一种基于制造技术

本申请涉及一种基于

【技术实现步骤摘要】
一种基于AI智能识别模型的椎间盘突出病变快速检测方法


[0001]本公开涉及智能医疗
，尤其涉及一种基于
AI
智能识别模型的椎间盘突出病变快速检测方法
、
系统和电子设备
。

技术介绍

[0002]椎间盘突出症是较为常见的疾患之一，主要是因为腰椎间盘各部分
(
髓核
、
纤维环及软骨板
)
，尤其是髓核，有不同程度的退行性改变后，在外力因素的作用下，椎间盘的纤维环破裂，髓核组织从破裂之处突出
(
或脱出
)
于后方或椎管内，导致相邻脊神经根遭受刺激或压迫，从而产生腰部疼痛，一侧下肢或双下肢麻木
、
疼痛等一系列临床症状，如附图1所示
。
[0003]腰椎间盘突出症以腰4～
5、
腰5～骶1发病率最高，因此临床对于椎间盘突出的检查，通常以影像学技术进行检查，比如椎间盘
CT
或者
MRI
或者
X
片图像，可以通过椎间盘影像图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
AI
智能识别模型的椎间盘突出病变快速检测方法，其特征在于，包括如下步骤：基于
CNN
卷积神经网络训练生成椎间盘突出
AI
智能识别模型；获取椎间盘
CT
扫描图像数据，将椎间盘
CT
扫描图像数据导入所述椎间盘突出
AI
智能识别模型进行椎间盘突出识别，获取满足识别值的椎间盘
CT
扫描目标图像；获取所有的所述椎间盘
CT
扫描目标图像的二维
CT
数据，并集合为目标图像
CT
数据集
M
；基于所述目标图像
CT
数据集
M
，纠正椎间盘三维标准模型，得到椎间盘三维病变模型，利用所述椎间盘三维病变模型反应椎间盘突出病变
。2.
根据权利要求1所述的一种基于
AI
智能识别模型的椎间盘突出病变快速检测方法，其特征在于，基于
CNN
卷积神经网络训练生成椎间盘突出
AI
智能识别模型，包括：准备若干椎间盘突出的
CT
扫描图像
M
和测试图像；按照椎间盘在不同病变时期的突出特征，将所述椎间盘突出图像
M
划分为不同病变时期的椎间盘突出图像子集
{M1
，
M2......Mn}
；将所述椎间盘突出图像子集
{M1
，
M2......Mn}
，依次输入预设的所述
CNN
卷积神经网络，利用所述
CNN
卷积神经网络识别并学习所述椎间盘突出图像子集
{M1
，
M2......Mn}
中每一个子集的病变突出特征
p
，并按照预设的优化迭代条件进行迭代训练学习；迭代训练学习完成，得到所述椎间盘突出
AI
智能识别模型，并利用所述测试图像测试所述椎间盘突出
AI
智能识别模型的识别精度
T
；当识别精度
T
满足预设值之时，将所述椎间盘突出
AI
智能识别模型经过调参之后部署在后台服务器之上；当识别精度
T
不满足，预设值之时，对所述
CT
扫描图像
M
进行图像更新，并按照上述步骤重新进行迭代训练学习，直到识别精度
T
满足预设值，当识别精度
T
满足预设值之时，将所述椎间盘突出
AI
智能识别模型经过调参之后部署在后台服务器之上
。3.
根据权利要求1所述的一种基于
AI
智能识别模型的椎间盘突出病变快速检测方法，其特征在于，获取椎间盘
CT
扫描图像数据，将椎间盘
CT
扫描图像数据导入所述椎间盘突出
AI
智能识别模型进行椎间盘突出识别，获取满足识别值的椎间盘
CT
扫描目标图像，包括：利用三维
CT
扫描系统，获取患者的椎间盘
CT
扫描图像数据，并将所述椎间盘
CT
扫描图像数据实时上传至后台服务器；后台服务器接收所述椎间盘
CT
扫描图像数据，并导入所述椎间盘突出
AI
智能识别模型；所述椎间盘突出
AI
智能识别模型对所述椎间盘
CT
扫描图像数据中的若干椎间盘
CT
扫描图像进行图像识别，并提取得到各个所述椎间盘
CT
扫描图像上的病变突出特征
p1
；将每个所述椎间盘
CT
扫描图像的病变突出特征
p1
与所述病变突出特征
p
进行相似度计算，得到对应的识别值；判断所述识别值是否满足预设的识别阈值，将满足识别阈值的所述椎间盘
CT
扫描图像进行标记，得到所述椎间...

【专利技术属性】
技术研发人员：张超，何勍，阮狄克，白雪东，李超，辛洪奎，
申请(专利权)人：中国人民解放军总医院第六医学中心，
类型：发明
国别省市：