[發明專利]肋骨骨折檢測方法、裝置、終端設備及可讀存儲介質

在審

• 申請號: 202210192954.1
• 申請日: 2022-03-01
• 公開（公告）號: CN114757873A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 林黃靖;肖永杰;張宏偉
• 申請（專利權）人: 深圳視見醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/40;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G16H30/20
• 代理公司: 深圳市徽正知識產權代理有限公司 44405
• 代理人: 汪棟

本發明實施例提供了一種肋骨骨折檢測方法及裝置，所述方法包括：獲取待檢測的胸部圖像，其中，胸部圖像為直接數字化X射線影像；將待檢測的胸部圖像輸入到預先訓練好的肋骨骨折檢測模型，確定肋骨檢測結果；其中，肋骨骨折檢測模型通過采用多個角度的胸部圖像對初始神經網絡模型訓練得到的；根據肋骨檢測結果，判斷胸部圖像中的肋骨骨折位置或胸部圖像中沒有骨折的肋骨，本發明實施例可以獲取不同角度的胸部圖像，分別單獨檢測不同角度的胸部圖像中是否存在肋骨骨折，然后綜合幾個拍攝角度的胸部圖像確定是否存在骨折現象，這樣，可以提高識別效率。

技術領域

本發明涉及計算機技術領域，特別是涉及一種肋骨骨折檢測方法、裝置、終端設備及可讀存儲介質。

背景技術

胸部肋骨骨折是常見的傷病之一，常常發病于中老年群體中。目前，其主要利用影像學知識進行篩查，臨床上常用的影像學篩查方法大多是多層螺旋CT影像檢查，多層螺旋CT影像會將人體的肺部作一個接一個的斷面掃描，可以非常清楚的找到肋骨骨折的具體位置、形變，有助于精確診斷和治療；

隨著醫院拍片數量的激增，CT影像診斷中耗時耗力的缺點越來越無法滿足人們的需求，醫生產生疲倦后容易發生誤診和漏診，耽誤肋骨骨折的檢查和治療。基于此，現有技術方案大多是基于深度學習在CT影像數據中進行肋骨骨折的檢測，其需要預先收集大量CT影像數據進行3D層面上的標注，標注后再利用深度卷積神經網絡對肋骨進行分割和肋骨骨折的判斷，最終輸出肋骨骨折的部位和形態，這樣，不僅需要大量的樣本圖像，訓練過程也比較復雜，若有大量的需要識別，則無法快速地識別出肋骨骨折位置。

發明內容

鑒于上述問題，提出了本發明實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種肋骨骨折檢測方法及裝置。

第一個方面，本發明實施例提供一種肋骨骨折檢測方法，所述方法包括：

獲取待檢測的胸部圖像，其中，所述胸部圖像為直接數字化X射線影像；

將所述待檢測的胸部圖像輸入到預先訓練好的肋骨骨折檢測模型，確定肋骨檢測結果；其中，所述肋骨骨折檢測模型通過采用多個角度的胸部圖像對初始神經網絡模型訓練得到的；

根據所述肋骨檢測結果，判斷所述胸部圖像中的肋骨骨折位置或所述胸部圖像中沒有骨折的肋骨。

可選地，所述肋骨骨折檢測模型通過如下方式獲得：

獲取胸部樣本數據，其中，所述胸部樣本數據包括正位圖像數據和側位圖像數據；

在訓練過程中，采用預設比例的正位圖像數據和側位圖像數據，對yolov5x神經網絡模型進行訓練，以使所述yolov5x神經網絡模型在擬合側位圖像數據的同時，也使得所述yolov5x神經網絡模型相對于側位圖像數據的偏移度小于預設值；

采用指數移動平均的策略，獲取收斂最佳的模型權重文件。

可選地，所述獲取胸部樣本數據，包括：

獲取原始胸部圖像，其中，所述原始胸部圖像為DICOM格式，且為直接數字化X射線影像；

對所述原始胸部圖像進行清洗，得到清洗后的原始胸部圖像；

對所述清洗后的原始胸部圖像進行歸一化處理，得到所述胸部樣本數據，其中，所述胸部樣本數據包括標注的樣本數據和未標注的樣本數據。

可選地，所述肋骨骨折檢測模型，包括：

根據yolov5x神經網絡模型和所述胸部樣本數據，確定特征提取網絡；

利用空間金字塔池化層對所述特征提取網絡最后一層輸出的特征圖進行處理，得到處理后的多尺度特征圖；