【技术实现步骤摘要】
本专利技术涉及机器学习技术，尤其涉及一种椎体识别定位方法、装置、设备及存储介质。
技术介绍
1、基于ct(计算机断层扫描，computed tomography)影像的脊柱椎体的定位、识别和分割，在脊柱畸形评估、骨密度测量和相关手术计划等临床应用中发挥着重要的作用。
2、近年来，深度学习的发展给脊柱椎体的自动定位、识别和分割带来了显著的进步，但在真实应用中仍面临巨大的挑战，传统的检测分类方法的识别和定位准确度不高，无法保证解剖学上的一致性，可能出现重复识别序号和漏识别序号，以及定位错误的情况。
技术实现思路
1、本专利技术提供一种椎体识别定位方法、装置、设备及存储介质，以提高椎体识别的准确性，提高椎体位置预测的精准性。
2、第一方面，本专利技术提供了一种椎体识别定位方法，包括：
3、将待处理的脊柱图像输入图像编码器中进行处理，从所述脊柱图像中提取表征椎体信息的图像特征；
4、将所述图像特征、表征椎体识别信息的锥体嵌入特征和表征锥体位置信息的椎体位置嵌入特征输入解码器中，所述解码器基于交叉注意力机制融合所述图像特征、所述锥体嵌入特征和椎体位置嵌入特征，得到椎体识别特征，以及所述解码器基于交叉注意力机制融合所述图像特征和椎体位置嵌入特征，得到椎体定位特征；
5、基于所述椎体识别特征和所述椎体定位特征预测各所述锥体存在的概率值，以及各所述锥体的位置信息。
6、第二方面，本专利技术还提供了一种椎体识别定位装置，包括：<...
【技术保护点】
1.一种椎体识别定位方法，其特征在于，包括：
2.根据权利要求1所述的椎体识别定位方法，其特征在于，从待处理的脊柱图像中提取表征椎体信息的图像特征，包括：
3.根据权利要求2所述的椎体识别定位方法，其特征在于，从待处理的脊柱图像中提取椎体所在区域的图像信息，得到目标图像，包括：
4.根据权利要求3所述的椎体识别定位方法，其特征在于，对待处理的脊柱图像进行预处理，得到包括锥体的预处理图像，包括：
5.根据权利要求3所述的椎体识别定位方法，其特征在于，从所述子图像中分割出锥体所在的区域，得到子分割图像，包括：
6.根据权利要求2所述的椎体识别定位方法，其特征在于，所述图像编码器包括三阶段的残差模块，将所述目标图像输入图像编码器中进行特征提取，得到提取表征椎体信息的图像特征，包括：
7.根据权利要求1-6任一所述的椎体识别定位方法，其特征在于，所述解码器包括多层依次堆叠的解码模块，所述解码模块包括第一解码单元和第二解码单元，解码器基于交叉注意力机制融合所述图像特征、所述锥体嵌入特征和椎体位置嵌入特征，得到椎体识别特
8.根据权利要求7所述的椎体识别定位方法，其特征在于，所述第一解码单元包括依次堆叠的交叉注意力层、第一归一化层、自注意力层、第二归一化层、前馈层和第三归一化层，在目标解码模块的第一解码单元中，以前一层解码模块中第二解码单元的输出特征作为交叉注意力机制中的键向量和值向量，以前一层解码模块中第一解码单元的输出特征作为交叉注意力机制中的查询向量，计算目标解码模块中第一解码单元的输出特征，包括：
9.根据权利要求7所述的椎体识别定位方法，其特征在于，所述解码器基于交叉注意力机制融合所述图像特征和椎体位置嵌入特征，得到椎体定位特征，包括：
10.根据权利要求9所述的椎体识别定位方法，其特征在于，所述第二解码单元包括依次堆叠的交叉注意力层、第一归一化层、自注意力层、第二归一化层、前馈层和第三归一化层，在对象解码模块的第二解码单元中，以对象解码模块中第一解码单元的输出特征作为交叉注意力机制中的键向量和值向量，以前一层解码模块中第二解码单元的输出特征作为交叉注意力机制中的查询向量，计算对象解码模块中第二解码单元的输出特征，包括：
11.根据权利要求1-6、8-10任一所述的椎体识别定位方法，其特征在于，基于所述椎体识别特征和所述椎体定位特征预测各所述锥体存在的概率值，以及各所述锥体的位置信息，包括：
12.根据权利要求11所述的椎体识别定位方法，其特征在于，所述检测头包括注意力模块、第一多层感知机、第二多层感知机、反卷积层和卷积层，所述检测头基于注意力机制融合所述椎体识别特征和所述椎体定位特征，得到融合特征，并基于所述融合特征预测各所述锥体存在的概率值，以及基于所述融合特征和所述椎体定位特征预测各所述锥体的位置信息，包括：
13.根据权利要求12所述的椎体识别定位方法，其特征在于，所述注意力模块包括依次堆叠的交叉注意力层、第一归一化层、自注意力层、第二归一化层、前馈层和第三归一化层，在注意力模块中基于注意力机制融合所述椎体识别特征和所述椎体定位特征，得到融合特征，包括：
14.根据权利要求1-6、8-10、12、13任一所述的椎体识别定位方法，其特征在于，在基于所述椎体识别特征和所述椎体定位特征预测各所述锥体存在的概率值，以及各所述锥体的位置信息之后，还包括：
15.根据权利要求14所述的椎体识别定位方法，其特征在于，基于先验知识，修正所述目标椎体的位置信息，使目标椎体符合先验的排列顺序，以及符合先验的椎体间距，包括：
16.根据权利要求1-6、8-10、12、13、15任一所述的椎体识别定位方法，其特征在于，在基于所述椎体识别特征和所述椎体定位特征预测各所述锥体存在的概率值，以及各所述锥体的位置信息之后，还包括：
17.根据权利要求16任一所述的椎体识别定位方法，其特征在于，基于各所述锥体的位置信息，从脊柱图像中分割出单个所述锥体所在的区域，包括：
18.一种椎体识别定位装置，其特征在于，包括：
19.一种电子设备，其特征在于，包括：
20.一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，该程序被处理器执行时实现如权利要求1-17中任一所述的椎体识别定位方法。
...【技术特征摘要】
1.一种椎体识别定位方法，其特征在于，包括：
2.根据权利要求1所述的椎体识别定位方法，其特征在于，从待处理的脊柱图像中提取表征椎体信息的图像特征，包括：
3.根据权利要求2所述的椎体识别定位方法，其特征在于，从待处理的脊柱图像中提取椎体所在区域的图像信息，得到目标图像，包括：
4.根据权利要求3所述的椎体识别定位方法，其特征在于，对待处理的脊柱图像进行预处理，得到包括锥体的预处理图像，包括：
5.根据权利要求3所述的椎体识别定位方法，其特征在于，从所述子图像中分割出锥体所在的区域，得到子分割图像，包括：
6.根据权利要求2所述的椎体识别定位方法，其特征在于，所述图像编码器包括三阶段的残差模块，将所述目标图像输入图像编码器中进行特征提取，得到提取表征椎体信息的图像特征，包括：
7.根据权利要求1-6任一所述的椎体识别定位方法，其特征在于，所述解码器包括多层依次堆叠的解码模块，所述解码模块包括第一解码单元和第二解码单元，解码器基于交叉注意力机制融合所述图像特征、所述锥体嵌入特征和椎体位置嵌入特征，得到椎体识别特征，包括：
8.根据权利要求7所述的椎体识别定位方法，其特征在于，所述第一解码单元包括依次堆叠的交叉注意力层、第一归一化层、自注意力层、第二归一化层、前馈层和第三归一化层，在目标解码模块的第一解码单元中，以前一层解码模块中第二解码单元的输出特征作为交叉注意力机制中的键向量和值向量，以前一层解码模块中第一解码单元的输出特征作为交叉注意力机制中的查询向量，计算目标解码模块中第一解码单元的输出特征，包括：
9.根据权利要求7所述的椎体识别定位方法，其特征在于，所述解码器基于交叉注意力机制融合所述图像特征和椎体位置嵌入特征，得到椎体定位特征，包括：
10.根据权利要求9所述的椎体识别定位方法，其特征在于，所述第二解码单元包括依次堆叠的交叉注意力层、第一归一化层、自注意力层、第二归一化层、前馈层和第三归一化层，在对象解码模块的第二解码单元中，以对象解码模块中第一解码单元的输出特征作为交叉注意力机制中的键向量和值向量，以前一层解码模块中第二解码单元的输...
【专利技术属性】
技术研发人员：黎安伟，
申请(专利权)人：广州视源电子科技股份有限公司，
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。