[發明專利]基于神經網絡和隨機森林的顱側面影像分析方法和系統

有效

• 申請號: 201910541470.1
• 申請日: 2019-06-21
• 公開（公告）號: CN110246580B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 杜鑫;陳毅;朱露
• 申請（專利權）人: 上海優醫基醫療影像設備有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H30/20;G06N3/04
• 代理公司: 上海市匯業律師事務所 31325
• 代理人: 王函

1.基于神經網絡和隨機森林的顱側面影像分析系統，其特征在于，該系統包括成像設備、顱側面解剖特征標記模塊和顱側面報告生成模塊；

所述成像設備作為數據來源及最終分析報告展示載體；

所述顱側面解剖特征標記模塊與所述成像設備連接，用于接收成像設備生成的顱側面影像作為輸入，經過一系列計算機自動識別和標記流程，完成對圖像上重要解剖結構的標記工作，輸出特征點的高精度位置；所述顱側面解剖特征標記模塊包括神經網絡模型、隨機森林模型和合成模型；所述神經網絡模型用于對特征點位置進行第一次估計，輸出特征點在原2D圖像各個位置出現的概率熱度圖；所述隨機森林模型根據各特征點之間的幾何關系推測各特征點大致應處的位置范圍，是基于決策樹的集成回歸模型，其最終決策結果由多個決策樹的結果共同決定；每棵決策樹采取所有特征中的隨機一部分進行訓練；所述合成模型將結合隨機森林模型的輸出結果對概率熱度圖進行修正，最終預測各特征點坐標，具體為：所述隨機森林模型從所述概率熱度圖中一次或多次采樣，得到各特征點的估計坐標；每次通過從總特征點中去掉關注特征點的方式，借助從數據樣本中學習到的特征點之間的幾何關系找到關注特征點應位于的范圍；所述神經網絡模型輸出的所述概率熱度圖中概率最大的位置被定義為該關注特征點的初步估計位置，若該位置大幅偏離前述位置范圍，則認為該估計是異常估計；若在某特征點位置估計被檢測為異常估計，所述合成模型將結合所述隨機森林模型的輸出結果對其進行修正；

所述顱側面報告生成模塊用于接收所述顱側面解剖特征標記模塊經人工校驗和調整后的各解剖特征點的位置，完成進一步顱面醫學分析，得到最終的顱側面分析報告。

2.如權利要求1所述的基于神經網絡和隨機森林的顱側面影像分析系統，其特征在于，所述成像設備為口腔頜面斷層成像設備CBCT。

3.如權利要求1所述的基于神經網絡和隨機森林的顱側面影像分析系統，其特征在于，所述人工校驗和調整在本地計算機進行。

4.如權利要求1所述的基于神經網絡和隨機森林的顱側面影像分析系統，其特征在于，該系統還包括中心服務器；所述中心服務器通過通信模塊與所述成像設備連接；成像設備將所需信息發送至中心服務器；所述顱側面解剖特征標記模塊的工作轉移至所述中心服務器上完成，而成像設備在中心服務器完成分析過程后接收分析報告；所述通信模塊，在本地計算機不具備圖像自動分析所需的計算能力或環境情況下，將所述成像設備的必要信息與中心服務器通信，以將上述工作部分或全部轉移到中心服務器中完成。

5.如權利要求1所述的基于神經網絡和隨機森林的顱側面影像分析系統，其特征在于，所述神經網絡模型由多個不同尺度的RCNN模型并行排列而成；一個RCNN模型由多個CNN層按順序排列組成；所述CNN層包括卷積層、批歸一化層、激活層、池化層中的多種或全部；所述RCNN模型，其輸入為一張單通道2D圖片，輸出為一張較小的多通道圖片，每個通道對應一個特征點的概率熱度圖；概率熱度圖中的每個像素對應模型輸入圖片的一個區域：如果特征點落在原圖該區域中心位置，那么模型的輸出中對應像素亮度值應接近1，否則該亮度值應接近0；該亮度值代表某特征點落在模型輸入中對應區域中心的概率。

6.如權利要求5所述的基于神經網絡和隨機森林的顱側面影像分析系統，其特征在于，所述多個RCNN模型堆疊，各個RCNN模型輸出的概率熱度圖疊加作為神經網絡模型輸出的概率熱度圖。