人工智能腰椎间盘突出诊断及分型系统技术方案

本发明专利技术提出了一种人工智能腰椎间盘突出诊断及分型系统，包括：数据收集模块，数据收集模块接收多个腰椎图像；标记模块，标记模块与数据收集模块相连，以为多个腰椎图像中的每一个生成病变标记并将病变标记与相应的腰椎图像关联存储；神经网络分类器，使用多个腰椎图像中的每一个和病变标记训练神经网络分类器；和判别模块，判别模块接收待判腰椎图像并使用神经网络分类器判别待判腰椎图像的病变类型。本发明专利技术公开的诊断及分型系统可以自动判读腰椎间盘是否突出及突出程度，同时进行Pfirrmann分型和MSU分型，为疾病治疗方案的选择提供有价值的参考依据，并且可以为防止或减缓疾病的发生而采取预防措施提供依据。

Artificial intelligence diagnosis and classification system of lumbar disc herniation

The invention proposes an artificial intelligence diagnosis and classification system for lumbar disc herniation, which includes: data collection module, which receives multiple lumbar images; marking module, which is connected with the data collection module to generate lesion markers for each of the multiple lumbar images and associate the lesion markers with the corresponding lumbar images for storage; neural network classifier, The neural network classifier is trained by using each of the multiple lumbar images and the lesion markers; and the discrimination module receives the lumbar image to be judged and uses the neural network classifier to distinguish the lesion type of the lumbar image to be judged. The diagnosis and classification system of the invention can automatically judge whether or not the lumbar intervertebral disc is protruding and the degree of protruding. At the same time, Pfirrmann classification and MSU classification are carried out, providing valuable reference for the selection of disease treatment scheme, and providing basis for the prevention measures to prevent or slow down the occurrence of disease.

【技术实现步骤摘要】
人工智能腰椎间盘突出诊断及分型系统
本专利技术涉及一种人工智能腰椎间盘突出诊断及分型系统。
技术介绍
腰椎间盘突出多由腰椎间盘退变所致，是骨科的常见病和多发病，且发病率逐年增高，并且是引起腰腿痛的最常见原因，给患者带来了极大痛苦。腰椎间盘突出的辅助检查主要为影像学检查，而影像学报告目前均为人工判读，该领域尚未实现人工智能对影像资料判读。目前，腰椎间盘突出辅助检查主要为影像学检查，而影像学报告目前均为人工判读，但人工判读会不可避免的存在以下问题：1.存在较大的无法避免的误差，且由于医务人员的业务水平及不同区域诊疗水平的参差不齐，同一影像资料会得出不同结果；2.腰椎间盘突出的分型较复杂，不易在短时间内进行判读，致使医生负担较重，且效率不高。
技术实现思路
为解决上述技术问题，本专利技术提出了一种人工智能腰椎间盘突出诊断及分型系统，包括：数据收集模块，数据收集模块接收多个腰椎图像；标记模块，标记模块与数据收集模块相连，以为多个腰椎图像中的每一个生成病变标记并将病变标记与相应的腰椎图像关联存储；神经网络分类器，使用多个腰椎图像中的每一个和病变标记训练神经网络分类器；和判别模块，判别模块接收待判腰椎图像并使用神经网络分类器判别待判腰椎图像的病变类型。在一个实施例中，多个腰椎图像为MRI图像。在一个实施例中，多个腰椎图像为矢状位腰椎图像。在一个实施例中，标记模块包括：间盘图像采集模块，间盘图像采集模块识别多个腰椎图像中的每一个中的多个间盘并以每个间盘为中心截取多个间盘图像；和第一病变标记模块，第一病变标记模块为多个间盘图像中的每一个生成第一病变标记并将第一病变标记与相应的间盘图像关联存储。在一个实施例中，间盘图像采集模块从多个腰椎图像中的每一个中的骶骨开始并向上依次识别多个腰椎骨骼以及相邻腰椎骨骼之间的多个间盘。在一个实施例中，多个间盘图像中的每一个是以间盘为中心在相应的腰椎图像上截取的第一方形区域(ROI)。在一个实施例中，第一方形区域的长宽比为1.3:0.8。在一个实施例中，第一病变标记模块用于对多个间盘中的每一个做Pfirrmann分型标注，并且第一病变类型为Pfirrmann分型结果。在一个实施例中，多个腰椎图像中的每一个为腰椎横断面图像。在一个实施例中，标记模块包括：骨窗图像采集模块，骨窗图像采集模块识别多个腰椎图像中的每一个中的骨窗并以骨窗为中心截取多个骨窗图像；和第二病变标记模块，第二病变标记模块为多个骨窗图像中的每一个生成第二病变标记并将第二病变标记与相应的骨窗图像关联存储。在一个实施例中，多个骨窗图像中的每一个是以骨窗为中心在相应的腰椎图像上截取的第二方形区域(ROI)。在一个实施例中，第二方形区域的长宽比为1.3:0.8。在一个实施例中，第二病变标记模块对多个骨窗图像中的每一个进行MSU分型标记，并且第二病变类型为MSU分型结果。在一个实施例中，通过多个腰椎图像中的每一个的灰度值训练神经网络分类器，以使神经网络分类器能够依据腰椎图像的灰度值判断病变类型。本专利技术提出的人工智能腰椎间盘突出诊断及分型系统可以自动判读腰椎间盘是否突出及突出程度，同时进行Pfirrmann分型和MSU分型，为疾病治疗方案的选择提供有价值的参考依据，并且可以为防止或减缓疾病的发生而采取预防措施提供依据。另外，该诊断及分型系统还具有阅片速度快、判读精确程度更高的优点，缩小了不同医务人员水平或不同地区诊疗水平的差异，大大缓解医务人员负担，提高诊疗效率。附图说明图1a为输入至根据本专利技术的一个示例性实施例的人工智能腰椎间盘突出诊断及分型系统的矢状位腰椎图像；图1b为使用根据本专利技术的一个示例性实施例的人工智能腰椎间盘突出诊断及分型系统识别图1a中所示的腰椎图像中的骨骼的图像；图1c为使用根据本专利技术的一个示例性实施例的人工智能腰椎间盘突出诊断及分型系统截取图1a中所示的腰椎图像中的多个间盘图像的示意图；图1d为通过根据本专利技术的一个示例性实施例的人工智能腰椎间盘突出诊断及分型系统的标记模块标记腰椎图像生成病变标记的示意图；图2a为通过根据本专利技术的另一个示例性实施例的腰椎间盘突出诊断与分型系统的标记模块对图1a中所示的腰椎图像进行Pfirrmann分型的示例；图2b为根据本专利技术的一个示例性实施例的腰椎间盘突出诊断与分型系统的判别模块执行Pfirrmann分型的分型标准；图3a为输入至根据本专利技术的一个示例性实施例的人工智能腰椎间盘突出诊断及分型系统的腰椎横断面图像；和图3b为使用根据本专利技术的一个示例性实施例的人工智能腰椎间盘突出诊断及分型系统识别图3a中所示的腰椎图像中的骨窗的图像。具体实施方式下面结合附图对本专利技术提出的人工智能腰椎间盘突出诊断及分型系统做进一步说明。本专利技术公开的人工智能腰椎间盘突出诊断及分型系统包括数据收集模块、标记模块、神经网络分类器和判别模块，其中数据收集模块、标记模块用于收集并标记腰椎图像，使用多个腰椎图像和相应的病变标记训练神经网络分类器，判别模块接收待判腰椎图像并通过神经网络分类器识别待判腰椎图像中示出的病变类型，以辅助医生选择最优的治疗方案。数据收集模块用于接收多个腰椎图像，以做数据存储准备。本领域技术人员应当理解的是，作为神经网络分类器训练基础的腰椎图像的数量越大，所获得的神经网络分类器判读结果越精确，因此在实际操作中可以通过数据收集模块收集典型和特别的病变腰椎图像来训练神经网络分类器。通过数据收集模块接收的腰椎图像为MRI图像，或者可以通过医疗设备获得的能够帮助医生判断腰椎情况的任何其它图像。标记模块用于识别并标记多个腰椎图像，为每个腰椎图像生成相应的病变标记，并将病变标记与相应的腰椎图像关联存储以作为神经网络分类器的训练材料。其中，病变标记可以是表示正常和对不同病变程度的标记。使用多个腰椎图像中的每一个及与其关联的病变标记来训练神经网络分类器，从而获得对腰椎的MRI图像的正确识别。在腰椎间盘突出诊断及分型中，将病人的腰椎图像输入判别模块，判别模块使用神经网络分类器判别待判腰椎图像的病变类型，以辅助医生选择最优的治疗方案。由上述说明可知，本专利技术公开的人工智能腰椎间盘突出诊断及分型系统在采集多个腰椎间盘突出的病变图像基础上对神经网络分类器进行训练，获得精确的识别模型，从而使用神经网络分类器对腰椎图像进行自动识别并输出相应的病变类型，辅助医生选择治疗方案。这样，使用诊断及分型系统可以快速确定腰椎病变类型，不需要依赖医务人员的个人经验，具有较高的可靠性，并且减少了医务人员的劳动强度。下面以使用本专利技术公开的诊断及分型系统对腰椎图像进行病变识别、Pfirrmann分型和MSU分型为例说明该系统的结构、特征及优点。需要说明的是，本专利技术公开的人工智能腰椎间盘突出诊断及分型系统还可以用于执行Pfirrm本文档来自技高网...

【技术保护点】
1.一种人工智能腰椎间盘突出诊断及分型系统，包括：/n数据收集模块，所述数据收集模块接收多个腰椎图像；/n标记模块，所述标记模块与所述数据收集模块相连，以为所述多个腰椎图像中的每一个生成病变标记并将所述病变标记与相应的腰椎图像关联存储；/n神经网络分类器，使用所述多个腰椎图像中的每一个和所述病变标记训练所述神经网络分类器；和/n判别模块，所述判别模块接收待判腰椎图像并使用所述神经网络分类器判别所述待判腰椎图像的病变类型。/n

【技术特征摘要】
1.一种人工智能腰椎间盘突出诊断及分型系统，包括：
数据收集模块，所述数据收集模块接收多个腰椎图像；
标记模块，所述标记模块与所述数据收集模块相连，以为所述多个腰椎图像中的每一个生成病变标记并将所述病变标记与相应的腰椎图像关联存储；
神经网络分类器，使用所述多个腰椎图像中的每一个和所述病变标记训练所述神经网络分类器；和
判别模块，所述判别模块接收待判腰椎图像并使用所述神经网络分类器判别所述待判腰椎图像的病变类型。


2.根据权利要求1所述的人工智能腰椎间盘突出诊断及分型系统，其中，所述多个腰椎图像为MRI图像。


3.根据权利要求1所述的人工智能腰椎间盘突出诊断及分型系统，其中，所述多个腰椎图像为矢状位腰椎图像。


4.根据权利要求3所述的人工智能腰椎间盘突出诊断及分型系统，其中，所述标记模块包括：
间盘图像采集模块，所述间盘图像采集模块识别所述多个腰椎图像中的每一个中的多个间盘并以每个间盘为中心截取多个间盘图像；和
第一病变标记模块，所述第一病变标记模块为所述多个间盘图像中的每一个生成第一病变标记并将所述第一病变标记与相应的间盘图像关联存储。


5.根据权利要求4所述的人工智能腰椎间盘突出诊断及分型系统，其中，所述间盘图像采集模块从所述多个腰椎图像中的每一个中的骶骨开始并向上依次识别多个腰椎骨骼以及相邻腰椎骨骼之间的多个间盘。


6.根据权利要求4所述的人工智能腰椎间盘突出诊断及分型系统，其中，所述多个间盘图像中的每一个是以间盘为中心在相应的腰椎图像上截取的第一方形区域(ROI)。


7.根据权利要求6所述的人工智能腰椎间盘突出诊...

【专利技术属性】
技术研发人员：冯世庆，张逸凌，张蒂，刘星宇，段会全，安奕成，石家晓，潘大宇，张云东，朱世博，吴宇，
申请(专利权)人：冯世庆，北京长木谷医疗科技有限公司，
类型：发明
国别省市：天津;12