[发明专利]骨赘识别方法、装置、电子设备及存储介质

说明书

本发明公开了一种骨赘识别方法、装置、电子设备及存储介质，其中骨赘识别方法包括：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，由此可以利用第一分割模型和第二分割模型可以迅速准确智能识别骨赘，帮助医生进行手术规划，易于操作、准确度高、满足患者个体差异的优点，同时通过完善术前规划的依据资料，指导手术规划和假体选择，提高后续手术的准确率，为骨科医生节约大量的时间。

技术领域

本发明涉及图像处理技术领域，具体涉及一种骨赘识别方法、装置、电子设备及存储介质。

背景技术

在术前规划中，骨赘对于机械轴、关节线、股骨前后轴、AP轴等关键标志的定位具有较大影响，错误的判断骨赘形貌、位置会导致定位标志偏差，从而影响膝关节功能、稳定性、运动范围且易造成术后疼痛。在临床全膝关节置换术前，医生需要依据不含骨赘的下肢骨影像资料进行手术的规划与决策，医生更为擅长的是医学知识，图像处理对于医生而言可谓耗时耗力。经验丰富的医生能够提出需求进行指导，协助其他技术人员完美消除下肢骨影像的骨赘，但是他们却苦于自己动手进行图像处理消除下肢骨影像的骨赘部分，而经验欠缺的医生尚且不能凭借医学经验进行指导，完美消除下肢骨影像的骨赘部分，自己操作则更为困难。

发明内容

有鉴于此，本发明实施例提供了一种骨赘识别方法、装置、电子设备及存储介质，以智能识别医学图像中的骨赘。

根据第一方面，本发明实施例提供了一种骨赘识别方法，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。

本发明实施例的骨赘识别方法，通过获取医学图像，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，也就是说，利用第一分割模型和第二分割模型可以迅速准确智能识别骨赘，帮助医生进行手术规划，易于操作、准确度高、满足患者个体差异的优点，同时通过完善术前规划的依据资料，指导手术规划和假体选择，提高后续手术的准确率，为骨科医生节约大量的时间，同时也为资历尚浅的医生指导帮助。

结合第一方面，在第一方面第一实施方式中，所述第一分割模型为包含Pointrend算法的unet神经网络模型。

结合第一方面第一实施方式，在第一方面第二实施方式中，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。

结合第一方面第二实施方式，在第一方面第三实施方式中，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；