[發(fā)明專利]一種基于深度學(xué)習(xí)的胸腰椎骨折識別分割與檢測定位方法

有效

• 申請?zhí)枺?/td>: 202210092665.4
• 申請日: 2022-01-26
• 公開（公告）號: CN114494192B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計(jì)）人: 余志斌;馬立泰;劉婧瀟;楊毅
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/70;G06N3/0464;G06N3/08;G06V10/764;G06V10/80;G06V10/82;G16H30/20
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 楊浩林

1.一種基于深度學(xué)習(xí)的胸腰椎骨折識別分割與檢測定位方法，其特征在于，包括以下步驟：

S1：采集CT圖像，并利用U-Net神經(jīng)網(wǎng)絡(luò)進(jìn)行胸腰椎識別分割，得到存在骨折的胸腰椎骨目標(biāo)區(qū)域；

S2：在存在骨折的胸腰椎骨目標(biāo)區(qū)域中，利用Faster-Rcnn深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行胸腰椎骨折檢測，并定位；

所述步驟S2包括以下子步驟：

S21：對CT圖像進(jìn)行預(yù)處理，并對預(yù)處理后的CT圖像進(jìn)行分類和標(biāo)注，得到用于深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練集和驗(yàn)證集；

S22：對訓(xùn)練集的CT圖像進(jìn)行縮放，并將縮放后的CT圖像輸入至深度學(xué)習(xí)網(wǎng)絡(luò)，得到CT圖像的特征圖；

S23：將特征圖經(jīng)過3×3的卷積后，分別輸入至RPN網(wǎng)絡(luò)的分類結(jié)構(gòu)和回歸結(jié)構(gòu)中，得到CT圖像中存在骨折的胸腰椎骨目標(biāo)區(qū)域的具體位置；

S24：根據(jù)目標(biāo)區(qū)域的具體位置，利用RPN網(wǎng)絡(luò)中全連接層和softmax層確定存在骨折的胸腰椎骨類別，利用回歸結(jié)構(gòu)獲取每個(gè)目標(biāo)區(qū)域的位置偏移量，并利用位置偏移量確定目標(biāo)檢測框；其中，胸腰椎骨類別包括骨折部位、骨縫和尾椎；

S25：設(shè)定胸腰椎骨頭名稱L，根據(jù)胸腰椎骨類別和目標(biāo)檢測框確定目標(biāo)預(yù)測框的內(nèi)容信息；

S26：根據(jù)胸腰椎類型，從目標(biāo)預(yù)測框的內(nèi)容信息中提取尾椎的中心點(diǎn)最小縱坐標(biāo)和骨折部位的中心點(diǎn)最小縱坐標(biāo)，并判斷尾椎的中心點(diǎn)最小縱坐標(biāo)和骨折部位的中心點(diǎn)最小縱坐標(biāo)是否同時(shí)存在，若是則進(jìn)入步驟S27，否則剔除該CT圖像；

S27：將所有中心點(diǎn)最小縱坐標(biāo)進(jìn)行降序排列，得到序列Y，并將序列Y與目標(biāo)預(yù)測框的內(nèi)容信息的中心點(diǎn)最小縱坐標(biāo)進(jìn)行逐一對比，得到相同數(shù)據(jù)對應(yīng)的索引LL；

S28：將索引LL進(jìn)行升序排列，并將骨折部位的索引對應(yīng)胸腰椎骨頭名稱L中，得到骨折部位骨頭的名稱，完成骨折定位。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的胸腰椎骨折識別分割與檢測定位方法，其特征在于，所述步驟S1包括以下子步驟：

S11：采集CT圖像，對CT圖像進(jìn)行預(yù)處理，并對預(yù)處理后的CT圖像進(jìn)行分類和標(biāo)注，得到用于U-Net神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集和驗(yàn)證集；

S12：將預(yù)處理后的CT圖像的尺寸裁剪為572×572，利用跳躍連接卷積神經(jīng)網(wǎng)絡(luò)對裁剪后的訓(xùn)練集中的CT圖像進(jìn)行卷積和下采樣，獲取淺層級特征，利用跳躍連接卷積神經(jīng)網(wǎng)絡(luò)對裁剪后的訓(xùn)練集中的CT圖像進(jìn)行反卷積和上采樣，獲取高層級特征；

S13：利用跳躍連接卷積神經(jīng)網(wǎng)絡(luò)將淺層級特征和高層級特征進(jìn)行融合，得到CT圖像中骨折與正常骨頭的特征映射圖；

S14：利用U-Net神經(jīng)網(wǎng)絡(luò)對訓(xùn)練集的CT圖像進(jìn)行像素分類，完成對U-Net神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；

S15：利用訓(xùn)練集對訓(xùn)練完成的U-Net神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，得到存在骨折的胸腰椎骨目標(biāo)區(qū)域。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的胸腰椎骨折識別分割與檢測定位方法，其特征在于，所述步驟S14中，利用pixel-wise?softmax分類器進(jìn)行像素分類，得到各個(gè)像素點(diǎn)的概率p_k(x)，其計(jì)算公式為：

其中，a_k(x)表示在位置x處的像素在特征圖中的第k層的激活值；K表示像素點(diǎn)的類別總數(shù)；a_k′(x)表示在位置x處的像素在特征圖中的第k′層的激活值。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的胸腰椎骨折識別分割與檢測定位方法，其特征在于，所述步驟S22中，對訓(xùn)練集的CT圖像進(jìn)行縮放的具體方法為：若CT圖像短邊小于600像素，則將短邊乘以相應(yīng)的倍率放大至600像素，并將長邊乘以同樣倍率；若CT圖像長邊大于1000像素，則長邊乘以相應(yīng)的倍率縮小至1000像素，并將短邊乘以同樣倍率，以使保證CT圖像短邊大于600像素，長邊小于1000像素。

5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的胸腰椎骨折識別分割與檢測定位方法，其特征在于，所述步驟S23中，RPN網(wǎng)絡(luò)中分類結(jié)構(gòu)和回歸結(jié)構(gòu)組成的損失函數(shù)L({p_i},{t_i})的表達(dá)式為：

其中，i表示錨框索引，p_i表示第i個(gè)錨框的預(yù)測分類概率，p^*_i代表其對應(yīng)的標(biāo)注預(yù)測的概率，N_cls表示每次調(diào)整參數(shù)前所選取的樣本數(shù)量，t_i表示第i個(gè)錨框預(yù)測的邊界框的參數(shù)化坐標(biāo)，L_cls(·)表示兩個(gè)類別的對數(shù)損失，λ表示權(quán)重平衡參數(shù)，L_reg(·)表示回歸損失；

所述步驟S25中，目標(biāo)檢測框的內(nèi)容信息的表達(dá)式為(x_min，y_min，x_max，y_max)，其計(jì)算公式為：

其中，x_min表示目標(biāo)預(yù)測框的左上角橫坐標(biāo)，y_min表示目標(biāo)預(yù)測框的左上角縱坐標(biāo)，x_max表示目標(biāo)預(yù)測框的右下角橫坐標(biāo)，y_max表示目標(biāo)預(yù)測框的右下角縱坐標(biāo)，x表示目標(biāo)預(yù)測框的中心點(diǎn)橫坐標(biāo)，w表示目標(biāo)預(yù)測框的長，y表示目標(biāo)預(yù)測框的中心點(diǎn)縱坐標(biāo)，h表示目標(biāo)預(yù)測框的寬；

所述步驟S25中，胸腰椎骨頭名稱L的表達(dá)式為：

L＝['L5','L4','L3','L2','L1','T12','T11','T10','T9','T8','T6','T5','T4','T3','T2','T1']

其中，L5,…,L1表示第五腰椎到第一腰椎，T12,…,T1表示第十二胸椎到第一胸椎。