(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號CN119399284B(65)同一申請的已公布的文獻(xiàn)號(73)專利權(quán)人安徽省兒童醫(yī)院(安徽省新華醫(yī)大學(xué)附屬兒科醫(yī)院安徽醫(yī)院)地址230051安徽省合肥市包河區(qū)望江東路39號專利權(quán)人中國科學(xué)技術(shù)大學(xué)(72)發(fā)明人張思成劉傳彬馬海龍林昱東陳文建周志林(74)專利代理機(jī)構(gòu)合肥金安專利事務(wù)所(普通合伙企業(yè))34114專利代理師徐偉盆骨關(guān)鍵點定位方法、系統(tǒng)及存儲介質(zhì)本發(fā)明公開了盆骨關(guān)鍵點定位方法、系統(tǒng)及骼影像的原圖像和畸變圖像坐標(biāo)點生成；S2:骨過等比變換實現(xiàn)圖像畸變增廣；S4:通過深度學(xué)習(xí)，訓(xùn)練關(guān)鍵點定位模型，實現(xiàn)臨床盆骨關(guān)鍵點定位。本發(fā)明通過引入仿畸變數(shù)據(jù)增廣技術(shù)，生成更具代表性的數(shù)據(jù)集，實現(xiàn)自動化、高準(zhǔn)確度21.一種盆骨關(guān)鍵點定位方法，其特征在于，方法步驟如下：S1:骨骼影像的原圖像和畸變圖像坐標(biāo)點生成；S2:骨骼畸變后的關(guān)鍵點映射計算；S3:構(gòu)建四象限，通過等比變換實現(xiàn)圖像畸變增廣；S4:通過深度學(xué)習(xí)，訓(xùn)練關(guān)鍵點定位模型，實現(xiàn)臨床盆骨關(guān)鍵點定位；S1中原圖像的畸變前采樣點坐標(biāo)(uo,vo)在圖像區(qū)域([W/4,3*W/4],[H/4,3*H/4])內(nèi)隨機(jī)生成；畸變后采樣點坐標(biāo)(u?,v?)在(uo,vo)為中心且寬和高為的矩形內(nèi)隨機(jī)生成；其中，圖像尺寸的寬為W,高為H;S2中關(guān)鍵點映射的計算方法為：畸變前圖像中的關(guān)鍵點坐標(biāo)為(i,j),畸變后坐標(biāo)為(i',j'),定義一個畸變映射函數(shù)T:(i,j)→(i,j);如果j≤vo,從而得到完整畸變映射函數(shù)(i,j)=T(i,j)=(T;(i),T;(i)。2.根據(jù)權(quán)利要求1所述的盆骨關(guān)鍵點定位方法，其特征在于，S3中定義畸變后的圖像每個像素的灰度為I'(),通過尋找畸變后圖像像素點對應(yīng)原圖的像素點(i,j)的灰度值I(i),從而實現(xiàn)圖像畸變。3.根據(jù)權(quán)利要求2所述的盆骨關(guān)鍵點定位方法，其特征在于，實現(xiàn)圖像畸變的步驟如從而得到完整畸變映射函數(shù)I()=1(i)=I(T-1(6)y16),由此將逆映射得到的原圖像坐標(biāo)點的灰度值賦值給畸變圖像對應(yīng)的坐標(biāo)點上，即可完成畸變圖像的數(shù)據(jù)生成。4.根據(jù)權(quán)利要求1所述的盆骨關(guān)鍵點定位方法，其特征在于，S4中深度學(xué)習(xí)方法為：將關(guān)鍵點定位任務(wù)轉(zhuǎn)化為熱圖分布的估計任務(wù)；設(shè)計類U型網(wǎng)絡(luò)，提取特征并通過反卷積生成關(guān)鍵點熱圖；通過熱圖的最高響應(yīng)點作為關(guān)鍵點位置，實現(xiàn)盆骨關(guān)鍵點定位。5.一種盆骨關(guān)鍵點定位系統(tǒng)，其特征在于，包括：圖像處理單元，用于骨骼影像的原圖像和畸變圖像坐標(biāo)點生成；關(guān)鍵點映射計算單元，用于骨骼畸變后的關(guān)鍵點映射計算；圖像畸變增廣單元，用于構(gòu)建四象限，通過等比變換實現(xiàn)圖像畸變增廣；模型訓(xùn)練單元，通過深度學(xué)習(xí)，訓(xùn)練關(guān)鍵點定位模型，實現(xiàn)臨床盆骨關(guān)鍵點定位；后采樣點坐標(biāo)(u1,v1)在(uo,Vo)為中心且寬和高為(二，")的矩形內(nèi)隨機(jī)生成；其中，圖像尺寸的3關(guān)鍵點映射的計算方法為：畸變前圖像中的關(guān)鍵點坐標(biāo)為(i,j),畸變后坐標(biāo)為(i',j'),定義一個畸變映射函數(shù)T:(i,j)→(i,j);如果i≤uo,貝6.一種計算機(jī)可讀介質(zhì)，存儲有計算機(jī)程序，其特征在于，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-4任一項所述的盆骨關(guān)鍵點定位方法。4盆骨關(guān)鍵點定位方法、系統(tǒng)及存儲介質(zhì)技術(shù)領(lǐng)域[0001]本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及盆骨關(guān)鍵點定位方法、系統(tǒng)及存儲介質(zhì)。背景技術(shù)[0002]在人工智能和計算機(jī)視覺領(lǐng)域，盆骨關(guān)鍵點定位是醫(yī)學(xué)影像分析中的重要技術(shù)，對畸形盆骨關(guān)鍵點進(jìn)行定位，是實現(xiàn)發(fā)育性髖關(guān)節(jié)脫位診斷、盆骨創(chuàng)傷診斷的重要環(huán)節(jié)。目前的算法多依賴傳統(tǒng)圖像處理方法，如模板匹配和隨機(jī)森林，難以應(yīng)對復(fù)雜背景和不同姿態(tài)。目前已有一些基于深度學(xué)習(xí)的盆骨關(guān)鍵點定位算法。這些算法通過端到端的訓(xùn)練方式，實現(xiàn)了從輸入圖像到關(guān)鍵點坐標(biāo)的直接預(yù)測。然而，這些依賴海量的數(shù)據(jù)進(jìn)行訓(xùn)練，對數(shù)據(jù)采集和標(biāo)注提出了苛刻要求。特別地，畸形、病變樣本的缺失，限制了模型對畸變盆骨的關(guān)鍵點的定位能力。[0003]當(dāng)前的數(shù)據(jù)增廣技術(shù)主要通過旋轉(zhuǎn)、縮放、平移、鏡像和顏色變換等方式擴(kuò)充訓(xùn)練數(shù)據(jù)集，增加數(shù)據(jù)的多樣性以提高模型的泛化能力。然而，這些傳統(tǒng)的數(shù)據(jù)增廣方法在面對復(fù)雜的醫(yī)學(xué)影像數(shù)據(jù)時，可能無法有效地模擬臨床真實場景中的各種復(fù)雜場景，特別是針對盆骨醫(yī)學(xué)影像中常見的骨骼發(fā)育畸變。因此，亟需一種能夠更好模擬骨骼畸變的增廣方法，以提高盆骨關(guān)鍵點定位算法的魯棒性和精度。發(fā)明內(nèi)容[0004]基于背景技術(shù)存在的技術(shù)問題，本發(fā)明提出了盆骨關(guān)鍵點定位方法、系統(tǒng)及存儲介質(zhì)，通過引入仿畸變數(shù)據(jù)增廣技術(shù)，生成更具代表性的數(shù)據(jù)集，實現(xiàn)自動化、高準(zhǔn)確度的盆骨關(guān)鍵點定位。[0005]本發(fā)明提出的盆骨關(guān)鍵點定位方法，方法步驟如下：[0006]S1:骨骼影像的原圖像和畸變圖像坐標(biāo)點生成；[0007]S2:骨骼畸變后的關(guān)鍵點映射計算；[0009]S4:通過深度學(xué)習(xí)，訓(xùn)練關(guān)鍵點定位模型，實現(xiàn)臨床盆骨關(guān)鍵點定位。像尺寸的寬為W,高為H。坐標(biāo)為(i,j"),定義一個畸變映射函數(shù)T:(i,j)→(i,j);[0015]優(yōu)選地，S3中定義畸變后的圖像每個像素的灰度為I'(),通過尋找畸變后圖像像素5點對應(yīng)原圖的像素點(i,j)的灰度值I(u),從而實現(xiàn)圖像畸變。[0017]如果[0019]從而得到完整畸變映射函數(shù)()=Ia)=1cz10)0),由此將逆映射得到的原圖像坐標(biāo)點的灰度值賦值給畸變圖像對應(yīng)的坐標(biāo)點上，即可完成畸變圖像的數(shù)據(jù)生成。[0020]優(yōu)選地，S4中深度學(xué)習(xí)方法為：將關(guān)鍵點定位任務(wù)轉(zhuǎn)化為熱圖分布的估計任務(wù)；設(shè)計類U型網(wǎng)絡(luò)，提取特征并通過反卷積生成關(guān)鍵點熱圖；通過熱圖的最高響應(yīng)點作為關(guān)鍵點[0021]本發(fā)明提出的盆骨關(guān)鍵點定位系統(tǒng)，包括：[0022]圖像處理單元，用于骨骼影像的原圖像和畸變圖像坐標(biāo)點生成；[0023]關(guān)鍵點映射計算單元，用于骨骼畸變后的關(guān)鍵點映射計算；[0024]圖像畸變增廣單元，用于構(gòu)建四象限，通過等比變換實現(xiàn)圖像畸變[0026]本發(fā)明提出的計算機(jī)可讀介質(zhì)，存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述的盆骨關(guān)鍵點定位方法。[0027]本發(fā)明的有益技術(shù)效果：[0028]本發(fā)明通過仿畸變數(shù)據(jù)增廣技術(shù)生成更具代表性的數(shù)據(jù)集，提升了定位精度；增強(qiáng)了模型在不同條件下的魯棒性，在不同畸變條件下定位精度波動較??；減少了對大量手工標(biāo)注數(shù)據(jù)的依賴，緩解了醫(yī)學(xué)影像數(shù)據(jù)標(biāo)注成本高、數(shù)據(jù)量有限的問題；由于能夠處理多種類型的畸變和復(fù)雜場景，不僅適用于盆骨關(guān)鍵點定位，還可推廣應(yīng)用于其他容易發(fā)生畸變的醫(yī)學(xué)影像分析任務(wù)。具有廣泛實用價值。附圖說明[0029]圖1為本發(fā)明提出的仿畸變數(shù)據(jù)增廣流程示意圖；[0030]圖2為本發(fā)明提出的仿畸變數(shù)據(jù)增廣效果圖；[0031]圖3為本發(fā)明提出的網(wǎng)絡(luò)深度學(xué)習(xí)方法的結(jié)構(gòu)框圖。具體實施方式[0032]下面結(jié)合具體實施例對本發(fā)明作進(jìn)一步解說。實施例[0033]本發(fā)明提出的盆骨關(guān)鍵點定位方法，方法步驟如下：[0034](1)骨骼影像的原圖像和畸變圖像坐標(biāo)點生成[0035]如圖1(a-b),設(shè)圖像尺寸為寬和高分別為(W,H),原圖像的畸變前采樣點坐標(biāo)(uo,Do)高為(,)的矩形內(nèi)隨機(jī)生成。[0036](2)骨骼畸變后的關(guān)鍵點映射計算6[0041](3)構(gòu)建四象限，通過等比變換實現(xiàn)圖像畸變增廣[0042]如圖1(c-d),對于畸變后的圖像，定義其每個像素的灰度為I(),可通過尋找畸變后圖像像素點對應(yīng)原圖的像素點(i,J)的灰度值I(,從而實現(xiàn)圖像畸變。因此我們需要求出逆[0045]由上述公式可得完整畸變映射函數(shù)()=I(i)=1(1(),;6)。由此將逆映射得到的原圖像坐標(biāo)點的灰度值賦值給畸變圖像對應(yīng)的坐標(biāo)點上，即可完成畸變圖像的數(shù)據(jù)生成?；冃Ч麍D如圖2所示。[0047]本發(fā)明通過深度學(xué)習(xí)方法用于X影圖像中的盆骨關(guān)鍵點定位。首先，將關(guān)鍵點定位任務(wù)轉(zhuǎn)化為熱圖分布的估計任務(wù)。如圖3所示，設(shè)計類U型網(wǎng)絡(luò)，提取特征并通過反卷積生成關(guān)鍵點熱圖。每幅影像對六個關(guān)鍵點生成六個獨立的熱圖，最終通過熱圖的最高響應(yīng)點作為關(guān)鍵點位置，從而實現(xiàn)了盆骨關(guān)鍵點定位。[0048]經(jīng)測定，本發(fā)明可將盆骨骨骼關(guān)鍵點定位精度從平均誤差1.3毫米降低到平均誤實施例[0049]本發(fā)明提出的盆骨關(guān)鍵點定位系統(tǒng)，包括：[0050]圖像處理單元，用于骨骼影像的原圖像和畸變圖像坐標(biāo)點生成；[0051]關(guān)鍵點映射計算單元，用于骨骼畸變后的關(guān)鍵點映射計算；[0052]圖像畸變