[发明专利]提供骨折检测工具的方法

说明书

一种方法，包含获得多笔训练数据的步骤，每一笔训练数据包括骨骼的不同的放射线图像，及指示出明显骨折、隐性骨折，及无骨折的其中一者的标签，还包含利用所述训练数据对深度卷积网络模型进行预训练以获得初步深度卷积网络模型的步骤、借由至少排除具有指示出隐性骨折的标签的训练数据来决定所述训练数据的子集的步骤，及利用所述子集训练所述初步深度卷积网络模型，以获得第一深度卷积网络模型的步骤。

技术领域

本发明涉及一种方法，特别是涉及一种提供骨折检测工具的方法。

背景技术

小骨骨折包含舟骨骨折，这是腕骨骨折常见的类型，尤其是对于成年男性时。明显的小骨骨折(例如，明显的舟骨骨折)可以由经验丰富的医师从放射线照片中识别，但隐性小骨骨折(例如，隐性舟骨骨折)难以从放射线照片中确认。尽管可以利用计算机断层(Computed Tomography,CT)扫描或磁共振成像(Magnetic Resonance Imaging,MRI)来帮助确认隐性骨折，但这种方式价格高昂。需要一种用于检测隐性小骨骨折的经济解决方案。

发明内容

本发明的目的在于提供一种有助于从放射线照片中检测隐性骨折的方法。

本发明的方法，包含一步骤(A)、一步骤(B)、一步骤(C)，及一步骤(D)。

在该步骤(A)中，获得多笔训练数据，每一笔训练数据包括骨骼的不同的放射线图像，及指示出明显骨折、隐性骨折，及无骨折的其中一者的标签。

在该步骤(B)中，利用所述训练数据预训练深度卷积网络模型，以获得初步深度卷积网络模型。

在该步骤(C)中，借由至少排除具有指示出隐性骨折的标签的训练数据来决定所述训练数据的子集。

在该步骤(D)中，利用所述子集训练所述初步深度卷积网络模型，以获得第一深度卷积网络模型，当所述第一深度卷积网络模型接收到包括受检骨骼的放射线图像的输入数据时，所述第一深度卷积网络模型输出指示出所述受检骨骼的所述放射线图像存在明显骨折的可能性的分数

较佳地，本发明的方法，步骤(A)是获得所述训练数据，每一笔训练数据包括后-前舟骨视角的放射线图像。

较佳地，本发明的方法，步骤(A)包括以下子步骤：

(A-1)获得多个舟骨的多张放射线照片，每一张放射线照片已确认显示出明显骨折、隐性骨折，及无骨折的其中一者；及

(A-2)对于每一张放射线照片，

分析该放射线照片，以在该放射线照片中定义舟骨区域；

提取包含所述舟骨区域的该放射线照片的一部分；及

产生所述训练数据的其中一者，该训练数据对应于该放射线照片，并包括由此提取的该放射线照片的该部分及该标签，该放射线照片的该部分作为该放射线图像，该标签根据该放射线照片被确认显示出明显骨折、隐性骨折，及无骨折的其中一者设置。

较佳地，本发明的方法，还包含以下步骤：

(E)决定多笔控制数据，每一笔控制数据包括骨骼的不同的放射线图像，并且在所述控制数据输入到所述第一深度卷积网络模型时，使所述第一深度卷积网络模型能够输出指示出明显骨折的可能性低的分数；及

(F)利用所述控制数据及在步骤(C)排除具有指示出隐性骨折的标签的训练数据训练所述第一深度卷积网络模型，以获得第二深度卷积网络模型，当所述第二深度卷积网络模型接收到包括受检骨骼的放射线图像的另一输入数据时，所述第二深度卷积网络模型输出指示出所述放射线图像存在隐性骨折的可能性的分数。