一种基于深度卷积神经网络的骨折图像自动分类系统技术方案

一种基于深度卷积神经网络的骨折图像自动分类系统，包括以下构建及训练步骤：S1：通过三维影像处理软件DMS构建训练用骨折图像数据库，按照骨折分型对每个训练数据做分类标签；S2：对所有骨折图像做统一的预处理；S3：构建自定义的深度卷积神经网络；S4：设置预定训练参数，使用数据进行训练，并使用测试数据进行测试；其中，将训练数据依次输入深度卷积神经网络中，进行训练；S5：输入新数据，进行预测。本发明专利技术用于帮助医生判断骨折分型时，先根据以往的训练数据的，计算出当前数据属于各个分型的概率，帮助医生缩小范围，从而采取更为精准医疗手术方案，提高手术成功率。

【技术实现步骤摘要】
一种基于深度卷积神经网络的骨折图像自动分类系统
本专利技术涉及计算机辅助诊断领域，尤其涉及一种基于深度卷积神经网络的骨折图像自动分类系统。
技术介绍
使用统一的临床骨折分型，有利于学者之间的交流，从而针对这些不同的骨折分型，采用专门的手术方案。以髋臼骨折为例，目前临床上髋臼骨折分型的评估较为公认的是Letournel和Judet分型：总体上将其分为简单骨折和复杂骨折，在此基础上，简单骨折细分为后壁骨折，后柱骨折，前壁骨折，前柱骨折和横行骨折；复杂骨折分为后柱和后壁骨折，横行和后壁骨折，T形骨折，前柱伴后半横行骨折以及完全双柱骨折。不同类型的髋臼骨折需要采取不同的手术策略，其他更为复杂的骨折常需要临床经验丰富的骨科医师进行细致分析和评估，再行手术方式的选择，没有统一的标准，按照实际情况操作。但是一旦骨折术前评估有误，将对手术策略的选择产生严重的影响，增加不良预后的可能性。因此，准确进行骨折分型评估，合理选择手术入路至关重要。传统的分型一般都靠医生的知识和经验，直接通过医学影像判断。自从2017年肺结节中成功应用了深度卷积神本文档来自技高网...

【技术保护点】
1.一种基于深度卷积神经网络的骨折图像自动分类系统，其特征在于，包括以下构建及训练步骤：/nS1：通过三维影像处理软件DMS构建训练用骨折图像数据库，按照骨折分型对每个训练数据做分类标签；/nS2：对所有骨折图像做统一的预处理；/nS3：构建自定义的深度卷积神经网络；/nS4：设置预定训练参数，使用数据进行训练，并使用测试数据进行测试；其中，将训练数据依次输入深度卷积神经网络中，进行训练；/nS5：输入新数据，进行预测；/n当结果预测正确时，将该正确结果加入训练数据库，再次重复训练；/n当结果预测错误时，人工校准该错误结果，并将校准后的正确结果加入训练数据库，再次重复训练。/n

【技术特征摘要】
1.一种基于深度卷积神经网络的骨折图像自动分类系统，其特征在于，包括以下构建及训练步骤：
S1：通过三维影像处理软件DMS构建训练用骨折图像数据库，按照骨折分型对每个训练数据做分类标签；
S2：对所有骨折图像做统一的预处理；
S3：构建自定义的深度卷积神经网络；
S4：设置预定训练参数，使用数据进行训练，并使用测试数据进行测试；其中，将训练数据依次输入深度卷积神经网络中，进行训练；
S5：输入新数据，进行预测；
当结果预测正确时，将该正确结果加入训练数据库，再次重复训练；
当结果预测错误时，人工校准该错误结果，并将校准后的正确结果加入训练数据库，再...

【专利技术属性】
技术研发人员：方轶智，王庆，陆炎，薛波，
申请(专利权)人：浙江德尔达医疗科技有限公司，
类型：发明
国别省市：浙江;33