[發明專利]一種骨折檢測方法及裝置

有效

• 申請號: 202010278205.1
• 申請日: 2020-04-10
• 公開（公告）號: CN111513743B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 郭又文;李其花;孟祥水;田廣野;韓月喬;吳乙榮;龐曉磊;陳永健
• 申請（專利權）人: 青島海信醫療設備股份有限公司
• 主分類號: A61B6/03
• 分類號: A61B6/03
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 任嘉文

本申請公開了一種骨折檢測方法及裝置，用以提高骨折自動檢測準確率以及工作效率。本申請提供的一種骨折檢測方法，包括：確定骨折患者胸腔圖像的肋骨檢測框；確定每一肋骨檢測框內肋骨發生骨折的概率值；基于所述每一肋骨檢測框內肋骨發生骨折的概率值，輸出骨折檢測結果，其中包括用于表示肋骨是否發生骨折的肋骨檢測框信息。

技術領域

本申請涉及醫學圖像處理技術領域，尤其涉及一種骨折檢測方法及裝置。

背景技術

當胸部受到直接或者間接應力時，肋骨骨折是最常見的癥狀，約占胸廓骨折的90％，兒童的肋骨富有彈性，不易折斷，而成年人尤其是老年人，肋骨彈性減弱，容易發生骨折；因此隨著老齡化的加劇，肋骨骨折患者會呈現不斷上升的趨勢。計算機斷層掃描(Computed?Tomography，CT)影像是目前臨床上肋骨骨折診斷常用影像，具備大范圍、薄層、高分辨率等優勢，可以有效地展示肋骨全貌或肋骨全貌的3/4，避免由于X光片中肋骨骨折患者病變部位影像重疊導致的某些病變模糊而難以準確診斷的情況，但是由于肋骨數量多、空間關系復雜，且人體薄層CT掃描動輒7、8百張，且肋骨骨折存在多發、隱匿性骨折，醫生需要逐張排查并跟蹤每根肋骨在CT圖像序列中的動態變化，工作量巨大。

現有的采用CT圖像進行肋骨骨折自動檢測方法，多數為采用傳統的計算機視覺方法對三維圖像進行重建或者展開，處理時間長且準確率較低(據資料顯示準確率為0.71AUC，AUC是一種評價二分類算法性能的指標，表示受試者曲線(ROC)下面積，AUC取值范圍[0,1]，且越接近1表示分類準確率越高)。基于深度學習的肋骨骨折自動檢測算法，目前各公司也均在摸索嘗試中，但是由于部分肋骨骨折的隱匿性，使得人工標記的標簽并不是十分準確，具體來說是對于標記為骨折的肋骨都是真陽性的，但是對于標記對正常的肋骨，存在一定的假陰性，這會對模型性能造成嚴重影響，會出現錯檢、漏檢的情形。

綜上所述，現有肋骨骨折檢測技術準確率和效率都很低。

發明內容

本申請實施例提供了一種骨折檢測方法及裝置，用以提高骨折自動檢測準確率以及工作效率。

本申請實施例提供的一種骨折檢測方法，包括：

確定骨折患者胸腔圖像的肋骨檢測框；

確定每一肋骨檢測框內肋骨發生骨折的概率值；

基于所述每一肋骨檢測框內肋骨發生骨折的概率值，輸出骨折檢測結果，其中包括用于表示肋骨是否發生骨折的肋骨檢測框信息。

通過該方法，確定骨折患者胸腔圖像的肋骨檢測框；確定每一肋骨檢測框內肋骨發生骨折的概率值；基于所述每一肋骨檢測框內肋骨發生骨折的概率值，輸出骨折檢測結果，其中包括用于表示肋骨是否發生骨折的肋骨檢測框信息，從而提高了骨折自動檢測準確率以及工作效率。

可選地，確定骨折患者胸腔圖像的肋骨檢測框，具體包括：

獲取骨折患者胸腔的計算機斷層掃描CT原始圖像；

按照臨床骨窗要求對CT原始圖像進行圖像處理，得到骨窗圖像；

確定所述骨窗圖像上的肋骨檢測框的位置信息。

可選地，確定每一肋骨檢測框內肋骨發生骨折的概率值，具體包括：

利用預先訓練得到的模型，和所述骨窗圖像，確定每一肋骨檢測框內肋骨發生骨折的概率值。

可選地，所述基于所述每一肋骨檢測框內肋骨發生骨折的概率值，輸出骨折檢測結果，具體包括：

將所述每一肋骨檢測框內肋骨發生骨折的概率值，與預設閾值進行比較，確定發生骨折的肋骨檢測框信息。

可選地，所述模型是采用如下方式訓練得到的：

確定訓練數據，所述訓練數據包括多張胸腔CT原始圖像；