[发明专利]多模型融合的股骨颈骨折区域定位和分割方法及系统

说明书

本发明提供一种多模型融合的股骨颈骨折区域定位和分割方法及系统，多模型融合的股骨颈骨折区域定位和分割方法包括：对获取的股骨颈X光片进行预处理；将预处理后的X光片图像输入至构建且训练完成的检测神经网络进行检测，获取股骨颈区域图像Picture_origin；股骨颈区域图像Picture_origin输入至构建且训练完成的分割网络，获得分割效果图Picture_binary；融合获得的分割效果图Picture_binary和股骨颈区域图像Picture_origin以形成表征骨折区域和骨折程度的热力图。

技术领域

本发明涉及计算机领域，且特别涉及一种多模型融合的股骨颈骨折区域定位和分割方法及系统。

背景技术

股骨颈骨折及其手术后产生影响是目前比较重大的公共健康问题之一，其发病率占全身骨折的3.58％。股骨颈骨折是老年患者的主要损伤之一，由于人类寿命的延长和老年人口的增加，股骨颈骨折的数量将会增加，同时由于我国交通及建筑业的高速发展，青壮年股骨颈骨折发生率逐渐上升。多达20％至30％的股骨颈骨折患者将在随后的一年内死亡，而且青壮年的股骨颈骨折治疗相对困难，因为患者期望值较高，而股骨头坏死、骨折不愈合及畸形愈合的高发生率严重影响治疗效果。

越早的诊断和治疗不仅可以维持关节功能，而且可以保证患者的活动能力和生活质量。前骨盆x光片(PXRs)是诊断股骨颈骨折的重要途径。然而，PXRs对股骨颈骨折的敏感性并不理想。已有研究表明，早期误诊率高达7％至14％，而且对于股骨颈中的隐匿性骨折，诊断困难，特别是对于非骨科专业的急诊科医生及年轻的骨科医生，延误诊断和治疗会使愈后恶化。并且富有经验的医生资源主要集中在城市，在乡镇级别的医院从事股骨颈骨折评估的医生资源匮乏。近年来，传统计算机辅助诊断方法辅助专家评估股骨颈X光片，多采用X光片中的纹理、形状等特征进行模型的训练，但这些特征的提取对X光片质量要求较高，样本的好坏容易影响模型的训练结果。这些因素使得传统方法较难取得较高的性能。

发明内容

本发明为了克服现有技术股骨颈骨折诊断方法的难度大、效率低、精度不高的不足，提供一种对股骨颈X光片的自动分析，可精准的定位股骨颈骨折区域并对骨折区域进行分割，给出热力图效果，辅助医生快速定位骨折区域并对骨折程度作出诊断的多模型融合的股骨颈骨折区域定位和分割方法及系统。

为了实现上述目的，本发明提供一种多模型融合的股骨颈骨折区域定位和分割方法，其包括：

对获取的股骨颈X光片图像进行预处理；

将预处理后的X光片图像输入至构建且训练完成的检测神经网络进行检测，获取股骨颈区域图像Picture_origin；

股骨颈区域图像Picture_origin输入至构建且训练完成的分割网络，获得分割效果图Picture_binary；

融合获得的分割效果图Picture_binary和股骨颈区域图像Picture_origin以形成表征骨折区域和骨折程度的热力图。

根据本发明的一实施例，对获取的包含股骨颈的X光片进行预处理的步骤包括：

计算获取的X光片图像中像素的最大值max和最小值min；

进行归一化处理，归一化公式为：

根据本发明的一实施例，所述热力图的生成步骤包括：

将分割效果图Picture_binary乘以255并变成三通道，形成分割处理图Picture_after；