(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211234157.1 (22)申请日 2022.10.10 (65)同一申请的已公布的文献号 申请公布号 CN 115330753 A (43)申请公布日 2022.11.11 (73)专利权人 博志生物科技 （深圳） 有限公司 地址 518000 广东省深圳市前海深港合作 区南山街道月亮湾大道鲤鱼门前海青 年梦工场5号楼104 (72)发明人 邓逸风　齐欢　 (74)专利代理 机构 深圳汉林汇融知识产权代理 事务所(普通 合伙) 44850 专利代理师 吴洪波 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06T 7/66(2017.01) (56)对比文件 US 2015356729 A1,2015.12.10WO 2021189843 A1,2021.09.3 0 CN 113989407 A,202 2.01.28 CN 106256326 A,2016.12.28 CN 114723763 A,2022.07.08 US 201919 2099 A1,2019.0 6.27 US 2016371860 A1,2016.12.2 2 WO 2022141720 A1,202 2.07.07 US 2022092302 A1,202 2.03.24 US 2018247154 A1,2018.08.3 0 齐欢.基于视觉特性的图像质量 客观评价方 法研究. 《CNKI博士学位 论文》 .2018, Shuhong Jiao et al. .No-reference Perceptual Ima ge Sharpnes s Index Usi ng Normalized DCT-based Representati on. 《2014 Seventh I nternati onal Symposium o n Computati onal Intelligence and Design》 .2015, (续) 审查员 王玲 (54)发明名称 椎骨识别方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能领域， 公开了一种椎骨 识别方法、 装置、 设备及存储介质， 用于提高椎骨 识别的识别速度和准确率。 所述方法包括： 对脊 柱影像数据进行重定向和图像块网格划分， 得到 脊柱切片图像和多个图像块， 并根据脊柱边界框 对脊柱切片图像进行局部最大密度投影计算， 得 到切片局部最大密度投影图； 根据切片局部最大 密度投影图生成多个图像块最大密度投影图， 并 分别将多个最大密度投影图输入椎骨识别和定 位模型进行椎骨识别和定位， 得到二维高斯热图 组； 根据二维高斯热图组计算目标三维高斯热图 组； 对目标三维高斯热图组进行椎体中心计算， 生成椎骨识别结果， 其中， 椎骨识别结果包括： 每 块椎骨的椎骨类别和中心坐标。 [转续页] 权利要求书3页 说明书13页 附图7页 CN 115330753 B 2022.12.20 CN 115330753 B (56)对比文件 Bin Cai et al. .Orthographic Po oling: Learned Maximum I ntensity Projecti on for Vertebrae Label ling. 《2022 44th Annual Internati onal Conference of the IE EE Engineering in Medici ne & Biology Society》 .202 2,2/2 页 2[接上页] CN 115330753 B1.一种椎骨识别方法， 其特 征在于， 所述椎骨识别方法包括： 获取待处 理的脊柱影 像数据， 并对所述 脊柱影像数据进行 预处理， 得到目标影 像数据； 将所述目标影像数据输入预置的脊柱定位模型进行特征提取， 得到三维高斯热图， 并 对所述三维高斯热图进行三维矩阵计算， 得到脊柱边界框； 对所述脊柱影像数据进行重定向和图像块网格划分， 得到脊柱切片图像和多个图像 块， 并根据所述脊柱边界框对所述脊柱切片图像进行局部最大密度投影计算， 得到切片局 部最大密度投影图； 根据所述切片局部最大密度投影图生成多个图像块最大密度投影图， 并分别将多个最 大密度投影图输入预置的椎骨识别和定位模型进 行椎骨识别和定位， 得到每个图像块对应 的二维高斯热图组； 根据每个图像块对应的二维高斯热图组计算所述脊柱影像数据对应的目标三维高斯 热图组； 对所述目标三维高斯热图组进行椎体中心计算， 生成椎骨识别结果， 其中， 所述椎骨识 别结果包括： 每块椎骨的椎骨类别和中心坐标。 2.根据权利要求1所述的椎骨识别方法， 其特 征在于， 所述椎骨识别方法还 包括： 获取带有训练标签的多个训练影 像数据以及训练模型； 分别将所述多个训练影像数据输入所述训练模型进行模型训练， 得到每个训练影像数 据对应的训练高斯热图； 对每个训练影像数据对应的训练高斯热图进行标签损失值计算， 得到损失值计算结 果； 根据所述损失值计算结果判断所述训练模型 是否满足预设训练退 出条件； 若满足， 则将当前的训练模型作为 脊柱定位模型并输出。 3.根据权利要求1所述的椎骨识别方法， 其特征在于， 所述将所述目标影像数据输入预 置的脊柱定位模型进行特征提取， 得到三维高斯热图， 并对所述三维高斯热图进行三维矩 阵计算， 得到脊柱边界框， 包括： 将所述目标影 像数据输入预置的脊柱定位模型； 通过所述脊柱定位模型对所述目标影像数据进行编码和解码操作， 得到三维高斯热 图； 对所述三维高斯热图进行三维矩阵计算， 得到高斯热图中心， 并根据所述高斯热图中 心生成脊柱边界框 。 4.根据权利要求1所述的椎骨识别方法， 其特征在于， 所述对所述脊柱影像数据进行重 定向和图像块网格划分， 得到脊柱切片图像和多个图像块， 并根据所述脊柱边界框对所述 脊柱切片图像进行局部最大密度投影 计算， 得到切片局部最大密度投影图， 包括： 按照预设的重 定向规则对所述 脊柱影像数据进行重 定向， 得到 重定向影像数据； 对所述重 定向影像数据进行尺寸标准 化处理， 得到标准影 像数据； 对所述标准影 像数据进行图像块网格划分， 得到脊柱切片图像和多个图像块； 根据所述脊柱边界框对所述脊柱切片图像进行矢状位和冠状位的局部最大密度投影， 得到局部最大密度投影二维投影图； 对所述局部最大密度投影二维投影图进行重采样， 得到切片局部最大密度投影图。权　利　要　求　书 1/3 页 2 CN 115330753 B 3