X线头颅正位片头影测量标志点自动识别方法及设备技术

本发明专利技术涉及一种X线头颅正位片头影测量标志点自动识别方法及设备，所述方法包括以下步骤：获取待识别的X线头颅正位片图像并进行预处理；以预处理后的图像作为经训练的识别模型的输入，获得自动识别结果；其中，识别模型基于改进YOLOv3网络构建，识别模型的训练过程包括以下步骤：获取经预处理的X线头颅正位片图像样本集，在各图像中标注标志点位置；进行数据增强，获得训练数据集和测试数据集；利用改进YOLOv3网络进行学习，获得收敛后的权重模型；利用权重模型对测试数据集中的图像进行测试，调整权重模型的参数，再次训练获得最终的识别模型。与现有技术相比，本发明专利技术能够精准、快速地识别标志点位置，减轻常规临床服务的工作量。减轻常规临床服务的工作量。减轻常规临床服务的工作量。

【技术实现步骤摘要】
X线头颅正位片头影测量标志点自动识别方法及设备


[0001]本专利技术属于计算机辅助医学领域，具体涉及一种基于深度学习的X线头颅正位片头影测量标志点自动识别方法及设备。

技术介绍

[0002]X线头影测量技术于1931年由Broadbent和Hofrath分别提出，是在X线头影侧位片上先绘制测量描迹图，并确定测量标志点，然后对根据这些测量标志点描绘出的线距、角度及线距比进行测量分析，用以了解颅、颌、面、牙软硬组织的结构情况及其相互间关系，进一步了解畸形的机理，有助于医生作出正确的诊断和矫治设计。
[0003]头影测量标志点的标定需要由受过专门培训的临床医生进行手动标定，但是人工标定仍然是一项困难的任务，不仅手动标注过程会导致测量误差，而且人工标定也是一项耗时的工作，专家平均需要15到20分钟来处理每个头颅侧位片。全自动的头影测量标志点自动识别将减轻常规临床服务的工作量，并为正畸医生提供更多时间来制定最佳的治疗计划。目前为止，全自动X线头颅正位片头影测量标志点自动识别方法很少有人提出并且提出的方法都不够准确，高度依赖数据质量，鲁棒性不高，不能用于临床实践。因此有必要研究一个快速识别且精度较高的自动化模型。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种精度较高、快速的X线头颅正位片头影测量标志点自动识别方法及设备。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种X线头颅正位片头影测量标志点自动识别方法，包括以下步骤：
[0007]获取待识别的X线头颅正位片图像并进行预处理；
[0008]以预处理后的图像作为经训练的识别模型的输入，获得自动识别结果；
[0009]其中，所述识别模型基于改进YOLOv3网络构建，识别模型的训练过程包括以下步骤：
[0010]1)获取经预处理的X线头颅正位片图像样本集，在各图像中标注标志点位置；
[0011]2)对已标注的图像进行数据增强，获得训练数据集和测试数据集；
[0012]3)利用改进YOLOv3网络对所述训练数据集中的标志点位置进行学习，获得收敛后的权重模型；
[0013]4)利用所述权重模型对测试数据集中的图像进行测试，调整所述权重模型的参数，再次训练获得最终的识别模型。
[0014]进一步地，所述预处理包括脱敏处理和图像变换。
[0015]进一步地，所述在各图像中标注标志点位置具体为：
[0016]利用目标分割的标记软件对图像中的标注点进行框选和标志分类，获得带有标注框的图像和对应的标注信息文件。
[0017]进一步地，所述标志分类的类别包括右额颧点、左额颧点、右颧弓点、前鼻棘、后鼻棘、上中切牙点、下中切牙点、右上颌第一磨牙点、左上颌第一磨牙点和颏下点。
[0018]进一步地，所述数据增强具体为：
[0019]利用python将正位片图像进行旋转90
°
、180
°
和270
°
，以实现数据扩增，同时修改标注信息文件。
[0020]进一步地，所述标注框的大小为5*5。
[0021]进一步地，所述改进YOLOv3网络包括特征提取部分和预测部分，所述预测部分包括四条支路，在第一条支路中引入SPP模块，各条支路对不同尺度的张量进行拼接操作以获得不同尺度的预测结果，基于所述不同尺度的预测结果获得最终预测结果。
[0022]进一步地，所述特征提取部分和预测部分均包括DBL模块，该DBL模块包括卷积层、BN层和LeakyReLU激活层。
[0023]进一步地，所述步骤4)的测试过程中，通过欧几里得距离误差评估指标获得各标志点的检测精度，基于该检测精度调整所述权重模型的参数。
[0024]本专利技术还提供一种电子设备，包括：
[0025]一个或多个处理器；存储器；和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述X线头颅正位片头影测量标志点自动识别方法的指令。
[0026]与现有技术相比，本专利技术具有以下有益效果：
[0027]1、本专利技术所提供的X线头颅正位片头影测量标志点自动识别方法利用计算机视觉算法，识别的速度和精度都要远远优与人工，大大提升了标志点检测的效率和精度，可以一秒检测多张图像，具有操作方便、容易实施等优点。
[0028]2、本专利技术所提供的X线头颅正位片头影测量标志点自动识别方法标志点精度较高，实验中10个标志点精度在1.37～3.4mm，完全满足牙科临床，可帮助牙科临床医生节省时间来制定最佳的治疗计划。
[0029]3、本专利技术所提供的X线头颅正位片头影测量标志点自动识别方法在模型预测的结构设计中，通过添加一个尺度的检测并融合多尺度的特征来保证模型对于标志点这种小目标物体的检测，并在第一条支路前加入SPP模块，通过SPP模块实现局部特征和全局特征的融合，丰富最终特征图的表达能力，通过对不同尺度的张量进行拼接操作来获得四个不同尺度的预测，检测精度得到显著提高。
[0030]4、本专利技术利用改进YOLOv3多尺度特征提取检测网络实现标志点识别，使用这种结构可以让网络结构更深，可以提取到深层的语义信息，提高检测精度。
[0031]5、本专利技术改进YOLOv3网络的基本组件中包含有BN层，BN层的应用可以加快收敛速度，把每层的数据都在转换在均值为零，方差为1的状态下，这样每层数据的分布都是一样的训练会比较容易收敛，其次防止梯度爆炸和梯度消失。
附图说明
[0032]图1为X线头颅正位片头影测量标志点自动识别流程图；
[0033]图2为X线头颅正位片及标志点位置示意图；
[0034]图3为改进YOLOv3网络结构框架图；
[0035]图4为模型训练后测试图像经过模型识别出的图像。
具体实施方式
[0036]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0037]本实施例提供一种X线头颅正位片头影测量标志点自动识别方法，该方法首先获取待识别的X线头颅正位片图像并进行预处理，包括脱敏处理和图像变换等，然后以预处理后的图像作为经训练的识别模型的输入，获得自动识别结果；其中，所述识别模型基于改进YOLOv3网络构建。该方法利用改进YOLOv3多尺度特征提取检测网络实现多标志点以及尺度范围小的目标物体的准确定位及分类，快速且准确度高。
[0038]如图1所示，本实施例中，识别模型的训练过程包括以下步骤：
[0039]步骤S1，获取X线头颅正位片图像。
[0040]步骤S2，对X线头颅正位片图像进行预处理。
[0041]从医院收集来的X线头颅正位片一般含有患者姓名、出生年月、拍摄医院等敏感信息，本实施例中采用图片编辑软件与python的pillow图像处理库将敏感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种X线头颅正位片头影测量标志点自动识别方法，其特征在于，包括以下步骤：获取待识别的X线头颅正位片图像并进行预处理；以预处理后的图像作为经训练的识别模型的输入，获得自动识别结果；其中，所述识别模型基于改进YOLOv3网络构建，识别模型的训练过程包括以下步骤：1)获取经预处理的X线头颅正位片图像样本集，在各图像中标注标志点位置；2)对已标注的图像进行数据增强，获得训练数据集和测试数据集；3)利用改进YOLOv3网络对所述训练数据集中的标志点位置进行学习，获得收敛后的权重模型；4)利用所述权重模型对测试数据集中的图像进行测试，调整所述权重模型的参数，再次训练获得最终的识别模型。2.根据权利要求1所述的X线头颅正位片头影测量标志点自动识别方法，其特征在于，所述预处理包括脱敏处理和图像变换。3.根据权利要求1所述的X线头颅正位片头影测量标志点自动识别方法，其特征在于，所述在各图像中标注标志点位置具体为：利用目标分割的标记软件对图像中的标注点进行框选和标志分类，获得带有标注框的图像和对应的标注信息文件。4.根据权利要求3所述的X线头颅正位片头影测量标志点自动识别方法，其特征在于，所述标志分类的类别包括右额颧点、左额颧点、右颧弓点、前鼻棘、后鼻棘、上中切牙点、下中切牙点、右上颌第一磨牙点、左上颌第一磨牙点和颏下点。5.根据权利要求3所述的X线头颅正位片头影测量标志点自动识别方法，其特征在于，所述数据增强具体...

【专利技术属性】
技术研发人员：姚旭峰，赵从义，金宇，
申请(专利权)人：上海健康医学院，
类型：发明
国别省市：