[發(fā)明專(zhuān)利]基于人工智能的關(guān)節(jié)評(píng)級(jí)方法、裝置以及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110566874.3
• 申請(qǐng)日: 2021-05-24
• 公開(kāi)（公告）號(hào): CN113436144A
• 公開(kāi)（公告）日: 2021-09-24
• 發(fā)明（設(shè)計(jì)）人: 李鐵成;賈瀟;王子騰;王東;王立威;丁佳;呂晨翀
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京醫(yī)準(zhǔn)智能科技有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/11;G06T7/194;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京樂(lè)知新創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11734
• 代理人: 張立新

1.一種基于人工智能的關(guān)節(jié)評(píng)級(jí)方法，其特征在于，所述方法包括：

確定數(shù)字化X射線DR圖像中的關(guān)節(jié)圖像；

基于所述關(guān)節(jié)圖像、所述DR圖像所屬的對(duì)象的生理年齡信息以及所述DR圖像中的至少一項(xiàng)，確定所述關(guān)節(jié)圖像對(duì)應(yīng)的關(guān)節(jié)評(píng)級(jí)；所述關(guān)節(jié)評(píng)級(jí)用于表征所述關(guān)節(jié)的發(fā)育情況。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述關(guān)節(jié)圖像、所述DR圖像所述的對(duì)象的生理年齡信息以及所述DR圖像中的至少一項(xiàng)，確定所述關(guān)節(jié)圖像對(duì)應(yīng)的關(guān)節(jié)評(píng)級(jí)，包括：

將所述關(guān)節(jié)圖像、所述DR圖像所屬的對(duì)象的生理年齡信息以及所述DR圖像中的至少一項(xiàng)輸入至第一神經(jīng)網(wǎng)絡(luò)模型，基于所述第一神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果確定所述關(guān)節(jié)圖像對(duì)應(yīng)的關(guān)節(jié)評(píng)級(jí)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述關(guān)節(jié)圖像、所述DR圖像所屬的對(duì)象的生理年齡信息以及所述DR圖像中的至少一項(xiàng)輸入至第一神經(jīng)網(wǎng)絡(luò)模型，基于所述第一神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果確定所述關(guān)節(jié)圖像對(duì)應(yīng)的關(guān)節(jié)評(píng)級(jí)包括：

以所述關(guān)節(jié)圖像、所述DR圖像所屬的對(duì)象的生理年齡信息以及所述DR圖像中的至少一項(xiàng)作為所述第一神經(jīng)網(wǎng)絡(luò)模型中第一子神經(jīng)網(wǎng)絡(luò)模型的輸入，基于所述第一子神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果確定第二特征信息；

以所述第二特征信息作為所述第一神經(jīng)網(wǎng)絡(luò)模型中第二子神經(jīng)網(wǎng)絡(luò)模型的輸入，基于所述第二子神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果獲取所述關(guān)節(jié)評(píng)級(jí)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述第一子神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果確定第二特征信息，包括：

基于所述第一子神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果獲取第一特征信息；所述第一特征信息包括：所述關(guān)節(jié)圖像對(duì)應(yīng)的第一子特征信息、所述生理年齡信息對(duì)應(yīng)的第二子特征信息以及所述DR圖像對(duì)應(yīng)的第三子特征信息中的至少一項(xiàng)；

對(duì)所述第一特征信息進(jìn)行線性處理和拼接處理，得到第二特征信息。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述關(guān)節(jié)圖像對(duì)應(yīng)的關(guān)節(jié)評(píng)級(jí)之前，所述方法還包括：

生成用于訓(xùn)練所述第二子神經(jīng)網(wǎng)絡(luò)模型的第二訓(xùn)練樣本集合，所述第二訓(xùn)練樣本集合中的每個(gè)樣本的特征信息包括關(guān)節(jié)圖像的特征信息、DR圖像所屬的對(duì)象的生理年齡信息的特征信息和DR圖像的特征信息中的至少一項(xiàng)；

以所述每個(gè)樣本的特征信息為粒度，訓(xùn)練所述第二子神經(jīng)網(wǎng)絡(luò)模型，使得所述第二子神經(jīng)網(wǎng)絡(luò)模型能夠預(yù)測(cè)關(guān)節(jié)圖像的關(guān)節(jié)評(píng)級(jí)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述第二子神經(jīng)網(wǎng)絡(luò)模型包括至少兩個(gè)二分類(lèi)神經(jīng)網(wǎng)絡(luò)模型。

7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，所述確定數(shù)字化X射線DR圖像中的關(guān)節(jié)圖像，包括：

以所述DR圖像作為第二神經(jīng)網(wǎng)絡(luò)模型的輸入，利用所述第二神經(jīng)網(wǎng)絡(luò)模型對(duì)所述DR圖像中的關(guān)節(jié)進(jìn)行檢測(cè)，得到感興趣區(qū)域；

確定所述感興趣區(qū)域?yàn)樗鯠R圖像中的所述關(guān)節(jié)圖像。

8.一種基于人工智能的關(guān)節(jié)評(píng)級(jí)裝置，其特征在于，所述裝置包括：

關(guān)節(jié)圖像確定模塊，用于確定數(shù)字化X射線DR圖像中的關(guān)節(jié)圖像；

關(guān)節(jié)評(píng)級(jí)確定模塊，用于基于所述關(guān)節(jié)圖像、所述DR圖像所屬的對(duì)象的生理年齡信息以及所述DR圖像中的至少一項(xiàng)，確定所述關(guān)節(jié)圖像對(duì)應(yīng)的關(guān)節(jié)評(píng)級(jí)；所述關(guān)節(jié)評(píng)級(jí)用于表征所述關(guān)節(jié)的發(fā)育情況。

9.一種電子設(shè)備，其特征在于，包括：

存儲(chǔ)器，用于存儲(chǔ)可執(zhí)行指令；

處理器，用于執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的可執(zhí)行指令時(shí)，實(shí)現(xiàn)權(quán)利要求1至7任一項(xiàng)所述的基于人工智能的關(guān)節(jié)評(píng)級(jí)方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，存儲(chǔ)有可執(zhí)行指令，用于被處理器執(zhí)行時(shí)，實(shí)現(xiàn)權(quán)利要求1至7任一項(xiàng)所述的基于人工智能的關(guān)節(jié)評(píng)級(jí)方法。