[發明專利]肋骨骨折檢測模型訓練系統、方法、檢測系統和檢測方法

在審

• 申請號: 202110957433.6
• 申請日: 2021-08-17
• 公開（公告）號: CN113409319A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 匡開銘;楊健程
• 申請（專利權）人: 點內（上海）生物科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都坤倫厚樸專利代理事務所(普通合伙) 51247
• 代理人: 李紅靈

1.一種肋骨骨折檢測模型訓練系統，包括以下模塊：

數據采集和標注模塊：采集多個包含肋骨的CT圖像，由專家在CT圖像上標注肋骨骨折的區域；

預處理模塊：提取CT圖像中的骨骼區域作為目標區域，在目標區域中對CT圖像進行采樣，得到3D局部CT圖像；

3D DeepLab網絡架構模塊：預處理模塊采樣得到的圖像作為輸入逐個經過編碼器，得到輸出特征，然后再經過解碼器，輸出對肋骨骨折區域的分割結果；所述編碼器使用3DResNet-HR，所述3D ResNet-HR結構由以下公式表述：

其中，X_input代表編碼器的輸入, X_intermediate代表編碼器的中間結果, X_output代表編碼器的輸出，stride=1表示卷積層或最大池化層的步長為1，kernel=7表示卷積層的卷積核大小為7，dilation=2表示卷積層的膨脹率為2；N為模型中ConvBlock的數量，ConvBlock為編碼器中的卷積模塊，任意的一個ConvBlock由兩個連續的ConvLayer和一個最大池化層依次拼接而成，其中ConvLayer由一個卷積層、一個歸一化層和一個非線性激活函數依次拼接而成；

模型訓練模塊：使用若干個陽性和若干個陰性樣本對模型進行訓練，一個所述陽性樣本是一個包含專家標注在內的隨機中心剪裁，一個所述陰性樣本是無骨折的肋骨區域或非肋骨的骨骼區域的剪裁。

2.如權利要求1所述的模型訓練系統，其特征在于：所述3D DeepLab網絡架構模塊使用3D ASPP作為編碼器的輸出特征，所述3D ASPP由一個1×1×1的3D卷積層、一個3×3×3的3D卷積層、一個膨脹率為2的3×3×3的3D膨脹卷積層、一個膨脹率為3的3×3×3的3D膨脹卷積層、一個膨脹率為4的3×3×3的3D膨脹卷積層和一個全局池化層組成。

3.如權利要求1所述的模型訓練系統，其特征在于，在3D Deeplab網絡架構模塊與模型訓練模塊之間，還包括后處理模塊，所述后處理模塊對所述3D Deeplab網絡架構模塊輸出的分割結果進行后處理，去除體積小于200個體素單位的連通區域以及存在于人體脊柱區域中的分割結果。

4.如權利要求1-3任一項所述的模型訓練系統，其特征在于，所述3D DeepLab網絡架構模塊中編碼器的激活函數均為QSwish函數，所述QSwish函數的公式如下：

其中，x表示QSwish函數的輸入。

5.一種肋骨骨折檢測系統，其特征在于，包括數據采集模塊、預處理模塊和檢測模塊；所述數據采集模塊采集包含肋骨的CT圖像；所述預處理模塊提取CT圖像中的骨骼區域作為目標區域，在目標區域中對CT圖像進行采樣，得到3D局部CT圖像；所述檢測模塊包含根據權利要求1-4任一項所述模型訓練系統得到的模型，所述檢測模塊以預處理模塊采樣得到的3D局部CT圖像依次作為模型輸入，輸出對肋骨骨折區域的分割結果。