[发明专利]基于深度学习的全髋关节术后腿长差的计算方法及系统

权利要求书

1.一种基于深度学习的全髋关节术后腿长差的计算方法，其特征在于，包括：

获取髋关节置换手术术后的患者的髋关节图像；

基于深度学习的目标识别网络，识别所述髋关节图像中的双侧股骨区域、坐骨区域、位于所述双侧股骨区域的第一关键点位置以及位于所述坐骨区域的第二关键点位置；

根据所述第一关键点位置、所述第二关键点位置和所述坐骨区域，确定所述患者的双腿腿长差。

2.根据权利要求1所述的基于深度学习的全髋关节术后腿长差的计算方法，其特征在于，所述目标识别网络基于点识别神经网络以及分割神经网络训练得到；或者，

基于包括堆叠沙漏网络结构、分割Segment-Head网络以及关键点Keypoint-Head网络的预设神经网络模型训练得到。

3.根据权利要求1所述的基于深度学习的全髋关节术后腿长差的计算方法，其特征在于，所述基于深度学习的目标识别网络，识别所述髋关节图像中的双侧股骨区域、坐骨区域、位于所述双侧股骨区域的第一关键点位置以及位于所述坐骨区域的第二关键点位置，包括：

将所述髋关节图像输入至目标识别网络，得到所述髋关节图像中的双侧股骨区域以及坐骨区域；

将所述双侧股骨区域的双侧股骨小转子对应的第一下缘点位以及第二下缘点位确定为所述第一关键点位置，将坐骨区域双侧的第一泪滴点位以及第二泪滴点位确定为所述第二关键点位置。

4.根据权利要求1所述的基于深度学习的全髋关节术后腿长差的计算方法，其特征在于，所述基于深度学习的目标识别网络，识别所述髋关节图像中的双侧股骨区域、坐骨区域、位于所述双侧股骨区域的第一关键点位置以及位于所述坐骨区域的第二关键点位置，包括：

将所述髋关节图像输入至目标识别网络，得到所述髋关节图像中的双侧股骨区域以及坐骨区域；

将所述双侧股骨区域的双侧股骨小转子对应的第一下缘点位以及第二下缘点位确定为所述第一关键点位置，将坐骨区域双侧第一最低点以及第二最低点确定为所述第二关键点位置。

5.根据权利要求3所述的基于深度学习的全髋关节术后腿长差的计算方法，其特征在于，所述根据所述第一关键点位置、所述第二关键点位置和所述坐骨区域，确定所述患者的双腿腿长差，包括：

根据所述第一下缘点位、所述第二下缘点位和坐骨结节线，确定所述双腿腿长差；或者

根据所述第一下缘点位、所述第二下缘点位和双侧泪滴点位连线，确定所述双腿腿长差；

其中，所述双侧泪滴点位连线是根据所述第一泪滴点位和所述第二泪滴点位确定的；

所述坐骨结节线是根据所述第一最低点以及所述第二最低点确定的。

6.根据权利要求5所述的基于深度学习的全髋关节术后腿长差的计算方法，其特征在于，所述根据所述第一下缘点位、所述第二下缘点位和坐骨结节线，确定所述双腿腿长差，包括：

确定所述第一下缘点位与所述坐骨结节线之间的第一最短距离；

确定所述第二下缘点位与所述坐骨结节线之间的第二最短距离；

根据所述第一最短距离和所述第二最短距离之间的差值，确定所述双腿腿长差。

7.根据权利要求5所述的基于深度学习的全髋关节术后腿长差的计算方法，其特征在于，所述根据所述第一下缘点位、所述第二下缘点位和双侧泪滴点位连线，确定所述双腿腿长差，包括：

确定所述第一下缘点位与所述双侧泪滴点位连线之间的第三最短距离；

确定所述第二下缘点位与所述双侧泪滴点位连线之间的第四最短距离；

根据所述第三最短距离和所述第四最短距离之间的差值，确定所述双腿腿长差。