1.一种头颅侧位片中标志点的获取方法,其特征在于,包括:
获取设定尺寸的待标定头颅侧位片;
将待标定头颅侧位片输入至第一检测模型中进行检测标定,在待标定头颅侧位片中标定出设定数量的候选标志区域;
根据预设偏移算法在每一所述候选标志区域上提取出预设数量的初始标志点子区域;
将每一所述候选标志区域上提取出的预设数量的初始标志点子区域输入至第二检测模型中进行坐标预测处理,得到每一候选标志区域对应的一标志坐标点;
将每一标志坐标点输入至所述待标定头颅侧位片所属的头颅坐标系中,并将所述头颅坐标系中输入的每一标志坐标点设置为头颅侧位片中的目标标志点。
2.根据权利要求1所述的头颅侧位片中标志点的获取方法,其特征在于,提取初始标志点子区域包括:
求取每一所述候选标志区域的中心点;
从所述候选标志区域上截取预设数量对应的不同方位的带有中心点的标志区域,并设置为所述初始标志点子区域。
3.根据权利要求2所述的头颅侧位片中标志点的获取方法,其特征在于,还包括:
获取设定数量的各候选标志区域之间在所述头颅坐标系中距离信息;根据获取的距离信息的不同将候选标志区域进行分组处理并满足预设条件。
4.根据权利要求3所述的头颅侧位片中标志点的获取方法,其特征在于,包括:
将每一分组后每一个所述候选标志区域对应预设数量的所述初始标志点子区域输入至所述第二检测模型中,根据所述第二检测模型中嵌入的预测算法对每一个初始标志点子区域进行预测运算得到对应的单点信息;
将同一个所述候选标志区域对应的预设数量的单点信息进行均值运算处理,将均值运算处理得到结果设置为所述标志坐标点。
5.根据权利要求4所述的头颅侧位片中标志点的获取方法,其特征在于,包括:
将获取的所述初始标志点子区域输入至第二检测模型中卷积层对所述初始标志点子区域进行多维度特征的提取;
将提取后的所述特征与激活函数进行运算处理,并进一步的通过池化处理后提取出所述初始标志点子区域的深层特征;
将提取的所述初始标志点子区域的深层特征进行展平处理,并将展平处理的所述深层特征进行全连接运算处理,并获取到对应的所述标志坐标点。
6.根据权利要求5所述的头颅侧位片中标志点的获取方法,其特征在于,在所述第二检测模型中进行损失函数运算包括:
其中,n表示输出层的神经元个数,也就是所预测的点在图形上的坐标(x,y),batch表示输入到神经网络模型的批量数据大小,x*表示在先标志点的相应坐标。
7.根据权利要求1所述的头颅侧位片中标志点的获取方法,其特征在于,包括:
获取已标定标志点的历史头颅侧位片样本;
将所述历史头颅侧位片样本进行机器学习,并通过神经网络算法训练出所述第一检测模型。
8.一种可执行权利要求1-7任一所述的头颅侧位片中标志点的获取方法的获取系统,其特征在于,包括:
待标定信息获取模块,获取设定尺寸的待标定头颅侧位片;
标志区域获取模块,将待标定头颅侧位片输入至第一检测模型中进行检测标定,在待标定头颅侧位片中标定出设定数量的候选标志区域;
标志子区域提取模块,根据预设偏移算法在每一所述候选标志区域上提取出预设数量的初始标志点子区域;
标志坐标点预测模块,将每一所述候选标志区域上提取出的预设数量的初始标志点子区域输入至第二检测模型中进行坐标预测处理,得到每一候选标志区域对应的一标志坐标点;
目标标志点设置模块,将每一标志坐标点输入至所述待标定头颅侧位片所属的头颅坐标系中,并将所述头颅坐标系中输入的每一标志坐标点设置为头颅侧位片中的目标标志点。
9.一种电子设备,包括处理器和存储器,所述处理器执行所述存储器存储的计算机指令,使得所述电子设备执行权利要求1至7任一项所述的头颅侧位片中标志点的获取方法。
10.一种计算机存储介质,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行权利要求1至7任一项所述的头颅侧位片中标志点的获取方法。