[發(fā)明專利]兒童股骨頭旋轉(zhuǎn)中心檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010195907.3
• 申請(qǐng)日: 2020-03-19
• 公開(kāi)（公告）號(hào): CN111429417B
• 公開(kāi)（公告）日: 2023-06-16
• 發(fā)明（設(shè)計(jì)）人: 廖勝輝;蔣義勇;韓付昌;申鍇鑌;鄒忠全;溫小斌;劉姝;趙于前
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N20/00
• 代理公司: 長(zhǎng)沙永星專利商標(biāo)事務(wù)所(普通合伙) 43001
• 代理人: 周詠;米中業(yè)

1.一種兒童股骨頭旋轉(zhuǎn)中心檢測(cè)方法，包括如下步驟：

S1.獲取兒童的雙側(cè)髖關(guān)節(jié)X線圖像，并選取符合設(shè)定標(biāo)準(zhǔn)的X線圖像；

S2.對(duì)步驟S1選取的X線圖像標(biāo)注標(biāo)志點(diǎn)、X軸和Y軸，并測(cè)量設(shè)定的髖關(guān)節(jié)指標(biāo)；具體為對(duì)步驟S1選取的X線圖像標(biāo)注標(biāo)志點(diǎn)，同時(shí)以雙側(cè)髂骨髂后下棘的連線作為X軸，經(jīng)X軸的中點(diǎn)作垂線定位Y軸，并建立平面直角坐標(biāo)系；

具體實(shí)施時(shí)，標(biāo)志點(diǎn)包括髂后下棘、臼頂外緣、Y形軟骨頂點(diǎn)、骨骺板外緣、骨骺板內(nèi)緣、淚滴下緣和大轉(zhuǎn)子尖；所述的設(shè)定的髖關(guān)節(jié)指標(biāo)，具體包括臼頂外緣到坐標(biāo)原點(diǎn)的斜率、臼頂內(nèi)緣到坐標(biāo)原點(diǎn)的斜率，雙側(cè)骨骺板外緣之間的距離、雙側(cè)骨骺板內(nèi)緣之間的距離，和骨骺板到X軸的距離；然后以Mose圓法測(cè)得的股骨頭旋轉(zhuǎn)中心作為參考標(biāo)準(zhǔn)，來(lái)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行誤差量化；

S3.對(duì)步驟S2獲取的髖關(guān)節(jié)指標(biāo)進(jìn)行處理得到樣本數(shù)據(jù)，并設(shè)定權(quán)重；

S4.將步驟S3獲取的數(shù)據(jù)和對(duì)應(yīng)的權(quán)重分為訓(xùn)練集和測(cè)試集，并采用訓(xùn)練集對(duì)檢測(cè)模型進(jìn)行訓(xùn)練，采用測(cè)試集對(duì)檢測(cè)模型進(jìn)行檢測(cè)，從而得到最終的兒童股骨頭旋轉(zhuǎn)中心檢測(cè)模型；具體為利用優(yōu)化后的廣義正則極限學(xué)習(xí)機(jī)算法對(duì)訓(xùn)練集中的每個(gè)樣本進(jìn)行訓(xùn)練，得到初步的廣義正則極限學(xué)習(xí)機(jī)兒童股骨頭旋轉(zhuǎn)中心檢測(cè)模型；

具體實(shí)施時(shí)，所述的優(yōu)化后的廣義正則極限學(xué)習(xí)機(jī)算法，具體為采用全局有界的Nelder-Mead算法，對(duì)廣義正則極限學(xué)習(xí)機(jī)算法中的模型參數(shù)進(jìn)行優(yōu)化，從而得到優(yōu)化后的廣義正則極限學(xué)習(xí)機(jī)算法；

S5.采用步驟S4得到的最終的兒童股骨頭旋轉(zhuǎn)中心檢測(cè)模型，對(duì)待檢測(cè)兒童的雙側(cè)髖關(guān)節(jié)X線圖像進(jìn)行股骨頭旋轉(zhuǎn)中心的檢測(cè)。

2.根據(jù)權(quán)利要求1所述的兒童股骨頭旋轉(zhuǎn)中心檢測(cè)方法，其特征在于步驟S3所述的對(duì)步驟S2獲取的髖關(guān)節(jié)指標(biāo)進(jìn)行處理得到樣本數(shù)據(jù)，并設(shè)定權(quán)重，具體為對(duì)步驟S2獲取的髖關(guān)節(jié)指標(biāo)，進(jìn)行歸一化處理和數(shù)據(jù)映射，得到新的樣本數(shù)據(jù)，確定檢測(cè)模型的輸入數(shù)據(jù)，并采用熵權(quán)法為檢測(cè)模型的各個(gè)輸入數(shù)據(jù)分配權(quán)重。

3.根據(jù)權(quán)利要求2所述的兒童股骨頭旋轉(zhuǎn)中心檢測(cè)方法，其特征在于所述的進(jìn)行歸一化處理，具體為采用Min-Max歸一化方法，對(duì)原始數(shù)據(jù)進(jìn)行線性變換，將其映射到[0,1]區(qū)間，得到新的樣本數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的兒童股骨頭旋轉(zhuǎn)中心檢測(cè)方法，其特征在于所述的采用熵權(quán)法為檢測(cè)模型的各個(gè)輸入數(shù)據(jù)分配權(quán)重，具體為采用如下步驟分配權(quán)重：

A.對(duì)經(jīng)過(guò)歸一化處理的樣本數(shù)據(jù)，采用如下公式計(jì)算信息熵：

式中e_j為第j個(gè)輸入特征的信息熵；為信息熵系數(shù)；u_ij為經(jīng)過(guò)歸一化處理的樣本數(shù)據(jù)；

B.根據(jù)步驟A得到的信息熵，采用如下公式計(jì)算得到基于信息熵的權(quán)重：

式中ω_j為第j個(gè)輸入特征基于信息熵的權(quán)重；e_j為第j個(gè)輸入特征的信息熵。

5.根據(jù)權(quán)利要求4所述的兒童股骨頭旋轉(zhuǎn)中心檢測(cè)方法，其特征在于所述的對(duì)廣義正則極限學(xué)習(xí)機(jī)算法中的模型參數(shù)進(jìn)行優(yōu)化，具體為優(yōu)化的參數(shù)為隱含層特征參數(shù)、正則化參數(shù)和最大迭代次數(shù)。

6.根據(jù)權(quán)利要求5所述的兒童股骨頭旋轉(zhuǎn)中心檢測(cè)方法，其特征在于所述的利用優(yōu)化后的廣義正則極限學(xué)習(xí)機(jī)算法對(duì)訓(xùn)練集中的每個(gè)樣本進(jìn)行訓(xùn)練，得到初步的廣義正則極限學(xué)習(xí)機(jī)兒童股骨頭旋轉(zhuǎn)中心檢測(cè)模型，具體為采用如下步驟得到初步的廣義正則極限學(xué)習(xí)機(jī)兒童股骨頭旋轉(zhuǎn)中心檢測(cè)模型：

a.初始化系統(tǒng)參數(shù)：隱含層輸出權(quán)重矩陣β⁰，隱含層輸出權(quán)重優(yōu)化矩陣Z⁰，縮放對(duì)偶變量矩陣U⁰，以及迭代次數(shù)k；

b.隨機(jī)分配隱含層節(jié)點(diǎn)的特征映射參數(shù)矩陣A和B；

c.計(jì)算隱含層輸出矩陣H；

d.采用如下算式更新系統(tǒng)參數(shù)：

U^k+1＝U^k+B^k+1-Z^k+1

迭代次數(shù)k增加1

式中表示使括號(hào)內(nèi)的計(jì)算式達(dá)到最小值時(shí)的矩陣Z的值；λ₁、λ₂和C為ρ為正則化參數(shù)；β為隱含層輸出權(quán)重矩陣；Z為隱含層輸出權(quán)重優(yōu)化矩陣；U為縮放對(duì)偶變量矩陣；T為訓(xùn)練目標(biāo)矩陣；||?||_F為Frobenius范數(shù)；||?||_2,1為l_2,1范數(shù)；

e.重復(fù)步驟d直至迭代次數(shù)達(dá)到設(shè)定要求。