一种基于深度学习的脊椎医学图像的关键点检测方法
公开
摘要
本发明属于医学图像处理及应用技术领域，具体涉及一种基于深度学习的脊椎医学图像的关键点检测方法。本发明的方法包括如下步骤：输入脊椎的医学图像，分割出所述医学图像中的脊椎部分；将步骤1得到的分割图像进行裁剪，得到单个脊椎的图像；将单个脊椎的图像输入预训练的VNET定位网络模型，检测得到关键点的位置信息，所述关键点为上终板的前缘、后缘、左缘和右缘，以及下终板的前缘、后缘、左缘和右缘。本发明能够在脊椎医学图像中定位关键点和测量具有临床指导意义的放射学参数。医生利用这些关键点或放射学参数可进一步进行诊断、手术方案设置或术后评估。本发明能够提高就诊效率以及手术质量，自动化程度高，具有很好的应用前景。
基本信息
专利标题 ：
一种基于深度学习的脊椎医学图像的关键点检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114581395A
申请号 ：
CN202210190661.X
公开（公告）日 ：
2022-06-03
申请日 ：
2022-02-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李康杨恒王贤帝吴宇赵亮曾建成
申请人 ：
四川大学;四川大学华西医院
申请人地址 ：
四川省成都市武侯区一环路南一段24号
代理机构 ：
成都高远知识产权代理事务所(普通合伙)
代理人 ：
郑勇力
优先权 ：
CN202210190661.X
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T7/10
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
