[发明专利]肋骨骨折检测模型训练系统、方法、检测系统和检测方法

权利要求书

1.一种肋骨骨折检测模型训练系统，包括以下模块：

数据采集和标注模块：采集多个包含肋骨的CT图像，由专家在CT图像上标注肋骨骨折的区域；

预处理模块：提取CT图像中的骨骼区域作为目标区域，在目标区域中对CT图像进行采样，得到3D局部CT图像；

3D DeepLab网络架构模块：预处理模块采样得到的图像作为输入逐个经过编码器，得到输出特征，然后再经过解码器，输出对肋骨骨折区域的分割结果；所述编码器使用3DResNet-HR，所述3D ResNet-HR结构由以下公式表述：

其中，X_input代表编码器的输入, X_intermediate代表编码器的中间结果, X_output代表编码器的输出，stride=1表示卷积层或最大池化层的步长为1，kernel=7表示卷积层的卷积核大小为7，dilation=2表示卷积层的膨胀率为2；N为模型中ConvBlock的数量，ConvBlock为编码器中的卷积模块，任意的一个ConvBlock由两个连续的ConvLayer和一个最大池化层依次拼接而成，其中ConvLayer由一个卷积层、一个归一化层和一个非线性激活函数依次拼接而成；

模型训练模块：使用若干个阳性和若干个阴性样本对模型进行训练，一个所述阳性样本是一个包含专家标注在内的随机中心剪裁，一个所述阴性样本是无骨折的肋骨区域或非肋骨的骨骼区域的剪裁。

2.如权利要求1所述的模型训练系统，其特征在于：所述3D DeepLab网络架构模块使用3D ASPP作为编码器的输出特征，所述3D ASPP由一个1×1×1的3D卷积层、一个3×3×3的3D卷积层、一个膨胀率为2的3×3×3的3D膨胀卷积层、一个膨胀率为3的3×3×3的3D膨胀卷积层、一个膨胀率为4的3×3×3的3D膨胀卷积层和一个全局池化层组成。

3.如权利要求1所述的模型训练系统，其特征在于，在3D Deeplab网络架构模块与模型训练模块之间，还包括后处理模块，所述后处理模块对所述3D Deeplab网络架构模块输出的分割结果进行后处理，去除体积小于200个体素单位的连通区域以及存在于人体脊柱区域中的分割结果。

4.如权利要求1-3任一项所述的模型训练系统，其特征在于，所述3D DeepLab网络架构模块中编码器的激活函数均为QSwish函数，所述QSwish函数的公式如下：

其中，x表示QSwish函数的输入。

5.一种肋骨骨折检测系统，其特征在于，包括数据采集模块、预处理模块和检测模块；所述数据采集模块采集包含肋骨的CT图像；所述预处理模块提取CT图像中的骨骼区域作为目标区域，在目标区域中对CT图像进行采样，得到3D局部CT图像；所述检测模块包含根据权利要求1-4任一项所述模型训练系统得到的模型，所述检测模块以预处理模块采样得到的3D局部CT图像依次作为模型输入，输出对肋骨骨折区域的分割结果。