感兴趣区域对应的关键点集，确定所述感兴趣区域的相关结构参数；所述相关结构参数用于表征所述感兴趣区域的形态。/n

【技术特征摘要】
1.一种图像检测方法，其特征在于，所述方法包括：
获取待检测医学图像；所述待检测医学图像包括感兴趣区域；
将所述待检测医学图像输入至关键点检测模型中，得到所述感兴趣区域对应的关键点集；所述关键点检测模型是基于样本医学图像和所述样本医学图像对应的金标准图像进行训练得到的，所述金标准图像包括所述样本医学图像对应的关键点标记；
基于所述感兴趣区域对应的关键点集，确定所述感兴趣区域的相关结构参数；所述相关结构参数用于表征所述感兴趣区域的形态。


2.根据权利要求1所述的方法，其特征在于，所述感兴趣区域的相关结构参数包括所述感兴趣区域的曲度，所述关键点集包括各个关键点的位置信息；所述方法还包括：
基于所述关键点集中的各个关键点的位置信息，对所述感兴趣区域上的关键点集中的各个关键点进行划分，得到所述感兴趣区域上的至少一个关键点子集；
基于所述至少一个关键点子集，确定每个所述关键点子集对应的特征值；
基于每个所述关键点子集对应的特征值，确定所述感兴趣区域的曲度的类别。


3.根据权利要求2所述的方法，其特征在于，所述基于每个所述关键点子集对应的特征值，确定所述感兴趣区域的曲度的类别，包括：
将每个所述关键点子集对应的特征值输入至分类模型中，确定所述感兴趣区域的曲度的类别；所述分类模型是基于样本医学图像集进行训练得到的，所述样本医学图像集包括训练医学图像中感兴趣区域的各个关键点子集对应的特征值和所述训练医学图像中感兴趣区域的曲度的标注类别。


4.根据权利要求2或3所述的方法，其特征在于，所述基于所述至少一个关键点子集，确定每个所述关键点子集对应的特征值，包括：
对每个所述关键点子集中的各个关键点进行拟合处理，确定每个所述关键点子集对应的圆；
基于每个所述关键点子集对应的圆以及每个所述关键点子集中各个关键点的位置信息，确定每个所述关键点子集对应的圆的目标半径；所述目标半径为带有正负符号的半径；
根据每个所述关键点子集对应的圆的目标半径，得到每个所述关键点子集对应的曲率值，并将每个所述关键点子集对应的曲率值确定为每个所述关键点子集对应的特征值。


5.根据权利要求4所述的方法，其特征在于，所述基于每个所述关键点子集对应的圆以及每个所述关键点子集中各个关键点的位置信息，确定每个所述关键点子集对应的圆的目标半径，包括：
根据每个所述关键点子集对应的圆，得到每个所述关键点子集对应的圆的圆心位置；
基于每个所述关键点子集对应的圆的圆心位置以及每个所述关键点子集中各个关键点的位置信息，得到每个所述关键点子集与对应的圆的圆心位置的相对位置结果；
若所述相对位置结果中一个关键点子集对应的圆的圆心位置在所述关键点子集的左侧，则将所述一个关键点子...

【专利技术属性】
技术研发人员：刘曦，董昢，薛忠，
申请(专利权)人：联影智能医疗科技北京有限公司，
类型：发明
国别省市：北京;11