CN115100139B 一种基于深度学习的脊柱侧弯检测方法 （上海工程技术大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115100139B(45)授权公告日2025.07.01

(21)申请号202210704918.9

(22)申请日2022.06.21

(65)同一申请的已公布的文献号申请公布号CN115100139A

(43)申请公布日2022.09.23

(73)专利权人上海工程技术大学

地址201620上海市松江区龙腾路333号

(72)发明人周志峰朱佳方宇吴明晖

(74)专利代理机构上海科盛知识产权代理有限公司31225

专利代理师丁云

G06T5/70(2024.01)

G06T7/10(2017.01)

(56)对比文件

CN113674257A,2021.11.19

林文韬.基于Kinect相机的脊柱侧弯检测技术研究.《中国优秀硕士学位论文全文数据库医药卫生科技辑》.2020,(第1期),E066-456.

审查员王泽宇

(51)Int.CI.

GO6T7/00(2017.01)

A61B5/107(2006.01)

GO6N20/00(2019.01)权利要求书2页说明书5页附图5页

(54)发明名称

一种基于深度学习的脊柱侧弯检测方法

(57)摘要

CN115100139B本发明涉及一种基于深度学习的脊柱侧弯检测方法，该方法包括：S1、获取脊柱X片图像；S2、将脊柱X片图像输入深度学习模型，预测脊椎中心点和用于定位的定位点；S3、对预测脊椎中心点进行过滤；S4、基于过滤后的脊椎中心点拟合脊椎曲线；S5、根据拟合的脊椎曲线确定脊椎弯曲段，并确定每个弯曲段的端椎；S6、对每个弯曲段进行脊柱侧弯分型；S7、基于每个弯曲段的端椎，计算每个弯曲段的cobb角。与现有技术相

CN115100139B

获取脊柱

获取脊柱X片图像

将脊柱X片输入深度学习模型，检测脊椎中心点和四个定位点

对预测脊椎中心点进行过滤

基于过滤后的脊椎中心点拟合脊椎曲线

根据拟合的脊椎曲线确定脊椎弯曲段，并确定每个弯曲段的端椎

对每个弯曲段进行脊柱侧弯分型

基于每个弯曲段的端椎，计算每个弯曲段的cobb角

S1

S2

S3

54

55

56

S7

CN115100139B权利要求书1/2页

2

1.一种基于深度学习的脊柱侧弯检测方法，其特征在于，该方法包括：

S1、获取脊柱X片图像；

S2、将脊柱X片图像输入深度学习模型，预测脊椎中心点和用于定位的定位点；S3、对预测脊椎中心点进行过滤；

S4、基于过滤后的脊椎中心点拟合脊椎曲线；

S5、根据拟合的脊椎曲线确定脊椎弯曲段，并确定每个弯曲段的端椎；

S6、对每个弯曲段进行脊柱侧弯分型；

S7、基于每个弯曲段的端椎，计算每个弯曲段的cobb角，包括：

对于每个弯曲段，获取该弯曲段对应的上端椎和下端椎；

基于拟合的脊椎曲线分别确定上端椎和下端椎位置处椎间盘的法线；

对两条法线进行修正，其中，法线修正的方式为：计算法线修正角度：

其中，i表示脊椎中心点索引，d为拟合的脊椎曲线上第i个椎间盘处的法线斜率，α为修正因子，△;为第i个脊椎中心点处法线修正角度；

求取两个法线的交角作为当前弯曲段的cobb角。

2.根据权利要求1所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，所述的深度学习模型包括用于脊柱X片图像特征提取的特征提取网络以及用于医学分割的分割网

络。

3.根据权利要求1所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，所述的深度学习模型预测的脊椎中心点包括颈椎、胸椎、腰椎的脊椎中心点，所述的定位点包括分别位于第一组锁骨及髋骨处的2组定位点，每一组包括两个位于脊椎线两侧的定位点。

4.根据权利要求2所述的一种基于深度学习的脊柱侧弯检测方法，其特征在于，所述的深度学习模型采用迁移学习的方法进行训练，包括：首先对特征提取网络进行训练，直到模型收敛；然后，对前面已训练好的特征提取网络的权重进行冻结保护，对整个深度学习模型进行训练；最后，将冻结的特征提取网络的权重解冻，训练整个深度学习模型。

5.根据权利要求2所述的一种基于深度学习的脊柱侧弯检测方法