一种膝关节X光影像KL分级方法和系统技术方案

本发明专利技术公开了一种膝关节X光影像KL分级方法和系统，通过获取膝关节X光影像数据并对其进行预处理，图像使用二值化方法，生成二值化图像；根据形态学方法，获取膝关节区域中心位置；生成左右膝关节中心区域HDF5文件；训练左右膝关节区域KL分级模型；根据膝关节KL分级模型，获取左右膝关节KL分级结果。给定图像中左右膝关节的KL分级概率，为医生提供临床决策。采用缩小检测范围，聚焦膝关节中心区域，通过模型正则化等方法，降低模型复杂度，提高鲁棒性，防止过拟合。通过管线方式将定位中心区域并判断膝关节KL分级情况，避免分类模型在一定范围内无法关注膝关节间隙区域，也避免目标检测网络需要标注大量膝关节间隙区域。测网络需要标注大量膝关节间隙区域。测网络需要标注大量膝关节间隙区域。

【技术实现步骤摘要】
一种膝关节X光影像KL分级方法和系统


[0001]本申请涉及膝关节X光影像KL分级
，特别是涉及一种膝关节X光影像KL分级方法和系统。

技术介绍

[0002]膝关节骨性关节炎(KOA)是最常见的疾病，致残率高，因此给社会造成了巨大的经济负担。目前KOA的诊断主要通过症状评估和X线评估，但这一过程存在主观性。常用的Kellgren
‑
Lawrence(KL)分级表具有一定模糊性，导致早期KOA诊断不精准，从而影响了广大患者健康。随着深度学习的发展，特别是卷积神经网络，这种网络模型可以达到医生诊断的水平，为快速精准诊断提供了研究思路。
[0003]目前，膝关节X光影像KL分级主要是根据膝关节间隙判断KL分级情况，在测量过程中，计算间隙存在误差且耗时耗力。随着深度学习的发展，基于神经网络的方法成为医学影像分析的主流方法，由于X光影像中膝关节组织区域之间具有大范围的其他组织区域，其他区域组织对膝关节KL分级模型的收敛效果产生影响，而且会占用大量显存，模型泛化能力差。

技术实现思路

[0004]基于此，针对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种膝关节X光影像KL分级方法，其特征在于，所述方法包括：获取目标膝关节X光影像数据，并对所述目标膝关节X光影像数据进行处理，生成所述目标膝关节X光影像数据对应的二值化图像；其中，所述目标膝关节X光影像数据为所述目标膝关节X光dicom原始图；根据所述二值化图像，提取目标膝关节的左右膝关节区域位置，获取所述左右膝关节区域坐标，并计算目标膝关节中心区域坐标，根据所述左右膝关节区域坐标和目标膝关节中心区域坐标生成目标区域坐标；其中，所述目标区域坐标为目标膝关节左右区域坐标；对所述目标区域像素归一化，生成归一化后的图像，并根据所述归一化后的图像生成H5文件；所述H5文件为目标膝关节左右区域的HDF5文件；根据所述H5文件训练左右膝关节区域KL分级模型，得到目标膝关节KL分级模型；根据所述目标膝关节KL分级模型，获取目标左右膝关节KL分级结果。2.根据权利要求1所述的方法，其特征在于，所述获取目标膝关节X光影像数据，并对所述目标膝关节X光影像数据进行处理，生成所述目标膝关节X光影像数据对应的二值化图像包括：获取所述目标膝关节X光dicom原始图，按预设的窗宽窗位调整并转换成图片格式，获得所述目标膝关节jpg图片；使用三次插值采样对所述目标膝关节jpg图片进行重采样，同时对所述目标膝关节jpg图片数据进行增强，通过裁剪，放大，添加噪声和旋转方法，生成扩充数据，根据增强后的目标膝关节jpg图像灰度值特性使用OpenCV中threshold二值化方法，对目标膝关节进行阈值分割，区分骨骼区域和背景，通过参数设置图片输入源，二值化阈值和二值化类型，生成所述目标膝关节X光影像数据对应的二值化图像。3.根据权利要求2所述的方法，其特征在于，所述预设的窗宽窗位为窗宽参数设置为4096HU，窗位参数设置为2048HU。4.根据权利要求1所述的方法，其特征在于，所述根据所述二值化图像，提取目标膝关节的左右膝关节区域位置，获取所述左右膝关节区域坐标，并计算目标膝关节中心区域坐标，根据所述左右膝关节区域坐标和目标膝关节中心区域坐标生成目标区域坐标包括：根据所述二值化图像，通过OpenCV中findContours提取目标膝关节的左右膝关节区域位置，参数设置为输入为所述二值化图像，阈值和canny算子，获取所述左右膝关节区域坐标，使用阈值分割前找到所述左右膝关节区域中相关性最大值，根据所述相关性最大值乘预设的百分比阈值作为阈值进行分割，将分割结果进行二值化阈值分割，计算目标膝关节中心区域坐标；根据所述左右膝关节区域坐标和目标膝关节中心区域坐标生成目标区域坐标。5.根据权利要求1所述的方法，其特征在于，所述对所述目标区域像素归一化，生成归一化后的图像，并根据所述归一化后的图像生成H5文件具体为：通过像素均值，对目标区域像素进行归一化，使用公式进行处理，获取每个样本的个体差异，实现目标膝关节中心区域像素归一化；根据归一化后的图像，通过h5py.File生成H5文件，其中，参数输入为左右归一化后的膝关节中心区域。6.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：怀晓晨，穆红章，
申请(专利权)人：瓴域影诺北京科技有限公司，
类型：发明
国别省市：