[發明專利]脊椎骨折區域分析模型訓練方法和裝置

有效

• 申請號: 202010147810.5
• 申請日: 2020-03-05
• 公開（公告）號: CN111414939B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 顏立峰;何福金;劉小青;俞益洲
• 申請（專利權）人: 北京深睿博聯科技有限責任公司;杭州深睿博聯科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/80
• 代理公司: 北京天方智力知識產權代理有限公司 11719
• 代理人: 谷成

本申請實施例提供了一種脊椎骨折區域分析模型訓練方法和裝置，解決了現有脊椎骨折區域分析方式的準確率低和效率低的問題。該方法包括：將基本框輸入椎骨主干網絡獲得的第一椎骨提取特征圖；將第一椎骨提取特征圖輸入N個椎骨漸進層中的第一椎骨漸進層以獲得第一椎骨輸出框；根據第一椎骨輸出框和椎體標準參考數據之間的差別調整第二椎骨漸進層的網絡參數，并將第一椎骨輸出框輸入椎骨主干網絡獲得第二提取特征圖；將椎骨主干網絡輸出的第m椎骨提取特征圖輸入N個椎骨漸進層中的第m椎骨漸進層以獲得第m輸出框；以及根據第m輸出框和骨折區域標準參考數據之間的差別調整第m+1輸出框的網絡參數，并根據第m輸出框基于椎骨主干網絡獲得第m+1提取特征圖。

技術領域

本申請涉及影像分析技術領域，具體涉及一種脊椎骨折區域分析模型訓 練方法、脊椎骨折區域分析方法、裝置、電子設備和計算機可讀存儲介質。

背景技術

深度學習在輔助放射科診斷的應用是目前人工智能領域的研究熱點之 一。其中骨折作為高發病種，在日常臨床工作中，骨科醫生往往需要審閱大 量的放射影像，并且夜班也有非常大的閱片需求，這已成為急需解決的問題。 隨著計算機和醫療技術的飛速發展，人工智能輔助醫生的可能性，越來越受 到骨科醫生和研究人員的重視。脊椎骨的骨折，系身體各部位骨折識別中較 難的一種，一方面由于拍攝的椎體X光片中，包含很多身體各部分其它器 官，這些器官對椎體造成遮擋使得椎體本身難以辨別，另外它們造成非常多的低密度影與骨折低密度影容易造成混淆；另一方面椎體骨折和脫位的類型 征象多樣化，例如壓縮性骨折和脫位沒有明顯的骨折線，只是椎體的形態和 相對位置與常規結構有差異，與普通的骨折的征象有很大的區別。在臨床實 踐中，醫生僅僅基于X光識別椎體骨折和脫位準確率相較其它部位低。但 基于CT的判斷，對病患造成的傷害大，且成本高。已有研究表明，深度學 習技術在區分重疊物體的能力和敏感度上，較人類有先天的優勢。因此利用深度學習的方法，制作能夠自動在放射平片中識別椎體骨折和脫位的裝置， 以期幫助醫生提高脊椎骨折區域分析的準確率，是十分有意義的。

一些運用深度學習技術的自動化裝置已經被應用于給醫生檢測病灶可 疑區域的提示。目前基于深度學習，適用于檢測的方法有“物體檢測”和“實 例分割”等方法，其準確率大大超過了其它機器學習方法。

然而，深度學習技術在脊椎骨折的識別中尚未有應用。如果依靠現有的 深度學習方法，可以將脊椎骨折的病灶區域當作單一的訓練目標，送進人工 神經網絡里進行訓練。但是由于脊椎段放射平片的形態較為多變，并且經常 會包括一些身體的其它部位，例如肩部骨塊、胸部肋骨、髖部骨塊等，還有 軟組織。這些組織上的骨折或很像骨折的低密度影在脊椎放射平片上出現的 頻率很高，以致于對于真正脊椎骨折的特征是很大的噪聲，這樣會影響算法 訓練的效果和精度。

發明內容

有鑒于此，本申請實施例提供了一種脊椎骨折區域分析模型訓練方法和 裝置，解決了現有脊椎骨折區域分析方式的準確率低和效率低的問題。

根據本申請的一個方面，本申請一實施例提供的一種脊椎骨折區域分析 模型訓練方法包括：所述脊椎骨折區域分析模型包括用于提取特征圖的椎骨 主干網絡和分別與所述椎骨主干網絡連接的N個椎骨漸進層，所述椎骨漸 進層配置為基于輸入的特征圖輸出包括骨折區域預測結果的輸出框，其中N 為大于等于2的整數；其中，所述訓練方法包括：將基本框輸入所述椎骨主 干網絡獲得的第一椎骨提取特征圖；將所述第一椎骨提取特征圖輸入所述N 個椎骨漸進層中的第一椎骨漸進層以獲得第一椎骨輸出框；根據所述第一椎骨輸出框和椎體標準參考數據之間的差別調整第二椎骨漸進層的網絡參數， 并將所述第一椎骨輸出框輸入所述椎骨主干網絡獲得第二提取特征圖；將所 述椎骨主干網絡輸出的第m椎骨提取特征圖輸入所述N個椎骨漸進層中的 第m椎骨漸進層以獲得第m輸出框，其中，m為N≥m≥2的整數變量；以及 根據所述第m輸出框和骨折區域標準參考數據之間的差別調整第m+1輸出 框的網絡參數，并根據所述第m輸出框基于所述椎骨主干網絡獲得第m+1 提取特征圖。