[发明专利]膝关节MRI影像的分类方法和装置

说明书

本发明是关于一种膝关节MRI影像的分类方法和装置，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影像属于断裂样本时，通过ResNextACL网络对所述断裂样本进行再次分类，以确定所述断裂样本所属的具体断裂类型。通过该技术方案，可以对膝关节的MRI影像进行具体断裂类型的分类。

技术领域

本公开涉及影像分类技术领域，尤其涉及一种膝关节MRI影像的分类方法和装置。

背景技术

MRI由于其无创，对膝关节部位成像质量高的优点，是确定前交叉韧带断裂与否的标准成像手段。考虑到每个膝关节MRI检查中图像的数量和细节，通过膝关节MRI来准确判断前交叉韧带断裂与否是非常耗时的，通过算法自动识别前交叉韧带断裂具有非常有价值的临床应用前景。

基于深度学习的方法能够自动学习图像特征，非常适合用来对医学影像及其可解释性之间的复杂关系进行建模。近年来，基于深度学习的方法在很多领域已经超过了传统的图像分析方法，特别是在医学影像研究领域取得了重大进展，比如血管分割、肺结节检测等等。而先前深度学习在膝关节MRI中的应用主要局限在软骨分割和软骨损伤检测，少数关于膝关节MRI中ACL断裂检测的算法一般是针对矢状位MRI和冠状位MRI分别训练得到分类模型，然后将分类结果通过加权平均得到最后的分类结果。上述分类算法本质上还是将冠状位MRI和矢状位MRI作为两个独立的输入，而非将冠状位和矢状位MRI作为并行输入，无法在模型内部建立冠状位和矢状位影像的关联关系，导致分类精度受影响。同时，目前的ACL断裂分类模型只能判断断裂与否，无法输出具体的断裂类型。

发明内容

为克服相关技术中存在的问题，本公开提供一种膝关节MRI影像的分类方法和装置，充分利用MRI影像的冠状位以及矢状位信息，并且针对断裂的ACL，输出具体的断裂类型。

根据本公开实施例的第一方面，提供一种膝关节MRI影像的分类方法，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影像属于断裂样本时，通过ResNextACL网络对所述断裂样本进行再次分类，以确定所述断裂样本所属的具体断裂类型。

在一个实施例中，优选地，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恢复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。

在一个实施例中，优选地，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；