【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請屬于髖關(guān)節(jié)多病種病變診斷領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法、裝置、設(shè)備及計算機(jī)可讀存儲介質(zhì)。
技術(shù)介紹
1、目前，對髖關(guān)節(jié)單病種疾病篩查主要是基于髖關(guān)節(jié)的單側(cè)圖像進(jìn)行病變識別，會出現(xiàn)識別不準(zhǔn)確的情況。而且，無法同時進(jìn)行多病種疾病篩查智能評估。
2、因此，如何更加準(zhǔn)確地進(jìn)行髖關(guān)節(jié)多病種病變診斷是本領(lǐng)域技術(shù)人員亟需解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
1、本申請實(shí)施例提供一種基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法、裝置、設(shè)備及計算機(jī)可讀存儲介質(zhì)，能夠更加準(zhǔn)確地進(jìn)行髖關(guān)節(jié)多病種病變診斷。
2、第一方面，本申請實(shí)施例提供一種基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，包括：
3、獲取髖關(guān)節(jié)x線圖像；
4、對髖關(guān)節(jié)x線圖像進(jìn)行左右髖分割，分別得到左髖圖像和右髖圖像；
5、將左髖圖像、右髖圖像和左髖圖像進(jìn)行圖像融合，得到左髖融合圖像；
6、將右髖圖像、左髖圖像和右髖圖像進(jìn)行圖像融合，得到右髖融合圖像；
7、將左髖融合圖像或右髖融合圖像輸入預(yù)設(shè)的深度學(xué)習(xí)網(wǎng)絡(luò)模型中，輸出髖關(guān)節(jié)多病種病變診斷結(jié)果；
8、其中，髖關(guān)節(jié)多病種病變診斷結(jié)果包括：髖關(guān)節(jié)股骨頭壞死、髖關(guān)節(jié)骨關(guān)節(jié)炎、髖關(guān)節(jié)發(fā)育不良、髖關(guān)節(jié)骨折。
9、可選的，髖關(guān)節(jié)股骨頭壞死對應(yīng)等級包括：
10、一級：股骨頭外形完整、關(guān)節(jié)間隙正常；
11、二級：骨硬
12、三級：軟骨下骨折、壞死區(qū)骨折和/或股骨頭塌陷；
13、四級：關(guān)節(jié)間隙變窄，髖臼改變和關(guān)節(jié)破壞；
14、髖關(guān)節(jié)骨關(guān)節(jié)炎對應(yīng)等級包括：
15、零級：正常；
16、一級：輕微骨贅；
17、二級：明顯骨贅，但未累及關(guān)節(jié)間隙；
18、三級：關(guān)節(jié)間隙中度狹窄；
19、四級：關(guān)節(jié)間隙明顯狹窄，軟骨下骨硬化。
20、可選的，將左髖圖像、右髖圖像和左髖圖像進(jìn)行圖像融合，得到左髖融合圖像，包括：
21、對左髖圖像、右髖圖像進(jìn)行圖像預(yù)處理；其中，圖像預(yù)處理包括：灰度化、降噪、均衡化和尺寸歸一化；
22、對圖像預(yù)處理后的左髖圖像、右髖圖像進(jìn)行特征提取和圖像配準(zhǔn)；
23、使用加權(quán)平均法、拉普拉斯金字塔融合或小波變換融合算法，將左髖圖像和右髖圖像的像素值進(jìn)行融合，以保留重要的邊緣信息和細(xì)節(jié)；
24、將融合后的圖像與原始左髖圖像進(jìn)行進(jìn)一步的融合處理，以增強(qiáng)圖像質(zhì)量和細(xì)節(jié)表現(xiàn)；
25、生成最終的左髖融合圖像，確保圖像融合后的視覺效果清晰，并包含兩側(cè)髖部的特征信息。
26、可選的，對圖像預(yù)處理后的左髖圖像、右髖圖像進(jìn)行特征提取和圖像配準(zhǔn)，包括：
27、對預(yù)處理后的圖像進(jìn)行特征提取，通過邊緣檢測、關(guān)鍵點(diǎn)提取方法獲取各圖像的顯著特征區(qū)域；
28、采用特征匹配算法將左髖圖像與右髖圖像進(jìn)行配準(zhǔn)，確定兩幅圖像之間的對應(yīng)關(guān)系；
29、確定左髖圖像、右髖圖像和左髖圖像中的關(guān)鍵點(diǎn)位置，以便在融合時進(jìn)行精確對齊；
30、利用特征提取的結(jié)果，對左髖圖像和右髖圖像進(jìn)行幾何配準(zhǔn)，調(diào)整右髖圖像的位置、旋轉(zhuǎn)角度參數(shù)，使其與左髖圖像重合；
31、使用變換矩陣對右髖圖像進(jìn)行映射，確保與左髖圖像在相同坐標(biāo)系下對齊；
32、驗(yàn)證配準(zhǔn)的精度，通過疊加查看配準(zhǔn)效果，調(diào)整參數(shù)直到配準(zhǔn)結(jié)果滿足要求。
33、可選的，對髖關(guān)節(jié)x線圖像進(jìn)行左右髖分割，分別得到左髖圖像和右髖圖像，包括：
34、對髖關(guān)節(jié)x線圖像進(jìn)行圖像預(yù)處理；其中，圖像預(yù)處理包括灰度化處理、濾波降噪和圖像增強(qiáng)；
35、對圖像預(yù)處理后的髖關(guān)節(jié)x線圖像進(jìn)行圖像分割和左右髖區(qū)域提取，分別得到左髖圖像和右髖圖像。
36、可選的，對圖像預(yù)處理后的髖關(guān)節(jié)x線圖像進(jìn)行圖像分割和左右髖區(qū)域提取，分別得到左髖圖像和右髖圖像，包括：
37、基于圖像的解剖學(xué)特征，采用深度學(xué)習(xí)模型自動檢測和定位髖關(guān)節(jié)區(qū)域；
38、使用分割模型對髖關(guān)節(jié)區(qū)域進(jìn)行左右分割；模型訓(xùn)練時需有左右髖關(guān)節(jié)的標(biāo)簽數(shù)據(jù)，用以識別和分割左髖與右髖；
39、將分割出的左右髖關(guān)節(jié)區(qū)域進(jìn)一步細(xì)化，通過形態(tài)學(xué)操作去除小面積的誤分割區(qū)域；
40、通過計算iou或dice系數(shù)指標(biāo)評估分割精度，確保左髖和右髖的分割準(zhǔn)確度；
41、基于分割的結(jié)果，將左髖區(qū)域和右髖區(qū)域分別裁剪成獨(dú)立的圖像；
42、將左右髖圖像分別保存為獨(dú)立的文件，便于后續(xù)分析和處理。
43、可選的，將左髖融合圖像或右髖融合圖像輸入預(yù)設(shè)的深度學(xué)習(xí)網(wǎng)絡(luò)模型中，輸出髖關(guān)節(jié)多病種病變診斷結(jié)果，包括：
44、將左髖融合圖像或右髖融合圖像輸入預(yù)設(shè)的深度學(xué)習(xí)網(wǎng)絡(luò)模型中，通過卷積層逐層提取圖像的低級到高級特征，逐步捕捉圖像中的病變模式和特征；其中，深度學(xué)習(xí)網(wǎng)絡(luò)模型為resnet、densenet、efficientnet、3d-cnn；
45、通過池化層和全連接層聚合特征，并使用softmax或sigmoid函數(shù)輸出多個病種的診斷概率，輸出髖關(guān)節(jié)多病種病變診斷結(jié)果。
46、第二方面，本申請實(shí)施例提供了一種基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷裝置，其特征在于，所述裝置包括：
47、圖像獲取模塊，用于獲取髖關(guān)節(jié)x線圖像；
48、分割模塊，用于對髖關(guān)節(jié)x線圖像進(jìn)行左右髖分割，分別得到左髖圖像和右髖圖像；
49、圖像融合模塊，用于將左髖圖像、右髖圖像和左髖圖像進(jìn)行圖像融合，得到左髖融合圖像；將右髖圖像、左髖圖像和右髖圖像進(jìn)行圖像融合，得到右髖融合圖像；
50、病變診斷模塊，用于將左髖融合圖像或右髖融合圖像輸入預(yù)設(shè)的深度學(xué)習(xí)網(wǎng)絡(luò)模型中，輸出髖關(guān)節(jié)多病種病變診斷結(jié)果；其中，髖關(guān)節(jié)多病種病變診斷結(jié)果包括：髖關(guān)節(jié)股骨頭壞死、髖關(guān)節(jié)骨關(guān)節(jié)炎、髖關(guān)節(jié)發(fā)育不良、髖關(guān)節(jié)骨折。
51、第三方面，本申請實(shí)施例提供了一種電子設(shè)備，電子設(shè)備包括：處理器以及存儲有計算機(jī)程序指令的存儲器；
52、所述處理器執(zhí)行所述計算機(jī)程序指令時實(shí)現(xiàn)基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法。
53、第四方面，本申請實(shí)施例提供了一種計算機(jī)可讀存儲介質(zhì)，計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序指令，所述計算機(jī)程序指令被處理器執(zhí)行時實(shí)現(xiàn)基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法。
54、本申請實(shí)施例的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法、裝置、設(shè)備及計算機(jī)可讀存儲介質(zhì)，能夠更加準(zhǔn)確地進(jìn)行髖關(guān)節(jié)多病種病變診斷。
55、該基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，包括：<本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，髖關(guān)節(jié)股骨頭壞死對應(yīng)等級包括：
3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，將左髖圖像、右髖圖像和左髖圖像進(jìn)行圖像融合，得到左髖融合圖像，包括：
4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，對圖像預(yù)處理后的左髖圖像、右髖圖像進(jìn)行特征提取和圖像配準(zhǔn)，包括：
5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，對髖關(guān)節(jié)X線圖像進(jìn)行左右髖分割，分別得到左髖圖像和右髖圖像，包括：
6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，對圖像預(yù)處理后的髖關(guān)節(jié)X線圖像進(jìn)行圖像分割和左右髖區(qū)域提取，分別得到左髖圖像和右髖圖像，包括：
7.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷
8.一種基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷裝置，其特征在于，所述裝置包括：
9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：處理器以及存儲有計算機(jī)程序指令的存儲器；
10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序指令，所述計算機(jī)程序指令被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1-7任意一項(xiàng)所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法。
...【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，髖關(guān)節(jié)股骨頭壞死對應(yīng)等級包括：
3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，將左髖圖像、右髖圖像和左髖圖像進(jìn)行圖像融合，得到左髖融合圖像，包括：
4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，對圖像預(yù)處理后的左髖圖像、右髖圖像進(jìn)行特征提取和圖像配準(zhǔn)，包括：
5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的對側(cè)髖融合的髖關(guān)節(jié)多病種病變診斷方法，其特征在于，對髖關(guān)節(jié)x線圖像進(jìn)行左右髖分割，分別得到左髖圖像和右髖圖像，包括：
6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張逸凌，劉星宇，
申請(專利權(quán))人：北京長木谷醫(yī)療科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。