脊椎压迫性骨折检测方法与系统技术方案

本发明专利技术公开一种脊椎压迫性骨折检测方法与系统，该方法包括以下步骤：将多个帧人体横状切面图像重组为一人体三维图像；利用一多平面重建法将该人体三维图像以矢状切面切分，取得至少一帧人体矢状切面图像；利用一分类筛选方法判断该人体矢状切面图像是否为脊椎椎体中段图像；利用一椎体检测方法，将被判断为脊椎椎体中段图像的人体矢状切面图像检测出各节椎体；利用一椎体标记方法，将该人体矢状切面图像中已描绘出的该各节椎体标记出椎体特征点；评估该人体矢状切面图像中的该各节椎体的压迫性骨折程度。的压迫性骨折程度。的压迫性骨折程度。

【技术实现步骤摘要】
脊椎压迫性骨折检测方法与系统


[0001]本专利技术涉及一种脊椎压迫性骨折检测方法与系统，特别涉及以人体横状切面图像为输入，将该等图像进行重组、多平面重建、分类筛选、椎体检测、椎体标记等步骤，然后依据椎体标记的结果评估压迫性骨折程度的一种脊椎压迫性骨折检测方法与系统。

技术介绍

[0002]近年随医疗持续进步、国人平均寿命增加。然而，跌倒却长年被列为中国台湾年长者事故伤害的第二大死因。与青壮年族群相比，长者跌倒造成的髋骨骨折与死亡风险大幅提升。据2009年中央健保署纪录显示，长者在髋骨骨折后的一年内死亡比率高出正常死亡率11％。长者在髋骨骨折前，多数已在早年发生椎脊压迫性骨折，据2017年中国台湾成人骨质疏松症防治的共识与指引指出，中国台湾长者平均脊椎压迫性骨折好发率为16.2％(约占48.2万人口数)。此现象显示长者的骨质已在早年开始严重流失，因而造成其在跌倒后发生髋骨骨折。但由于脊椎的椎体骨折在初期症状不明显亦或患者主诉的疼痛部位不明，导致错失早期发现的良机而延误治疗。虽然病患针对脊椎问题的主动检查率低，但由于计算机断层扫描(computerized axial tomography scan，CT scan)的适用范围广，且以胸腔、腹部或骨盆为标的的计算机断层图像中会包含脊椎成像，故临床医师能以该等常规计算机断层图像诊断脊椎压迫性骨折。
[0003]然而，一项针对732位一年内髋部骨折病人的研究显示，回溯其6年内的医疗图像，在157位具回溯性脊椎图像的病人当中发现有65具压迫性骨折，然仅有30人被准确记录，未被通报率高达54％(35/65)。另一份评估脊椎压迫性骨折的低通报率的潜在因子的综合性分析报告推测，临床常规计算机断层图像为横状切面图像，但实际上诊断脊椎压迫性骨折的最佳图像为矢状切面图像，医师因而难以从次优的常规计算机断层横状切面图像察觉椎体高度变化，进而导致大幅度低估脊椎压迫性骨折的好发率。综观源于病人的低自觉率与现行的低估率，突显发展通过计算机断层图像发展新型态广筛压迫性骨折系统的迫切性与必要性。

技术实现思路

[0004]有鉴于上述现有技术的限制，本专利技术拟提供一种脊椎压迫性骨折检测方法与系统，以常规计算机断层图像为输入，将该等图像进行重组、多平面重建、分类筛选、椎体检测与椎体标记等步骤，然后依据椎体标记的结果，评估压迫性骨折程度。
[0005]本专利技术的实施例公开一种脊椎压迫性骨折检测方法，包括以下步骤：将多个帧人体横状切面(axial plane)图像重组为一人体三维图像；利用一多平面重建法将该人体三维图像以矢状切面(sagittal plane)切分，取得至少一帧人体矢状切面图像；利用一分类筛选方法判断该人体矢状切面图像是否为脊椎椎体中段图像；利用一椎体检测方法，将被判断为脊椎椎体中段图像的人体矢状切面图像检测出各节椎体；利用一椎体标记方法，将该人体矢状切面图像中已检测出的该各节椎体标记出椎体特征点；依据该人体矢状切面图
像的该各节椎体的标记结果，评估该人体矢状切面图像中的该各节椎体的压迫性骨折程度。
[0006]在本专利技术的实施例中所运用的分类筛选方法运用一训练完成的深度学习分类模型判别该人体矢状切面图像是否为脊椎椎体中段图像；其中，该深度学习分类模型的训练过程所需的输入数据，已被医疗领域专业人士判别与标注是否为脊椎椎体中段图像的多个帧人体矢状切面图像。
[0007]在本专利技术的实施例中所运用的椎体检测方法运用一训练完成的深度学习检测模型检测出该脊椎椎体中段图像中的各节椎体；其中，该深度学习检测模型的训练过程所需的输入数据，已被医疗领域专业人士描绘出各节椎体的多个帧人体矢状切面图像。
[0008]在本专利技术的实施例中所运用的椎体标记方法运用一深度学习特征点定位模型标记各节椎体特征点；其中，该深度学习特征点定位模型的训练过程所需的输入数据，已被医疗领域专业人士标注各节椎体特征点的人体矢状切面图像。
[0009]本专利技术的实施例公开一种脊椎压迫性骨折检测系统，包括一电子装置，该电子装置又包括一处理装置，以载入程序并执行上述脊椎压迫性骨折检测方法。
[0010]在某些实施例中，上述脊椎压迫性骨折检测系统还包括一存储装置，将计算机断层图像与病患基本信息存储为一特定文件格式的文件，并且可将该特定文件格式的文件传送给该电子装置；该电子装置接收来自该存储装置的特定文件格式的文件，将该文件解析为元数据(metadata)与图像数据，再将该图像数据作为输入，执行如权利要求1所述的脊椎压迫性骨折检测方法。
[0011]在某些实施例中，上述脊椎压迫性骨折检测系统，其中该处理装置还执行一镶嵌方法，将人体矢状切面图像的该各节椎体的标记结果与该各节椎体的压迫性骨折程度评估结果镶嵌至该人体矢状切面图像。
[0012]在某些实施例中，上述脊椎压迫性骨折检测系统，还包括一显示装置，该显示装置提供一用户界面以呈现被镶嵌各节椎体的标记结果与压迫性骨折程度后的该人体矢状切面图像，并且供医疗领域专业人士在该用户界面上校正该各节椎体的标记结果。
[0013]在某些实施例中，上述脊椎压迫性骨折检测系统，其中该处理装置还执行一特征点校正法，该特征点校正法包括：根据经医疗领域专业人士校正的特征点，运用一训练完成的深度学习特征点校正模型自动校正该节椎体的其他尚未被医疗领域专业人士校正的特征点的位置；根据该训练完成的深度学习特征点校正模型的校正结果，更新该人体矢状切面图像中被校正的该节椎体的压迫性骨折程度；其中，该深度学习特征点校正模型的训练过程所需的输入数据，已被医疗领域专业人士标注各节椎体特征点的人体矢状切面图像。
[0014]本专利技术的实施例所公开的脊椎压迫性骨折检测的方法与系统，可直接接收常规计算机断层图像作为输入，辅以人工智能技术评估受测者的压迫性骨折程度，突破了目前临床诊断脊椎压迫性骨折的限制，进而有助于提升脊椎压迫性骨折被“早期发现、早期治疗”的机会。
附图说明
[0015]图1是一种脊椎压迫性骨折检测方法100的流程图。
[0016]图2人体横状切面图像201与人体矢状切面图像202的示意图。
[0017]图3A是图1中的步骤S103的示意图。
[0018]图3B是该训练完成的深度学习分类模型301的训练过程310的流程图。
[0019]图4A是图1中的步骤S104的示意图。
[0020]图4B是该训练完成的深度学习检测模型401的训练过程410的流程图。
[0021]图5是在医学或解剖学领域中所已知与使用的脊椎构造图500。
[0022]图6A是图1中的步骤S105的示意图。
[0023]图6B是该训练完成的深度学习特征点定位模型601的训练过程610的流程图。
[0024]图6C是一脊椎椎体六点定位法620的示意图。
[0025]图7是图1中的步骤S106所采用的脊椎压迫性骨折程度评估方式700的示意图。
[0026]图8A是一种脊椎压迫性骨折检测系统800A的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脊椎压迫性骨折检测方法，包括下列步骤：将多个帧人体横状切面图像重组为人体三维图像；利用多平面重建法将该人体三维图像以矢状切面切分，取得至少一帧人体矢状切面图像；利用分类筛选方法判断该人体矢状切面面图像是否为脊椎椎体中段图像；利用椎体检测方法，将被判断为脊椎椎体中段图像的人体矢状切面图像检测出各节椎体；利用椎体标记方法，将该人体矢状切面图像中已检测出的该各节椎体标记出椎体特征点；依据该人体矢状切面图像的该各节椎体的标记结果，评估该人体矢状切面图像中的该各节椎体的压迫性骨折程度。2.如权利要求1所述的脊椎压迫性骨折检测方法，其中该分类筛选方法运用训练完成的深度学习分类模型判别该人体矢状切面图像是否为脊椎椎体中段图像；其中，该深度学习分类模型的训练过程所需的输入数据，已被医疗领域专业人士判别与注记是否为脊椎椎体中段图像的多个帧人体矢状切面图像。3.如权利要求1所述的脊椎压迫性骨折检测方法，其中该椎体描绘方法运用训练完成的深度学习检测模型检测出该脊椎椎体中段图像中的各节椎体；其中，该深度学习分检测模型的训练过程所需的输入数据，已被医疗领域专业人士描绘出各节椎体的多个帧人体矢状切面图像。4.如权利要求1所述的脊椎压迫性骨折检测方法，其中该椎体标记方法运用深度学习特征点定位模型标记各节椎体特征点；其中，该深度学习特征点定位模型的训练过程所需的输入数据，已被医疗领域专业人士标注各节椎体特征点的人体矢状切面图像。5.一种脊椎压迫性骨折检测系统，包括：电子装置，...

【专利技术属性】
技术研发人员：陈荣邦，许艾伶，黄冠杰，彭忆亭，高竟中，
申请(专利权)人：台北医学大学，
类型：发明
国别省市：