基于多任务神经网络模型的膝关节分割方法、装置及设备制造方法及图纸

本申请提供了一种基于多任务神经网络模型的膝关节分割方法、装置、电子设备及计算机可读存储介质。该方法，获取第一膝关节图像；对第一膝关节图像进行粗分割，得到第一分割结果；基于第一膝关节图像和第一分割结果，计算对应的膝关节体数据；将膝关节体数据在矢状面方向上进行投影，得到对应的膝关节投影图像；通过检测算法，确定膝关节投影图像中膝关节的位置坐标；基于第一膝关节图像中膝关节的位置坐标，从第一膝关节图像中将位置坐标对应图像分割出来，得到第二膝关节图像；将第二膝关节图像输入预设的多任务神经网络模型，分别输出股骨、胫骨、髌骨和腓骨四个部位的分割结果。该方法能够又快又准地进行膝关节分割。方法能够又快又准地进行膝关节分割。方法能够又快又准地进行膝关节分割。

【技术实现步骤摘要】
基于多任务神经网络模型的膝关节分割方法、装置及设备


[0001]本申请属于深度学习智能识别
，尤其涉及一种基于多任务神经网络模型的膝关节分割方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]传统图像分割算法是基于阈值分割、边缘检测或区域增长来分割医学图像，这类方法分割精度较差，粗略分割目标区域，不能精确分割目标区域边界。
[0003]因此，如何又快又准地进行膝关节分割是本领域技术人员亟需解决的技术问题。

技术实现思路

[0004]本申请实施例提供一种基于多任务神经网络模型的膝关节分割方法、装置、电子设备及计算机可读存储介质，能够又快又准地进行膝关节分割。
[0005]第一方面，本申请实施例提供一种基于多任务神经网络模型的膝关节分割方法，包括：
[0006]获取第一膝关节图像；
[0007]对第一膝关节图像进行粗分割，得到第一分割结果；其中，第一分割结果包括膝关节中股骨、胫骨、髌骨和腓骨四个部位；
[0008]基于第一膝关节图像和第一分割结果，计算对应的膝关节体数据；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务神经网络模型的膝关节分割方法，其特征在于，包括：获取第一膝关节图像；对所述第一膝关节图像进行粗分割，得到第一分割结果；其中，所述第一分割结果包括膝关节中股骨、胫骨、髌骨和腓骨四个部位；基于所述第一膝关节图像和所述第一分割结果，计算对应的膝关节体数据；将所述膝关节体数据在矢状面方向上进行投影，得到对应的膝关节投影图像；通过检测算法，确定所述膝关节投影图像中膝关节的位置坐标；其中，所述膝关节投影图像中膝关节的位置坐标与所述第一膝关节图像中膝关节的位置坐标相同；基于所述第一膝关节图像中膝关节的位置坐标，从所述第一膝关节图像中将位置坐标对应图像分割出来，得到第二膝关节图像；将所述第二膝关节图像输入预设的多任务神经网络模型，分别输出所述股骨、胫骨、髌骨和腓骨四个部位的分割结果。2.根据权利要求1所述的基于多任务神经网络模型的膝关节分割方法，其特征在于，所述多任务神经网络模型是基于2.5D
‑
FADNet多任务分割神经网络经过模型训练得到的，所述2.5D
‑
FADNet多任务分割神经网络包括两个网络分支，每个所述网络分支包括多层卷积网络、下采样网络和上采样网络，所述股骨、胫骨、髌骨和腓骨四个部位的分割结果为两个所述网络分支各自结果的相融输出。3.根据权利要求1所述的基于多任务神经网络模型的膝关节分割方法，其特征在于，在所述分别输出所述股骨、胫骨、髌骨和腓骨四个部位的分割结果之后，所述方法还包括：将所述股骨、胫骨、髌骨和腓骨四个部位的分割结果，替换掉所述第一分割结果中各自部位的分割结果。4.根据权利要求2所述的基于多任务神经网络模型的膝关节分割方法，其特征在于，在将所述第二膝关节图像输入预设的多任务神经网络模型之前，所述方法还包括：获取膝关节图像数据集；标注所述膝关节图像数据集中膝关节图像的膝关节区域，并将所述膝关节区域确定为分割mask；其中，每个所述分割mask与所述膝关节图像一一对应；将每个所述膝关节图像及其对应的分割mask的图像格式均转换为PNG格式；将所有转换为PNG格式的膝关节图像及其对应的分割mask，按照预设比例划分为训练集、验证集和测试集。5.根据权利要求4所述的基于多任务神经网络模型的膝关节分割方法，其特征在于，在将所有转换为PNG格式的膝关节图像及其对应的分割mask，按照预设比例划分为训练集、验证集和测试集之后，所述方法还包括：利用所述训练集对所述2.5D
‑
FADNet多任务分割神经网络进行模型训练，并利用所述验证集...

【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：