[发明专利]膝关节MRI影像的分类方法和装置

权利要求书

1.一种膝关节MRI影像的分类方法，其特征在于，所述方法包括：

获取膝关节的冠状位MRI影像和矢状位MRI影像，并对所述冠状位MRI影像和矢状位MRI影像进行预处理，得到预处理后的冠状位MRI影像和预处理后的矢状位MRI影像；

将预处理后的冠状位MRI影像和预处理后的矢状位MRI影像并行输入到SiameseACL网络进行初步分类，以确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于正常样本还是ACL断裂样本；

当确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于ACL断裂样本时，通过ResNextACL网络对所述ACL断裂样本进行再次分类，以确定所述ACL断裂样本所属的具体断裂类型；

将预处理后的冠状位MRI影像和预处理后的矢状位MRI影像并行输入到SiameseACL网络进行初步分类，以确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于正常样本还是ACL断裂样本，包括：

将预处理后的冠状位MRI影像和预处理后的矢状位MRI影像并行输入到SiameseACL网络，通过SiameseACL网络中的ResAttentionNet主干网络分别提取第一冠状位的特征图和第一矢状位的特征图；

对所述第一冠状位的特征图和第一矢状位的特征图分别进行三维自适应平均池化得到1024维的冠状位特征向量和1024维的矢状位特征向量；

计算所述冠状位特征向量和矢状位特征向量之间的距离，以得到特征距离损失；

将所述冠状位特征向量和矢状位特征向量进行元素级别的取平均值，以得到新的1024维的特征向量；

将所述新的1024维的特征向量输入至全连接层，以输出ACL断裂的概率；

计算输出的ACL断裂的概率与真值之间的焦点损失；

将所述特征距离损失和所述焦点损失进行加权求和，以得到最终损失；

所述ResAttentionNet主干网络包括多个注意力机制模块，所述注意力机制模块依次通过下采样处理、上采样处理和卷积处理后连接S型激活函数得到注意力权重分布。

2.根据权利要求1所述的方法，其特征在于，对所述冠状位MRI影像和矢状位MRI影像进行预处理，包括：

对所述冠状位MRI影像和矢状位MRI影像进行自适应直方图均衡化处理，将频数大于第一阈值的灰度值补充给频数小于第二阈值的灰度值；

对均衡化处理之后的冠状位MRI影像和矢状位MRI影像的轴位方向进行插值上采样处理，以调整轴位的分辨率。

3.根据权利要求1所述的方法，其特征在于，通过ResNextACL网络对所述ACL断裂样本进行再次分类，以确定所述ACL断裂样本所属的具体断裂类型，包括：

将ACL断裂样本的冠状位MRI影像和矢状位MRI影像并行输入到ResNextACL网络，通过ResNextACL网络的ResNext主干网络分别提取第二冠状位的特征图和第二矢状位的特征图；

对所述第二冠状位的特征图和第二矢状位的特征图在通道维上进行合并，并通过三维自适应平均池化得到2048维的冠状位特征向量和矢状位特征向量，通过全连接层输出具体断裂类型。