[发明专利]基于深度学习的单髁置换术前规划方法和相关设备

说明书

本发明提供一种基于深度学习的单髁置换术前规划方法和相关设备，其中的方法包括：获取膝关节图像数据，基于膝关节图像数据获得三维骨骼图像；其中，三维骨骼图像包括三维股骨图像和三维胫骨图像；识别和显示三维骨骼图像的关键点和关键轴线；并且，依据关键点和关键轴线分别计算股骨与胫骨的尺寸参数和角度参数；基于关键点、关键轴线、尺寸参数和角度参数在预先存储假体模型的数据库中进行单髁假体匹配，并将单髁假体匹配效果可视化显示。本发明克服了由于患者个体差异及医生主观经验给人工单髁置换手术所带来的缺陷，实现基于人工智能的单髁置换假体匹配，为医生提供准确有力的技术支持与保障，使单髁置换外科手术更准确、更安全。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于深度学习的单髁置换术前规划方法和相关设备。

背景技术

单髁膝关节置换术(Unicompartmental Knee Arthroplasty，简称UKA)是膝关节骨性关节炎阶梯化治疗中必不可少的一项。

近年来的临床研究发现，在内侧单间室膝关节MOA(Medial compartmental kneeOsteoarthritis，MOA)的治疗中，相较于人工全膝关节置换术(Total Knee Arthroplasty，简称TKA)而言，UKA手术治疗膝关节生物功能几乎全部保留，具有手术时间短、手术创伤小、术后并发症发生率低等优势，且术后的功能恢复也优于TKA手术。但UKA对术后下肢力线要求高，轻度的力线偏移即会影响假体使用寿命，导致返修率增高。

目前的膝关节UKA手术对于下肢力线及软组织平衡方面的把握仍依赖于手术医师的经验，对于膝关节单髁置换术中的截骨参数(比如截骨角度、截骨量)甚至假体大小的选择，是通过手术医生的“目测法”来把握，患者的个体差异及手术医生对器械掌握的熟练程度都可能会影响到手术效果。

发明内容

本发明提供一种基于深度学习的单髁置换基于深度学习的单髁置换术前规划方法、装置、电子设备及存储介质，用以克服由于患者个体差异及医生主观经验给人工单髁置换手术所带来的缺陷，实现基于人工智能的单髁置换假体匹配。

本发明提供了一种基于深度学习的单髁置换术前规划方法，该方法包括如下步骤：获取膝关节图像数据，基于所述膝关节图像数据获得三维骨骼图像；其中，所述三维骨骼图像包括三维股骨图像和三维胫骨图像；识别和显示所述三维骨骼图像的关键点和关键轴线；并且，依据所述关键点和所述关键轴线分别计算股骨与胫骨的尺寸参数和角度参数；基于所述关键点、所述关键轴线、所述尺寸参数和所述角度参数在预先存储假体模型的数据库中进行单髁假体匹配，并将单髁假体匹配效果可视化显示。

根据本发明基于深度学习的单髁置换术前规划方法，所述基于所述膝关节图像数据获得三维骨骼图像包括如下步骤：获取膝关节的图像数据，基于深度学习算法对所述图像数据进行图像分割；基于分割后的图像数据进行三维重建，获得所述三维股骨图像和三维胫骨图像，并可视化显示。

根据本发明基于深度学习的单髁置换术前规划方法，所述基于分割后的图像数据进行三维重建，获得所述三维股骨图像和三维胫骨图像，并可视化显示后，还包括：判断针对所述膝关节的图像数据的分割是否需要优化，若是，则接收输入的分割调整指令，对所述膝关节的图像数据的分割进行调整。

根据本发明基于深度学习的单髁置换术前规划方法，所述基于深度学习算法对所述图像数据进行图像分割为：基于分割神经网络模型对所述图像数据进行图像分割；并且，所述分割神经网络模型的关联参数通过基于下肢医学图像数据库中的图像数据集进行训练和测试确定；其中，所述下肢医学图像数据库中的图像数据集为标注出股骨、胫骨、腓骨和髌骨区域的下肢医学图像数据集，所述图像数据集划分为训练集和测试集。