图像处理、图像处理模型的训练方法及系统技术方案

本发明专利技术公开了一种图像处理、图像处理模型的训练方法及系统，其中，所述图像处理方法包括：获取待检测图像；将所述待检测图像输入神经网络模型进行处理，得到骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果；其中，所述神经网络模型是基于训练图像进行机器训练学习确定的。本发明专利技术采用训练好的深度学习网络同时实现骨骼分割，骨骼中心线分割和骨骼骨折检出功能，可以使总耗时缩短百分之五十，模型节省内存空间百分之四十，同时可以帮助医生减轻读片负担，加快读片时间，降低漏诊概率，降低医患矛盾。

Training Method and System of Image Processing and Image Processing Model

The invention discloses a training method and system for image processing and image processing model, in which the image processing method includes: acquiring the image to be detected; inputting the image to be detected into the neural network model for processing, obtaining the results of bone segmentation, bone center line segmentation and bone fracture detection; and the neural network model is based on the training graph. It's like learning by machine training. The invention adopts a well-trained in-depth learning network to realize the functions of bone segmentation, bone center line segmentation and bone fracture detection simultaneously, which can shorten the total time consumption by 50%, save the memory space by 40% of the model, at the same time help doctors reduce the burden of reading films, speed up the time of reading films, reduce the probability of missed diagnosis and reduce the contradiction between doctors and patients.

【技术实现步骤摘要】
图像处理、图像处理模型的训练方法及系统
本专利技术涉及图像处理
，尤其涉及一种图像处理、图像处理模型的训练方法及系统。
技术介绍
随着时代的发展，各种因车祸跌倒等意外事故原因造成的胸部外伤时常发生，骨骼骨折(比如肋骨骨折)是常见现象，X线平片对骨骼骨折显示敏感度较低，且难以清晰显示胸部及胸壁其他病变，故CT是胸部疾病的首选影像检查方式，常作为胸部外伤受访者，尤其是骨骼外伤后责任鉴定的重要手段。骨骼骨折虽然大部分危害不大，但是由于司法鉴定对肋骨骨折个数有不同的量刑，而且部分骨骼骨折表现隐匿，微小骨骼骨折容易漏诊，极易产生纠纷。由于骨骼，比如肋骨解剖形态独特，对骨骼骨折的评价需要参考多个CT横断层，并进行反复的观察，耗时耗力的过程。另一方面，临床骨折分析需要鉴定骨折出现的骨骼部位，所以需要对骨骼进行分割和标签化。现有的骨骼分割和骨骼骨折检出都是分开处理，比如可通过用户手动设置合适阈值，确定肋骨的大致范围，之后用区域生长或者分水岭算法的填充空洞和平滑边界的方法，或通过机器学习的方法，或结合肋骨的纹理特征和灰度特征实现骨骼分割，比如可根据用户的医学知识，采用软件逐层的查看肋骨的特征，以本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：获取待检测图像；将所述待检测图像输入神经网络模型进行处理，得到骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果；其中，所述神经网络模型是基于训练图像进行机器训练学习确定的。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取待检测图像；将所述待检测图像输入神经网络模型进行处理，得到骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果；其中，所述神经网络模型是基于训练图像进行机器训练学习确定的。2.根据权利要求1所述的方法，其特征在于，所述将所述待检测图像输入神经网络模型进行处理，得到骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果，包括；将所述待检测图像输入所述神经网络模型进行网络前向传播计算；在第m次下采样编码之后，插入m次上采样编码，得到所述骨骼骨折检测结果；继续进行下采样编码，在第n次下采样编码之后，进行n次上采样编码，得到所述骨骼分割结果和所述骨骼中心线分割结果；其中，m小于n，且m、n为正整数。3.根据权利要求1所述的方法，其特征在于，所述将所述待检测图像输入神经网络模型进行处理，得到骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果之后，还包括：根据预设阈值对所述骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果分别进行二值化处理：对二值化处理后的所述骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果分别进行连通域标记，得到多标记的图像；根据预设阈值统计所述多标记图像中每一个标记的像素个数，得到高分辨率下的骨骼分割掩膜、骨骼中心线掩膜和每一处骨折在所述待检测图像中的位置坐标。4.一种图像处理模型的训练方法，其特征在于，所述方法包括：获取训练图像；基于所述训练图像训练神经网络模型；其中，经训练的神经网络模型被配置为能够根据输入的图像同时输出骨骼分割结果、骨骼中心线分割结果和骨骼骨折检测结果。5.根据权利要求4所述的方法，其特征在于，所述基于所述训练图像训练神经网络模型包括：将所述训练图像输入预设的神经网络进行骨骼分割训练和骨骼中心线分割训练，并固定训练过程中的参数，得到骨骼分割模块和骨骼中心线分割模块；继续通过所述预设的神经网络对所述训练图像进行骨骼骨折检测训练，并固定训练过程中的参数，得到骨骼骨折检测模块。6.一种图像处...

【专利技术属性】
技术研发人员：唐章源，王誉，吴迪嘉，詹翊强，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海,31