[发明专利]人工智能腰椎间盘突出诊断及分型系统

说明书

本发明提出了一种人工智能腰椎间盘突出诊断及分型系统，包括：数据收集模块，数据收集模块接收多个腰椎图像；标记模块，标记模块与数据收集模块相连，以为多个腰椎图像中的每一个生成病变标记并将病变标记与相应的腰椎图像关联存储；神经网络分类器，使用多个腰椎图像中的每一个和病变标记训练神经网络分类器；和判别模块，判别模块接收待判腰椎图像并使用神经网络分类器判别待判腰椎图像的病变类型。本发明公开的诊断及分型系统可以自动判读腰椎间盘是否突出及突出程度，同时进行Pfirrmann分型和MSU分型，为疾病治疗方案的选择提供有价值的参考依据，并且可以为防止或减缓疾病的发生而采取预防措施提供依据。

技术领域

本发明涉及一种人工智能腰椎间盘突出诊断及分型系统。

背景技术

腰椎间盘突出多由腰椎间盘退变所致，是骨科的常见病和多发病，且发病率逐年增高，并且是引起腰腿痛的最常见原因，给患者带来了极大痛苦。腰椎间盘突出的辅助检查主要为影像学检查，而影像学报告目前均为人工判读，该领域尚未实现人工智能对影像资料判读。

目前，腰椎间盘突出辅助检查主要为影像学检查，而影像学报告目前均为人工判读，但人工判读会不可避免的存在以下问题：

1.存在较大的无法避免的误差，且由于医务人员的业务水平及不同区域诊疗水平的参差不齐，同一影像资料会得出不同结果；

2.腰椎间盘突出的分型较复杂，不易在短时间内进行判读，致使医生负担较重，且效率不高。

发明内容

为解决上述技术问题，本发明提出了一种人工智能腰椎间盘突出诊断及分型系统，包括：

数据收集模块，数据收集模块接收多个腰椎图像；

标记模块，标记模块与数据收集模块相连，以为多个腰椎图像中的每一个生成病变标记并将病变标记与相应的腰椎图像关联存储；

神经网络分类器，使用多个腰椎图像中的每一个和病变标记训练神经网络分类器；和

判别模块，判别模块接收待判腰椎图像并使用神经网络分类器判别待判腰椎图像的病变类型。

在一个实施例中，多个腰椎图像为MRI图像。

在一个实施例中，多个腰椎图像为矢状位腰椎图像。

在一个实施例中，标记模块包括：

间盘图像采集模块，间盘图像采集模块识别多个腰椎图像中的每一个中的多个间盘并以每个间盘为中心截取多个间盘图像；和

第一病变标记模块，第一病变标记模块为多个间盘图像中的每一个生成第一病变标记并将第一病变标记与相应的间盘图像关联存储。

在一个实施例中，间盘图像采集模块从多个腰椎图像中的每一个中的骶骨开始并向上依次识别多个腰椎骨骼以及相邻腰椎骨骼之间的多个间盘。

在一个实施例中，多个间盘图像中的每一个是以间盘为中心在相应的腰椎图像上截取的第一方形区域(ROI)。

在一个实施例中，第一方形区域的长宽比为1.3:0.8。

在一个实施例中，第一病变标记模块用于对多个间盘中的每一个做Pfirrmann分型标注，并且第一病变类型为Pfirrmann分型结果。

在一个实施例中，多个腰椎图像中的每一个为腰椎横断面图像。

在一个实施例中，标记模块包括：

骨窗图像采集模块，骨窗图像采集模块识别多个腰椎图像中的每一个中的骨窗并以骨窗为中心截取多个骨窗图像；和

第二病变标记模块，第二病变标记模块为多个骨窗图像中的每一个生成第二病变标记并将第二病变标记与相应的骨窗图像关联存储。