买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京大学第三医院(北京大学第三临床医学院);上海市浦东医院(复旦大学附属浦东医院);复旦大学

摘要：本发明涉及医疗技术领域，具体涉及一种基于监督对比学习的有序强直性脊柱炎评级方法，包括：S1、基于轮廓检测算法和阈值截断去除骶髂关节部位的组织外噪音和干扰；S2、基于监督对比学习损失函数、有序分类损失函数完成对以Resnet‑34为核心的ScordNet模型训练；基于完成训练的ScordNet模型对待检测CT影像进行AS疾病等级分类。本发明较现有技术的降低了人为因素的干扰和对人体的危害，克服了现有技术中基于CT影像对AS评级存在的客观性和可靠性较差，标准不统一，准确性差，容易造成漏诊和误诊及处理速度慢、效率低问题。

主权项：1.一种基于监督对比学习的有序强直性脊柱炎评级方法，其特征在于，包含以下步骤：S1、数据预处理：基于轮廓检测算法和阈值截断去除骶髂关节部位的组织外噪音和干扰；S2、模型训练：基于监督对比学习损失函数、有序分类损失函数完成以ResNet-34为核心的ScordNet模型训练；S3、模型推理：基于完成训练的ScordNet模型对待检测CT影像进行AS疾病等级分类；所述监督对比学习损失函数Lsupcon满足： （1）； （2）；其中，N表示样本的数量，l•表示判断函数，τ为温度系数，si,j表示样本表征zi和样本表征zj之间的余弦相似度，k表示遍历的索引，si,k表示样本表征zi和样本表征zk之间的余弦相似度，i表示样本表征zi的索引，j表示样本表征zj的索引，yi表示i对应的样本标签值，yj表示j对应的样本标签值，表示yi对应的样本数量；ScordNet的编码器模块为PyTorch模型库中的ResNet-34，所述ResNet-34最后一个线性层的输出维度为图像表征的嵌入维度；所述ResNet-34加载有ImageNet-1K上的预训练参数；S1包括：S101：根据感兴趣区域的CT窗位和窗宽，对图像的像素进行阈值截断；S102：采用轮廓检测算法绘制完成阈值截断的图像中形状封闭物体的轮廓，并获得各形状封闭物体的轮廓面积；S103：根据设定的轮廓面积阈值筛除面积小于轮廓面积阈值的物体，实现CT图像除噪及无关物体去除；S104：将实现图像除噪及无关物体去除的CT图像进行轮廓提取，完成预处理；有序分类损失函数Lordinal满足： （3）； （4）；其中，表示模型对经过数据预处理得到的二维CT切片图像xn的预测值，n表示xn的切片序号，表示xn对应的样本标签值，表示预测值的第m个分量，表示的第m个分量，K表示评级的级别数量，表示的是二元交叉熵损失；最终模型训练过程用到的损失函数Ltotal满足： （5）。

全文数据：

权利要求：

百度查询： 北京大学第三医院(北京大学第三临床医学院) 上海市浦东医院(复旦大学附属浦东医院) 复旦大学 一种基于监督对比学习的有序强直性脊柱炎评级方法