【技术实现步骤摘要】
一种基于三阶段全网络的脊柱退行性疾病全检测方法及系统
[0001]本申请涉及图像处理领域,尤其涉及一种基于三阶段全网络的脊柱退行性疾病全检测方法,还涉及一种基于三阶段全网络的脊柱退行性疾病全检测系统。
技术介绍
[0002]目前人工智能技术在MR、MRI和Xray图像的检测和分割方面已有一定的应用,但对于脊柱退行性疾病的指导作用仍有限。
[0003]现有技术存在的主要问题是检测手段限制、无法给出准确的位置和缺乏合理的分级设置。近年来,随着深度学习技术的发展,一些研究将椎间盘退变分类视为一项分类任务,但仍需要人工输入或复杂的检测算法,并且难以反映退变过程的渐进性。
技术实现思路
[0004]本申请的目的在于克服现有技术中检测结果不理想或者需要人工配合进行病灶检测的缺陷,提供一种基于三阶段全网络的脊柱退行性疾病全检测方法及系统。
[0005]本申请提供一种基于三阶段全网络的脊柱退行性疾病全检测方法,包括:S1对腰椎矢状位MRI图像的标注,获得标注数据;S2通过YOLOV7目标检测模型对所述标注数据处理,获得椎间盘的目标检测数据;S3通过YOLOV7关键点检测模型对所述椎间盘的目标检测数据处理,获得椎间盘的关键点测数据;S4通过形态学检测模型对所述椎间盘的关键点测数据处理,获得椎间盘的目标形态数据;S5根据所述椎间盘的目标形态数据进行椎间盘退变分级,包括:根据预设的受损定义判断是否结构受损,若结构受损则标注6级,否则根据所述椎间盘的目标形态数据标注为1级~5级;S6根据所述椎间盘退变分级结果 ...
【技术保护点】
【技术特征摘要】
1.一种基于三阶段全网络的脊柱退行性疾病全检测方法,其特征在于,包括:S1对腰椎矢状位MRI图像的标注,获得标注数据;S2通过YOLOV7目标检测模型对所述标注数据处理,获得椎间盘的目标检测数据;S3通过YOLOV7关键点检测模型对所述椎间盘的目标检测数据处理,获得椎间盘的关键点测数据;S4通过形态学检测模型对所述椎间盘的关键点测数据处理,获得椎间盘的目标形态数据;S5根据所述椎间盘的目标形态数据进行椎间盘退变分级,包括:根据预设的受损定义判断是否结构受损,若结构受损则标注6级,否则根据所述椎间盘的目标形态数据标注为1级~5级;S6根据所述椎间盘退变分级结果确定椎间盘检测结果。2.根据权利要求1所述基于三阶段全网络的脊柱退行性疾病全检测方法,其特征在于,所述根据所述椎间盘的目标形态数据标注为1级~5级,包括:1级,或者髓核亮度;2级,;3级,;4级,;5级,;其中,所述N是髓核亮度/椎骨亮度的比值。3.根据权利要求1所述基于三阶段全网络的脊柱退行性疾病全检测方法,其特征在于,所述预设的受损定义,包括:脊椎滑脱、椎间盘前突出、椎间盘后突出、椎间盘变形和锥体楔形变中的一个或者多个。4.根据权利要求1所述基于三阶段全网络的脊柱退行性疾病全检测方法,其特征在于,所述标注数据,包括:对每一张腰椎矢状位的6个椎间盘标注:包括T12
‑
L1、L1
‑
2、L2
‑
3、L3
‑
4、L4
‑
5、L5
‑
S1椎体间隙做目标检测框的标注;所述标注包括:上椎体下缘、下锥体的上缘,椎间盘的前后缘;其中,T12
‑
L1表示位于第12胸椎和第1腰椎之间的椎体间隙;L1
‑
2表示位于第1腰椎和第2腰椎之间的椎体间隙;L2
‑
3表示位于第2腰椎和第3腰椎之间的椎体间隙;L3
‑
4表示位于第3腰椎和第4腰椎之间的椎体间隙;L4
‑
5表示位于第4腰椎和第5腰椎之间的椎体间隙;L5
‑
S1表示位于第5腰椎和骶骨一级之间的椎体间隙。5.根据权利要求1所述基于三阶段全网络的脊柱退行性疾病全检测方法,其特征在于,所述YOLOV7关键点检测模型,包括:Backbone模块和PANet feature fusion模块。6.根据权利要求5所述基于三阶段全网络的脊柱退行性疾病全检测方法,其特征在于,
所述PANet featur...
【专利技术属性】
技术研发人员:冯世庆,伊力扎提,
申请(专利权)人:江苏世钰智能医疗科技有限公司山东世钰智能医疗科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。