[发明专利]髋关节图像中骨骼分割方法、电子设备及存储介质

权利要求书

1.一种髋关节图像中骨骼分割方法，其特征在于，包括：

获取待分割髋关节图像；

将所述待分割髋关节图像输入预先训练的分割模型，以输出所述待分割髋关节图像的分割结果；

其中，通过预先训练得到分割模型的方法，包括：

创建分割初始模型，所述分割初始模型包括自注意力变换初始模型和卷积神经网络初始模型；

获取多张人工标注的髋关节样本图像，得到掩膜图像；

将所述髋关节样本图像输入所述自注意力变换初始模型，以得到第一分割结果；

将所述髋关节样本图像输入所述卷积神经网络初始模型，以得到局部特征信息，所述局部特征信息为纹理、色彩和边缘；

将所述第一分割结果和局部特征信息进行融合，得到第二分割结果；

比对所述第一分割结果和所述掩膜图像、以及所述第二分割结果和所述掩膜图像，得到训练损失，将所述训练损失回传至所述分割初始模型，以得到最终的分割模型；

所述自注意力变换初始模型包括分块线性投影层、多头自注意力变换层以及第一上采样解码器；

将所述髋关节样本图像输入所述自注意力变换初始模型，以得到第一分割结果，包括：

将所述髋关节样本图像输入分块线性投影层，得到多个大小相同的图块；

将所述多个图块输入所述多头自注意力变换层提取得到全局信息特征；

通过第一上采样解码器对所述全局信息特征进行上采样，得到第一分割结果；

在将所述髋关节样本图像输入所述卷积神经网络初始模型，以得到局部特征信息，包括：

将所述髋关节样本图像输入带有残差卷积层的卷积神经网络初始模型，得到局部特征信息；

将所述第一分割结果和局部特征信息进行融合，得到第二分割结果，包括：

将所述第一分割结果和局部特征信息通过点积的形式进行融合，得到融合特征；

使用第二上采样解码器对所述融合特征进行上采样，得到所述第二分割结果；

比对所述第一分割结果和所述掩膜图像、以及所述第二分割结果和所述掩膜图像，得到训练损失，将所述训练损失回传至所述分割初始模型，以得到最终的分割模型，包括：

对第一分割结果和第二分割结果利用所述掩膜图像分别进行监督学习，以得到第一分割结果的训练损失和第二分割结果的训练损失；

将所述第一分割结果的训练损失和第二分割结果的训练损失相加作为最终的训练损失；

利用梯度回传所述训练损失到分割初始模型，以调整所述分割初始模型中自注意力变换初始模型和卷积神经网络初始模型的相关参数，得到自注意力变换模型和卷积神经网络模型，即分割模型。

2.如权利要求1所述的髋关节图像中骨骼分割方法，其特征在于，所述获取多张人工标注的髋关节样本图像，得到掩膜图像，包括：

获取多张髋关节样本图像，并对所述髋关节样本图像进行脱敏处理；

由骨科医生对所述脱敏后的髋关节样本图像进行分割，得到掩膜图像。

3.如权利要求2所述的髋关节图像中骨骼分割方法，其特征在于，对所述脱敏后的髋关节样本图像进行分割，得到掩膜图像，包括：

在所述髋关节样本图像中分割出骨盆和左右股骨轮廓；

将所述骨盆轮廓、左股骨轮廓和右股骨轮廓的颜色置为1，所述髋关节样本图像其他区域置为0，得到掩膜图像。

4.如权利要求1所述的髋关节图像中骨骼分割方法，其特征在于，将所述待分割髋关节图像输入预先训练的分割模型之前，还包括：

对所述待分割髋关节图像进行预处理；

或/和；

将所述髋关节样本图像输入所述自注意力变换初始模型以及卷积神经网络初始模型之前，还包括：

对所述髋关节样本图像进行预处理。

5.如权利要求4所述的髋关节图像中骨骼分割方法，其特征在于，所述预处理包括降噪处理、对比度增强处理、边缘处理以及数据增强处理中的一种或多种；

当所述预处理包括数据增强处理时，所述数据增强处理包括水平翻转、随机旋转以及随机裁剪中的一种或多种。