[發明專利]一種基于X光影像的骨折檢測定位一體化方法及裝置

在審

• 申請號: 202010563112.3
• 申請日: 2020-06-19
• 公開（公告）號: CN111915554A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 何福金;顏立峰;劉小青;俞益洲
• 申請（專利權）人: 杭州深睿博聯科技有限公司;北京深睿博聯科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06K9/62;G06N3/04;G06N3/08;G16H15/00;G16H30/20
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 張廷利

1.一種基于X光影像的骨折檢測定位一體化方法，其特征在于，包括：

收集符合預設規范的X光影像骨折數據；

對所述骨折數據進行預處理，并將預處理后的數據進行數據轉化，得到符合預設要求的輸入圖像；

利用深層的特征提取器與特征網絡相結合從所述輸入圖像中提取預設的多尺度特征；

通過骨折檢測模型利用所述多尺度特征對所述輸入圖像中的可疑的骨折區域進行檢測，得到檢測框；

通過骨折定位模型根據所述檢測框從所述多尺度特征的對應層中提取相應的骨折區域特征信息，根據所述骨折區域特征信息定位骨塊位置；

通過關鍵點檢測模型對關鍵點位置進行檢測，確定所述輸入圖像中的關鍵點位置信息；

通過后處理算法融合所述檢測框、所述骨塊位置和所述關鍵點位置信息得到最終骨折區域及其區域定位的結果。

2.根據權利要求1所述的方法，其特征在于，還包括：

將所述骨折結果顯示在圖像上；

接收修改指令，對所述骨折結果進行修改，得到修改后的骨折結果；

根據所述修改后的骨折結果生成影像報告書。

3.根據權利要求1所述的方法，其特征在于，還包括：

對所述骨折檢測模型進行訓練；對所述骨折定位模型進行訓練；以及對所述關鍵點檢測模型進行訓練。

4.根據權利要求4所述的方法，其特征在于，還包括：

使用交叉熵和平滑的一范數損失函數對所述骨折檢測模型進行優化，使用交叉熵損失函數對所述骨折定位模型進行優化，使用歐式距離損失函數對所述關鍵點檢測模型進行優化。

5.根據權利要求1所述的方法，其特征在于，所述利用深層的特征提取器與特征網絡相結合從所述輸入圖像中提取預設的多尺度特征包括：

使用ResNeXt 101+FPN從所述輸入圖像中提取預設的多尺度特征；

所述通過骨折檢測模型利用所述多尺度特征對所述輸入圖像中的可疑的骨折區域進行檢測包括：

利用所述多尺度特征作為輸入，輸入至RPN和RCNN模塊對所述輸入圖像中的可疑的骨折區域的檢測。

6.一種基于X光影像的骨折檢測定位一體化裝置，其特征在于，包括：

數據預處理模塊，用于收集符合預設規范的X光影像骨折數據；對所述骨折數據進行預處理，并將預處理后的數據進行數據轉化，得到符合預設要求的輸入圖像；

檢測與定位模塊，用于利用深層的特征提取器與特征網絡相結合從所述輸入圖像中提取預設的多尺度特征；通過骨折檢測模型利用所述多尺度特征對所述輸入圖像中的可疑的骨折區域進行檢測，得到檢測框；通過骨折定位模型根據所述檢測框從所述多尺度特征的對應層中提取相應的骨折區域特征信息，根據所述骨折區域特征信息定位骨塊位置；通過關鍵點檢測模型對關鍵點位置進行檢測，確定所述輸入圖像中的關鍵點位置信息；通過后處理算法融合所述檢測框、所述骨塊位置和所述關鍵點位置信息得到最終骨折區域及其區域定位的結果。

7.根據權利要求6所述的裝置，其特征在于，還包括：影像報告生成模塊；

所述影像報告生成模塊，用于將所述骨折結果顯示在圖像上；接收修改指令，對所述骨折結果進行修改，得到修改后的骨折結果；根據所述修改后的骨折結果生成影像報告書。

8.根據權利要求6所述的裝置，其特征在于，還包括：訓練模塊；

所述訓練模塊，用于對所述骨折檢測模型進行訓練；對所述骨折定位模型進行訓練；以及對所述關鍵點檢測模型進行訓練。

9.根據權利要求8所述的裝置，其特征在于，還包括：優化模塊；

所述優化模塊，用于使用交叉熵和平滑的一范數損失函數對所述骨折檢測模型進行優化，使用交叉熵損失函數對所述骨折定位模型進行優化，使用歐式距離損失函數對所述關鍵點檢測模型進行優化。

10.根據權利要求6所述的裝置，其特征在于，所述檢測與定位模塊通過如下方式利用深層的特征提取器與特征網絡相結合從所述輸入圖像中提取預設的多尺度特征：所述檢測與定位模塊具體用于使用ResNeXt 101+FPN從所述輸入圖像中提取預設的多尺度特征；所述檢測與定位模塊通過如下方式通過骨折檢測模型利用所述多尺度特征對所述輸入圖像中的可疑的骨折區域進行檢測：所述檢測與定位模塊具體用于利用所述多尺度特征作為輸入，輸入至RPN和RCNN模塊對所述輸入圖像中的可疑的骨折區域的檢測。