一种深度学习对尿道下裂阴茎弯曲度的测量方法技术

本申请属于泌尿系统疾病领域，尤其涉及尿道下裂阴茎弯曲度的测量方法。一种深度学习对尿道下裂阴茎弯曲度的测量方法，包括以下步骤：采集尿道下裂患者术中勃起状态下的阴茎弯曲图像集；完成训练数据集的收集；获取尿道下裂阴茎弯曲的标准图；对所述获得的阴茎弯曲标准图进行识别，获得弯曲度的关键点的位置；计算出阴茎弯曲的度数。本发明专利技术提供了深度学习对尿道下裂阴茎弯曲度的测量方法，可有效减少人为测量造成的误差，减少因不同术者读取产生的偏倚，为尿道下裂手术提供更好的指导。为尿道下裂手术提供更好的指导。为尿道下裂手术提供更好的指导。

【技术实现步骤摘要】
一种深度学习对尿道下裂阴茎弯曲度的测量方法


[0001]本申请属于泌尿系统疾病领域，尤其涉及尿道下裂阴茎弯曲度的测量方法。

技术介绍

[0002]尿道下裂是小儿泌尿生殖系统常见的先天性畸形，最新的欧洲调查发现,2001
‑
2010年尿道下裂发病率高达18.61/10000[1]。阴茎下弯（Penile curvature, PC) 是尿道下裂典型表现之一。据报道在远端型、中间型和近端型3种类型的尿道下裂中，合并阴茎下弯的比例分别为23.5％、29.4％和68.3％左右[2]。也有报道11%的远端型尿道下裂[3]和81%的近端型尿道下裂合并阴茎下弯[4]。尿道下裂伴阴茎下弯的发生机制目前尚不明确。早期观点认为尿道下裂中引起阴茎下弯的原因主要包括皮肤短缺、浅深筋膜纤维性变、阴茎海绵体发育不对称和发育不良的纤维性尿道等。近年来发现尿道板是富含相对良好的血管、神经,有广泛平滑肌以及结缔组织支撑是需要进行保护的，因此现在的观点是强调对尿道板进行保留。
[0003]临床上依据弯曲的角度可将尿道下裂分为:轻度阴茎下弯(<30
°
),中度阴茎下弯(30
°‑ꢀ
45
°
),和重度阴茎下弯(>45
°
)。对于弯曲度的纠正，手术是唯一的方法。外科手术矫正阴茎下弯不仅是为了患者在童年时期获得一个正常外观，更能消除因先天畸形给患者带来的心理负担，保证其成长至成年期可获得较为满意的性生活[5]。目前纠正弯曲的手术方式有：皮肤脱套、阴茎背侧折叠术、背侧白膜紧缩、腹侧延长技术等。为进一步保留尿道板，越来越多的学者认为进行分步手术纠正阴茎弯曲：分步矫正下弯时无论阴茎下弯严重程度首先进行皮肤脱套,尽可能切除腹侧发育不良的肉膜组织,然后进行人工勃起实验,如果阴茎下弯小于30
°
,行背侧白膜紧缩矫正残留下弯。手术方式根据尿道板的条件选择TIP或者Onlay尿道成形术。如果皮肤脱套后阴茎下弯大于30
°
(或45
°
),则选择游离尿道板伴或不伴向近端游离尿道。再次行人工勃起实验,如果后残留弯曲大于30
°ꢀ
(或45
°
),则选择横断尿道板手术。
[0004]由此可见，对于分步纠正弯曲时，阴茎下弯度数的测量对阴茎下弯矫治术式的选择有一定指导意义。目前关于阴茎弯曲度测量的方法主要是根据1974年Gittes和McLaughlin[6]提出的人工勃起试验基础上进行。然而最近的Carlos的研究通过对比肉眼估算与借助量角器测量阴茎弯曲模型的角度结果，发现借助量角器辅助测量结果并不比肉眼估算的准确，在借助量角器测量时，与真实角度值相比，误差值最大为13.6
°
[7]。因此需要进一步探究新的方法来进行测量。
[0005]Carlos等人[8]发现测角仪测量并不优于眼睛观察后，他们尝试开发软件来进行角度测量。通过将拍摄的三维阴茎模型的图片与软件中提供的9张二维阴茎曲率图像进行迭代，直到阴茎模型图片与软件中的图像相匹配从而得出结果值。但在现实情况下，软件中无法获得每个角度的阴茎弯曲照片，因此无法在实际中实施。
[0006]Allene等人[9]使用手持式3D扫描仪对三维阴茎模型进行扫描重构后进行弯曲度的测量，通过将该方法与传统的方法比较（量角器测量、相机拍摄弯曲照片后测量以及相机
加3D镜头拍摄照片后测量），比较不同方法测量的准确性、可靠性、以及花费时间，验证该方法的可行性以及有效性。但该方法需要购买的仪器费用较贵，花费测量的时间需要4分钟左右，无法实时测出结果，此外拍摄时对于灯光环境要求也比较高，从而限制该方法的实际运用。
[0007]2021年，NicolasFernandez等人[10]为以标准的方式进行实时测量弯曲度从而来指导术中决策，通过半自动化算法测量弯曲度。不同观察者对从不同角度拍摄的照片中标记出2个点（阴茎头与阴茎根部区域），算法自动找出弯曲点后计算出弯曲度。结果显示不同的测量者对于测量结果的一致性高，表明该方法的可行性。此外作者还发现当在0
°‑
30
°
角度拍摄照片时测量的误差最小，未来可指导于临床实际中的拍摄。虽然该方式提高了计算机辅助测量阴茎弯曲角度的效率，但手动选取阴茎上下端，测量结果。
[0008]在医学领域中，深度学习在图像分类、目标检测、语义分割、关键点检测等方面迅速发展，越来越多的以卷积神经网络(convolutionalneuralnetwork，CNN)构建的深度学习模型能够实时、高效、准确的对图像进行处理。在医学图像中的处理包括：影像学资料、眼底镜图像以及皮肤病变的照片等。[11
‑
13]。有研究表明，深度学习的神经网络模型对于儿童髋脱位的骨盆X片和B超图像能够实时、高效、准确的进行处理，测量的结果接近高年资医师测量水平[14,15]。
[0009]综上所述，目前尿道下裂阴茎弯曲的测量方法：通过3D摄像方法、数码照片上借助半自动算法、APP等方法。但这些方法花费高、耗费时间久、测量的准确性低等不足。从而限制临床实际中运用。因此，本研究拟通过深度学习的方法，构建尿道下裂患者阴茎弯曲度的自动测量网络模型，未来用于辅助临床医生进行术中决策以及术后并发症的预测。
[0010]【参考文献】[1]EpidemiologyofhypospadiasinEurope:aregistry
‑
basedstudy%JWorldJournalofUrology[J].2015,33(12):2159
‑
2167.[2]临床小儿外科杂志贾.J.尿道下裂阴茎下弯的组织学和手术治疗研究进展[J].2019,018(009):795
‑
799,802.[3]AKYOLI.,H.SOYDAN,F.A.J.J.O.P.UROLOGY.Tubularizedincisedplateproximalhypospadiasrepair:Continuedevolutionandextendedapplications[J].2011,7(4):498
‑
498.[4]SNODGRASSW.J.J.O.U.Tubularized,IncisedPlateUrethroplastyforDistalHypospadias[J].1994,151.[5]刘伟,吴.J.中.年.卷.期.
‑
页.I.P.CSCD.尿道下裂术后易忽视的并发症[J].2019.[6]GITTESR.F.,M.L.J.U.III.Injectiontechniquetoinducepenileerection[J].1974,4(4):473
‑
474.[7]VILLANUEVAC.A.J.J.O.P.U.Goniometernotbetterthanunaidedvisualinspe本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习对尿道下裂阴茎弯曲度的测量方法，其特征在于包括以下步骤：步骤1：采集尿道下裂患者术中阴茎弯曲图像集；步骤2：选取出标准拍摄的图像，对图片标记出关键点位置，完成训练数据集的收集；步骤3：利用迁移学习的方法，通过对关键点识别模型的参数修改构建尿道下裂阴茎弯曲度关键点识别模型；用标记好的数据集训练模型，形成最终的尿道下裂阴茎弯曲度关键点的识别模型；步骤4：输入新的尿道下裂阴茎弯曲图像进行预测，步骤5：根据所述构建的尿道下裂阴茎弯曲度关键点识别模型，对输入新的尿道下裂阴茎弯曲图进行识别，获得关键点位置坐标；步骤6：对识别的关键点位置坐标利用计算机图形学以及形态学设计算法，计算出阴茎弯曲的度数。2.根据权利要求1所述的一种深度学习对尿道下裂阴茎弯曲度的测量方法，其特征在于采集的尿道下裂患儿术中勃起状态下阴茎弯曲图像集数量超过500张。3.根据权利要求1所述的一种深度学习对尿道下裂阴茎弯曲度的测量方法，其特征在于选取出标准拍摄的图像是指排除图像不清晰难以标记、未暴露出阴茎根部以及非侧面水平拍摄获得的照片，由高年资医生对获取的标准图片标记出阴茎区域和关键点位置。4.根据权利要求3所述的一种深度学习对尿道下裂阴茎弯曲度的测量方法，其特征在于关键点识别模型主要基于深度学习方法，利用类残差网络（Res
‑
net）架构的卷积神经网络模型，结合所得已标注阴茎区域并标注关键点的尿道下裂阴茎弯曲图像，用于对尿道下裂阴茎弯曲度关键点识别模型进行训练。5.根据权利要求3所述的一种深度学习对尿道下裂阴茎弯曲度的测量方法，其特征在于关键点识别模型是：在Res
‑
net的基础上，取最后残差模块输出特征层，命名为C5，3个反卷积模块，命名为D3，最后实现输出热力图。6.根据权利要求4所述的一种深度学习对尿道下裂阴茎弯曲度的测量方法，其特征在于弯曲角度的测量模型包括：（1）对上述...

【专利技术属性】
技术研发人员：李展翅，晏轶超，陈方，谢华，黄轶晨，吴旻，吕逸清，李般，潘文峰，唐玲，张欢欢，
申请(专利权)人：上海市儿童医院，
类型：发明
国别省市：