[發明專利]一種膝關節軟骨損傷檢測方法和系統

在審

• 申請號: 202110645160.1
• 申請日: 2021-06-09
• 公開（公告）號: CN113392895A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 懷曉晨;穆紅章
• 申請（專利權）人: 瓴域影諾（北京）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06T7/00;G06N3/08
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 陳晨

1.一種膝關節軟骨損傷檢測方法，其特征在于，所述方法包括：

獲取膝關節MRI影像信息，并對所述影像信息進行預處理；

針對預處理后的影像信息進行軟骨損傷區域逐層提取，得到膝關節軟骨三維體積區域；

逐層提取軟骨損傷感興趣區域，得到軟骨損傷三維區域；

提取三維感興趣區域特征，采用神經網絡方法訓練分類器網絡，確定最優模型；

將所述膝關節MRI影像信息輸入所述最優模型，進行軟骨損傷檢測，確定軟骨損傷程度。

2.如權利要求1所述的方法，其特征在于，所述逐層提取軟骨損傷感興趣區域，得到軟骨損傷三維區域，包括：

標注感興趣區域ROI；

使用線性插值重新縮放所有感興趣區域ROI，標注中間尺寸為統一大小，并將患病軟骨區域進行類別標記，所述類別標記包括健康、半損傷、完全損傷；

按照設定比例分為訓練集、驗證集和測試集。

3.如權利要求1所述的方法，其特征在于，所述提取三維感興趣區域特征，采用神經網絡方法訓練分類器網絡，確定最優模型，包括：

采用深度學習神經網絡訓練感興趣區域網絡，回歸模擬感興趣區域大小，得到最終標記感興趣區域；

采用神經網絡方法訓練分類器網絡，采用DenseNet結構，建立不同層之間的連接關系，生成候選模型；不同層包括Bottlenecklayer，Translation layer以及growth rate；

通過若干次次迭代訓練，基于loss收斂情況，確定最優模型。

4.如權利要求3所述的方法，其特征在于，所述感興趣區域網絡和分類器網絡的原始損失函數的計算步驟包括：

按照如下公式計算softmax的歸一化概率p_i：

x_i＝x_i-max(x₁,…，x_n)

其中，i是第i個樣本，j是第j個樣本，n是第n樣本；x_i是第i個樣本的概率；

按照如下公式計算損失Loss：

Loss＝-w_k*log p_k

其中，p_k為樣本k的概率；

根據圖像質量和適用場景，動態優化出權重組合，使得Loss函數取得最小值。

5.如權利要求1所述的方法，其特征在于，所述將所述膝關節MRI影像信息輸入所述最優模型，進行軟骨損傷檢測，確定軟骨損傷程度，包括：

將所述膝關節MRI影像信息輸入所述最優模型，對影像信息做預處理，提取帶有軟骨的區域；

將帶軟骨的影像數據輸入回歸模型中，輸出標注的感興趣區域；

將提取的感興趣區域影像，輸入到分類器網絡中，輸出每個類別概率，選擇概率最大的類別，并輸出診斷結果；其中，若輸出0的概率最大，則軟骨健康；若輸出1的概率最大，則軟骨半損傷；若輸出2的概率最大，則軟骨完全損傷。

6.一種膝關節軟骨損傷檢測系統，其特征在于，所述系統包括：

影像信息獲取模塊，用于獲取膝關節MRI影像信息，并對所述影像信息進行預處理；

軟骨三維體積區域提取模塊，用于針對預處理后的影像信息進行軟骨損傷區域逐層提取，得到膝關節軟骨三維體積區域；

軟骨損傷三維區域提取模塊，用于逐層提取軟骨損傷感興趣區域，得到軟骨損傷三維區域；

模型訓練模塊，用于提取三維感興趣區域特征，采用神經網絡方法訓練分類器網絡，確定最優模型；

軟骨損傷檢測模塊，用于將所述膝關節MRI影像信息輸入所述最優模型，進行軟骨損傷檢測，確定軟骨損傷程度。

7.如權利要求6所述的系統，其特征在于，所述軟骨損傷三維區域提取模塊，具體用于：

標注感興趣區域ROI；

使用線性插值重新縮放所有感興趣區域ROI，標注中間尺寸為統一大小，并將患病軟骨區域進行類別標記，所述類別標記包括健康、半損傷、完全損傷；

按照設定比例分為訓練集、驗證集和測試集。