[发明专利]分割股骨近端的方法、装置、计算机设备和存储介质

说明书

本申请揭示了分割股骨近端的方法、装置、计算机设备和存储介质，其中，分割股骨近端的方法，包括：将股骨的3D MRI图像输入到通过3D U‑net预先训练得到的分割模型中；通过所述分割模型识别所述3D MRI图像中股骨近端的分割边界；根据所述分割边界对所述3D MRI图像中的股骨近端进行分割。本申请通过从3D MRI图像中通过分割模型自动分离出来股骨近端，通过将股骨近端从原图中分离出来，减少诊断干扰信息，极大的提高医生的诊断效率；本申请提出了基于3DU‑net的3D MRI股骨近端分割技术，通过具有深度监督学习效果的3DU‑net网络，利用少量标注样本训练获得了精准的分割模型，实现对3D MRI股骨近端的精准分割，弥补了现有标注的3D MRI图像数据困乏，难以获得精准分割的技术难题。

技术领域

本申请涉及到计算机技术领域，特别是涉及到分割股骨近端的方法、装置、计算机设备和存储介质。

背景技术

近年来，由于计算机硬件水平的提高，深度神经网络技术得到了突飞猛进的发展，深度神经网络技术在图像、文字或音频处理等方面取得了巨大的成果，但在医学领域的还未得到广泛应用。股骨髋臼撞击症是引起成年人臀部疼痛的原因之一，更是被认为是引起软骨损伤的关键因素以及骨关节炎的先兆。由于不会造成放射性危害，MRI诊断现在被作为进行股骨髋臼撞击症诊断的标准工具。但是，现有技术中医生一般会通过分析2D MRI切片图像凭医疗经验进行人工诊断，诊断效率低且诊断误差几率大。因此，如何更精确有效地分离股骨近端成为亟待解决的问题。

发明内容

本申请的主要目的为提供分割股骨近端的方法，旨在解决3D MRI图像中精准分离股骨近端的技术问题。

本申请提出一种分割股骨近端的方法，包括：

将股骨的3D MRI图像输入到通过3D U-net预先训练得到的分割模型中；

通过所述分割模型识别所述3D MRI图像中股骨近端的分割边界；

根据所述分割边界对所述3D MRI图像中的股骨近端进行分割。

优选地，所述将3D MRI图像输入到通过3D U-net预先训练得到的分割模型中的步骤之前，包括：

在所述3D U-net的初始化参数下通过监督学习获取到3D U-net的编码器和解码器分别对应的优化参数；

在所述优化参数下，将预设训练集数据输入3D U-net训练所述分割模型；

通过将预设的测试集数据输入所述分割模型，判断所述分割模型的准确率是否达到预设阈值；

若达到，则确定所述分割模型满足应用需求。

优选地，所述在所述3D U-net的初始化参数下通过监督学习获取到3DU-net的编码器和解码器分别对应的优化参数的步骤之前，包括：

将C3D的卷积层网络中与所述3D U-net编译器具有相同特征图个数的各层参数迁移至所述3D U-net编译器中作为所述3D U-net的初始化参数。

优选地，所述在所述优化参数下，将预设训练集数据输入3D U-net训练所述分割模型的步骤，包括：

将所述训练集数据输入3D U-net，通过3D U-net的编码器减少池化层的空间维度，定位训练集数据的各像素级；

通过与所述编码器相连的解码器逐步修复所述训练集数据的细节和空间维度，对各所述像素级进行分类，以形成识别所述股骨近端的分割边界的所述分割模型。

优选地，所述通过与所述编码器相连的解码器逐步修复所述训练数据的细节和空间维度，对各所述像素级进行分类，以形成识别所述股骨近端分割边界的所述分割模型的步骤，包括：