[發(fā)明專利]眼眶骨折自動識別模型構(gòu)建方法、裝置、設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010634485.5
• 申請日: 2020-07-02
• 公開（公告）號: CN111783682B
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計）人: 范先群;李倫昊;宋雪霏;周慧芳;孫柔;林晨怡
• 申請（專利權(quán)）人: 上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/44;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 李治東

1.一種眼眶骨折自動識別模型構(gòu)建方法，其特征在于，所述方法包括：

獲取包含眼眶爆裂性骨折和正常眼眶的CT圖像的數(shù)據(jù)集；

對所述數(shù)據(jù)集進行數(shù)據(jù)歸一化處理和數(shù)據(jù)增強處理；

將上述處理后的所述數(shù)據(jù)集輸入深度卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并根據(jù)輸出正樣本和負(fù)樣本的預(yù)測概率以確定識別結(jié)果和/或根據(jù)輸出的梯度權(quán)重?zé)崃D以提示骨折區(qū)域；其中，所述獲取包含眼眶爆裂性骨折和正常眼眶的CT圖像的數(shù)據(jù)集，包括：獲取原始CT圖像；一方面采用開源軟件3D Slicer讀取CT數(shù)據(jù)，并通過ROI三維坐標(biāo)標(biāo)注框標(biāo)記骨折范圍；另一方面將原始CT圖像中的像素值轉(zhuǎn)換為CT值，并通過預(yù)處理將CT圖像轉(zhuǎn)換為骨窗圖像，以去除CT圖像中骨性眼眶之外的干擾信號；根據(jù)標(biāo)注框的位置，對包含標(biāo)注框的骨窗圖像賦予表示眼眶骨折的正樣本標(biāo)簽，對未包含標(biāo)注框的骨窗圖像賦予表示正常眼眶的負(fù)樣本標(biāo)簽，以得到包含眼眶骨折和正常眼眶的CT圖像的數(shù)據(jù)集；其中，所述預(yù)處理包括：CT值轉(zhuǎn)換、重采樣、閾值分割、確定最大聯(lián)通區(qū)域、邊緣提取、填充、疊加、圖像縮小、截取前半部分及骨窗圖像轉(zhuǎn)化；其中，所述將CT圖像轉(zhuǎn)換為骨窗圖像的方式包括：基于對應(yīng)根據(jù)標(biāo)注框位置設(shè)置的骨窗窗寬的骨窗，將所述CT圖像轉(zhuǎn)換為對應(yīng)的所述骨窗圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取包含眼眶骨折和正常眼眶的CT圖像的數(shù)據(jù)集，包括：

將每張賦予表示眼眶骨折的正樣本標(biāo)簽的CT圖像復(fù)制一定次數(shù)，以獲取包含眼眶骨折和正常眼眶的CT圖像的數(shù)據(jù)集，使兩類樣本數(shù)量趨于平衡；

根據(jù)病例編號，按一定比例隨機抽取數(shù)據(jù)集以分別構(gòu)成訓(xùn)練集、驗證集。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)處理包括：重采樣、閾值分割、確定最大聯(lián)通區(qū)域、邊緣提取、填充、疊加、圖像縮小、及截取前半部分中任意一種或多種組合。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)輸出正樣本和負(fù)樣本的預(yù)測概率以確定識別結(jié)果，包括：

基于深度卷積神經(jīng)網(wǎng)絡(luò)ResNet18的模型，在全連接層后加入Softmax函數(shù)；

所述數(shù)據(jù)集中的CT圖像經(jīng)過深度卷積神經(jīng)網(wǎng)絡(luò)的全連接層特征提取后，再經(jīng)Softmax函數(shù)分別輸出對應(yīng)正樣本標(biāo)簽和負(fù)樣本標(biāo)簽的預(yù)測概率；

將預(yù)測概率較大的一類樣本標(biāo)簽所對應(yīng)的表征含義以確定為最終識別結(jié)果。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)輸出的梯度權(quán)重?zé)崃D以提示骨折區(qū)域，包括：

所述數(shù)據(jù)集中的CT圖像經(jīng)過深度卷積神經(jīng)網(wǎng)絡(luò)的全連接層特征提取后得到多層特征圖；

利用反向傳播求出每張?zhí)卣鲌D的權(quán)重；

將每張?zhí)卣鲌D乘以權(quán)重以得到帶權(quán)重的權(quán)重特征圖；

在第三維求均值，通過RELU函數(shù)激活及歸一化處理，得到梯度權(quán)重?zé)崃D；

根據(jù)所述梯度權(quán)重?zé)崃D中熱點位置以供提示眼眶骨折的發(fā)生位置。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)據(jù)增強處理包括：隨機翻轉(zhuǎn)、裁剪、及旋轉(zhuǎn)中任意一種或多種組合。

7.一種眼眶骨折自動識別模型構(gòu)建裝置，其特征在于，所述裝置包括：

讀取模塊，用于獲取包含眼眶骨折和正常眼眶的CT圖像的數(shù)據(jù)集；

處理模塊，用于對所述數(shù)據(jù)集進行數(shù)據(jù)歸一化處理和數(shù)據(jù)增強處理；將上述處理后的所述數(shù)據(jù)集輸入深度卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并根據(jù)輸出正樣本和負(fù)樣本的預(yù)測概率以確定識別結(jié)果和/或根據(jù)輸出的梯度權(quán)重?zé)崃D以提示骨折區(qū)域。

8.一種計算機設(shè)備，其特征在于，所述設(shè)備包括：存儲器、及處理器；所述存儲器用于存儲計算機指令；所述處理器運行計算機指令實現(xiàn)如權(quán)利要求1至6中任意一項所述的方法。

9.一種計算機可讀存儲介質(zhì)，其特征在于，存儲有計算機指令，所述計算機指令被運行時執(zhí)行如權(quán)利要求1至6中任一項所述的方法。