基于多任务学习的髋关节关键点位置检测方法及系统技术方案

本发明专利技术涉及医疗信息处理技术领域，具体涉及一种基于多任务学习的髋关节关键点位置检测方法及系统，所述方法包括：获取标定好关键点的待训练图像，所述待训练图像包括正常发育图像与不正常发育图像；构建基于多任务学习框架的多任务网络模型，对所述多任务网络模型进行训练，得到关键点检测模型；利用关键点检测模型对待检测图像进行关键点检测，确定髋关节正位片中关键点所在位置，基于所述关键点所在位置确定测量指标的大小，本发明专利技术对髋关节关键点位置的检测简便灵活，具有速度快、准确率高的优点。的优点。的优点。

【技术实现步骤摘要】
基于多任务学习的髋关节关键点位置检测方法及系统


[0001]本专利技术涉及医疗信息处理
，具体涉及一种基于多任务学习的髋关节关键点位置检测方法及系统。

技术介绍

[0002]发育性髋关节发育不良(Developmental Dysplasia of the Hip，DDH)是常见的小儿骨科疾病之一，是婴幼儿中一系列与髋关节发育相关的疾病。它包含髋臼和股骨近端的发育异常以及髋关节不稳定。新生儿在刚出生的最初几周内通常会有生理性髋关节松弛和髋臼不成熟。大多数情况下松弛将消失，髋臼继续正常发育。通过危险因素评估、连续髋关节查体以及合理运用影像学检查，大多数髋关节病变患儿都可得到诊治，且无长期后遗症。而少儿的DDH诊断极其依赖于临床医生的个人主观经验。
[0003]指标测量的前提是准确识别定位到相关医学关键点，而这些关键点的识别极其依赖临床医生的诊断经验。尤其对于医学资源匮乏的偏远地区医院而言，基于X
‑
Ray的DDH诊断是一个充满挑战的任务。因此借助计算机辅助诊断系统对DDH诊断研究意义重大。/>[0004]传统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务学习的髋关节关键点位置检测方法，其特征在于，所述方法包括以下步骤：步骤S100、获取标定好关键点的待训练图像，所述待训练图像包括正常发育图像与不正常发育图像；步骤S200、构建基于多任务学习框架的多任务网络模型，对所述多任务网络模型进行训练，得到关键点检测模型；步骤S300、利用关键点检测模型对待检测图像进行关键点检测，确定髋关节正位片中关键点所在位置，基于所述关键点所在位置确定测量指标的大小。2.根据权利要求1所述的一种基于多任务学习的髋关节关键点位置检测方法，其特征在于，所述步骤S100包括：步骤S110、获取月龄在6个月以上婴幼儿的盆骨正位片医学图像，所述盆骨正位片医学图像包括正常发育图像与不正常发育图像；步骤S120、将所述盆骨正位片医学图像转换为原始图像，对所述原始图像中的6个关键点按固定顺序进行标注，其中，所述关键点包括：盆骨正位片医学图像中左右两侧的髋臼上缘、Y型软骨中心、以及股骨头中心；步骤S130、采用设定大小的区域框对所述原始图像进行裁剪，将裁剪前已标注的关键点的位置转换为裁剪后的位置，将裁剪后的图像作为待训练图像。3.根据权利要求2所述的一种基于多任务学习的髋关节关键点位置检测方法，其特征在于，所述多任务网络模型包括关键点检测任务模型和辅助分类任务模型，所述多任务网络模型采用的网络结构为：关键点检测任务模型采用编码器解码器神经网络，用于提取待识别图像的特征图；所述辅助分类任务模型作为全连接层，与所述编码器解码器神经网络的编码器尾部串联，将所述编码器提取的特征图作为全连接层的输入，输出待识别图像的预测结果。4.根据权利要求3所述的一种基于多任务学习的髋关节关键点位置检测方法，其特征在于，步骤S200中，所述对所...

【专利技术属性】
技术研发人员：范衠，黄文宁，蔡堉伟，胡军，陈洪江，张炯，容毅标，宁为博，朱智健，朱家祺，谢敏冲，陈添善，袁野，许宏武，张建军，
申请(专利权)人：汕头大学医学院第一附属医院汕头大学医学院，
类型：发明
国别省市：