[發明專利]基于多類型圖像融合神經網絡地方性氟骨病分級診斷系統

有效

• 申請號: 202010307115.0
• 申請日: 2020-04-17
• 公開（公告）號: CN111598893B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 劉紹寵;高彥輝;酈芒;羅浩;尹珅;蔣宇辰
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62;G06N3/04;G06N3/08;G16H50/20
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 劉強

基于多類型圖像融合神經網絡地方性氟骨病分級診斷系統，涉及圖像處理技術領域，針對現有技術中針對氟骨病的診斷效率低的問題，包括：預處理模塊、病變區域圖像粗分割模塊、多類型圖像融合模塊和疾病分級診斷模塊，本發明基于粗分割特征圖與原始圖像融合的多分類模型充分利用了病變區域信息，在保證信息完整性的基礎上強化了神經網絡對敏感區域的認知能力。本發明設計的代價函數強調特征圖病變概率高的位置并削弱無關背景的影響，解決了病變區域占總圖像面積比例較小的問題，提高了模型的訓練和分類效率。本發明為氟骨病檢測提供了輔助手段，填補了氟骨病智能診斷的空白，提高了針對氟骨病的診斷效率。

技術領域

本發明涉及圖像處理技術領域，具體為一種基于多類型圖像融合神經網絡地方性氟骨病分級診斷系統。

背景技術

氟骨病是我國一種典型的地方性疾病，它是因攝入過量氟化物而引起以頸、腰和四肢大關節疼痛以及肢體運動功能障礙為主要表現的慢性代謝性骨病。對于有高氟暴露史的人群，根據骨和關節X射線征象可以進行氟骨癥的診斷和分級。氟骨病的典型病癥為骨周軟組織鈣化，即前臂骨間膜、韌帶、肌腱附著處等部位出現鈣化、骨化的病理現象。這些變化是氟骨癥的特征性改變，也是用來評價氟骨癥的嚴重程度的重要依據。輕度氟骨病患者具有骨和關節疼痛癥狀并伴有頸、腰、上肢、下肢關節運動功能障礙體征，生活勞動能力降低，重度氟骨病會造成肢體變形，生活和勞動能力顯著降低或喪失，乃至癱瘓。

目前，氟骨病一般由醫生依據骨骼的X光成像進行診斷。然而，疾病的嚴重程度診斷僅有定性的劃分，缺乏精準的定量標準。這會導致疾病的診斷在一定程度上受到醫生主觀性的影響，此外，大量的重復性的人工診斷也會消耗醫生的時間。因此需要一種能夠輔助醫生快速進行病情診斷的自動化診斷、分級方法。

近年來，人工智能發展迅速，卷積神經網絡的提出促進了深度學習算法在圖像領分析域的應用。然而，神經網絡對于數據量的需求普遍較高，但醫療圖像數據獲取難度較大，難以滿足大部分神經網絡的訓練需求。此外，醫療圖像目標構成復雜、圖像特征不統一、病灶區域占比小等問題均對深度學習在醫療圖像領域的應用造成了阻礙。目前針對地方性氟骨病的自動診斷方案仍是空白。

發明內容

本發明的目的是：針對現有技術中針對氟骨病的診斷效率低的問題，提出一種基于多類型圖像融合神經網絡地方性氟骨病分級診斷系統。

本發明為了解決上述技術問題采取的技術方案是：

基于多類型圖像融合神經網絡地方性氟骨病分級診斷系統，包括：預處理模塊、病變區域圖像粗分割模塊、多類型圖像融合模塊和疾病分級診斷模塊，

所述預處理模塊用于統一氟骨病圖像分布特性、統一骨骼角度、增強對比度并篩選敏感區域；

所述病變區域圖像粗分割模塊用于初步提取敏感區域中臂骨間膜鈣化區域；

所述多類型圖像融合模塊用于利用病變區域圖像粗分割模塊得到的敏感區域中臂骨間膜鈣化區域對原始圖像進行權重調整并獲得敏感區域中臂骨間膜鈣化區域和原始圖像融合后的特征張量；

所述疾病分級診斷模塊以融合的特征張量為輸入，利用經訓練集圖像訓練后的多分類分類器對氟骨病進行分級診斷。

進一步的，所述預處理模塊執行的步驟為：首先通過數字圖像處理技術統一醫療X光圖像中前臂骨特性，然后經自適應閾值二值化后再進行均值濾波得到平滑的骨骼圖像，根據邊緣近似得到骨骼輪廓并擬合為直線后得到手臂骨角度，之后令所有圖像中骨骼處于水平狀態，并提取中部敏感區域，最后通過限制對比度直方圖均衡進行圖像對比度增強。