[发明专利]一种前束交叉韧带损伤评估方法及装置

说明书

本发明公开了一种前束交叉韧带损伤评估方法及装置，上述方法包括：获取待检测者的Opt i Kneee膝关节三维运动数据；将所述的Opt i Kneee膝关节三维运动数据输入至预设的损伤评估模型中，以使所述损伤评估模型根据所述Opt i Kneee膝关节三维运动数据对所述待检测者的前束交叉韧带进行损伤评估。通过实施本发明实施例能够实现能实现前束交叉韧带损伤的自动评估，提高前束交叉韧带损伤评估效率。

技术领域

本发明涉及临床医学领域，尤其涉及一种前束交叉韧带损伤评估方法及装置。

背景技术

膝关节前交叉韧带(anterior cruciate ligament，ACL)断裂是最常见的运动损伤之一，据统计全球每年有大约10-25万人发生ACL断裂，ACL是稳定膝关节的重要的静力性结构，损伤后可引起膝关节不稳，如不及时进行手术治疗，极易引起严重的关节软骨损伤，导致骨性关节炎，严重影响患者的生活质量以及运动水平，最终需进行人工关节置换。对于ACL损伤的临床诊断是以关节镜检为金标准，但关节镜检花费较高，且属于有创性检查。

OptiKnee膝关节三维运动分析系统采用红外光立体追踪技术，实时测量膝关节在步态、深蹲、上下坡等各类运动状态下的三维，六自由度运动学数据，评估关节的运动功能。为临床诊疗(骨科、关节外科、运动医学科、康复科)提供支持，并可用来进行相关关节疾病的科学研究，目前广泛应用于临床运动相关疾病的诊断和康复指导，其研究数据在国内外学术期刊上被广泛登载。

卷积神经网络(convolutional neural network,CNN)已经被证明在图像识别和自然语言处理领域取得突破精度。CNN能够提取出图像数据或序列数据中隐含的一系列特征用于分割和预测任务。多层的卷积神经网络中提取的不同层次特征旨在编码不同抽象程度的信息。深层特征更多关注全局特征/语义层信息，较少关注细节信息，而浅层特征能够捕捉数据中局部特征/细节信息。长短时记忆网络(long short-term memory,LSTM)作为一种特殊的循环神经网络，能够有效解决一般循环神经网络中存在的长期依赖问题，被广泛地用于解决各类问题，例如时间序列预测和识别。LSTM单元通过控制遗忘门、输入门、输出门的门控结构状态，实现序列信息的保护与控制等处理，进而提取序列丰富的特征。

现行对患者进行前束交叉韧带损伤诊断是由医生根据患者MRI影像进行人工判定，人工诊断效率低且需要具备专业知识的医生进行诊断。

发明内容

本发明实施例提供一种前束交叉韧带损伤评估方法及装置，能实现前束交叉韧带损伤的自动评估，提高前束交叉韧带损伤评估效率。

本发明一实施例提供一种前束交叉韧带损伤评估方法，包括：

获取待检测者的OptiKneee膝关节三维运动数据；

将所述的OptiKneee膝关节三维运动数据输入至预设的损伤评估模型中，以使所述损伤评估模型根据所述OptiKneee膝关节三维运动数据对所述待检测者的前束交叉韧带进行损伤评估。

进一步的，所述获取待检测者的OptiKneee膝关节三维运动数据，具体包括：

接收由OptiKnee膝关节三维运动分析系统实时测量所述待检测者在一个行走周期内膝关节六自由度运动数据的均值，获得所述待检测者的OptiKneee膝关节三维运动数据；其中，膝关节六自由度运动数据包括：外展度数、内收度数、前屈度数、后伸度数、内旋度数、外旋度数、前后位移、内外位移以及上下位移。

进一步的，所述损伤评估模型的构建方法包括：

获取若干测试者在一个行走周期内膝关节六自由度运动数据的均值，生成若干训练样本；其中，所述若干测试者包括若干前束交叉韧带损伤的测试者以及若干前束交叉韧带未损伤的测试者；