[发明专利]基于深度学习的股骨小转子识别方法、装置及电子设备

说明书

本申请公开了一种基于深度学习的股骨小转子识别方法、装置及电子设备所述方法包括：获取待识别二维横断面图像；利用分割网络对所述待识别二维横断面图像进行股骨分割；利用层面分类器对所述股骨分割结果图像进行分类，得到小转子层面；利用点识别网络识别所述小转子层面，定位小转子关键点。采用人工智能对小转子进行识别，可以得到传统医学定义的小转子区域关键点，相比于通过医生手工在小转子区域内取点定位，并计算腿长差，可以大大提高小转子定位的准确性，并能大大提高腿长差的计算精度，为医生手术提供可靠的数据支持。

技术领域

本申请涉及医学技术领域，具体而言，涉及一种基于深度学习的股骨小转子识别方法、装置及电子设备。

背景技术

在医学领域中能否准确的确定一些关键位置是一些医学手术成功的重要影响因素。比如在截骨手术中，由于小转子突出点与坐骨结节连线的垂线，两侧距离之差(L1-L2)可以代表肢体缩短距离参见图1，因此，小转子的位置决定了股骨颈截骨的位置，一般股骨颈截骨的位置位于小转子上缘上方不能小于3mm。因此，精准的定位小转子可在术前判断下肢长度差异，减免患者手术后双下肢长度差异过大。

而目前数字重建放射影像中腿长差的计算只能通过医生手工取点计算，由于医学定义中小转子是一个区域，如图1所示的小转子，再加之人工在小转子区域中取点，导致精准度过低低，标定稳定性差，可能导致患者手术后双下肢长度差异过大，无法满足实际需要。

因此，如何确定股骨小转子的精确位置成为亟待解决的技术问题

发明内容

本申请的主要目的在于提供一种基于深度学习的股骨小转子识别方法、装置及电子设备，以提出一种确定股骨小转子的精确位置。

为了实现上述目的，根据本申请的第一方面，提供了一种基于深度学习的股骨小转子识别方法，包括：获取待识别二维横断面图像；利用分割网络对所述待识别二维横断面图像进行股骨分割；利用层面分类器对股骨二维横断面分割结果图像进行分类，得到小转子层面；利用点识别网络识别所述小转子层面，定位小转子关键点。

可选地，所述分割网络包括预设分割神经网络，所述预设分割神经网络通过对股骨层面的标注训练样本进行训练得到；在所述利用预设分割神经网络对所述待识别二维横断面图像进行分割，得到股骨二维横断面分割结果图像。

可选地，所述层面分类器包括预设分类神经网络，所述预设分类神经网络根据对小转子层面的标注训练样本进行训练得到；利用所述层面分类器对所述待识别二维横断面图像进行分类包括：利用预设分类神经网络对所述股骨二维横断面分割结果进行分类，得到小转子层面。

可选地，所述利用点识别网络识别所述小转子层面，定位小转子关键点包括：拟合髓腔轴线；利用所述点识别网络识别所述小转子层面得到多个子关键点；在所述多个子关键点中选择距离所述髓腔轴线最远的点作为小转子关键点。

可选地，所述拟合髓腔轴线包括：根据平面图像的质心公式计算多个股骨髓腔中心点，所述髓腔中心点包括小转子层面的髓腔中心点和/或股骨层面的髓腔中心点；对中心点进行线拟合，确定髓腔轴线。

根据第二方面，本申请提供了一种基于深度学习股骨小转子识别装置，包括：获取模块，获取待识别二维横断面图像；分割模块，用于利用分割网络对所述待识别二维横断面图像进行股骨分割；分类模块，用于利用层面分类器对股骨二维横断面分割结果进行分类，得到小转子层面；识别模块，用于利用点识别网络识别所述小转子层面，定位小转子关键点。

根据第三方面，本申请提供了一种腿长差识别方法，包括：利用上述第一方面任意一项所述基于深度学习的股骨小转子识别方法得到小转子关键点；基于所述小转子关键点计算腿长差。

根据第四方面，本申请提供了一种腿长差识别装置，包括：小转子识别模块，用于利用上述第一方面任意一项所述基于深度学习的股骨小转子识别方法得到小转子关键点；计算模块，用于基于所述小转子关键点计算腿长差。