【技术实现步骤摘要】
本专利技术涉及医学领域，具体为一种基于关键点检测的脊柱畸形分析系统。
技术介绍
1、脊柱畸形是一种常见的骨骼系统疾病，包括脊柱侧弯、脊柱旋转等，通常在儿童和青少年发育期间逐渐发展。对于脊柱畸形的早期诊断和监测对于及时干预和治疗至关重要，传统的脊柱畸形分析通常依赖于医生的经验和常规的影像学检查，如x射线片，然而，这些方法存在一些局限性，如辐射暴露、二维信息不足以全面评估三维脊柱结构等。
2、近年来，基于计算机视觉和深度学习的技术逐渐在医学影像领域取得了显著的进展，关键点检测是其中一种重要的技术，它可以自动地从图像中定位关键点，从而实现对人体结构的准确分析，对于脊柱畸形而言，关键点检测可以用于标定脊椎的特定位置，进而量化脊柱的形态特征。
3、现有技术中，传统分析方法通常需要医生手动测量和分析脊柱的各项指标，这一过程繁琐费时，同时由于人为因素和主观判断，不同医生可能对同一患者的脊柱畸形给出不同的评估结果，导致精度和一致性不足，并且传统分析方法通常是一次性的静态分析，难以实时监测脊柱的变化，无法及时调整治疗计划。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于关键点检测的脊柱畸形分析系统，解决了传统分析方法通常需要医生手动测量和分析脊柱的各项指标，这一过程繁琐费时，同时由于人为因素和主观判断，不同医生可能对同一患者的脊柱畸形给出不同的评估结果，导致精度和一致性不足，并且传统分析方法通常是一次性的静态分析，难以实时监测脊柱的变化，无法及时调整治疗计划的
2、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于关键点检测的脊柱畸形分析系统，包括：脊柱体表形态采集子系统、关键点分析子系统、分析与计算子系统、评估指标计算子系统、数据分析子系统、中央控制平台；所述脊柱体表形态采集子系统，用于采集脊柱在人体表面的形态数据；所述关键点分析子系统，用于对脊柱体表形态采集子系统所获取的信息进行处理和特征分析，获得待分析的脊柱的各椎体区域的坐标及姿态信息，并将上端椎体区域的顶点和下端椎体区域的顶点、各椎体区域的侧缘点作为关键点；所述分析与计算子系统，用于对待分析的脊柱的各椎体区域的坐标及姿态信息进行姿态分析与计算得出脊柱在矢状面、冠状面、横断面上的投影信息，并分析计算出cobb角、atr、旋转角、胸曲、腰曲信息；所述评估指标计算子系统，用于基于分析与计算子系统输出数据，并计算评估指标；所述数据分析子系统，用于基于计算得到的评估指标对脊柱进行分析；所述中央控制平台，用于控制整个系统的运行，并协调各子系统之间的运行。
3、进一步地，获得待分析的脊柱的各椎体区域的坐标及姿态信息的具体步骤如下：获取若干个待分析的脊柱的轨迹数据，并构建轨迹数据集；将轨迹数据集分为训练数据集和验证数据集；读取训练数据集对构建好的脊柱椎体检测学习网络模型进行训练，并计算得到特征损失函数；使用验证数据集评估模型性能，并根据验证结果调节模型参数，直至模型预测特征数据符合实际特征数据值；该构建好的脊柱椎体检测学习网络模型的输入、输入数据分别为待分析的脊柱的轨迹数据、待分析的脊柱的各椎体区域的坐标及姿态信息，并且该构建好的脊柱椎体检测学习网络模型以密集连接卷积网络为架构，多尺度特征提取为变体的深度学习模型，其中，深度学习模型包括：输入层、密集连接卷积层、激活函数、批归一化层、全局平均池化层、过渡层、全连接层、dropout层、softmax层、损失函数、优化器其中，深度学习模型包括：用于接收脊柱图像数据的输入层、采用densenet的密集连接卷积层，其中包含卷积层、批归一化层和relu激活函数，密集连接的特性使得每个卷积层都接收来自前面所有层的输入，有助于更好地传递梯度和促进特征重用、用于将特征图转换为全局平均值，将多维数据汇总为一维向量，为全连接层提供输入的全局平均池化层、用于减小特征图的尺寸的过渡层、用于将高级特征映射到输出类别的全连接层、用于在全连接层之后添加dropout层，随机丢弃一些神经元，有助于防止过拟合的dropout层、用于将网络的输出转换为概率分布的softmax层、用于度量模型输出与真实标签之间的差异的损失函数、用于调整模型参数以最小化损失函数的优化器。
4、进一步地，计算特征损失函数的公式如下：其中，ss为特征损失函数，zgut为模型预测的第g个待分析的脊柱的轨迹数据中第u个椎体区域的第t个预测坐标信息，为第g个待分析的脊柱的轨迹数据中第u个椎体区域的第t个实际坐标信息，g＝1,2,3,…,g，g为获取的待分析的脊柱的轨迹数据的数量，u＝1,2,3,…,u，u为获取的待分析的脊柱的轨迹数据中椎体区域的数量，t＝1,2,3,…,t，t为获取的待分析的脊柱的轨迹数据中椎体区域中坐标点的数量。
5、进一步地，所述分析与计算子系统包括：cobb角测量计算模块、atr测量计算模块、旋转角分析模块、胸曲和腰曲分析模块；所述cobb角测量计算模块，用于基于待分析的脊柱的轨迹数据中的上端椎体区域的顶点和下端椎体区域的底点的坐标信息计算cobb角；所述atr测量计算模块，用于基于待分析的脊柱的轨迹数据中的上端椎体区域的顶点和下端椎体区域的底点的坐标信息计算atr，其中atr表示最高点的横向平移相对于整个侧弯高度的比例；所述旋转角分析模块用于基于待分析的脊柱的轨迹数据计算脊柱的旋转角；所述胸曲和腰曲分析模块，用于基于待分析的脊柱的轨迹数据分析脊柱在矢状面上的生理性曲度，即为胸曲和腰曲。
6、进一步地，计算cobb角的具体步骤如下：读取待分析的脊柱的图像数据中的上端椎体区域的顶点和下端椎体区域的下端底点的各坐标点的坐标信息，并分别记为a点和b点；基于计算机图像处理技术，并以a、b点分别作垂直于上端椎体区域上缘、下端椎体区域下缘的垂直线，将两条垂直线的交点记为c点；分别取线段ac、bc的中点，并分别作垂直于线段ac、bc的中点的垂直线；两条垂直线的交角即为cobb角。
7、进一步地，计算atr的具体步骤如下：读取a点和b点的坐标信息；基于a点和b点的坐标信息分别计算椎体轴上的长度以及高度差；基于脊柱体轴长度以及高度差计算atr，其计算公式如下：其中，为椎体轴上的长度，|yb-ya|为高度差。
8、进一步地，计算脊柱的旋转角的具体步骤如下：分别读取各椎体区域的各坐标点的坐标信息，分别将各锥体的坐标中点视为各锥体的中心，并将其视为各自的局部坐标系；基于待分析的脊柱的轨迹数据获取每个锥体的姿态信息，所述姿态信息记为方向向量；基于旋转矩阵将各椎体区域的局部坐标系中的各坐标点的坐标信息以及姿态信息转换至全局坐标系中，获得各椎体在全局坐标系中的各坐标点的坐标信息以及姿态信息；并基于旋转矩阵中提取脊柱的旋转角。
9、进一步地，分析脊柱的胸曲和腰曲的具体步骤如下：读取各椎体区域的各侧缘点的坐标信息；并将各椎体区域的各侧缘点的坐标信息带入至曲率计算模型中，得到各椎体区域的各侧缘点的坐标信息的曲率值，并分别与设定的胸曲阈值和腰曲阈值进行比较；将坐标信息的曲率本文档来自技高网...
【技术保护点】
1.一种基于关键点检测的脊柱畸形分析系统，其特征在于，包括：脊柱体表形态采集子系统、关键点分析子系统、分析与计算子系统、评估指标计算子系统、数据分析子系统、中央控制平台；
2.根据权利要求1所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：获得待分析的脊柱的各椎体区域的坐标及姿态信息的具体步骤如下：
3.根据权利要求2所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：计算特征损失函数的公式如下：
4.根据权利要求1所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：所述分析与计算子系统包括：Cobb角测量计算模块、ATR测量计算模块、旋转角分析模块、胸曲和腰曲分析模块；
5.根据权利要求4所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：计算Cobb角的具体步骤如下：
6.根据权利要求5所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：计算ATR的具体步骤如下：
7.根据权利要求6所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：计算脊柱的旋转角的具体步骤如下：
9.根据权利要求8所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：计算评估指标的公式如下：
10.根据权利要求9所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：基于计算得到的评估指标对脊柱进行分析具体为：
...【技术特征摘要】
1.一种基于关键点检测的脊柱畸形分析系统，其特征在于，包括：脊柱体表形态采集子系统、关键点分析子系统、分析与计算子系统、评估指标计算子系统、数据分析子系统、中央控制平台；
2.根据权利要求1所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：获得待分析的脊柱的各椎体区域的坐标及姿态信息的具体步骤如下：
3.根据权利要求2所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：计算特征损失函数的公式如下：
4.根据权利要求1所述的一种基于关键点检测的脊柱畸形分析系统，其特征在于：所述分析与计算子系统包括：cobb角测量计算模块、atr测量计算模块、旋转角分析模块、胸曲和腰曲分析模块；
5.根据权利要求4所述的一种基于关...
【专利技术属性】
技术研发人员：何丹，顾冰，
申请(专利权)人：芙索特上海医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。