买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江德康医疗器械有限公司申请的专利一种基于单椎体分割的双步骤脊柱X光片处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118918118B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410959702.6，技术领域涉及：G06T7/10；该发明授权一种基于单椎体分割的双步骤脊柱X光片处理方法是由仉建国;王征;朱泽章;许小波;吴南;毛克亚;甘正汀;刘建恒;沈曜;彭达能;刘辉;蔡宝春;时阳阳;刘轩汇设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本一种基于单椎体分割的双步骤脊柱X光片处理方法在说明书摘要公布了：本发明属于医学影像处理的技术领域，本发明公开了一种基于单椎体分割的双步骤脊柱X光片处理方法，包括步骤S1：使用YOLOv8目标检测模型识别每个单个脊柱椎体在X光图像中的位置，并生成单椎体目标框；步骤S2：在每个检测到的单椎体目标框内进行详细的分割，以精确勾勒出脊椎轮廓；步骤S3：进行单椎体目标框内特征点识别，使用YOLOv8POSE模型识别椎骨的关键特征点，进一步提高特征点识别的精度。本发明公开的一种基于单椎体分割的双步骤脊柱X光片处理方法，将YOLOv8POSE模型得到的目标框导入U‑Net网络进行分割，结合目标检测和语义分割，提高脊椎分割的精度和识别的准确性。

本发明授权一种基于单椎体分割的双步骤脊柱X光片处理方法在权利要求书中公布了：1.一种基于单椎体分割的双步骤脊柱X光片处理方法，其特征在于，包括以下步骤： 步骤S1：使用YOLOv8目标检测模型识别每个单个脊柱椎体在X光图像中的位置，并生成单椎体目标框； 步骤S1具体实施为以下步骤： 步骤S1.1：进行图像预处理，将X光图像输入到YOLOv8目标检测模型之前进行预处理，包括归一化、旋转和裁切操作，以适应模型的输入要求； 步骤S1.2：进行特征提取，使用YOLOv8目标检测模型的主干网络从X光图像中提取多尺度特征，使用残差块加深网络并且提高特征提取的效果，并通过引入跳跃连接解决梯度消失和梯度爆炸问题； 步骤S1.3：进行特征融合，利用FPN和PANet对不同尺度的特征进行融合，提高目标检测的准确性和鲁棒性； 步骤S1.4：进行目标框预测，使用YOLOv8目标检测模型的YOLOHead模块在特征图上预测目标框、类别置信度和位置偏移； 步骤S1.5：进行非极大值抑制，通过非极大值抑制移除冗余框，仅保留高置信度框，确保每个目标框唯一对应一个椎骨类别； 对于步骤S1.4： 分类头：通过在特征图上应用卷积层和激活函数来实现类别标签的预测，卷积层将特征图中的信息转换为每个类别的得分，具有最高得分的类别即为该目标框内物体的类别标签； Softmax激活函数将原始分数转换为表示概率分布的数值，使得每个类别的概率值都在0和1之间，并且所有类别的概率之和等于1，公式如下： 其中，e表示自然对数的底，n表示类别的数量，zi是第i个类别的原始分数； 回归头：用于预测每个目标框的坐标参数和置信度得分，以确定目标框的位置和大小，坐标参数包括目标框的中心坐标、宽度和高度，模型通过回归算法来预测该坐标参数，以便准确定位目标的位置；置信度得分表示模型对目标框内是否包含目标的置信程度，用于筛选检测结果； 通过以上分类头和回归头的组合在特征图上准确地预测目标的类别、位置和置信度信息； 步骤S2：在每个检测到的单椎体目标框内进行详细的分割，以精确勾勒出脊椎轮廓； 步骤S2具体实施为以下步骤： 步骤S2.1：进行数据准备，准备完成分类的单个脊柱锥体X光图像数据，通过包括旋转，裁剪操作将数据标准化为适合模型输入的图像； 步骤S2.2：进行数据预处理，对提取的目标框进行数据预处理，包括缩放、裁剪和归一化操作，以符合U-Net网络的输入要求； 步骤S2.3：构建U-Net网络架构，此U-Net网络以1024×512×1的图像作为输入,每个编码器层包括两个3×3的卷积层，后跟实例归一化、ReLU激活函数和2×2的最大池化，Dropout应用于网络的每个编解码器阶段，在解码器的128、256和512分辨率处生成侧输出，然后在原始分辨率处生成最终输出； 步骤S2.4：进行训练网络，使用提取的目标框作为训练数据，对U-Net网络进行训练，在训练过程中，通过反向传播算法优化网络参数，使网络能够准确地学习椎体的轮廓和结构； 步骤S2.5：进行分割预测，将提取的目标框输入到U-Net网络中，得到椎体轮廓的像素级标记； 步骤S2.6：对分割结果进行后处理，应用区域增长算法填充空洞，并应用高斯滤波去除噪声及平滑边缘，获得更加准确和平滑的分割结果； 步骤S3：进行单椎体目标框内特征点识别，使用YOLOv8POSE模型识别椎骨的关键特征点，进一步提高特征点识别的精度； 步骤S3具体实施为以下步骤： 步骤S3.1：进行数据准备，准备带特征点标记的单个脊柱锥体X光图像数据，通过包括旋转，裁剪操作将数据标准化为适合模型输入的图像； 步骤S3.2：进行数据增强，对训练数据进行包括随机旋转、缩放和翻转的操作，增加数据的多样性，用于帮助模型更好地泛化到不同的椎骨姿势和角度； 步骤S3.3进行损失函数计算，通过均方误差和关键点的欧氏距离，确保损失函数有效地指导模型学习到准确的特征点位置； 均方误差是目标变量与预测值之间距离平方之和； 其中，ρ为点x2,y2与点x1,y1的欧氏距离； 步骤S3.4：进行模型训练，使用预训练的YOLOv8POSE模型作为基础模型，进行机器学习以适应椎骨关键点检测任务，通过反向传播算法优化模型参数，从而准确地识别椎骨的关键特征点； 步骤S3.5：进行模型应用，将训练好的针对特定椎体类型优化的特征点识别网络应用于完成分类的脊柱分割数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江德康医疗器械有限公司，其通讯地址为：314016 浙江省嘉兴市秀洲区高照街道新塍大道2836号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。