[发明专利]一种全膝关节置换术假体型号预测方法

说明书

本发明公开了一种全膝关节置换术假体型号预测方法，包括以下步骤：收集满足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；对收集到的X光片及患者的基本信息进行预处理；将预处理后的图片和患者的基本信息作为特征，输入到基于深度学习技术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。本发明可高效、准确地预测出所需的假体型号，检测准确率可达84％以上，该准确率已经达到和有经验的专家使用CT和X光片进行术前预测同等的水平，并且本发明只需使用X光片和患者基本信息，成本更低。

技术领域

本发明属于人工智能医疗图像处理领域，具体涉及全膝关节置换术假体型号预测系统设计，以及基于该系统的假体型号预测方法。

背景技术

全膝关节置换术(Total Knee Arthroplasty，TKA)是治疗重度膝关节骨炎症等疾病的有效方法，其在获得良好临床疗效和可靠假体生存率的同时，也面临着一系列术后并发症，影响患者临床疗效，甚至需要再次进行翻修手术，增加了患者的痛苦和医疗负担。据不同研究报道，全膝关节置换术后患者的满意度仅在80％左右。

精确的假体匹配被认为是减少术后患膝疼痛、假体松动、假体磨损、术后出血等并发症，保证良好关节功能，提高术后满意度的重要因素之一。假体尺寸过大可能导致假体与截骨面接触不良而发生假体松动、屈曲间隙过小，进而出现屈曲受限、髌股关节压力过高，影响伸膝装置功能。过大的假体压迫周围韧带等结构导致悬吊(overhang)作用而出现疼痛。假体尺寸过小可能导致屈曲间隙过大而屈曲位不稳，在前参考股骨远端前后髁截骨时导致后髁截骨量过大，后参考股骨远端前后髁截骨时前髁出现切迹(notching)而易导致术后假体周围骨折,对截骨面皮质骨覆盖不良而继发假体下沉。

然而传统膝关节置换术中的假体型号选择和位置确定取决于术者的经验，有很大的主观性以及较长的学习曲线。深度学习技术通过卷积层、池化层、全连接层等抽取图像中的关键特征，通过反向传播在训练集上进行训练，并泛化到从未接触过的数据集上。目前该技术已经在疾病发生、影像辨识、病理辅助诊断等方面展现出的强大能力，也将被应用在全膝关节置换术假体型号预测系统中，作为图像处理分类的核心算法，对患者假体型号进行预测。

发明内容

针对现有假体选择过于依靠医生个人经验的问题，本发明的目的在于提供一种假体型号预测系统架构及基于深度学习的假体型号分类方法。

本发明的技术方案为：

一种全膝关节置换术假体型号预测方法，包括以下步骤：

(1)收集满足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)对收集到的X光片及患者的基本信息进行预处理；

(3)将预处理后的图片和患者的基本信息作为特征，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，根据该概率结果即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训练方法如下：

(1)收集满足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)对收集到的X光片及患者的基本信息进行预处理；

(3)将预处理后的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；

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

进一步的，所述入选标准为：①患者诊断为膝关节骨性关节炎。②患者为初次全膝关节置换术。③术前双侧膝关节正侧位X线片及术后膝关节正侧位X线片资料完整。④术后膝关节正侧位X线片上无明显假体悬挂或覆盖不全(覆盖不全指未被覆盖区域＞3mm)。

进一步的，假体型号分类器的训练方法还包括增量训练，包括：