[發明專利]一種基于深度學習的脊柱側彎篩查方法

在審

• 申請號: 202110584759.9
• 申請日: 2021-05-27
• 公開（公告）號: CN113397485A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 楊軍林;劉西洋;黃紫房;王曉東;高億豪
• 申請（專利權）人: 上海交通大學醫學院附屬新華醫院
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 廣州市諾豐知識產權代理事務所(普通合伙) 44714
• 代理人: 任毅

1.一種基于深度學習的脊柱側彎篩查方法，其特征在于，包括以下步驟：

S1、采集入組人群的2-D體表掃描模型和3-D影像資料，并進行定義和標簽；

S2、基于研究個體的2-D體表掃描模型中的主彎Cobb角測量結果，對所述研究個體的3-D影像資料進行標簽化處理，將所述3-D影像資料中非結構化的背部外觀圖像信息轉為可供計算機讀取和理解的結構化數據，將所述結構化數據導入數據開發軟件進行處理，最終建立結構化醫學圖像的通用型數據庫；

S3、采用卷積神經網絡模型對需要進行篩查的人員的2-D體表掃描模型和3-D影像資料進行分割；

S4、將步驟S3中分割所得的數據與步驟S2中的通用型數據庫進行對比，并通過分析系統得出脊柱側彎篩查結果。

2.根據權利要求1所述的基于深度學習的脊柱側彎篩查方法，其特征在于：所述2-D體表掃描模型為需要進行篩查的人員的X光片，所述3-D影像資料為需要進行篩查的人員的脊柱外觀圖像樣本。

3.根據權利要求2所述的基于深度學習的脊柱側彎篩查方法，其特征在于：所述步驟S3中，對于2-D體表掃描模型，首先對采集的所述X光片進行預處理，再將預處理結果輸入卷積模型中生成bbox，用以提取二維圖像中的頸部及背部的數據。

4.根據權利要求2所述的基于深度學習的脊柱側彎篩查方法，其特征在于：所述步驟S3中，對于3-D影像資料，將從終端設備獲取的需要進行篩查的人員的脊柱外觀圖像樣本進行預處理，再將脊柱外觀圖像樣本輸入到三維卷積神經網絡模型中學習生成bbox，以提取脊柱外觀圖像樣本中的頸部及背部數據。

5.根據權利要求1所述的基于深度學習的脊柱側彎篩查方法，其特征在于：所述步驟S4中，將所述步驟S2中的通用型數據庫的結構化醫學圖像根據脊柱側凸診斷及治療界值進行分類，再將需要進行篩查的人員的數據與通用性數據庫的數據進行對比。

6.根據權利要求5所述的基于深度學習的脊柱側彎篩查方法，其特征在于：對于2-D體表掃描模型，將提取出來的部位圖像輸入到卷積神經網絡模型中訓練并進行分類，對于3-D影像資料，將提取出來的三維頸部及背部圖片輸入到三維卷積神經網絡模型進行學習訓練，再將二維和三維分類結果結合，給出最終的分類結果及分析建議。

7.根據權利要求6所述的基于深度學習的脊柱側彎篩查方法，其特征在于：所述治療界值采用每10°遞增作為治療界點進行分類。

8.根據權利要求6所述的基于深度學習的脊柱側彎篩查方法，其特征在于：所述治療界值采用每5°遞增作為治療界點進行分類。