[发明专利]一种DDH人工智能辅助诊断方法及装置

说明书

本发明提供了一种DDH人工智能辅助诊断方法及装置，方法包括：通过实例分割网络，分割出髋部各骨，进行影像质量控制；通过关键点检测网络，结合月龄信息，得到髋关节关键点；基于髋关节关键点，测量髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别；结合月龄信息，训练髋关节发育异常识别网络，检测征象；结合月龄信息、病例病史信息、髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别和征象，训练分类网络，得出DDH辅助诊断结果。不仅可以自动、快速、准确的计算DDH涉及的各项测量指标，而且考虑了患儿病例病史信息，可给出DDH辅助诊断建议，能够提高DDH的临床诊断效率和准确性。

技术领域

本发明涉及计算机领域，尤其涉及一种DDH人工智能辅助诊断方法及装置。

背景技术

发育性髋关节发育不良(DDH)是常见的小儿骨科疾病之一，对患儿生活影响很大。根据临床诊疗指南，DDH包括髋臼发育不良、髋关节半脱位及髋关节脱位。在中国，DDH发病率大约为1‰，其中20％DDH患者具有家族史，女孩的发病率是男孩的6倍左右，髋关节左侧发病率约为右侧的2倍。DDH公认的治疗原则是早发现、早治疗。对于6月以下的儿童，DDH筛查、诊断主要采用超声影像；对于6个月以上的儿童，主要以X片影像作为诊断依据。

在DDH诊断中，医生首先需要在X线片上找出一组DDH诊断相关的关键点(landmark),并依据这些landmarks，测量出髋臼指数、CE角(中心边缘角)、股骨头覆盖率；还需计算出Tonnis分级或IHDI分级。然后，医生需要结合一些髋关节X线片的征象，如“沈通氏线是否连续、髋臼外侧缘是否锐利清晰、髋臼顶部是否呈弧形”，并综合考虑患儿的病例病史信息，在报告中给出髋关节发育正常、髋臼发育不良、髋关节半脱位、髋关节脱位中的一种诊断结论，以对应不同的治疗路径。该过程不仅繁琐耗时，且医生间一致性较差。

且现有的基于人工智能的DDH公开文献，仅完成了X线片上DDH诊断相关的关键点定位及髋臼指数的计算；并且没有考虑对DDH临床诊断有意义的患儿月龄等信息。

因此，现有的基于X片影像的DDH人工智能诊断方法，具有以下局限性：(1)只给出CE角、髋臼指数等部分测量指标，未能给出‘沈通氏线是否连续，髋臼外侧缘是否锐利清晰、髋臼顶部是否呈弧形’等髋关节发育异常征象的判断，也不能给出‘髋臼发育不良，髋关节半脱位及髋关节脱位’的诊断结果。(2)现有方法，没有合理利用患儿的月龄信息，由于不同月龄段儿童髋关节部位形态发育变化大，各测量指标的合理范围也随月龄的变化而发生明显变化，不考虑患者月龄将引入较大的不确定性。(3)DDH的测量与诊断，对髋关节正位片的拍摄质量(尤其是拍摄姿态的规范性)有严格要求。公开文献中没有关于自动识别‘髋关节正位片’拍摄姿态是否合格的方法。

发明内容

本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的DDH人工智能辅助诊断方法及装置。

为达到上述目的，本发明的技术方案具体是这样实现的：

本发明一方面提供了一种DDH人工智能辅助诊断方法，包括：通过实例分割网络，分割出髋部各骨，进行影像质量控制；通过关键点检测网络，结合月龄信息，得到髋关节关键点；基于髋关节关键点，测量髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别；结合月龄信息，训练髋关节发育异常识别网络，检测征象；结合月龄信息、病例病史信息、髋臼指数、CE角、股骨头覆盖率、Tonnis级别、IHDI级别和征象，训练分类网络，得出DDH辅助诊断结果。

其中，通过实例分割网络，分割出髋部各骨，进行影像质量控制包括：通过实例分割网络将髋关节各骨头分割出来，分别计算出左髋的髂骨、右髋的髂骨、耻骨、坐骨的投影面积；通过左髋的髂骨和右髋的髂骨的投影面积比例，确定拍摄角度的水平方向偏差；计算耻骨和坐骨最高点的水平切线，以耻骨和坐骨顶端两水平切线之间的垂直距离和坐骨投影垂直高度的比值确定拍摄角度的垂直方向偏差。