[发明专利]一种骨科植入物类特征智能构建方法及系统

权利要求书

1.一种骨科植入物类特征智能构建方法，其特征在于，该方法包括以下步骤：

S1、对骨折图像中的模糊区域作修复处理，并通过训练深度卷积神经网络模型提取骨折特征；

S2、通过主成分分析方法和决策树对收集的骨骼形态参数进行提取以获得骨骼形态特征；

S3、将所述骨折特征和骨骼形态特征融入植入物特征，生成植入物类特征。

2.如权利要求1所述的骨科植入物类特征智能构建方法，其特征在于，所述步骤S1具体为：

S11、采用方向模板对骨折线上的模糊区域进行修复处理；

S12、建立并训练深度卷积神经网络模型，从影像中自动识别出骨折类型，以病例数据代入模型得出判断结果。

3.如权利要求2所述的骨科植入物类特征智能构建方法，其特征在于，在步骤S11中，所述方向模板是根据骨折线的连续性和方向性，拟出骨折线的8个走向，并分别定义出与各个走向匹配的模板；取各模块相连的2×2像素的灰度平均值作为各模块的值，之后采用迭代阈值法自动获得最佳灰度阈值，计算出8个方向模板DL1～DL8的取值；

在步骤S12中，所述训练深度卷积神经网络模型为ResNet-50网络结构，该ResNet-50网络结构的残差模块的输入为X，输出H(X)为：

H(X)＝F(X)+X (1)

F(X)＝W₂δ(W₁X) (2)

其中，F是残差函数，δ表示修正线性单元激活函数。

4.如权利要求1所述的骨科植入物类特征智能构建方法，其特征在于，所述步骤S2具体为：

S21、采用主成分分析方法对收集的骨骼形态参数降维，提取主成分；

S22、以骨骼形态特征中各主成分综合得分的信息增益作为依据构建决策树，基于决策树提取骨骼形态特征，计算主成分综合得分。

5.如权利要求1所述的骨科植入物类特征智能构建方法，其特征在于，所述步骤S3具体为：

S31、根据骨折特征构建出能够反映植入物形状共性的大类特征参数，同时将其按照不同角度进一步划分成多个小类特征参数；

S32、继承大类特征的属性，同时结合形态特征赋予的新属性，以构建整体特征；

S33、通过继承整体特征和小类特征的属性构建局部特征参数；

S34、根据一组描述了相同骨折类型、不同解剖形态的骨骼特征，生成不同的植入物特征。

6.一种骨科植入物类特征智能构建系统，其特征在于，该系统包括：

骨折特征提取模块，用于对骨折图像中的模糊区域作修复处理，并通过训练深度卷积神经网络模型提取骨折特征；

骨骼形态特征提取模块，用于通过主成分分析方法和决策树对收集的骨骼形态参数进行提取骨骼形态特征；

植入物类特征生成模块，用于将所述骨折特征和骨骼形态特征融入植入物特征，生成植入物类特征。

7.如权利要求6所述的骨科植入物类特征智能构建系统，其特征在于，所述骨折特征提取模块包括：

修复处理模块，用于采用方向模板对骨折线上的模糊区域进行修复处理；

判断提取模块，用于建立并训练深度卷积神经网络模型，从影像中自动识别出骨折类型，以病例数据代入模型得出判断结果。