本发明专利技术公开一种基于目标检测神经网络的骨盆参数自动测量方法。本发明专利技术针对X光侧位影像进行数据增强、预处理、数据标注，得到下半身影像图数据集，采用目标检测方法，在上述数据集上训练目标检测模型，并使用训练所得模型对输入的X光侧位影像图进行检测，设置阈值筛选出骶1椎体上缘线与股骨头候选框，根据候选框的坐标完成骨盆参数SS、PT、PI的自动测量。本发明专利技术结合目标检测与图像处理方法，实现骨盆参数的快速准确测量，从而辅助临床医生诊断、减轻临床医生工作量。临床医生工作量。临床医生工作量。
【技术实现步骤摘要】
一种基于目标检测神经网络的骨盆参数自动测量方法
[0001]本专利技术属于医学图像检测领域，具体涉及一种基于目标检测神经 网络的骨盆参数自动测量方法。
技术介绍
[0002]成人脊柱畸形(Adult Spinal Deformity，ASD)，是指从正面看 时脊柱的排列偏差超过10度，或者从侧面看时脊柱弯曲度降低的情 况，其症状可能包括明显的疼痛和功能下降，对患者的生活质量产生 重大影响，其治疗策略的选择和疗效评估愈发受到当前脊柱外科医生 的关注。
[0003]精准的ASD分型是制定合理手术方案的重要前提。目前， Scoliosis Research Society(SRS)-Schwab分型系统和Lenke-Silva 分级系统是脊柱外科医生为ASD患者选择手术方案的重要参考。其中 Lenke-Silva分型系统纳入间歇性跛行或神经根性症状、腰痛、椎体 边缘骨赘形成、冠状位Cobb角度、腰椎后凸以及脊柱整体平衡6个 参数(其中后4个参数与影像学测量直接相关)，将ASD患者分为7 类，并制定保守或手术的治疗方案。
[0004]ASD术前脊柱-骨盆力学参数是影像ASD分型和手术方案制定的 重要因素，包括脊柱冠状位平衡参数，脊柱矢状位平衡参数和骨盆参 数。其中，骨盆参数包括：骨盆投射角(pelvic incidence,PI): 双侧股骨头中心的连线称为髋轴(hip axis,HA)。髋轴中点与骶骨平 台中点的连线和骶骨平台垂线所成的角即为PI。骨盆倾斜度(pelvictilt,PT):髋轴中点与骶骨平台中点的连线和铅垂线间所成的角即 为PT。骶骨倾斜角(sacral slope,SS):为骶骨平台与水平线所成 的角度。
[0005]目前这些参数的测量及分析主要依靠脊柱外科医生和放射科医 生人工完成。ASD作为临床常见骨科问题，需要手术治疗的患者基数 巨大，少量经验丰富的医生难以满足大量患者的就诊需求；相比于计 算机，人的视觉识别能力和信息整合处理能力具有局限性和主观性， 导致不同经验的医生对同一患者术前脊柱畸形分型存在不同解读。如 果能实现脊柱-骨盆力学参数高效精确的自动化测量，不但可以减轻 临床医生的工作负担，也可能更好的评估患者畸形的严重程度，从而 为制定精准治疗方案提供有力支持。
技术实现思路
[0006]本专利技术的目的是针对现有技术的不足，提供一种基于目标检测神 经网络的骨盆参数自动测量方法。
[0007]本专利技术解决其技术问题所采用的技术方案包括以下步骤：
[0008]步骤1、对获得的X光侧位影像图进行预处理，并对预处理后的 X光侧位影像图进行标注，获得所需的X光侧位影像图的数据集。
[0009]所述的预处理包括亮度调整、对比度调整；
[0010]所述的标注实现如下：以骶1椎体上缘为对角线作矩形框，并将 矩形框作为骶1椎体上缘线标签；以股骨头为内切椭圆作矩形框，并 将该矩形框作为股骨头标签；将X光侧位
影像图按指定比例缩小，进 行上下2等分，取下1/2部分为下半身影像图。
[0011]并对下半身影像图对应的标签文件中的坐标进行相应映射变换， 具体实现如下：对所有y坐标，减去原尺寸图片高度的1/2，然后对 所有x、y坐标按步骤1中指定比例进行缩小处理。
[0012]所述的数据集包括获取的下半身影像图以及对应的标签文件。
[0013]步骤2、采用基于目标检测的方法，使用EfficientDet模型在 步骤1获取的数据集上进行训练，得到训练好的EfficientDet模型。
[0014]步骤3、对待检测X光侧位影像图进行如步骤1中的预处理及变 换，然后送入训练所得的EfficientDet模型进行预测，设置阈值对 预测结果进行筛选，得到骶1椎体上缘线候选框与股骨头候选框；
[0015]步骤4、根据骶1椎体上缘线候选框与股骨头候选框的坐标，计 算骨盆参数SS、PT、PI。进行步骤1中坐标变换的逆过程，将骨盆 参数及计算中所需关键点、线绘制在完整的原尺寸X光侧位影像图上， 完成骨盆参数的自动测量。具体操作如下：
[0016]4-1.将骶1椎体上缘线候选框与股骨头候选框记录为文本文件
[0017]对骶1椎体上缘线候选框与股骨头候选框，分别记录1个文本文 件，文本文件中的每一行记录一个候选框内容，该内容包括：图片文 件名、候选框置信度、xmin、ymin、xmax、ymax，且内容之间以 空格分隔；
[0018]其中，(xmin，ymin)，(xmax，ymax)分别用于表示候选框左上与 右下坐标；
[0019]对单张下半身影像图，骶1椎体上缘线候选框的文本文件中记录 1个候选框结果，股骨头候选框的文本文件中记录1至2个候选框结 果；
[0020]4-2.根据文本文件记录的坐标计算关键点；
[0021]对单张下半身影像图，记骶1椎体上缘线左上端点为
[0022]P0(x0，y0)
[0023]骶1椎体上缘线右下端点为
[0024]P1(x1，y1)
[0025]股骨连线中心为
[0026]P2(x2，y2)
[0027]骶1椎体上缘线中心坐标为
[0028]P3(x3，y3)
[0029]当股骨头候选框为两个时，两候选框中心分别为
[0030]P4(x4，y4)，P5(x5，y5)
[0031]当股骨头候选框唯一，即记录股骨头候选框的文本文件中该图仅 对应一个候选框坐标，则视该下半身影像图为P4与P5坐标相同。
[0032]将记录骶1椎体上缘线候选框的文本文件中的候选框坐标记作：
[0033](xmin0，ymin0)，(xmax0，ymax0)
[0034]得到：
[0035]P0(xmin0，ymin0)
[0036]P1(xmax0，ymax0)
[0037][0038]当股骨头候选框为两个时，将记录股骨头候选框的文本文件中该 图对应的2个候选框坐标分别记作：
[0039](xmin1，ymin1)，(xmax1，ymax1)
[0040](xmin2，ymin2)，(xmax2，ymax2)
[0041]当股骨头候选框唯一时，则该图(xmin1，ymin1)，(xmax1，ymax1) 与(xmin2，ymin2)，(xmax2，ymax2)相同，将记录股骨头候选框的文本 文件中该图对应的1个候选框坐标作为这两组坐标的值；
[0042]得到：
[0043][0044][0045][0046]4-3.计算骨盆参数
[0047]使用以上关键点坐标计算三个骨盆参数：
[0048]SS参数：
[0049][0050]PT参数：
[0051][0052]PI参数：
[0053]PI＝SS+PT
[0054]4-4.坐标逆变换与结果绘制
[0055]对所有x、y坐标进行按步骤1中指本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于目标检测神经网络的骨盆参数自动测量方法，其特征在于包括以下步骤：步骤1、对获得的X光侧位影像图进行预处理，并对预处理后的X光侧位影像图进行标注，获得所需的X光侧位影像图的数据集；步骤2、采用基于目标检测的方法，使用EfficientDet模型在步骤1获取的数据集上进行训练，得到训练好的EfficientDet模型；步骤3、对待检测X光侧位影像图进行如步骤1中的预处理及变换，然后送入训练所得的EfficientDet模型进行预测，设置阈值对预测结果进行筛选，得到骶1椎体上缘线候选框与股骨头候选框；步骤4、根据骶1椎体上缘线候选框与股骨头候选框的坐标，计算骨盆参数SS、PT、PI；进行步骤1中坐标变换的逆过程，将骨盆参数及计算中所需关键点、线绘制在完整的原尺寸X光侧位影像图上，完成骨盆参数的自动测量。2.根据权利要求1所述的一种基于目标检测神经网络的骨盆参数自动测量方法，其特征在于所述的预处理包括亮度调整、对比度调整。3.根据权利要求1所述的一种基于目标检测神经网络的骨盆参数自动测量方法，其特征在于所述的标注实现如下：以骶1椎体上缘为对角线作矩形框，并将矩形框作为骶1椎体上缘线标签；以股骨头为内切椭圆作矩形框，并将该矩形框作为股骨头标签；将X光侧位影像图按指定比例缩小，进行上下2等分，取下1/2部分为下半身影像图。4.根据权利要求3所述的一种基于目标检测神经网络的骨盆参数自动测量方法，其特征在于对下半身影像图对应的标签文件中的坐标进行相应映射变换，具体实现如下：对所有y坐标，减去原尺寸图片高度的1/2，然后对所有x、y坐标按步骤1中指定比例进行缩小处理。5.根据权利要求3所述的一种基于目标检测神经网络的骨盆参数自动测量方法，其特征在于步骤4具体操作如下：4-1.将骶1椎体上缘线候选框与股骨头候选框记录为文本文件；对骶1椎体上缘线候选框与股骨头候选框，分别记录1个文本文件，文本文件中的每一行记录一个候选框内容，该内容包括：...
【专利技术属性】
技术研发人员：潘奕彤，秦飞巍，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
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。