[发明专利]基于深度强化学习的股骨柄放置装置及电子设备

说明书

本发明公开了一种基于深度强化学习的股骨柄放置装置及电子设备，其中装置包括：分割单元，用于获取患者骨盆及股骨图像数据，通过分割神经网络模型分割提取股骨髓腔皮质区域；确定单元，用于确定股骨髓腔皮质区域的股骨髓腔轴线，并将股骨柄的轴线沿股骨髓腔轴线，以用于放置股骨柄；输出单元，用于采用双网络架构DDQN，根据股骨柄与股骨的相对位置，输出调节信息；调节单元，用于根据调节信息对股骨柄进行调节，以使股骨柄与股骨相匹配。本发明将股骨柄的轴线沿股骨髓腔轴线放置，并通过双网络架构DDQN进行调节，提高了股骨柄放置时的精度，使得股骨柄与股骨相匹配，解决了股骨柄松动或患者髋关节疼痛的问题。

技术领域

本发明涉及医学技术领域，具体涉及一种基于深度强化学习的股骨柄放置装置及电子设备。

背景技术

在医学上，当患者的髋关节因病变导致行动不便时，通常会以手术的方式为病人置换人工髋关节，使患者恢复日常的活动能力。在髋关节置换手术中，往往将如图1所示的股骨柄作为生物型假体，与髋关节组件配合使用。在置换人工髋关节时，需要采用合适大小的股骨柄，并且确定股骨柄和股骨的相对位置以使置换后两腿的腿长差尽可能小，图2中双侧小转子上缘A点和B点的高度差即为腿长差。

然而，相关技术中股骨柄与股骨的相对位置主要依靠人工经验确定，这种方式精确度较低，容易因为相对位置不当导致股骨柄松动或患者髋关节疼痛。

针对相关技术中因股骨柄与股骨的相对位置不当，导致股骨柄松动或患者髋关节疼痛的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种基于深度强化学习的股骨柄放置装置，以解决股骨柄与股骨的相对位置不当导致股骨柄松动或患者髋关节疼痛的问题。

为了实现上述目的，本发明的第一方面提供了一种基于深度强化学习的股骨柄放置装置，包括：

分割单元，用于获取患者骨盆及股骨图像数据，基于所述骨盆及股骨图像数据通过分割神经网络模型分割提取股骨髓腔皮质区域；

确定单元，用于确定所述股骨髓腔皮质区域的股骨髓腔轴线，并将股骨柄的轴线沿所述股骨髓腔轴线，以用于放置所述股骨柄；

输出单元，用于采用深度强化学习的双网络架构DDQN，根据所述股骨柄与股骨的相对位置，输出调节信息；

调节单元，用于根据所述调节信息对所述股骨柄进行调节，以使所述股骨柄与股骨相匹配。

可选地，所述基于所述骨盆及股骨图像数据通过分割神经网络模型分割提取股骨髓腔皮质区域，包括：

通过分割神经网络模型对所述骨盆及股骨图像数据进行图像分割；

其中，所述分割神经网络模型包括级联的第一分割神经网络和第二分割神经网络；

所述第一分割神经网络和第二分割神经网络的关联参数，是通过对预先存储的医学图像数据库中的图像数据进行训练和测试确定的。

进一步地，所述第一分割神经网络，用于作为主干网络，对所述骨盆及股骨图像数据进行粗分割；

所述第二分割神经网络，用于基于所述粗分割进行精确分割；

所述第一分割神经网络为全卷积网络FCN、语义分割网络SegNet、深度学习分割网络Unet、3D-深度学习分割网络3D-Unet、实例分割网络Mask-RCNN、空洞卷积、语义分割神经网络ENet、语义分割网络CRFasRNN、场景解析网络PSPNet、端到端语义分割网络ParseNet、图像语义分割网络RefineNet、图像分割模型ReSeg、语义分割网络LSTM-CF、实例分割网络DeepMask、语义分割模型DeepLabV1、语义分割模型DeepLabV2、语义分割模型DeepLabV3中的至少一种；