[发明专利]盆骨转正方法、手术系统、存储介质及电子设备

权利要求书

1.一种基于左右髂前上棘与耻骨联合中心点的盆骨转正方法，其特征在于，包括如下步骤：

S101：利用基于原图的训练样本对神经网络进行训练，获得并保存经过训练的神经网络模型；

S102：利用所述神经网络自动分割盆骨原图并得到盆骨区域的分割结果；

S103：在分割出的盆骨上标注左、右髂前上棘和耻骨联合中心点；

S104：基于所标注的左、右髂前上棘和耻骨联合中心点对盆骨进行转正；和

S105：输出转正的盆骨。

2.根据权利要求1所述的盆骨转正方法，其特征在于，

在上述步骤S101之前，还包括对数据进行标注的步骤，该步骤是在CT原图上将CT图像序列中出现的盆骨标注出来。

3.根据权利要求1所述的盆骨转正方法，其特征在于，

在对神经网络进行训练时，首先对图像数据进行归一化处理、二值化处理，以获得经过归一化二值化处理的原图，随后进行数据增强，输入到神经网络当中进行优化训练，获得并保存优化后的网络模型，

所述神经网络构成为：在对下采样的第2～5层卷积c2、c3、c4、c5分别使用上采样然后和对应层进行concat直到成为和第1层卷积c1一样的通道大小时，通过使用add来融合特征。

4.根据权利要求1所述的盆骨转正方法，其特征在于，

所述神经网络构成为进行下述处理步骤：

下采样步骤：对输入的图片进行两次卷积、BN、激活而输出c1，通道数为32；接着，进行一次步长为2的最大池化输出结果为p1，再连续进行4次下采样，最后一次不进行最大池化，如此，输出结果分别为c2、p2、c3、p3、c4、p4、c5，通道数分别为64、128、128、256、256、512；和

上采样步骤：

首先对c2进行上采样，通道数为32，输出结果为up1_2，然后和c1进行add，之后进行两组卷积、激活和dropout而输出conv1_2；

接着对c3进行上采样，通道数为64，输出结果为up2_2，然后和c2进行concat，之后进行两组卷积、激活和dropout而输出conv2_2；

然后对conv2_2进行上采样，通道数为32，输出结果为up1_3，然后和c1、conv1_2进行add，之后进行两组卷积、激活和dropout而输出conv1_3；

接着对c4进行上采样，通道数为128，输出结果为up3_2，然后和c3进行concat，之后进行两组卷积、激活和dropout而输出conv3_2；

然后对conv3_2进行上采样，通道数为64，输出结果为up2_3，然后和c2、conv2_2进行concat，之后进行两组卷积、激活和dropout而输出conv2_3；

然后对conv2_3进行上采样，通道数为32，输出结果为up1_4，然后和c1、conv1_2、conv1_3进行add，之后进行两组卷积、激活和dropout而输出conv1_4；

之后对c5进行上采样，通道数为256，输出结果为up4_2，然后和c4进行concat，之后进行两组卷积、激活和dropout而输出conv4_2；

然后对conv4_2进行上采样，通道数为128，输出结果为up3_3，然后和c3、conv3_2进行concat，之后进行两组卷积、激活和dropout而输出conv3_3；

然后对conv3_3进行上采样，通道数为64，输出结果为up2_4，然后和c2、conv2_2、conv2_3进行concat，之后进行两组卷积、激活和dropout而输出conv2_4；

然后对conv2_4进行上采样，通道数为32，输出结果为up1_5，然后和c1、conv1_2、conv1_3、conv1_4进行add，之后进行两组卷积、激活和dropout而输出conv1_5；以及

最后对conv1_5进行1*1卷积，sigmoid激活之后输出output。

5.根据权利要求1所述的盆骨转正方法，其特征在于，

在上述步骤S103中，包括如下步骤：将利用神经网络自动分割所获得的结果进行堆叠来得到一个用于标注左、右髂前上棘和耻骨联合中心点的STL格式的3D模型。