基于深度学习的膝关节胫骨置换术后评估系统技术方案

本发明专利技术提供一种基于深度学习的膝关节胫骨置换术后评估系统，包括：采集模块，用于获取术后膝关节图像；识别模块，用于将所述术后膝关节图像输入至基于深度学习的识别模型，获得所述识别模型输出的所述术后膝关节图像中的胫骨和胫骨假体的轮廓区域；计算模块，用于根据所述胫骨和胫骨假体的轮廓区域获得关键轴线，并根据所述关键轴线获得胫骨假体的角度参数；评估模块，用于根据所述胫骨假体的角度参数获得术后评估结果。本发明专利技术能够自动测量术后膝关节假体的角度参数，进而准确评估手术的结果，节省大量的时间精力和财力。节省大量的时间精力和财力。节省大量的时间精力和财力。

【技术实现步骤摘要】
基于深度学习的膝关节胫骨置换术后评估系统


[0001]本专利技术涉及人工智能
，尤其涉及一种基于深度学习的膝关节胫骨置换术后评估系统。

技术介绍

[0002]在膝关节置换术中，股骨假体和胫骨假体的良好位置，是术后膝关节恢复良好活动度的基础。因此，术后往往需要准确测量股骨假体及胫骨假体相对于股骨和胫骨角度以及假体间的空间位置，从而进行术后评估。
[0003]现有方法通常为人工测量X线片上股骨假体的位置参数，该方法精准度低，且用不同角度或不同体位的X线来测量需反复接受放射线，耗费大量的时间、精力和财力。

技术实现思路

[0004]本专利技术提供一种基于深度学习的膝关节胫骨置换术后评估系统，用以解决现有技术中膝关节胫骨置换术后评估难的缺陷，实现自动精准测量及评估。
[0005]本专利技术提供一种基于深度学习的膝关节胫骨置换术后评估系统，包括：
[0006]采集模块，用于获取术后膝关节图像；
[0007]识别模块，用于将所述术后膝关节图像输入至基于深度学习的识别模型，获得所述识别模型输出的所述术后膝关节图像中的胫骨和胫骨假体的轮廓区域；
[0008]计算模块，用于根据所述胫骨和胫骨假体的轮廓区域获得关键轴线，并根据所述关键轴线获得胫骨假体的角度参数；
[0009]评估模块，用于根据所述胫骨假体的角度参数获得术后评估结果。
[0010]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述关键轴线包括：胫骨髓腔中心线和胫骨平台边缘连接线。
[0011]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述计算模块，在确定髓腔中心线时，具体用于：
[0012]采用第一水平直线扫描胫骨的轮廓区域得到胫骨的两侧交点，根据所述胫骨两侧交点的中心点连线获得胫骨区域的胫骨髓腔中心。
[0013]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述计算模块，在确定胫骨平台边缘连接线时，具体用于：
[0014]采用两条竖直直线从胫骨假体的轮廓区域的两侧向中间扫描；
[0015]通过设置直线与假体交点个数阈值法，筛选出胫骨假体下边缘离散点；
[0016]根据所述胫骨假体下边缘离散点通过最小二乘法拟合得到所述胫骨平台边缘连接线。
[0017]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述胫骨假体的角度参数包括以下至少之一：
[0018]胫骨外翻角；
[0019]胫骨后倾角。
[0020]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述胫骨外翻角为所述胫骨假体平台边缘连线和胫骨髓腔中心线之间的夹角；
[0021]所述胫骨后倾角为所述胫骨假体平台边缘连线和所述胫骨髓腔中心线之间的夹角。
[0022]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述评估模块，在根据所述胫骨假体的角度参数获得术后评估结果时，具体用于：
[0023]将所述胫骨假体的角度参数与标准角度参数进行比对，获得术后评估结果。
[0024]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述标准角度参数包括：胫骨假体外翻角标准角度参数以及胫骨假体后倾角标准角度参数。
[0025]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述识别模型是通过标注有胫骨和胫骨假体轮廓范围的膝关节图像样本集训练得到的。
[0026]根据本专利技术提供的一种基于深度学习的膝关节胫骨置换术后评估系统，所述识别模型基于高分辨率网络HRNet卷积神经网络训练得到的。
[0027]本专利技术提供的基于深度学习的膝关节胫骨置换术后评估系统，结合深度学习算法，自动识别计算股骨假体空间位置和胫骨假体空间位置，从而获得自动测量术后膝关节假体的角度参数，进而准确评估手术的结果，节省大量的时间精力和财力。
附图说明
[0028]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，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本专利技术实施例提供的基于深度学习的膝关节胫骨置换术后评估方法的流程示意图；
[0030]图2是本专利技术实施例提供的基于深度学习的膝关节胫骨置换术后评估方法的角度参数示意图之一；
[0031]图3是本专利技术实施例提供的基于深度学习的膝关节胫骨置换术后评估方法的角度参数示意图之二；
[0032]图4是本专利技术实施例提供的基于深度学习的膝关节胫骨置换术后评估系统的结构示意图；
[0033]图5是本专利技术实施例提供的电子设备的结构示意图。
具体实施方式
[0034]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]下面对本专利技术提供的基于深度学习的膝关节胫骨置换术后评估系统进行描述，如
图4所示，本专利技术实施例公开了一种基于深度学习的膝关节胫骨置换术后评估系统，包括：
[0036]采集模块401，用于获取术后膝关节图像；
[0037]需要说明的是，术后膝关节图像包括全膝关节胫骨置换手术术后正位X线片或侧位X线片。
[0038]识别模块402，用于将所述术后膝关节图像输入至基于深度学习的识别模型，获得所述识别模型输出的所述术后膝关节图像中的胫骨和胫骨假体的轮廓区域；
[0039]计算模块403，用于根据所述胫骨和胫骨假体的轮廓区域获得关键轴线，并根据所述关键轴线获得胫骨假体的角度参数；
[0040]评估模块404，用于根据所述胫骨假体的角度参数获得术后评估结果。
[0041]本专利技术实施例的基于深度学习的膝关节胫骨置换术后评估系统，通过自动识别计算胫骨假体空间位置，从而获得自动测量术后膝关节假体的角度参数，进而准确评估手术的结果，相比于手动标注方法评价准确性更高，自动化能力更强。
[0042]在本专利技术的至少一个实施例中，所述关键轴线包括：胫骨髓腔中心线和胫骨平台边缘连接线。
[0043]在本专利技术的至少一个实施例中，所述计算模块403，在确定髓腔中心线时，具体用于：
[0044]采用第一水平直线扫描胫骨的轮廓区域得到胫骨的两侧交点，根据所述胫骨两侧交点的中心点连线获得胫骨区域的胫骨髓腔中心。
[0045]需要说明的是，胫骨髓腔中心线可以通过在模型预测的基础上去拟合出来，首先分割出胫骨部分，通过设置第一水平直线与胫骨部分相交，直线从图片上方向下扫过，每扫过图像的1/50距离，记录本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的膝关节胫骨置换术后评估系统，其特征在于，包括：采集模块，用于获取术后膝关节图像；识别模块，用于将所述术后膝关节图像输入至基于深度学习的识别模型，获得所述识别模型输出的所述术后膝关节图像中的胫骨和胫骨假体的轮廓区域；计算模块，用于根据所述胫骨和胫骨假体的轮廓区域获得关键轴线，并根据所述关键轴线获得胫骨假体的角度参数；评估模块，用于根据所述胫骨假体的角度参数获得术后评估结果。2.根据权利要求1所述的基于深度学习的膝关节胫骨置换术后评估系统，其特征在于，所述关键轴线包括：胫骨髓腔中心线和胫骨平台边缘连接线。3.根据权利要求2所述的基于深度学习的膝关节胫骨置换术后评估系统，其特征在于，所述计算模块，在确定髓腔中心线时，具体用于：采用第一水平直线扫描胫骨的轮廓区域得到胫骨的两侧交点，根据所述胫骨两侧交点的中心点连线获得胫骨区域的胫骨髓腔中心。4.根据权利要求2所述的基于深度学习的膝关节胫骨置换术后评估系统，其特征在于，所述计算模块，在确定胫骨平台边缘连接线时，具体用于：采用两条竖直直线从胫骨假体的轮廓区域的两侧向中间扫描；通过设置直线与假体交点个数阈值法，筛选出胫骨假体下边缘离散点；根据所述胫骨假体下边缘离散点通过最小二乘法拟合得到所述胫骨平台边缘连...

【专利技术属性】
技术研发人员：张国强，柴伟，郝立波，
申请(专利权)人：中国人民解放军总医院第四医学中心，
类型：发明
国别省市：