关节识别方法、电子设备、存储介质及计算机程序产品技术

本发明专利技术涉及智能模型技术领域，尤其涉及一种关节识别方法、电子设备、存储介质及计算机程序产品。方法包括：获取关节的待处理图像；将所述待处理图像输入至分割神经网络模型的编码模块，对所述待处理图像中的所述关节进行特征提取，获得特征提取信息；将所述特征提取信息输入至所述分割神经网络模型的解码模块，根据所述特征提取信息对所述关节进行特征还原，获取并输出所述关节的轮廓信息。本发明专利技术用以解决现有技术中对关节轮廓识别不准确的缺陷，实现更加精准地自动识别关节轮廓的过程。现更加精准地自动识别关节轮廓的过程。现更加精准地自动识别关节轮廓的过程。

【技术实现步骤摘要】
关节识别方法、电子设备、存储介质及计算机程序产品


[0001]本专利技术涉及人工智能
，尤其涉及一种关节识别方法、电子设备、存储介质及计算机程序产品。

技术介绍

[0002]近年来，随着医疗水平的提高，关节患者可以通过关节置换手术摆脱疼痛的困扰。医生在问诊过程中，需要确定关节的轮廓信息，来对关节进行针对性处理。尤其是患者关节部位的术后翻修等后期工作中，当存在例如金属材质的骨钉等假体时，由于医师技能水平和患者自身因素等原因，会导致无法准确识别关节轮廓，进而增大医师诊疗过程的难度和准确度。

技术实现思路

[0003]本专利技术提供一种关节识别方法、电子设备、存储介质及计算机程序产品，用以解决现有技术中对关节轮廓识别不准确的缺陷，实现更加精准地自动识别关节轮廓的过程。
[0004]本专利技术提供一种关节识别方法，包括：获取关节的待处理图像；将所述待处理图像输入至分割神经网络模型的编码模块，对所述待处理图像中的所述关节进行特征提取，获得特征提取信息；将所述特征提取信息输入至所述分割神经网络模型的解码模块，根据所述特征提取信息对所述关节进行特征还原，获取并输出所述关节的轮廓信息。
[0005]根据本专利技术提供的一种关节识别方法，所述将所述待处理图像输入至分割神经网络模型的编码模块，对所述待处理图像中的所述关节进行特征提取，获得特征提取信息，包括：将所述待处理图像输入至所述编码模块的预处理部分，将所述待处理图像分割为至少一个图像单元，以及分别为每一个所述图像单元配置对应的图像位置信息；将每一个已经配置所述图像位置信息的图像单元，输入至所述编码模块的特征提取部分，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行特征提取，获得特征提取信息。
[0006]根据本专利技术提供的一种关节识别方法，所述特征提取部分包括2*N个提取单元块，所述特征提取信息包括N个单元提取信息，其中，N为大于0的整数；所述将每一个已经配置所述图像位置信息的图像单元，输入至所述编码模块的特征提取部分，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行特征提取，获得特征提取信息，包括：依次通过第1～2*N个所述提取单元块，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行特征提取，得出中间结果，并将第2i个所述提取单元块得出的所述中间结果分别作为所述单元提取信息，其中，i为大于0、且小于或等于N的整数；其中，第j个所述提取单元块特征提取得出的所述中间结果，输入第j+1个所述提取单元块再次进行特征提取，其中，j为大于0且小于2*N的整数。
[0007]根据本专利技术提供的一种关节识别方法，所述提取单元块包括多头注意力机制单元、第一层归一化单元、第二层归一化单元、跳连结构和全连接单元；所述通过第1～2*N个所述提取单元块，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行
特征提取，得出中间结果，包括：依次通过第1～2*N个所述提取单元块，分别作如下处理：将所述每一个已经配置所述图像位置信息的图像单元，输入所述第一层归一化单元，将所述第一层归一化单元输出的结果输入所述多头注意力机制单元，将所述多头注意力机制单元输出的结果输入所述第二层归一化单元，将所述第二层归一化单元输出的结果输入所述全连接单元；并通过所述跳连结构，实现所述第一层归一化单元输入端与所述多头注意力机制单元输出端的跳跃连接，以及实现所述第二层归一化单元输入端和所述全连接单元输出端的跳跃连接；通过跳跃连接后的所述全连接单元输出端输出所述中间结果。
[0008]根据本专利技术提供的一种关节识别方法，所述将所述特征提取信息输入至所述分割神经网络模型的解码模块，根据所述特征提取信息对所述关节进行特征还原，获取并输出所述关节的轮廓信息，包括：将第2i个所述提取单元块输出的所述单元提取信息，进行N
‑
i次上采样处理，得到第2i个所述提取单元块对应的第一结果，其中，i分别取值为1～(N
‑
1)；将第2i个所述提取单元块对应的第一结果，与第2(i+1)个所述提取单元块对应的第二结果进行通道融合处理，得到第2i个所述提取单元块对应的单元融合结果，其中，第2N个所述提取单元块对应的单元融合结果为第2N个所述提取单元块输出的所述单元提取信息；对第2i个所述提取单元块对应的单元融合结果进行一次上采样处理和一次卷积处理，得到所述第2i个所述提取单元块对应的第二结果；将第2个所述提取单元块对应的第二结果进行三次卷积处理，得到并输出所述关节的轮廓信息，其中，所述轮廓信息为包含所述关节轮廓的处理后图像。
[0009]根据本专利技术提供的一种关节识别方法，所述分割神经网络模型为采用样本数据对原始分割网络进行训练得到，其中，所述样本数据包括M个样本图像，以及与M个所述样本图像一一对应的样本轮廓信息，M为大于1的整数；所述原始分割网络的训练过程包括：获取所述样本图像；将所述样本图像输入到所述原始分割模型，获取所述原始分割模型输出的所述样本图像各自对应的预测轮廓信息；通过所述样本轮廓信息对所述预测轮廓信息进行验证，判断验证结果是否符合预设验证条件，若不符合，调整所述原始分割网络的参数，重复执行所述将所述样本图像输入到所述原始分割模型的步骤，直至所述验证结果符合所述预设验证条件时，将所述原始分割模型作为最终的所述分割神经网络模型。
[0010]根据本专利技术提供的一种关节识别方法，所述获取关节的待处理图像，包括：获取所述关节的医学数字成像和通信图像；将所述医学数字成像和通信图像进行预设图像格式转换，获得所述待处理图像。
[0011]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述关节识别方法的步骤。
[0012]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述关节识别方法的步骤。
[0013]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述关节识别方法的步骤。
[0014]本专利技术提供的关节识别方法、电子设备、存储介质及计算机程序产品，通过将关节的待处理图像输入至分割神经网络模型的编码模块，对该待处理图像中的关节进行特征提取，获得特征提取信息。然后将特征提取信息输入至分割神经网络模型的解码模块，根据特
征提取信息对关节进行特征还原，获取并输出关节的轮廓信息。上述过程中，通过采用分割神经网络模型实现对关节轮廓的识别，避免了因医师技能水平不高造成的关节识别不准确，避免出现医师主观意识造成的识别偏差，实现了关节识别过程的自动化和智能化，提高关节识别的准确性。并且，分割神经网络模型能够实现关节特征的充分提取，降低患者自身因素对识别过程的影响，进一步提高关节识别的准确性。
附图说明
[0015]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种关节识别方法，其特征在于，包括：获取关节的待处理图像；将所述待处理图像输入至分割神经网络模型的编码模块，对所述待处理图像中的所述关节进行特征提取，获得特征提取信息；将所述特征提取信息输入至所述分割神经网络模型的解码模块，根据所述特征提取信息对所述关节进行特征还原，获取并输出所述关节的轮廓信息。2.根据权利要求1所述的关节识别方法，其特征在于，所述将所述待处理图像输入至分割神经网络模型的编码模块，对所述待处理图像中的所述关节进行特征提取，获得特征提取信息，包括：将所述待处理图像输入至所述编码模块的预处理部分，将所述待处理图像分割为至少一个图像单元，以及分别为每一个所述图像单元配置对应的图像位置信息；将每一个已经配置所述图像位置信息的图像单元，输入至所述编码模块的特征提取部分，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行特征提取，获得特征提取信息。3.根据权利要求2所述的关节识别方法，其特征在于，所述特征提取部分包括2*N个提取单元块，所述特征提取信息包括N个单元提取信息，其中，N为大于0的整数；所述将每一个已经配置所述图像位置信息的图像单元，输入至所述编码模块的特征提取部分，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行特征提取，获得特征提取信息，包括：依次通过第1～2*N个所述提取单元块，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行特征提取，得出中间结果，并将第2i个所述提取单元块得出的所述中间结果分别作为所述单元提取信息，其中，i为大于0、且小于或等于N的整数；其中，第j个所述提取单元块特征提取得出的所述中间结果，输入第j+1个所述提取单元块再次进行特征提取，其中，j为大于0且小于2*N的整数。4.根据权利要求3所述的关节识别方法，其特征在于，所述提取单元块包括多头注意力机制单元、第一层归一化单元、第二层归一化单元、跳连结构和全连接单元；所述通过第1～2*N个所述提取单元块，分别对每一个已经配置所述图像位置信息的图像单元中的所述关节进行特征提取，得出中间结果，包括：依次通过第1～2*N个所述提取单元块，分别作如下处理：将所述每一个已经配置所述图像位置信息的图像单元，输入所述第一层归一化单元，将所述第一层归一化单元输出的结果输入所述多头注意力机制单元，将所述多头注意力机制单元输出的结果输入所述第二层归一化单元，将所述第二层归一化单元输出的结果输入所述全连接单元；并通过所述跳连结构，实现所述第一层归一化单元输入端与所述多头注意力机制单元输出端的跳跃连接，以及实现所述第二层归一化单元输入端和所述全连接单元输出端的跳跃连接；通过跳跃连接后的...

【专利技术属性】
技术研发人员：张逸凌，刘星宇，
申请(专利权)人：张逸凌，
类型：发明
国别省市：