[发明专利]一种关节疾病的医学影像的动态分割方法

权利要求书

1.一种关节疾病的医学影像的动态分割方法，其特征在于，包括：

获取待识别的患者关节医学影像，并进行关节三维模型重建，生成关节三维模型；

通过预设的关节识别特征网络，对关节三维模型进行特征点识别，并进行特征点标记；

将特征点标记作为动态分割基准点，通过动态分割基准点，进行关节自动动态分割。

2.一种关节疾病的医学影像的动态分割方法，其特征在于，所述方法还包括：

获取患者关节医学影像；

对患者关节医学影像进行识别处理，进行关节部位标记；

通过阈值分割方法获得与关节部位标记相对应的关节部位图像；

对关节部位图像进行边缘检测，得到关节部位的边缘点云；

基于边缘点云，生成患者关节的点云影像轮廓。

3.如权利要求2所述的一种关节疾病的医学影像的动态分割方法，其特征在于，所述关节三维模型重建包括：

对点云影像轮廓进行特征提取，并基于预设的待填充关节三维模型，得到多个待重建模型的匹配点集合；其中，

特征提取包括：关节面特征提取、关节囊特征提取、关节腔特征提取；

根据匹配点集合，在三维建模坐标系中的坐标，生成患者关节特征数据的匹配填充坐标数据；

基于匹配填充坐标数据，通过对极约束算法，得到患者关节数据集填充的数据填充标记矩阵；

基于数据填充标记矩阵，对点云影像轮廓进行点云数据填充，生成点云模型；

通过点云模型，进行三维点云转化，生成关节三维模型。

4.如权利要求2所述的一种关节疾病的医学影像的动态分割方法，其特征在于，所述方法还包括：

建立用于提取关节特征的目标识别网络，并对网络中的关节轮廓特征和关节部位特征进行融合；

对目标的患者关节医学影像进行特征提取，生成融合特征图，通过目标识别网络对融合特征图识别，得到患者关节医学影像下的目标位置与类别确定；

通过增量学习对目标识别网络的运算和结构进行自动化调优和持续性演化；

建立流式计算处理框架对目标识别网络进行任务分发，通过任务分发，依次识别不同的患者关节部位。

5.如权利要求2所述的一种关节疾病的医学影像的动态分割方法，其特征在于，所述方法还包括：

获取待识别关节的关节三维模型；其中，

所述关节三维模型包括关节三维图像和用于对比关节的图像纹理信息；

将所述关节三维图像输入特征识别模型的图像特征提取层，输出所述待处理关节的关节图像特征；其中，

所述特征识别模型是通过预先进行关节特征训练的深度网络构成；

将用于对比关节的图像纹理信息输入特征识别模型的对比识别特征提取层，输出关节三维模型的图像纹理特征；

将关节图像特征和图像纹理特征输入特征识别模型的特征组合层，输出关节三维模型的关节组合特征；

根据关节组合特征，进行组合点标记，确定关节特征点。

6.如权利要求2所述的一种关节疾病的医学影像的动态分割方法，其特征在于，所述方法还包括：

通过关节特征点，确定关节连接处的特征点集合；

根据特征点集合，确定患者关节栅格图坐标系关节连接处的坐标集合，并根据目标图像，确定目标图像中的目标框集合；

根据关节连接处的坐标集合，确定三维坐标信息，并将三维坐标信息作为特征点标记。

7.如权利要求1所述的一种关节疾病的医学影像的动态分割方法，其特征在于，所述方法还包括：

获取患者关节医学影像的特征点标记图；

基于预设的池化模块，提取特征点标记图在不同特征点集合分割下的第一特征图，并对第以特征图进行最大池化和平均池化后调整特征图通道和分割点，获得不同关节部位的特征图；

将各个不同关节部位的特征图与特征点标记图融合，获得融合特征图，并应用预先训练的关节划分融合模块调整融合特征图对应的不同关节部位的图像特征，重标定融合特征图；

应用预先设置的上图层提取模块对已调整的融合特征图进行关节框图提取，在不同的图层提取不同的关节部位，并生成对应关节部位分割图。