[发明专利]一种基于深度学习的骨性关节炎智能三维诊断方法及系统

说明书

本发明提供一种基于深度学习的骨性关节炎智能三维诊断方法及系统。该方法包括：获取膝关节的核磁共振图像数据；将核磁共振图像数据输入到图像分割网络模型中进行软骨区域分割，获得输出的软骨本体位置区域的二维医学图像；图像分割网络模型是以样本骨骼图像数据及样本骨骼图像数据对应的软骨区域分割结果为样本训练得到的；基于软骨本体位置区域的二维医学图像和核磁共振图像数据，得到相应的三维医学图像；确定三维医学图像中的目标软骨，对目标软骨进行分析以确定目标软骨的损伤程度。本发明提供的方法，能够方便快速的检测膝骨性关节炎，降低了漏诊和误诊率，更加客观的诊断和评价膝骨性关节炎，提高了膝骨性关节炎的诊断效果和检测精度。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于深度学习的骨性关节炎智能三维诊断方法及系统。另外，还涉及一种电子设备及处理器可读存储介质。

背景技术

膝骨性关节炎是膝关节的局部损伤及炎症和慢性劳损引起关节面软骨变性，软骨下骨板反应性骨损，导致膝关节出现一系列症状和体征。由于膝骨性关节炎早期病理改变不明显，传统的CT(Computed Tomography)，即电子计算机断层扫描，诊断效果较差，漏诊、误诊率较高。随着智能设备的快速发展，MRI(Magnetic Resonance Imaging，磁共振成像)动态扫描能够通过三维数据采集、多序列、多平面扫描获取影像，影像分辨率较高，可以更好的与良好的组织进行对比。然而，通过直接读取MRI图像(核磁共振图像)进行主观诊断骨性关节炎，不同医生之间存在差异，容易造成误诊和漏诊，导致诊断效果和检测精度不稳定。因此，如何设计一种稳定性、精确度更优的膝关节软骨损伤程度的评价方案成为亟待解决的技术问题。

发明内容

为此，本发明提供一种基于深度学习的骨性关节炎智能三维诊断方法及系统，以解决现有技术中存在的生态系统生态服务价值核算方案局限性较高，导致膝骨性关节炎的诊断效果和检测精度较差的缺陷。

本发明提供一种基于深度学习的骨性关节炎智能三维诊断方法，包括：

获取膝关节的核磁共振图像数据；

将所述核磁共振图像数据输入到预设的图像分割网络模型中进行软骨区域分割，获得所述图像分割网络模型输出的软骨本体位置区域的二维医学图像；所述图像分割网络模型是以样本骨骼图像数据以及所述样本骨骼图像数据对应的软骨区域分割结果为样本训练得到的；

基于所述软骨本体位置区域的二维医学图像和所述核磁共振图像数据，构建得到相应的三维医学图像；

确定所述三维医学图像中的目标软骨，并对所述目标软骨进行分析以确定所述目标软骨的损伤程度。

进一步的，对所述目标软骨进行分析以确定所述目标软骨的损伤程度，包括：对所述目标软骨进行定性分析，判断所述目标软骨是否为膝骨性关节炎，若是，则对所述目标软骨进行定量分析，确定所述目标软骨的损伤程度。

进一步的，对所述目标软骨进行定性分析，判断所述目标软骨是否为膝骨性关节炎，包括：

利用所述图像分割网络模型对所述目标软骨进行缺损检测，判断所述目标软骨是否存在缺损区域，若是，则判定所述目标软骨存在膝骨性关节炎；若否，则判定所述目标软骨不存在膝骨性关节炎。

进一步的，对所述目标软骨进行定量分析，确定所述目标软骨的损伤程度，包括：

识别目标软骨存在缺损区域的轮廓；

确定所述轮廓中所述缺损区域的像素个数；

根据所述缺损区域的像素个数和目标软骨总区域的像素个数之间的比值进行软骨损伤程度分级，确定所述目标软骨的第一损伤程度。

进一步的，对所述目标软骨进行定量分析，确定所述目标软骨的损伤程度，包括：

识别目标软骨存在缺损区域的轮廓；