The invention belongs to the technical field of image processing, and specifically provides an automatic detection method of rib fracture based on the rib unfolding diagram. The automatic detection method includes: obtaining the rib CT image of each rib based on the original CT image; obtaining the rib unfolding diagram of each rib based on the rib CT image of each rib; detecting the rib unfolding diagram by the rib fracture automatic detection model to obtain the rib Fracture location of bone. The original CT image is segmented to obtain the CT image of each rib, and then the CT image of each rib is expanded to obtain the expanded picture of each rib. Finally, the expanded picture of each rib is detected by the automatic detection model of rib fracture to obtain the fracture position of the rib. By such setting, the training mode can be greatly reduced It can improve the speed and accuracy of detecting the position of rib fracture.
【技术实现步骤摘要】
基于肋骨展开图的肋骨骨折自动检测方法
本专利技术属于图像处理
,具体涉及一种基于肋骨展开图的肋骨骨折自动检测方法。
技术介绍
计算机断层扫描(CT)是用于诊断肋骨骨折及其他骨病的主要方法,每名患者的CT图像数量都有两三百张甚至更多,医生为了诊断肋骨骨折及其他骨病,往往需要逐层地对CT图像进行检查,跟踪每根肋骨在不同层CT图像的动态变化。现有的基于胸部CT的病灶自动检测方法,通常是直接处理CT三维数据或逐层处理CT二维数据,对于标注数据数量要求较大。因此,如何提出一种解决上述问题的技术方案是本领域技术人员目前需要解决的问题。
技术实现思路
为了解决现有技术的上述问题,即为了解决现有的基于胸部CT的肋骨骨折自动检测方法需要大量标注数据的问题,本专利技术提供了一种基于肋骨展开图的肋骨骨折自动检测方法,所述自动检测方法包括:基于原始CT图像获取每根肋骨的肋骨CT图像;基于每根肋骨的所述肋骨CT图像获取每根肋骨的肋骨展开图;通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置;其中,所述肋骨骨折自动检测模型是利用机器学习算法构建的神经网络深度学习模型。在上述自动检测方法的优选技术方案中,“通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置”的步骤具体包括:对所述肋骨展开图以预设步长、预设宽度以及预设长度进行切割采样,获取若干个样本;通过所述肋骨骨折自动检测模型对所述若干个样本进行检测分类并输出分类结果;对所述若干个样本以所述预设步长进行复位拼接;对复位拼接 ...
【技术保护点】
1.一种基于肋骨展开图的肋骨骨折自动检测方法,其特征在于,所述自动检测方法包括:/n基于原始CT图像获取每根肋骨的肋骨CT图像;/n基于每根肋骨的所述肋骨CT图像获取每根肋骨的肋骨展开图;/n通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置;/n其中,所述肋骨骨折自动检测模型是利用机器学习算法构建的神经网络深度学习模型。/n
【技术特征摘要】
1.一种基于肋骨展开图的肋骨骨折自动检测方法,其特征在于,所述自动检测方法包括:
基于原始CT图像获取每根肋骨的肋骨CT图像;
基于每根肋骨的所述肋骨CT图像获取每根肋骨的肋骨展开图;
通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置;
其中,所述肋骨骨折自动检测模型是利用机器学习算法构建的神经网络深度学习模型。
2.根据权利要求1所述的自动检测方法,其特征在于,“通过肋骨骨折自动检测模型检测所述肋骨展开图以获取肋骨的骨折位置”的步骤具体包括:
对所述肋骨展开图以预设步长、预设宽度以及预设长度进行切割采样,获取若干个样本;
通过所述肋骨骨折自动检测模型对所述若干个样本进行检测分类并输出分类结果;
对所述若干个样本以所述预设步长进行复位拼接;
对复位拼接后的所述肋骨展开图中的骨折位置进行处理合并得到肋骨的骨折位置,
其中,所述肋骨骨折自动检测模型设置为能够对所述若干个样本进行二分类。
3.根据权利要求1所述的自动检测方法,其特征在于,“基于原始CT图像获取每根肋骨的肋骨CT图像”的步骤包括:
基于预设的肋骨分割模型对所述原始CT图像进行分割以获得三维肋骨分割图像;
基于所述三维肋骨分割图像获取每根肋骨的所述肋骨CT图像,
其中,所述肋骨分割模型是基于预先标定的肋骨图像并利用机器学习算法所构建的神经网络模型。
4.根据权利要求3所述的自动检测方法,其特征在于,“基于所述三维肋骨分割图像获取每根肋骨的所述肋骨CT图像”的步骤包括:
对所述三维肋骨分割图像进行连通区域计算以获得每根肋骨的所述肋骨CT图像。
5.根据权利要求3所述的自动检测方法,其特征在于,在“基于预设的肋骨分割模型对所述原始CT图像进行分割以获得三维肋骨分割图像...
【专利技术属性】
技术研发人员:范晓晨,冯建兴,周英,钱黎俊,
申请(专利权)人:上海皓桦科技股份有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。