[发明专利]分割股骨近端的方法、装置、计算机设备和存储介质

权利要求书

1.一种分割股骨近端的方法，其特征在于，包括：

将股骨的3D MRI图像输入到通过3D U-net预先训练得到的分割模型中；

通过所述分割模型识别所述3D MRI图像中股骨近端的分割边界；

根据所述分割边界对所述3D MRI图像中的股骨近端进行分割。

2.根据权利要求1所述的分割股骨近端的方法，其特征在于，所述将3D MR I图像输入到通过3D U-net预先训练得到的分割模型中的步骤之前，包括：

在所述3D U-net的初始化参数下通过监督学习获取到3D U-net的编码器和解码器分别对应的优化参数；

在所述优化参数下，将预设训练集数据输入3D U-net训练所述分割模型；

通过将预设的测试集数据输入所述分割模型，判断所述分割模型的准确率是否达到预设阈值；

若达到，则确定所述分割模型满足应用需求。

3.根据权利要求2所述的分割股骨近端的方法，其特征在于，所述在所述3D U-net的初始化参数下通过监督学习获取到3D U-net的编码器和解码器分别对应的优化参数的步骤之前，包括：

将C3D的卷积层网络中与所述3D U-net编译器具有相同特征图个数的各层参数迁移至所述3D U-net编译器中作为所述3D U-net的初始化参数。

4.根据权利要求2所述的分割股骨近端的方法，其特征在于，所述在所述优化参数下，将预设训练集数据输入3D U-net训练所述分割模型的步骤，包括：

将所述训练集数据输入3D U-net，通过3D U-net的编码器减少池化层的空间维度，定位训练集数据的各像素级；

通过与所述编码器相连的解码器逐步修复所述训练集数据的细节和空间维度，对各所述像素级进行分类，以形成识别所述股骨近端的分割边界的所述分割模型。

5.根据权利要求4所述的分割股骨近端的方法，其特征在于，所述通过与所述编码器相连的解码器逐步修复所述训练数据的细节和空间维度，对各所述像素级进行分类，以形成识别所述股骨近端分割边界的所述分割模型的步骤，包括：

将所述解码器逐步修复所述训练数据的细节和空间维度之后的输出信息，输入到与各解码器相连的分支网络进行训练；

通过分析所述分支网络的输出结果，获取优化权重参量的所述分割模型。

6.根据权利要求2所述的分割股骨近端的方法，其特征在于，所述在所述优化参数下，将预设训练集数据输入3D U-net训练所述分割模型的步骤之前，包括：

将原始3D MRI图像数据以及对原始3D MRI图像数据旋转指定角度后的增强数据组成数据集；

将所述数据集中的每个3D MRI图像数据切割成指定数量和指定大小的子块；

将所有的所述子块随机分为两组，一组作为训练集数据，另一组作为测试集数据。

7.根据权利要求1所述的分割股骨近端的方法，其特征在于，所述根据所述分割边界对所述3D MRI图像中的股骨近端进行分割的步骤之后，包括：

获取分割后的股骨近端的病变区域的位置信息以及病变区域的分布信息；

通过分析所述病变区域的位置信息以及病变区域的分布信息，输出股骨髋臼撞击的病症信息。

8.一种分割股骨近端的装置，其特征在于，包括：

第一输入模块，用于将股骨的3D MRI图像输入到通过3D U-net预先训练得到的分割模型中；

识别模块，用于通过所述分割模型识别所述3D MRI图像中股骨近端的分割边界；

分割模块，用于根据所述分割边界对所述3D MRI图像中的股骨近端进行分割。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。