[发明专利]基于支持向量机的TKA术前临床分期智能评估方法

说明书

本发明涉及全膝关节置换技术领域，具体地说，涉及基于支持向量机的TKA术前临床分期智能评估方法。其方法包括如下步骤：采集膝关节OA影像学数据，收集X线全长片数据，并配合术下肢全长CT容积扫描影像数据、骨密度数据、MR T1/T2/3D‑FS‑SPGR软骨成像序列数据、组织样本、病人一般资料等资料，进行筛选并进行临床分期的训练样本的数据标注；利用已进行标注临床分期的X线影像学数据；采用支持向量机进行分类输出。该基于支持向量机的TKA术前临床分期智能评估方法中，在TKA术前临床智能分期中采用基于支持向量机有监督深度学习算法，将医生从大量医学影像学数据中解放出来，减少医生间水平的差异，实现从前期辅助医生判断到成熟后独立决策的过程。

技术领域

本发明涉及全膝关节置换技术领域，具体地说，涉及基于支持向量机的TKA术前临床分期智能评估方法。

背景技术

随着我国人口老龄化加速、运动损伤及交通事故等高能量损伤的增多，软骨以及软骨下骨的损伤和/或缺损的发病率明显升高。据统计，我国每年创伤后软骨损伤达10万人，骨性关节炎总患病人数更高达1.2亿，发病率约为人口的9.6％。虽然软骨修复技术的研究不断深入，但是对于严重的膝关节OA，全膝关节置换术仍然是当前最可靠的治疗手段。近年来，我国人工关节置换的年增长率达13％，目前已达到20万例/年。

膝关节OA临床表现及体征不尽相同，其临床分期评估对于提高诊疗效果尤为重要。通过准确判断患者病情的严重程度，从而指导临床医生对患者进行TKA手术。传统的临床分期评估是在进行TKA手术前，医生根据经验及知识利用X射线并适时结合CT或MRI医学影像学数据进行评估，评估的准确度依医生不同有所差别。随着人工智能技术的不断发展，利用影像学数据进行智能分期评估成为了可能，其分期评估的准确度未来甚至可以超越有经验的医生，实现从前期辅助医生判断到成熟后独立决策，将医生从大量医学影像学数据中解放出来，减少医生间水平的差异。

发明内容

本发明的目的在于提供基于支持向量机的TKA术前临床分期智能评估方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供基于支持向量机的TKA术前临床分期智能评估方法，包括如下步骤：

S1、采集膝关节OA影像学数据，收集X线全长片数据，并配合术下肢全长CT容积扫描影像数据、骨密度数据、MR T1/T2/3D-FS-SPGR软骨成像序列数据、组织样本、病人一般资料等资料，进行筛选并进行临床分期的训练样本的数据标注；

S2、利用已进行标注临床分期的X线影像学数据，明确分期等级，对不同的线性核、多项式核和高斯核等的支持向量机进行训练；

S3、采用支持向量机进行分类输出。

作为优选，所述S2中，支持向量机进行训练的方法包括如下步骤：

S2.1、输入两类训练样品向量(X_i,Y_i)(i＝1,2,…,N,X∈Rⁿ,y∈|-1,1|)，类号分别为w₁,w₂，如果X_i∈w₁，则Y_i＝-1,；X_i∈w₂，则Y_i＝1；

S2.2、指定核函数类型；

S2.3、利用二次规划方法求解日标函数式的最优解,得到最优Lagrange乘子a^*；

S2.4、利用样本库中的一个支持向量X_i，得到偏差值b。

作为优选，所述指定核函数类型采用多项式核，其公式如下：

k(x,x')＝(<x,x'>+d)^p,p∈N,d≥0……(1)。