[发明专利]一种颈椎骨龄的判断方法

说明书

本发明涉及一种颈椎骨龄的判断方法，基于头颅侧位X光片，建立神经网络颈椎检测模型、神经网络颈椎标志点定位模型以及神经网络颈椎分割模型；用颈椎检测模型检测出头颅侧位X光片颈椎位置；用颈椎标志点定位模型对颈椎外形标志点进行定位；用颈椎分割模型对颈椎进行分割；对分割后的颈椎提取颈椎轮廓；将各标志点间的关系进行量化及判读，然后得出当前的生长发育阶段。本发明的优点在于：采用深度学习技术，充分考虑到头颅侧位X光片的图形学特点，基于量化的指标，将传统的颈椎骨龄评估方法中人工标点及人工判读的过程自动化、智能化，方法简单易行，便于实现，大大提高了颈椎骨龄判断的准确性和可重复性，提高了临床工作效率。

技术领域

本发明涉及口腔正畸领域，尤其涉及一种颈椎骨龄的判断方法。

背景技术

随着生活水平的不断提高，人群的正畸需求也不断扩大。青少年正畸有助于尽早解决牙齿问题，恢复口腔功能及美观，促进身心健康发展，是正畸学科研究的重要组成部分。生长发育阶段是青少年正畸方案制定中的关键参考，准确的生长发育阶段评估有利于提高口腔正畸的实现效率和稳定性。

目前常用的生长发育评估指标包括骨龄、牙龄、第二性征和整体体格。其中，骨龄是以骨骼的发育情况来判断生长发育所处的阶段，是临床最为常见的评估指标，主要包括手腕骨龄和颈椎骨龄。手腕骨龄通过手腕片观察腕骨的融合及矿化情况，预测准确度较高，但因存在分类繁琐、需增加额外X线拍摄等不利因素，临床应用的广泛程度不及颈椎骨龄。

对正畸治疗前常规拍摄的头颅侧位X光片，颈椎骨龄评估方法是通过对侧位片中的颈椎形态识别，对骨成熟度进行分期。由于形态识别高度依赖临床医生的主观判断，可重复性不足。目前国内外已经发展了颈椎骨龄的定量分期法，在对第二至四节颈椎进行人工定点的基础上测量颈椎体的长度、角度等参数，以手腕骨龄为参考标准，对颈椎骨龄分类标准进行量化。但是，这类方法仍未解决人工定点及测量过程中的低效、准确率低、重复性差的问题，限制了其应用范围。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种颈椎骨龄的判断方法，解决了现有颈椎骨龄判断方法效率低、准确率低、可重复性差的问题，从而判断出的生长发育所处阶段更为准确、应用范围更广。

本发明的目的通过以下技术方案来实现：一种颈椎骨龄的判断方法，所述判断方法包括：

根据头颅侧位X光片建立神经网络颈椎检测模型、神经网络颈椎标志点定位模型、神经网络颈椎标志点精确定位模型和神经网络颈椎分割模型；

通过所述神经网络颈椎检测模型检测对患者头颅侧位X光片图像进行颈椎位置检测，得到患者颈椎位置数据，根据患者颈椎位置数据在患者头颅侧位X光片图像上截取患者颈椎位置区域图片；

通过所述神经网络颈椎标志点定位模型对患者头颅侧位X光片图像上截取的患者颈椎位置区域图片进行颈椎标志点定位，得到颈椎标志点位置数据，并通过神经网络颈椎标志点精确定位模型进行颈椎标志点精确定位，得到颈椎标志点精确位置数据；

根据所述神经网络颈椎标志点定位模型得到的颈椎标志点位置数据，在患者颈椎位置区域图片上分别截取第二至第四节颈椎区域图片，通过建立的神经网络颈椎分割模型对颈椎区域图片进行分割，得到颈椎分割数据；

提取分割后颈椎的颈椎轮廓，并将各标志点间的关系进行量化及判断计算，得出当前的生长发育阶段。

根据头颅侧位X光片建立神经网络颈椎检测模型包括：

对每个头颅侧位X光片图像样本的颈椎区域进行标注，得到多个包含手工标注颈椎区域图像的训练样本集、验证样本集和测试样本集；

基于pytorch框架通过mobilenet和YOLOV3相结合的方式构建神经网络；

通过训练样本集、验证样本集和测试样本集数据对神经网络进行训练、测试和验证，得到神经网络颈椎检测模型。