髋臼骨缺损的检测方法、检测装置、存储介质和处理器制造方法及图纸

本申请提供了一种髋臼骨缺损的检测方法、检测装置、存储介质和处理器。该检测方法包括：获取待测医学影像数据，待测医学影像数据为待检测者的髋臼部位的医学影像数据；采用检测模型对待测医学影像数据进行分析，确定待测医学影像数据的髋臼骨缺损程度，其中，检测模型为使用多组数据通过深度学习训练出的，多组数据中的每组数据均包括：训练医学影像数据和训练医学影像数据对应的训练髋臼骨缺损程度。该方法避免采用现有技术中的分型法确定待测医学影像数据的髋臼骨缺损程度，而是采用训练模型确定待测医学影像数据的髋臼骨缺损程度，并且，该训练模型是采用深度学习训练得到的，这样使得确定的结果较准确。

Detection method, device, storage medium and processor of acetabular bone defect

The application provides a detection method, a detection device, a storage medium and a processor for acetabular bone defect. The detection method includes: obtaining the medical image data to be tested, the medical image data to be tested is the medical image data of the acetabulum part of the person to be tested; analyzing the medical image data to be tested by the detection model, determining the degree of acetabulum bone defect of the medical image data to be tested, in which, the detection model is each of the multiple groups of data trained by deep learning The data of group A included: the degree of acetabular bone defect corresponding to the training medical image data and the training medical image data. This method avoids using the classification method in the prior art to determine the degree of acetabulum bone defect of the medical image data to be tested, but uses the training model to determine the degree of acetabulum bone defect of the medical image data to be tested, and the training model is obtained by deep learning training, so that the determined results are more accurate.

【技术实现步骤摘要】
髋臼骨缺损的检测方法、检测装置、存储介质和处理器
本申请涉及医疗领域，具体而言，涉及一种髋臼骨缺损的检测方法、检测装置、存储介质和处理器。
技术介绍
随着接受全髋关节置换术患者年龄不断增长及活动量增大，髋关节翻修手术数量不断增长。造成初次全髋关节置换术失败需行髋关节翻修术的原因很多，有感染、假体聚乙烯内衬磨损和假体习惯性脱位等。假体磨损碎屑所致假体周围骨溶解，进而引起假体无菌性松动，始终是施行髋关节翻修术的最主要原因。面对初次髋关节置换失败后髋关节翻修术，髋臼侧缺损修复重建手术策略及手术技术是对骨科医生的挑战之一。髋关节翻修术髋臼侧重建面临的最主要问题是髋臼骨缺损，其术前评估常采用Paprosky分型、美国骨科医师学会(AAOS)分型、Saleh分型、Gustilo分型及Gross分型等，其中，Paprosky分型和AAOS分型在临床上应用最为广泛。目前，这些方法难以准确地判断髋臼骨缺损的程度。在
技术介绍
部分中公开的以上信息只是用来加强对本文所描述技术的
技术介绍
的理解，因此，
技术介绍
中可能包含某些信息，这些信息对于本领域技术人员本文档来自技高网...

【技术保护点】
1.一种髋臼骨缺损的检测方法，其特征在于，包括：/n获取待测医学影像数据，所述待测医学影像数据为待检测者的髋臼部位的医学影像数据；/n采用检测模型对所述待测医学影像数据进行分析，确定所述待测医学影像数据的髋臼骨缺损程度，其中，所述检测模型为使用多组数据通过深度学习训练出的，所述多组数据中的每组数据均包括：训练医学影像数据和训练医学影像数据对应的训练髋臼骨缺损程度。/n

【技术特征摘要】
1.一种髋臼骨缺损的检测方法，其特征在于，包括：
获取待测医学影像数据，所述待测医学影像数据为待检测者的髋臼部位的医学影像数据；
采用检测模型对所述待测医学影像数据进行分析，确定所述待测医学影像数据的髋臼骨缺损程度，其中，所述检测模型为使用多组数据通过深度学习训练出的，所述多组数据中的每组数据均包括：训练医学影像数据和训练医学影像数据对应的训练髋臼骨缺损程度。


2.根据权利要求1所述的检测方法，其特征在于，所述检测模型的构建方法包括：
获取所述训练医学影像数据；
对所述训练医学影像数据进行预定处理，得到处理医学影像数据；
对所述训练医学影像数据、所述处理医学影像数据以及所述训练髋臼骨缺损程度进行训练，得到所述检测模型。


3.根据权利要求2所述的检测方法，其特征在于，所述预定处理包括以下至少之一：旋转、平移和加噪声。


4.根据权利要求2所述的检测方法，其特征在于，所述对所述训练医学影像数据、所述处理医学影像数据以及所述训练髋臼骨缺损程度进行训练，得到所述检测模型，包括：
分别获取所述训练医学影像数据以及所述处理医学影像数据中的局部二值模式特征；
分别提取所述训练医学影像数据以及所述处理医学影像数据中的深度特征；
融合所述局部二值模式特征和所述深度特征，得到融合特征；
将所述融合特征以及所述训练髋臼骨缺损程度输入至分类器中，得到所述检测模型。


5.根据权利要求4所述的检测方法，其特征在于，分别获取所述训练医学影像数据以及所述处理医学影像数据中的局部二值模式特征，包括：
分别提取所述训练医学影像数据以及所述处理医学影像数据中的预备局部二值模式特征；
对所述预备局部二值模式特征进行降维处理，得到所述局部二值模式特征。


6.根据权利要求5所述的检测方法，其特征在于，分别提取所述训练...

【专利技术属性】
技术研发人员：庞博，
申请(专利权)人：北京爱康宜诚医疗器材有限公司，
类型：发明
国别省市：北京;11