[发明专利]一种基于DR图像双视角脊椎骨折特征检测方法

权利要求书

1.一种基于DR图像双视角脊椎骨折特征检测方法，其特征在于，具体步骤如下：

步骤1，从DR设备采集脊椎骨折患者的影像，并对图像数据进行预处理；

步骤2，用经过预处理后的图像和具有丰富临床经验的放射医师的标注，得到正侧位的双角度DR平片中不同椎体的感兴趣区域；

步骤3，将ROI图像块输入设计的神经网络中，经过在ImageNet数据集上训练得到的预训练模型CNNmodel后进行图像块特征混合，然后分别输入到Multi-head transformer和Shifted-window transformer网络模块后进行特征拼接，最后得到脊椎骨折的预测结果；

步骤4，根据神经网络输出的骨折严重度分级和预测框的概率值，实现了双视角DR图像的骨折定位和严重度分级；

步骤5，临床放射科医师或者骨科医生通过观察实际DR图像，结合脊椎骨折特征检测的结果，对骨折病灶进行定位和严重度分级。

2.根据权利要求1所述的一种基于DR图像双视角脊椎骨折特征检测方法，其特征在于，通过中值滤波和各向异性扩散滤波方法，对DR图像中的随机噪声进行去噪，将引起DR图像中脊柱椎体边缘模糊的噪声点滤除，根据DICOM格式数据标签或者原始像素值，设置DR图像的窗宽和窗位，将原始像素映射到8比特图像，采用限制对比度的自适应直方图均衡进行图像增强，增强DR图像的对比度同时抑制噪声，使脊椎和软组织的区分更明显。

3.根据权利要求1所述的一种基于DR图像双视角脊椎骨折特征检测方法，其特征在于，根据DR图像和对应的标注信息，裁剪出含有脊椎骨折ROI的图像块，同时从相邻位置得到正常椎体ROI的图像块，调整图像块尺寸，赋予图像块以骨折和正常的分类标签。

4.根据权利要求1所述的一种基于DR图像双视角脊椎骨折特征检测方法，其特征在于，所述步骤3具体如下：前后正位片和侧位片的ROI包括正常椎体图像块I_N和骨折椎体图像块I_F，第一阶段由CNNmodel从ROI图像块提取的特征图f(I_N,I_F)和预测分类在第二阶段经过特征图像块混合将H×W×C维度的f(I_N,I_F)转换为H/4×W/4×2C维度，分别输入到Multi-head transformer和Shifted-window transformer，其中H,W,C分别表示特征图的高、宽和通道数，在Multi-head transformer中，三个1×1卷积将输入特征图投影到展平并转置成大小为n×d的序列，其中d是嵌入的维度，Q、K、V展平并转置为大小为n×d的序列，其中n＝H×W，由此可得输出这让模型从不同的表示子空间联合推断注意力用于骨折定位，在Shifted-window transformer中，特征图在移位的局部窗口内计算自注意力，窗口以不重叠的方式均匀划分，输出为其中B为移位偏置，将O_MHT和O_SWT进行特征拼接得到f_cat＝Cancate(O_MHT,O_SWT)，进一步可知神经网络预测出的骨折位置t＝(t_x,t_y,t_w,t_h)和定位损失函数其中(x,y,w,h)为预测框的横纵坐标、宽度和高度，smooth_L1为平滑L1损失函数，

采用正侧位的双视角DR图像并且设计Multi-head transformer和Shifted-windowtransformer并行网络模块是本方法的独特之处，经过神经网络训练和优化过程，方法可以对DR图像中骨折特征检测，得到骨折的病灶位置和严重度分级。