[发明专利]一种骨科植入物类特征智能构建方法及系统

说明书

本发明公开了一种骨科植入物类特征智能构建方法及系统。本发明方法包括步骤：S1、对骨折图像中的模糊区域作修复处理，并通过训练深度卷积神经网络模型提取骨折特征；S2、通过主成分分析方法和决策树对收集的骨骼形态参数进行提取以获得骨骼形态特征；S3、将所述骨折特征和骨骼形态特征融入植入物特征，生成植入物类特征。本发明系统与上述方法对应。本发明建立起植入物特征和骨骼特征的内在关联机制，避免了特征的重复定义；并且，本发明灵活性高，适用性强，缩短植入物设计周期，对于提高骨折术前规划的效率和自动化水平有着重要的理论意义和实际应用价值，具有非常广阔的应用前景。

技术领域

本发明属于计算机辅助分析技术领域，尤其涉及一种骨科植入物类特征智能构建方法及系统。

背景技术

骨科植入物特征的构建是骨折术前规划的重要环节，对手术治疗效果起着至关重要的作用。骨科植入物是指通过手术植入人体，以替代、修复患者的骨骼、关节和软骨等组织，或者对这些组织进行定位、支撑的器件和材料。近年来，随着医疗水平和健康意识的不断提升，以及人口老龄化程度的不断加大，我国植入物市场规模持续快速增长。目前植入物设计主要采用数字化技术，且逐渐朝着智能化方向发展。然而医疗手段中应用数字化技术在国内外都是一个十分独特的交叉领域，现阶段在植入物模型构建的过程中，仍然依赖于过多的医工交互，自动化程度不高。这是由于缺乏有效的设计模式和参数载体，造成容易出现设计错误、延长设计周期。可见，寻求一个便捷、高效、准确的植入物设计模式和参数载体是骨折术前规划中亟待解决的问题。

发明内容

本发明的目的在于提供一种骨科植入物类特征智能构建方法及系统，进而为植入物设计提供更便捷的参数载体，通过将植入物特征和骨骼特征封装为一个具有高内聚性的类，有望为植入物设计提供一个便捷高效的设计模式。

本发明是这样实现的，一种骨科植入物类特征智能构建方法，该方法包括以下步骤：

S1、对骨折图像中的模糊区域作修复处理，并通过训练深度卷积神经网络模型提取骨折特征；

S2、通过主成分分析方法和决策树对收集的骨骼形态参数进行提取以获得骨骼形态特征；

S3、将所述骨折特征和骨骼形态特征融入植入物特征，生成植入物类特征。

优选地，所述步骤S1具体为：

S11、采用方向模板对骨折线上的模糊区域进行修复处理；

S12、建立并训练深度卷积神经网络模型，从影像中自动识别出骨折类型，以病例数据代入模型得出判断结果。

优选地，在步骤S11中，所述方向模板是根据骨折线的连续性和方向性，拟出骨折线的8个走向，并分别定义出与各个走向匹配的模板；取各模块相连的2×2像素的灰度平均值作为各模块的值，之后采用迭代阈值法自动获得最佳灰度阈值，计算出8个方向模板DL1～DL8的取值；

在步骤S12中，所述训练深度卷积神经网络模型为ResNet-50网络结构，该ResNet-50网络结构的残差模块的输入为X，输出H(X)为：

H(X)＝F(X)+X (1)

F(X)＝W₂δ(W₁X) (2)

其中，F是残差函数，δ表示修正线性单元激活函数。

优选地，所述步骤S2具体为：

S21、采用主成分分析方法对收集的骨骼形态参数降维，提取主成分；

S22、以骨骼形态特征中各主成分综合得分的信息增益作为依据构建决策树，基于决策树提取骨骼形态特征，计算主成分综合得分。