[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

说明书

本发明提供一种基于深度学习的智能识别骨关节炎的方法及系统，应用于图像处理领域，该方法包括：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。本发明提供的基于深度学习的智能识别骨关节炎的方法及系统，可以提高确定出的骨骼间隙的精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的智能识别骨关节炎的方法及系统。

背景技术

骨骼间隙，是指不同类型的骨骼之间的距离。准确的确定骨骼之间的间隙，在医学领域中具有重要的意义。

现有技术中，在确定骨骼间隙时，通常都是通过拍摄医学图像后，用户通过肉眼进行观测，从而评估出骨骼之间的间隙。

然而，上述方式得出的骨骼间隙精度不高。

发明内容

本发明提供一种基于深度学习的智能识别骨关节炎的方法及系统，用以解决现有技术中确定骨骼间隙的精度不高的缺陷，提高了确定出的骨骼间隙的精度。

本发明提供一种基于深度学习的智能识别骨关节炎的方法，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。

根据本发明提供的一种基于深度学习的智能识别骨关节炎的方法，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。

根据本发明提供的一种基于深度学习的智能识别骨关节炎的方法，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。

根据本发明提供的一种基于深度学习的智能识别骨关节炎的方法，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。

根据本发明提供的一种基于深度学习的智能识别骨关节炎的方法，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，所述方法还包括：

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；