[发明专利]一种基于深度学习的脊髓损伤分析方法和装置

说明书

本发明公开了一种基于深度学习的脊髓损伤分析方法和装置。其中，该方法包括：制作数据集；对所述数据集进行预处理并调整待训练的脊髓分析神经网络参数；将预处理之后的数据集输入所述待训练的脊髓分析神经网络中进行模型训练；将脊髓损伤患者的实时医学影像图像作为所述训练后的脊髓分析神经网络的输入，以通过所述训练后的脊髓分析神经网络自动识别出脊髓损伤图像所在的位置、严重程度、以及损伤量大小。本发明利用大量影像数据，结合深度学习方法、纠错算法、定量分析算法以及图像对比算法自动检测出脊髓损伤图像所在的位置、严重程度、以及量大小，使得计算机智能定性、定量分析脊髓损伤成为现实。

技术领域

本发明实施例涉及计算机视觉和医学技术领域，尤其涉及一种基于深度学习的脊髓损伤分析方法和装置。

背景技术

随着对脊髓损伤的临床研究的不断深入，无论从脊髓损伤的机制、药物都有着长足的进步，但临床研究还停留在原始的“人工”，对脊髓损伤的诊断还停留在“经验学”、“肉眼预估”上，对脊髓损伤具体大小没有一个具体的量化，对同一层面的脊髓损伤信号没有具体程度的划分，然而对于一个专业的脊柱外科医生而言“经验学”、“肉眼预估”有着很大的局限性、随机性和不可控性，依据经验对脊髓损伤信号进行“粗糙”的诊断，不但会增加医生的工作量，还容易造成误诊、漏诊等问题。

发明内容

为了解决现有技术中的问题，本发明提供了一种基于深度学习的脊髓损伤分析方法和装置，以准确的检测识别出影像图像中是否存在脊髓并标记出脊髓损伤的位置、轻重、大小以及损伤严重程度，实现脊髓损伤从定性到定量的跨越、有效的缩短因临床经验程度对脊髓损伤诊断的差距以及提高诊断的正确率，减轻工作量，摆脱脊髓损伤诊疗的局限性、随机性和不可控性。

第一方面，本发明实施例提供了一种基于深度学习的脊髓损伤分析方法，包括：

S1、利用包含脊髓伤的医学影像图像制作数据集；

S2、对所述数据集进行预处理并调整待训练的脊髓分析神经网络参数；

S3、将预处理之后的数据集输入所述待训练的脊髓分析神经网络中进行模型训练，以得到训练后的脊髓分析神经网络；

S4、将脊髓损伤患者的实时医学影像图像作为所述训练后的脊髓分析神经网络的输入，以通过所述训练后的脊髓分析神经网络自动检测识别出包含脊髓损伤的影像图片、脊髓损伤在图像中的坐标信息、大小以及严重程度的Mask。

可选的，所述S1具体包括：

从脊髓损伤患者的MRI影像检查图像数据中筛选出所有脊髓损伤图像，使用VIA工具标注出所述所有脊髓损伤图像中脊髓损伤的目标Mask；

将所有标注好的脊髓损伤图像按照一定的数据格式制作成训练集。

可选的，该方法还包括：

通过纠错算法对所述训练后的脊髓分析神经网络自动检测的结果进行纠错。

可选的，所述纠错算法包括：

分别对比T2相和T2抑脂相检测识别的信号差异，再进行同一层面以及维度的对比，对比后匹配分析权重，从而纠正部分干扰物被错误识别为脊髓损伤的情况。

可选的，所述S3中的模型训练在具有GPU资源的电脑上面进行。

第二方面，本发明实施例还提供了一种基于深度学习的脊髓损伤分析装置，包括：

数据集制作模块，用于利用包含脊髓伤的医学影像图像制作数据集；

数据预处理以及参数调整模块，用于对所述数据集进行预处理并调整待训练的脊髓分析神经网络参数；

模型训练模块，用于将预处理之后的数据集输入所述待训练的脊髓分析神经网络中进行模型训练，以得到训练后的脊髓分析神经网络；

定量分析模块，用于将脊髓损伤患者的实时医学影像图像作为所述训练后的脊髓分析神经网络的输入，以通过所述训练后的脊髓分析神经网络自动检测识别包含脊髓损伤的影像图片、脊髓损伤在图像中的坐标信息、大小以及严重程度的Mask。