本公開涉及圖像處理，尤其涉及一種關鍵點檢測方法、裝置、設備和存儲介質。

背景技術：

1、x光影像是一種常規(guī)的醫(yī)學影像，在臨床上，醫(yī)生在患者的x光影像上手動標記出多個關鍵點，手動將關鍵點連線，得到肢體的力線。此種方法存在依賴于醫(yī)生的臨床經(jīng)驗，主觀性強。近年來，隨著人工智能技術的不斷發(fā)展，基于深度學習的關鍵點檢測技術可以實現(xiàn)從x光影像中自動提取關鍵點位置。

2、相關技術中，通常是采集多個x光影像作為訓練樣本，利用該訓練樣本對神經(jīng)網(wǎng)絡進行訓練，得到關鍵點檢測模型。然后將患者的x光影像輸入至訓練好的關鍵點檢測模型，得到該患者x光影像中的各個關鍵點。

3、由于上述關鍵點檢測模型輸入只是x光影像，模型性能容易受影像質量的影響，因此模型的泛化性較低。

技術實現(xiàn)思路

1、為了解決上述技術問題，本公開提供了一種關鍵點檢測方法、裝置、設備和存儲介質，減小模型對影像質量的依賴，提升模型的泛化性，實現(xiàn)對關鍵點的準確檢測。

2、第一方面，本公開提供了一種關鍵點檢測方法，該方法包括：從待檢測影像中提取待檢測影像矩陣，待檢測影像包括設定人體部位的影像；基于待檢測影像矩陣與預先確定的關鍵點概率矩陣確定合成矩陣，其中，預先確定的關鍵點概率矩陣用于指示至少一個設定位置處存在關鍵點的概率；將合成矩陣輸入至關鍵點檢測模型中，得到至少一個目標關鍵點的位置信息。

3、第二方面，本公開提供了一種關鍵點檢測裝置，裝置包括：影像矩陣提取模塊，用于從待檢測影像中提取待檢測影像矩陣，待檢測影像包括設定人體部位的影像；合成矩陣確定模塊，用于基于待檢測影像矩陣與預先確定的關鍵點概率矩陣確定合成矩陣，其中，預先確定的關鍵點概率矩陣用于指示至少一個設定位置處存在關鍵點的概率；關鍵點檢測模塊，用于將合成矩陣輸入至關鍵點檢測模型中，得到至少一個目標關鍵點的位置信息。

4、第三方面，本公開提供了一種關鍵點檢測設備，該設備包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序；當一個或多個程序被一個或多個處理器執(zhí)行，使得一個或多個處理器實現(xiàn)如上述第一方面中的關鍵點檢測方法。

5、第四方面，本公開提供了一種存儲介質，該存儲介質可以是計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)如上述第一方面中的關鍵點檢測方法。

6、本公開實施例提供的技術方案與現(xiàn)有技術相比具有如下優(yōu)點：

7、本公開實施例提供了一種關鍵點檢測方法、裝置、設備和存儲介質，該方法包括：從待檢測影像中提取待檢測影像矩陣，待檢測影像包括設定人體部位的影像；基于待檢測影像矩陣與預先確定的關鍵點概率矩陣確定合成矩陣，其中，預先確定的關鍵點概率矩陣用于指示至少一個設定位置處存在關鍵點的概率；將合成矩陣輸入至關鍵點檢測模型中，得到至少一個目標關鍵點的位置信息。由于預先確定了設定位置處存在關鍵點的概率的關鍵點概率矩陣和影像矩陣同時作為模型的輸入，使得模型輸出關鍵點的位置信息。由于關鍵點檢測模型輸入增加非影像數(shù)據(jù)(關鍵點概率矩陣)，減小關鍵點檢測模型對影像質量的依賴，實現(xiàn)對關鍵點的準確檢測。

技術特征：

1.一種關鍵點檢測方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述預先確定的關鍵點概率矩陣包括：關鍵點頻次概率矩陣和/或關鍵點時間概率矩陣；

3.根據(jù)權利要求2所述的方法，其特征在于，還包括：

4.根據(jù)權利要求3所述的方法，其特征在于，所述基于所述樣本影像中各個關鍵點的觀察總時長以及各個關鍵點的坐標確定關鍵點時長矩陣，包括：

5.根據(jù)權利要求2所述的方法，其特征在于，還包括：

6.根據(jù)權利要求5所述的方法，其特征在于，所述基于所述樣本影像中各個樣本關鍵點的出現(xiàn)總次數(shù)以及各個所述樣本關鍵點的坐標確定關鍵點頻次矩陣，包括：

7.根據(jù)權利要求1所述的方法，其特征在于，基于所述待檢測影像矩陣與預先確定的關鍵點概率矩陣確定合成矩陣，包括：

8.一種關鍵點檢測裝置，其特征在于，所述裝置包括：

9.一種關鍵點檢測設備，其特征在于，所述設備包括：

10.一種存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權利要求1-7中任一項所述的關鍵點檢測方法。

技術總結
本公開涉及圖像處理技術領域，尤其提供一種關鍵點檢測方法、裝置、設備和存儲介質，該方法包括：從待檢測影像中提取待檢測影像矩陣，所述待檢測影像包括設定人體部位的影像；基于所述待檢測影像矩陣與預先確定的關鍵點概率矩陣確定合成矩陣，其中，所述預先確定的關鍵點概率矩陣用于指示至少一個設定位置處存在關鍵點的概率；將所述合成矩陣輸入至關鍵點檢測模型中，得到至少一個目標關鍵點的位置信息。由于預先確定了設定位置處存在關鍵點的概率的關鍵點概率矩陣和影像矩陣同時作為模型的輸入，使得模型輸出關鍵點的位置信息。由于關鍵點檢測模型輸入增加非影像數(shù)據(jù)，減小關鍵點檢測模型對影像質量的依賴，實現(xiàn)對關鍵點的準確檢測。

技術研發(fā)人員：錢文偉,劉森,張洪凱,李松林,徐鴻俊,李理博,李健增
受保護的技術使用者：中國醫(yī)學科學院北京協(xié)和醫(yī)院
技術研發(fā)日：
技術公布日：2024/12/19