[发明专利]基于深度学习的智能识别骨关节炎的方法及系统

权利要求书

1.一种基于深度学习的智能识别骨关节炎的方法，其特征在于，包括：

获取待处理图像；

确定所述待处理图像中第一骨骼的第一轮廓区域和第二骨骼的第二轮廓区域；

将位于所述第一骨骼远端的第一轮廓区域上的多个离散点，投影至所述第二骨骼近端的第二轮廓区域上，得到与所述多个离散点一一对应的多个投影点；

根据所述多个离散点和所述多个离散点各自对应的投影点之间的距离，确定所述第一骨骼和所述第二骨骼之间的间隙；

所述将位于所述第一骨骼的远端的第一轮廓区域上的多个离散点，投影至所述第二骨骼的近端的第二轮廓区域上，得到与所述多个离散点一一对应的多个投影点之前，还包括：

确定所述第一骨骼的远端的内侧边缘边界点和所述第一骨骼的远端的外侧边缘边界点；

在所述内侧边缘边界点和所述外侧边缘边界点之间，在所述第一骨骼的远端的第一轮廓区域上确定多个离散点。

2.根据权利要求1所述的基于深度学习的智能识别骨关节炎的方法，其特征在于，所述根据所述多个离散点和所述多个离散点各自对应的投影点之间的距离，确定所述第一骨骼和所述第二骨骼之间的间隙，包括：

确定多个离散点中的每个离散点和所述每个离散点对应的投影点之间的距离；

将多个距离中的最小的距离，确定为所述第一骨骼和所述第二骨骼之间的间隙。

3.根据权利要求1所述的基于深度学习的智能识别骨关节炎的方法，其特征在于，所述根据所述多个离散点和所述多个离散点各自对应的投影点之间的距离，确定所述第一骨骼和所述第二骨骼之间的间隙，包括：

确定多个离散点中的每个离散点和所述每个离散点对应的投影点之间的距离；

将多个距离的平均值确定为所述第一骨骼和所述第二骨骼之间的间隙。

4.根据权利要求1-3任一项所述的基于深度学习的智能识别骨关节炎的方法，其特征在于，所述确定所述待处理图像中第一骨骼的第一轮廓区域和第二骨骼的第二轮廓区域，包括：

将所述待处理图像输入至预先训练的骨骼分割模型中，得到所述第一骨骼所在的区域和所述第二骨骼所在的区域，其中，所述骨骼分割模型通过初始骨骼分割模型利用多个样本图像进行训练后得到的，其中，所述多个样本图像为包含不同类型骨骼的图像；

分别对所述第一骨骼所在的区域和所述第二骨骼所在的区域进行轮廓提取，得到所述第一骨骼的第一轮廓区域和所述第二骨骼的第二轮廓区域。

5.一种基于深度学习的智能识别骨关节炎的系统，其特征在于，包括：

获取模块，用于获取待处理图像；

确定模块，用于确定所述待处理图像中第一骨骼的第一轮廓区域和第二骨骼的第二轮廓区域；

投影模块，用于将位于所述第一骨骼远端的第一轮廓区域上的多个离散点，投影至所述第二骨骼近端的第二轮廓区域上，得到与所述多个离散点一一对应的多个投影点；

所述确定模块，还用于根据所述多个离散点和所述多个离散点各自对应的投影点之间的距离，确定所述第一骨骼和所述第二骨骼之间的间隙；

所述确定模块，还用于：

确定所述第一骨骼的远端的内侧边缘边界点和所述第一骨骼的远端的外侧边缘边界点；

在所述内侧边缘边界点和所述外侧边缘边界点之间，在所述第一骨骼的远端的第一轮廓区域上确定多个离散点。

6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述基于深度学习的智能识别骨关节炎的方法。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于深度学习的智能识别骨关节炎的方法。