[发明专利]髋关节标记系统及其标记方法有效
申请号: | 201910194861.0 | 申请日: | 2019-03-14 |
公开(公告)号: | CN110033438B | 公开(公告)日: | 2021-07-27 |
发明(设计)人: | 张长青;陈晨;房劬;刘维平;叶德贤 | 申请(专利权)人: | 上海市第六人民医院;上海杏脉信息科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 上海段和段律师事务所 31334 | 代理人: | 李佳俊;郭国中 |
地址: | 200030 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 髋关节 标记 系统 及其 方法 | ||
1.一种髋关节标记系统,其特征在于,包括,
髋部的X-Ray序列存储模块:存储髋部的X-Ray序列医学图像数据;
拍摄正位采集模块:从X-Ray序列存储模块的医学图像数据中采集正位拍摄的医学图像;
左右髋关节检测模块:从正位拍摄的医学图像中,通过矩形框标注左右髋关节并与待测髋关节医学图像进行比对,检测髋关节是否异常,得到比对检测结果;所述左右髋关节检测模块的工作步骤如下:
(1)将髋部X-Ray图像中的左右髋关节以矩形框加以标注,获得第一训练图片集;
(2)对第一训练图片集进行数据预处理;
(3)用目标检测神经网络模型,在所述第一训练图片集上训练目标检测神经网络模型,得到左右髋关节检测模型;
(4)将待检测的髋部X-Ray图像输入所述左右髋关节检测模型中,得到左右髋关节检测结果,即左右髋关节在图中的坐标,利用所述坐标将左右髋关节从图像中截取出来,供后续分类使用;
(5)对正常的髋关节和病变的髋关节加以标注,获得第二训练图片集;
(6)用分类神经网络模型,在所述第二训练图片集上训练分类神经网络模型,得到髋关节正常与病变的分类模型;
(7)将待检测的髋关节图片输入所述检测模型中,得到左右髋关节是病变或正常的检测结果;
结果输出模块:输出比对检测结果,生成报告;
分类识别模块:对异常的髋关节医学图像进行分类;
所述分类识别模块的工作过程如下:
(1)对病变的髋关节加以标注,标签分为股骨头坏死、髋关节关节炎和髋关节发育不良,获得第三训练图片集;
(2)用分类神经网络模型,在所述第三训练图片集上训练分类神经网络模型,得到髋关节病变的分类模型;
(3)将待检测的病变髋关节图片输入所述髋关节病变的分类模型中,得到髋关节病变的分类结果,包括股骨头坏死、髋关节关节炎和髋关节发育不良;
(4)对分类结果进行分期或分级。
2.如权利要求1所述的髋关节标记系统,其特征在于,所述拍摄正位采集模块的工作过程如下:
(1)获取序列中所有的医学图像;
(2)获取每个医学图像的tag,tag表示标签;
(3)判断tag是否为ap,ap表示拍摄体位为正位。
3.如权利要求1所述的髋关节标记系统,其特征在于,所述步骤(2)中,数据预处理的方法如下:
a、选择合适的窗宽窗位,选取需要关注的灰度范围使髋关节部位的骨结构更明显;
b、对训练图片集中的图片做灰度均衡化,将对比度拉开,突出骨结构的细节部分;
c、对图片集中的图片进行反色检测,并将因为拍摄原因呈现出反色的图片进行处理。
4.如权利要求1所述的髋关节标记系统,其特征在于,所述目标检测神经网络模型包括Faster-RCNN,YOLO或SSD。
5.如权利要求1所述的髋关节标记系统,其特征在于,所述分类神经网络模型包括深度残差网络、密集卷积网络、GoogLeNet或Inception。
6.如权利要求1所述的髋关节标记系统,其特征在于,所述髋关节病变的分类结果中,股骨头坏死分为Ⅱ期、Ⅲ期、Ⅳ期,髋关节关节炎分为Ⅰ级、Ⅱ级、Ⅲ级,髋关节发育不良分为Ⅰ期、Ⅱ期、Ⅲ期、Ⅳ期。
7.如权利要求1所述的髋关节标记系统,其特征在于,所述分类神经网络模型,包括深度残差网络、密集卷积网络、GoogLeNet或Inception。
8.一种髋关节标记方法,其特征在于,包括以下步骤,
S1、从髋部的X-Ray序列存储模块中获取髋部的X-Ray序列;
S2、通过拍摄正位采集模块,从髋部的X-Ray序列中找到正位的医学图像;
S3、通过左右髋关节检测模块,从正位医学图像中检测出左右两侧的髋关节;所述左右髋关节检测模块的工作步骤如下:
(1)将髋部X-Ray图像中的左右髋关节以矩形框加以标注,获得第一训练图片集;
(2)对第一训练图片集进行数据预处理;
(3)用目标检测神经网络模型,在所述第一训练图片集上训练目标检测神经网络模型,得到左右髋关节检测模型;
(4)将待检测的髋部X-Ray图像输入所述左右髋关节检测模型中,得到左右髋关节检测结果,即左右髋关节在图中的坐标,利用所述坐标将左右髋关节从图像中截取出来,供后续分类使用;
(5)对正常的髋关节和病变的髋关节加以标注,获得第二训练图片集;
(6)用分类神经网络模型,在所述第二训练图片集上训练分类神经网络模型,得到髋关节正常与病变的分类模型;
(7)将待检测的髋关节图片输入所述检测模型中,得到左右髋关节是病变或正常的检测结果;
S4、判断待检测的髋关节是否正常,若判为正常执行步骤S5,若判为异常执行步骤S6;
S5、从结果输出模块中生成报告,流程结束;
S6、通过分类识别模块,对判为异常的髋关节进行病变分类,对分类后的各种病变进行分期或分级,然后执行步骤S5;所述分类识别模块的工作过程如下:
(1)对病变的髋关节加以标注,标签分为股骨头坏死、髋关节关节炎和髋关节发育不良,获得第三训练图片集;
(2)用分类神经网络模型,在所述第三训练图片集上训练分类神经网络模型,得到髋关节病变的分类模型;
(3)将待检测的病变髋关节图片输入所述髋关节病变的分类模型中,得到髋关节病变的分类结果,包括股骨头坏死、髋关节关节炎和髋关节发育不良;
(4)对分类结果进行分期或分级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海市第六人民医院;上海杏脉信息科技有限公司,未经上海市第六人民医院;上海杏脉信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910194861.0/1.html,转载请声明来源钻瓜专利网。