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！

摘要：本公开提供一种髋关节X光片骨间隙自动分割测量与分级方法，主要解决现有方法存在人工干预的主观性以及效率和准确度不高的问题。其实现方案为：划分数据集；分别构建髋关节间隙目标识别网络和髋关节间隙分割网络；利用数据增强与预处理提升模型对髋关节间隙的判别性能；基于卷积神经网络对髋关节X光片进行目标识别获得待分割区域图像并识别骨间隙达到四级病症的患者；利用髋关节间隙分割网络对待分割区域进行分割，再使用边缘提取方法获得间隙轮廓并进行距离测量，对自动测量结果进行病情分级。本公开提出的方法，打破了仅局限于骨骼分割的方式，提高了髋关节间隙测量的自动化程度和准确性，可用于髋关节炎、强直性脊柱炎等疾病的自动化分级。

主权项：1.一种髋关节X光片骨间隙自动分割测量与分级方法，其特征在于，所述方法包括：S1、准备髋部正位X光片图像髋关节间隙识别与分割数据集，具体包括：S11、获取强直性脊柱炎病人髋部X光片影像，并在所述强直性脊柱炎病人髋部X光片影像中提取L张2D髋部正位X光片图像；S12、采用resize将提取出的所述L张2D髋部正位X光片图像转换成相同大小的L张样本图像，并通过旋转和直方图均衡化操作对所述样本图像进行扩充处理，并将生成的新的髋关节骨间隙样本加入至总数据集中；S13、从步骤S12处理后的L张样本图像中选取P个样本图像作为训练集，Q个样本图像作为测试集，L=P+Q；S2、构建髋关节间隙目标识别网络F，具体包括：S21、在所述L张2D髋部正位X光片图像中标注出待测区域与骨间隙达到四级病症的样本及其位置信息，并将其制成VOC2007格式的数据集；S22、预处理所述L张2D髋部正位X光片图像，并存储为JPG格式的图片；S23、将完整的髋部正位X光片图像和所述待测区域与骨间隙达到四级病症的样本的名字和位置标签输入至现有的FasterR-CNN网络中进行训练，得到所述髋关节间隙目标识别网络F；S3、构建基于全局注意力的髋关节间隙分割网络U，具体包括：S31、在所述L张2D髋部正位X光片图像中标注出髋关节间隙的轮廓，并存储为mask图像；S32、在现有的UNet分割网络中引入全局注意力上采样GAU模块；S33、将所述L张2D髋部正位X光片图像和所述mask图像引入至包含所述GAU模块的UNet分割网络中进行训练，并利用Adam算法更新UNet分割网络中各层的权重参数，得到所述髋关节间隙分割网络U；S4、对所述总数据集中的2D髋部正位X光片图像进行目标识别检测与分割，具体包括：S41、将完整的髋部正位X光片图像和步骤S21中得到的所述VOC2007格式的数据集作为输入，通过所述髋关节间隙分割网络U进行模型训练；S42、将步骤S13中得到的测试集输入至步骤S41训练后的模型中进行测试，获得感兴趣的待分割区域与骨间隙达到四级病症的样本及其位置信息；S43、将步骤S42中得到的待分割区域图像作为分割数据集，并从所述待分割区域图像中选取M个待分割区域图像作为训练集，N个待分割区域图像作为测试集；S44、将步骤S43中得到的训练集作为输入，对髋关节间隙分割网络U的网格参数进行调整，并进行迭代训练，得到髋关节间隙的分割模型；S45、将步骤S43中得到的测试集中的待分割髋关节间隙输入至步骤S44训练后的模型中进行测试，得到测试集的2D髋部正位X光片图像髋关节间隙分割结果；S5、构建髋关节骨间隙边缘提取与轮廓测距方法，具体包括：S51、对步骤S45中得到的分割结果进行开闭合运算和Otsu阈值处理，并使用边缘算子进行轮廓提取，以获得连续、平滑和无噪点的髋关节骨间隙轮廓曲线；S52、根据所述髋关节骨间隙轮廓曲线和计算平面曲线间距离的算法获得两曲线间的距离矩阵，以获得最短距离数值；S53、基于输入图像的分辨率信息将步骤S52中的得到的像素距离转换为实际距离，并定量评价不同分割方法获得的轮廓所测量的距离的误差指标；S6、根据BASRI-h评分系统对测量所得结果进行评价分级，其中，所述BASRI-h评分系统为髋关节放射学评分系统，具体包括：S61、根据BASRI-h评分系统评价强直性脊柱炎中髋关节影像学病变严重程度，并按照髋关节间隙距离分为5个等级；S62、根据髋关节间隙距离的等级获得强直性脊柱炎分级的结果并进行误差分析。

全文数据：

权利要求：

百度查询： 中国人民解放军空军军医大学 一种髋关节X光片骨间隙自动分割测量与分级方法