[发明专利]一种全膝关节置换术假体型号预测方法

权利要求书

1.一种全膝关节置换术假体型号预测方法，适用于患者诊断为膝关节骨性关节炎、患者为初次全膝关节置换术、患者术前双侧膝关节正侧位X光片及术后膝关节正侧位X光片资料完整、和患者术后膝关节正侧位X光片上无明显假体悬挂或覆盖不全，所述方法的步骤包括：

1）收集同时满足全部入选标准的待测患者术前膝关节的X光片以及患者的基本信息，其中，所述待测患者术前膝关节的X光片包括：正位图片和侧位图片，所述患者的基本信息包括：患者的性别、身高和体重数据；

2）提取上述X光片的图像特征，进行下采样；

3）将下采样后的图像特征同患者的基本信息拼接；

4）将拼接后的结果输入到已经训练完成的假体型号分类器中，得到患者在手术中各型号假体的使用概率，根据该概率结果得到该患者所需假体型号的预测结果；其中，

所述假体型号分类器的通过下述训练方法得到：

（1）收集同时满足全部入选标准的患者术前膝关节的X光片以及患者的基本信息；

（2）将上述X光片通过深度学习技术，提取相关图像特征，将提取出的特征经过全连接层进行下采样；

（3）将下采样后的图像特征同患者的基本信息拼接后，对假体型号分类器进行训练。

2.如权利要求1所述的一种全膝关节置换术假体型号预测方法，其特征在于，对收集到的X光片利用图像处理技术进行预处理，所述的图像处理技术包含直方图均衡和高频滤波。

3.如权利要求1所述的一种全膝关节置换术假体型号预测方法，其特征在于，对收集到的患者的基本信息进行预处理，包括对患者性别数据采用独热编码，对患者的身高数据、体重数据进行归一化处理。

4.如权利要求1所述的一种全膝关节置换术假体型号预测方法，其特征在于，所述的深度学习技术采用ResNet卷积神经网络架构。

5.如权利要求4所述的一种全膝关节置换术假体型号预测方法，其特征在于，ResNet卷积神经网络采用迁移学习进行训练，首先在相似的大数据集上进行训练，然后迁移回原数据集进行模型结构和参数的微调。

6.如权利要求1所述的一种全膝关节置换术假体型号预测方法，其特征在于，获得各型号假体的使用概率后，选用概率值最大的三类假体作为最后的预测结果。

7.如权利要求1所述的一种全膝关节置换术假体型号预测方法，其特征在于，假体型号分类器的训练方法还包括增量训练，包括：

1)根据训练完成的分类器，得到患者在手术中使用各型号假体的概率，为医生提供决策建议，同时收集患者数据，包括患者术前的正侧位膝盖X光片，以及患者的性别、身高、体重信息；

2)收集的信息若符合排除标准中的任一项，则不进行增量训练；否则，作为新样本对模型进行增量训练。

8.如权利要求7所述的一种全膝关节置换术假体型号预测方法，其特征在于，所述排除标准包括：

①患者患有类风湿性关节炎、创伤性关节炎；②患者进行膝关节翻修手术；③患者膝关节发育畸形；④患者具有严重骨缺损；⑤患者膝关节软组织严重不平衡；⑥患者膝关节内翻畸形大于25°、外翻畸形大于15°或屈膝挛缩大于30°。