(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210567164.7 (22)申请日 2022.05.24 (71)申请人 北京航空航天大 学 地址 100091 北京市海淀区学院路37号 (72)发明人 章永宏　季旭全　宋雄康　耿宝多　 (74)专利代理 机构 北京千壹知识产权代理事务 所(普通合伙) 11940 专利代理师 王玉玲 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/73(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于人工神经网络的腰椎CT图像空间 定位方法 (57)摘要 本发明公开了一种基于人工神经网络的腰 椎CT图像空间定位方法， 包括： 对原始CT图像中 腰椎整体区域进行空间定位， 得到表 示腰椎整体 区域的三维空间坐标； 利用所述表 示腰椎整体区 域的三维空间坐标对原始CT图像进行裁剪， 得到 腰椎整体区域的局部CT图像； 对所述腰椎整体区 域的局部CT 图像中的各节腰椎的空间区域进行 定位， 得到表 示各节腰椎空间区域的三维空间坐 标； 利用所述表示各节腰椎空间区域的三维空间 坐标对所述腰椎整体区域的局部CT 图像进行裁 剪， 得到各节腰椎的空间区域的局部CT图像。 该 方法能够实现对CT图像中各节腰椎空间区域进 行快速、 精确、 高鲁棒性的定位， 为后续CT图像中 腰椎区域的处 理提供良好基础。 权利要求书4页 说明书12页 附图5页 CN 114913160 A 2022.08.16 CN 114913160 A 1.一种基于人工神经网络的腰椎CT图像空间定位方法， 其特 征在于， 包括： 对原始CT图像中腰椎整体区域进行空间定位， 得到表示腰椎整体区域的三维空间坐 标； 利用所述表示腰椎整体区域的三维空间坐标对原始CT图像进行裁剪， 得到腰椎整体区 域的局部 CT图像； 对所述腰椎整体区域的局部CT图像 中的各节腰椎的空间区域进行定位， 得到表示各节 腰椎空间区域的三维空间坐标； 利用所述表示各节腰椎空间区域的三维空间坐标对所述腰椎整体区域的局部CT图像 进行裁剪， 得到各节腰椎的空间区域的局部 CT图像。 2.根据权利要求1所述的一种基于人工神经网络的腰椎CT图像空间定位方法， 其特征 在于， 所述对原始CT图像中腰椎整体区域进行空间定位， 得到表示腰椎整体区域的三维空 间坐标的步骤， 包括： 将待识别的原始CT图像输入至腰椎粗定位神经网络， 所述腰椎粗定位神经网络包括主 干网络和三维空间区域回归网络； 其中， 所述主干网络包括依次连接的编码器网络和解码器网络， 所述主干网络用于对 原始CT图像进行 特征提取， 并输出与原 始CT图像尺寸相同的特 征图像； 所述三维空间区域回归网络， 用于对所述特征图像进行非线性回归， 以获取表示腰椎 整体区域的三维空间坐标。 3.根据权利要求2所述的一种基于人工神经网络的腰椎CT图像空间定位方法， 其特征 在于， 所述编码器网络包括依次连接的四个网络层， 其中， 第一编码器网络层， 包括依次连接的第一卷积处 理模块和第二卷积处 理模块； 第二编码器网络层， 包括依次连接的第一卷积池化处理模块、 第三卷积处理模块和第 四卷积处 理模块， 所述第一卷积处 理模块的输出作为第一卷积池化处 理模块的输入； 第三编码器网络层， 包括依次连接的第二卷积池化处理模块、 第五卷积处理模块和第 六卷积处理模块， 所述第三卷积处 理模块的输出作为第二卷积池化处 理模块的输入； 第四编码器网络层， 包括依次连接的第三卷积池化处理模块、 第七卷积处理模块、 第八 卷积处理模块、 第九卷积处理模块和第一连续上采样模块， 所述第 五卷积处理模块的输出 作为所述第三卷积池化处 理模块的输入； 所述第一卷积处理模块至第九卷积处理模块均包括依次连接的三维卷积模块、 BatchNormal操作模块和ReLU激活函数； 所述第一卷积池化处理模块至第三卷积池化处理模块均包括依次连接的三维卷积模 块、 BatchNormal操作模块、 ReLU激活函数和三维最大值池化操作模块； 所述第一连续上采样模块包括依次连接的多个连续上采样处理单元、 三维卷积模块、 BatchNormal操作模块和ReLU激活函数。 4.根据权利要求3所述的一种基于人工神经网络的腰椎CT图像空间定位方法， 其特征 在于， 所述 解码器网络包括依次连接的三个网络层， 其中， 第一解码器网络层， 包括依次连接的第一卷积上采样模块、 第十卷积处理模块和第二 连续上采样模块， 其中， 所述第二卷积处 理模块和所述第一卷积上采样模块进行张量 拼接； 第二解码器网络层， 包括依次连接的第二卷积上采样模块、 第十一卷积处理模块和第权　利　要　求　书 1/4 页 2 CN 114913160 A 2三连续上采样模块， 其中， 所述第四卷积处理模块和所述第二卷积上采样模块进行张量拼 接， 所述第十一卷积处 理模块的输出作为所述第一卷积上采样模块的输入； 第三解码器网络层， 包括依次连接的第三卷积上采样模块、 第十二卷积处理模块和第 四连续上采样模块， 其中， 所述第六卷积处理模块和所述第三卷积上采样模块进行张量拼 接， 所述第十二卷积处 理模块的输出作为所述第二卷积上采样模块的输入； 所述第十卷积处理模块、 第十一卷积处理模块和第十二卷积处理模块均包括依次连接 的三维卷积模块、 Batc hNormal操作模块和ReLU激活函数； 所述第一卷积上采样模块、 第 二卷积上采样模块和第 三卷积上采样模块均包括依次连 接的三维卷积模块、 Batc hNormal操作模块、 ReLU激活函数和三维上采样 操作模块； 所述第二连续上采样模块至第四连续上采样模块包括依次连接的多个连续上采样处 理单元、 三维卷积模块、 Batc hNormal操作模块和ReLU激活函数。 5.根据权利要求4所述的一种基于人工神经网络的腰椎CT图像空间定位方法， 其特征 在于： 所述三维空间区域 回归网络包括依次连接的第十三卷积处理模块、 第十四卷积处理模 块、 第四卷积池化处理模块、 第十五卷积处理模块、 第 五卷积池化处理模块、 第十六卷积处 理模块、 Reshape张量操作模块和全连接层； 将所述第一连续上采样模块至第四连续上采样模块的输出进行堆叠， 将堆叠后的输出 作为所述第十三卷积处 理模块的输入； 所述第十三卷积处理模块至第十六卷积处理模块均包括依次连接的三维卷积模块、 BatchNormal操作模块和ReLU激活函数； 第四卷积池化处理模块、 第五卷积池化处理模块均包括依次连接的三维卷积模块、 BatchNormal操作模块、 ReLU激活函数和三维最大值池化操作模块。 6.根据权利要求1所述的一种基于人工神经网络的腰椎CT图像空间定位方法， 其特征 在于， 对所述腰椎整体区域的局部CT图像中的各节腰椎的空间区域进行定位， 得到表示各 节腰椎空间区域的三维空间坐标的步骤， 具体包括： 将腰椎整体区域的局部CT图像输入至各节腰椎定位网络， 所述各节腰椎定位网络包括 主干网络、 特 征提取网络和多三维空间区域回归网络； 所述主干网络， 包括依次连接的编码器网络和解码器网络， 所述主干网络用于对腰椎 整体区域的局部 CT图像进行深度特 征提取， 以对腰椎的5节脊柱的大致空间位置进行定位； 所述特征提取网络， 用于对腰椎整体区域的局部 CT图像进行浅层特 征提取； 所述多三维空间区域 回归网络， 用于对主干网络和特征提取网络输出的特征图进行逐 像素相加得到的融合后的特征图进行非线性回归处理， 获得表示各节腰椎空间区域的三 维 空间坐标。 7.根据权利要求6所述的一种基于人工神经网络的腰椎CT图像空间定位方法， 其特征 在于， 所述编码器网络包括依次连接的四个网络层， 其中， 第一编码器网络层， 包括依次连接的第一卷积处 理模块和第二卷积处 理模块； 第二编码器网络层， 包括依次连接的第一卷积池化处理模块、 第三卷积处理模块和第 四卷积处 理模块， 所述第二卷积处 理模块的输出作为第一卷积池化处 理模块的输入； 第三编码器网络层， 包括依次连接的第二卷积池化处理模块、 第五卷积处理模块和第权　利　要　求　书 2/4 页 3 CN 114913160 A 3