公开(公告)号：CN114638800A

公开(公告)日：2022-06-17

申请号：CN202210246266.9

申请日：2022-03-14

Applicant: 哈尔滨理工大学

Inventor： 刘侠 ,  谢林浩

IPC: G06T7/00 ,  G06T7/73 ,  G06T5/00 ,  G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于改进Faster‑RCNN的头影标记点定位方法，头影测量是正畸疗诊过程不可或缺的分析手段，其中机器学习方法在医学影像分析方面具有突出优势，基于学习的方法不受观察者主动性的影响，使得定位的准确性得到了大大提高，但其准确性很大程度上取决于训练数据的数量与准确性；本发明提出一种主干网络先将图像划分为若干个小区域，通过卷积核提取特征值，再通过池化层进行下采样，在不影响图像质量的情况下压缩图片，再通过全连接层将特征进行整合，获取图像特征具有高层含义，提高检测的准确性，另外，利用K‑Means++的思想消除异常点，降低误检测概率，在保证检测的稳定性的同时提高了准确性，本发明能实现头颅侧位X光片标记点的自动检测，能在临床上进行运用。