[发明专利]基于深度学习的全髋关节置换术前规划系统

说明书

本发明提供一种基于深度学习的全髋关节置换术前规划系统，包括：全髋关节图像采集模块，用于获取待识别的全髋关节三维块状图；全髋关节识别模块，用于将待识别的全髋关节三维块状图输入到训练好的三维分割神经网络中，获取每张全髋关节二维横断面图像中的股骨区域，训练好的三维分割神经网络是由标注有股骨区域的标签的预设三维块状图，对卷积神经网络进行训练得到的；全髋关节三维图像构建模块，用于基于三维重建技术，根据每张全髋关节二维横断面图像中的股骨区域，得到股骨区域的三维图像。本发明对全髋关节三维块状图进行识别，并基于三维块状图对提取得到的股骨区域进行三维建模，进而根据该股骨区域三维模型，提高全髋关节识别精度。

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全髋关节置换术前规划系统。

背景技术

关节置换术是指采用金属、高分子聚乙烯或陶瓷等材料，根据人体关节的形态、构造及功能制成人工关节假体，通过外科技术植入人体内。

在全髋关节置换的术前规划中，医师需要凭借自身的经验，从髋关节医学图像中判断整个股骨区域，确定需要置换的假体尺寸和型号等。但是传统的全髋关节置换技术依赖于医师经验，不同经验的医师会出现不同识别结果，难以保证结果的统一性。近年来，随着医疗水平的提高，利用二维图像分割神经网络识别可以消除这一缺点。

由于髋关节形状是三维结构的，使用二维图像分割神经网络进行全髋关节分割，会丢失掉关节连续切片层之间的特征信息，导致全髋关节的识别精度较低。

发明内容

针对现有技术存在的问题，本发明提供一种基于深度学习的全髋关节置换术前规划系统。

本发明提供一种基于深度学习的全髋关节置换置换术前规划系统，包括：全髋关节图像采集模块，用于获取待识别的全髋关节三维块状图，所述待识别的三维块状图是由多张全髋关节二维横断面图像堆叠而成的；全髋关节识别模块，用于将所述待识别的全髋关节三维块状图输入到训练好的三维分割神经网络中，获取所述训练好的三维分割神经网络输出的每张全髋关节二维横断面图像中的股骨区域，所述训练好的全髋关节三维分割神经网络是由标注有股骨区域的标签的预设全髋关节三维块状图作为训练样本，对卷积神经网络进行训练得到的；全髋关节三维图像构建模块，用于基于三维重建技术，根据每张全髋关节二维横断面图像中的股骨区域，得到所述股骨区域的三维图像。

根据本发明提供的一种基于深度学习的全髋关节置换术前规划系统，所述全髋关节识别模块，还用于：获取若干张样本髋关节二维横断面图像；对每一张样本髋关节二维横断面图像中的样本股骨区域进行标注，并对所述样本股骨区域的股骨头像素标注股骨头区域标签，得到若干张第一预设髋关节二维横断面图像；根据样本髋关节二维横断面的采集顺序，将若干张所述第一预设髋关节二维横断面图像进行堆叠，得到对应的第一预设三维块状图像；将多个所述第一预设三维块状图像输入到所述初始的三维分割神经网络进行训练，得到训练好的三维分割神经网络；其中，所述初始的三维分割神经网络是由U-Net卷积网络构建得到的，且所述U-Net卷积网络的卷积核为三维卷积核。

根据本发明提供的一种基于深度学习的全髋关节置换术前规划系统，所述全髋关节识别模块，在所述将多个所述第一预设三维块状图像输入到所述初始的三维分割神经网络进行训练，得到训练好的三维分割神经网络之后，还用于：对若干张所述第一预设髋关节二维横断面图像中样本股骨区域的骨皮质像素标注骨皮质区域标签，得到若干张第二预设髋关节二维横断面图像；将若干张所述第二预设髋关节二维横断面图像按顺序进行堆叠，得到对应的第二预设三维块状图；通过多个所述第二预设三维块状图，对所述训练好的三维分割神经网络的参数进行优化，得到髋关节识别模型。