[发明专利]骨赘识别方法、装置、电子设备及存储介质

权利要求书

1.一种骨赘识别方法，其特征在于，包括：

获取医学图像；

将所述医学图像输入到经过训练的第一分割模型中，得到所述医学图像中的股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域；

将所述股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域输入到经过训练的第二分割模型中，得到股骨骨赘和/或胫骨骨赘和/或腓骨骨赘和/或髌骨骨赘；

其中，所述第一分割模型为包含Pointrend算法的unet神经网络模型，所述第二分割模型为cascadePSP神经网络模型；所述第一分割模型为unet神经网络，首先利用所述unet神经网络作为主干网络，进行粗分割，然后使用pointrend精确分割。

2.根据权利要求1所述的方法，其特征在于，将所述医学图像输入到经过训练的第一分割模型中，得到所述医学图像中的股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域，包括：

(1)将所述医学图像输入到所述unet神经网络模型得到所述股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域的粗分割预测结果；

(2)利用所述Pointrend算法对所述粗分割预测结果进行优化；

(3)重复上述步骤(1)～(2)，遍历所述医学图像，直到得到所述医学图像中的满足预设条件的股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域。

3.根据权利要求2所述的方法，其特征在于，利用所述Pointrend算法对所述粗分割预测结果进行优化，包括：

在所述粗分割预测结果中选取出置信度符合预设要求的特征点；

获取所述特征点的特征，对所述特征点的特征进行分类，并根据分类结果更新所述特征点的粗分割预测结果。

4.根据权利要求1所述的方法，其特征在于，所述cascadePSP神经网络模型中的主干网络为unet网络。

5.根据权利要求1所述的方法，其特征在于，在将所述医学图像输入到经过训练的第一分割模型之前，还包括：

获取第一图像数据集，所述第一图像数据集中至少包含一个含有骨赘的医学图像，所述医学图像中至少带有股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域的标签；

利用所述第一图像数据集对所述第一分割模型进行训练，得到所述经过训练的第一分割模型；

在将所述股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域输入到经过训练的第二分割模型中之前，还包括：

获取第二图像数据集，所述第二图像数据集中包含多个股骨图像和/或胫骨图像和/或腓骨图像和/或髌骨图像，所述股骨图像和/或胫骨图像和/或腓骨图像和/或髌骨图像中至少带有对应的股骨骨赘和/或胫骨骨赘和/或腓骨骨赘和/或髌骨骨赘的标签；

利用所述第二图像数据集对所述第二分割模型进行训练，得到所述经过训练的第二分割模型。

6.一种骨赘识别装置，其特征在于，包括：

获取模块，用于获取医学图像；

第一处理模块，用于将所述医学图像输入到经过训练的第一分割模型中，得到所述医学图像中的股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域；

第二处理模块，用于将所述股骨区域和/或胫骨区域和/或腓骨区域和/或髌骨区域输入到经过训练的第二分割模型中，得到股骨骨赘和/或胫骨骨赘和/或腓骨骨赘和/或髌骨骨赘；

其中，所述第一分割模型为包含Pointrend算法的unet神经网络模型，所述第二分割模型为cascadePSP神经网络模型；所述第一分割模型为unet神经网络，首先利用所述unet神经网络作为主干网络，进行粗分割，然后使用pointrend精确分割。

7.一种电子设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至5中任一项所述的骨赘识别方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1至5中任一项所述的骨赘识别方法。