申请/专利权人：哈尔滨医科大学附属第一医院;黑龙江拓盟科技有限公司

申请日：2022-01-25

公开（公告）日：2024-04-02

公开（公告）号：CN114494183B

主分类号：G06T7/00

分类号：G06T7/00;G16H30/40;G16H50/70;G06T7/62;G06T3/4007;G06T7/194;G06V10/44;G06V10/774;G06V10/82;G06N3/0464;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.05.31#实质审查的生效;2022.05.13#公开

摘要：一种基于人工智能的髋臼半径自动测量方法及系统，涉及髋臼半径测量技术领域，用以解决现有技术不能对人体髋臼半径进行准确地自动测量的问题。本发明的技术要点包括：通过CT获取患者的医学影像数据并对其进行标注，对经过标注的多张CT影像进行预处理，基于训练的基于2DUnet神经网络的分割模型将髋关节结构分割出来，并通过预训练的基于3DUnet神经网络的识别模型对髋臼上的特征点进行识别，从而计算髋臼窝的半径，完成髋臼半径的测量。本发明可用于骨科术前的手术规划，可以使得之后的手术过程更精准，更个性化，并发症更低。本发明具有强大的临床应用前景和价值。

主权项：1.一种基于人工智能的髋臼半径自动测量方法，其特征在于，包括以下步骤：步骤一、采集多个患者对应其人体髋关节部位的多张CT影像，并在CT影像上对髋关节结构进行标注；所述髋关节结构包括股骨、耻骨、骼骨和髋臼；步骤二、对经过标注的多张CT影像进行预处理，并将预处理后的多张CT影像分为训练集和测试集；步骤三、将训练集输入2DUnet神经网络模型进行训练，获得训练好的基于2DUnet神经网络的分割模型；步骤四、将测试集输入训练好的基于2DUnet神经网络的分割模型，获得髋关节结构分割结果；所述髋关节结构分割结果包括髋关节结构像素矩阵和背景像素矩阵；步骤五、将所述髋关节结构像素矩阵输入预训练的基于3DUnet神经网络的识别模型中进行识别，获得髋臼上的特征点；所述特征点包括髋臼的上缘顶点和下缘顶点；步骤六、根据所述特征点计算髋臼窝的半径，完成测试集中髋臼半径的测量；具体步骤包括：计算髋臼的上缘顶点和下缘顶点之间的直线距离；根据每个像素点代表的实际物理长宽和各个CT影像之间的厚度计算获得髋臼窝直径，从而获得髋臼半径；其中，髋臼窝直径d的计算公式为： 式中，L表示髋臼的上缘顶点和下缘顶点之间的直线距离；k、p表示每个像素点代表的实际物理长宽；q表示各个CT影像之间的厚度。

全文数据：

权利要求：

百度查询： 哈尔滨医科大学附属第一医院;黑龙江拓盟科技有限公司 一种基于人工智能的髋臼半径自动测量方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD