【技术实现步骤摘要】
本申请涉及计算机视觉，尤其涉及一种髋关节检测方法、相应的装置、电子设备及计算机可读存储介质。
技术介绍
1、发展性髋关节不良(developmental dysplasia of the hip,ddh)是指由于髋臼发育缺陷造成髋臼对股骨头的覆盖不良，导致髋关节长期生物力学的异常而逐渐出现股骨头半脱位到髋关节完全脱位的一种疾病。发展性髋关节不良(ddh)是婴幼儿常见的骨科疾病之一，约占新生儿人群的0.15％-2％，女性患者∶男性患者为4.2:1。早期的诊断和治疗对于发展性髋关节不良(ddh)的预防和处理至关重要。如尽早诊断可以通过外固定支具、截骨矫形进行治疗，效果良好。
2、目前，人工智能在疾病分类、分割、检测、图像配准等广泛的医学图像分析领域都具有巨大的发展。随着年龄的推移，骨骼在钙化的不同阶段，标志物在形状上呈现出多样性；例如，股骨头和三辐射软骨中心的外观在不同年龄段之间存在明显差异，性别不同髋关节也有所差异。若发展性髋关节不良(ddh)未能在早期诊断发现，可能会带来严重的髋关节损害,后期进行外科手术治疗难度较大，费用较高。
3、综上，适应随着年龄的推移，骨骼在钙化的不同阶段，标志物在形状上呈现出多样性，以及发展性髋关节不良(ddh)未能在早期诊断发现，可能会带来严重的髋关节损害,后期进行外科手术治疗难度较大，费用较高等问题，本申请出于解决该问题的考虑作出相应的探索。
技术实现思路
1、本申请的目的在于解决上述问题而提供一种髋关节检测方法、相应的装置、电
2、为满足本申请的各个目的，本申请采用如下技术方案：
3、适应本申请的目的之一而提出的一种髋关节检测方法，包括如下步骤：
4、响应髋关节检测事件，获取髋关节相对应的骨盆x射线图像数据；
5、构建一个三通道的数组，读取所述骨盆x射线图像数据中的年龄以及性别信息，将所述骨盆x射线图像数据的各个像素值写入所述数组中的第一通道，将所述年龄写入所述数组中的第二通道，将所述性别信息写入所述数组中的第三通道；
6、基于训练好的髋关节检测模型检测所述骨盆x射线图像数据，确定所述骨盆x射线图像数据中所述髋关节相对应的关键点坐标，根据所述关键点坐标确定所述骨盆x射线图像数据中的股骨头中心；
7、根据所述股骨头中心相对于hilgenreiner线、perkin线的位置确定髋关节的髋臼指数，根据所述髋臼指数、年龄以及性别信息确定所述髋关节的健康状态，以完成所述髋关节的检测。
8、可选的，根据所述股骨头中心相对于hilgenreiner线、perkin线的位置确定髋关节的髋臼指数，根据所述髋臼指数、年龄以及性别信息确定所述髋关节的健康状态，以完成所述髋关节的检测的步骤,包括如下步骤：
9、根据所述髋臼指数确定所述髋关节的关节状态，若所述髋臼指数低于22°,所述股骨头中心位于hilgenreiner线、perkin线内下象限，则所述髋关节为正常状态；
10、若髋臼角大于22°，所述股骨头中心位于hilgenreiner线、perkin线内的下象限，则所述髋关节为疑似脱位状态；
11、若所述股骨头中心位于hilgenreiner线、perkin线的外下象限，则所述髋关节为轻度脱位状态；
12、若所述股骨头中心位于hilgenreiner线、perkin线的外上象限，则所述髋关节为重度脱位状态。
13、可选的，获取髋关节相对应的骨盆x射线图像数据的步骤之前，包括如下步骤：
14、从预设的数据库中获取所述髋关节相对应的骨盆x射线图像数据，将所述骨盆x射线数据相对应的dicom文件转换为jpeg图像；
15、在保持原始纵横比并在较短的一侧填充为零，将图像大小重新采样为1024×1024像素。
16、可选的，获取髋关节相对应的骨盆x射线图像数据的步骤之后，包括如下步骤：
17、响应图像增强指令，对所述骨盆x射线图像数据进行mosaic图像增强；
18、将所述骨盆x射线图像数据基于随机缩放、随机裁剪以及随机排布的方式进行拼接，确定图像增强后的骨盆x射线图像数据。
19、可选的，训练所述髋关节检测模型的步骤，包括如下步骤：
20、将所述图像增强后的骨盆x射线图像数据按照预设比例划分为训练集、测试集以及验证集；
21、获取所述训练集中的单个训练样本及其监督标签，将所述训练集输入至预设的髋关节检测模型，提取出所述训练样本中相应的监督标签所标注的关键点坐标对应的区域的图像特征信息；
22、将所述图像特征信息分类映射至预设的表征多个所述髋关节的位置信息相对应的分类空间，获得映射至各个分类空间相对应的分类概率；
23、确定分类概率最大的分类空间表征的所述髋关节的位置信息，采用损失函数基于所述监督标签所标注的所述髋关节的位置信息，计算所述分类概率最大的分类空间表征的所述髋关节的位置信息对应的损失值；
24、当各项所述损失值达到预设阈值时，所述髋关节检测模型已被训练至收敛状态，完成所述髋关节检测模型的训练。
25、可选的，基于训练好的髋关节检测模型检测所述骨盆x射线图像数据，确定所述骨盆x射线图像数据中所述髋关节相对应的关键点坐标，根据所述关键点坐标确定所述骨盆x射线图像数据中的股骨头中心的步骤，包括如下步骤：
26、基于预设的髋关节检测模型中的卷积神经网络提取所述各个骨盆x射线图像数据的图像特征信息；
27、基于预设的髋关节检测模型中的分类器对所述图像特征信息进行全连接，获得其映射到预设的多个所述髋关节相对应的分类概率；
28、将所述分类概率最大的所述髋关节确定为所述髋关节相对应的位置信息。
29、可选的，所述髋关节检测模型为yolo5目标检测模型。
30、适应本申请的另一目的而提供的一种髋关节检测装置，包括：
31、数据获取模块，设置为响应髋关节检测事件，获取髋关节相对应的骨盆x射线图像数据；
32、数组通道构建模块，设置为构建一个三通道的数组，读取所述骨盆x射线图像数据中的年龄以及性别信息，将所述骨盆x射线图像数据的各个像素值写入所述数组中的第一通道，将所述年龄写入所述数组中的第二通道，将所述性别信息写入所述数组中的第三通道；
33、股骨头中心确定模块，设置为基于训练好的髋关节检测模型检测所述骨盆x射线图像数据，确定所述骨盆x射线图像数据中所述髋关节相对应的关键点坐标，根据所述关键点坐标确定所述骨盆x射线图像数据中的股骨头中心；
34、髋关节检测模块，设置为根据所述股骨头中心相对于hilgenreiner线、perkin线的位置确定髋关节的髋臼指数，根据所述髋臼指数、年龄以及性别信息确定所述髋关节的健康状态，以完成所述髋关节的检测。
35、适应本申请的本文档来自技高网...
【技术保护点】
1.一种髋关节检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的髋关节检测方法，其特征在于，根据所述股骨头中心相对于Hilgenreiner线、Perkin线的位置确定髋关节的髋臼指数，根据所述髋臼指数、年龄以及性别信息确定所述髋关节的健康状态，以完成所述髋关节的检测的步骤,包括如下步骤：
3.根据权利要求1所述的髋关节检测方法，其特征在于，获取髋关节相对应的骨盆X射线图像数据的步骤之前，包括如下步骤：
4.根据权利要求1所述的髋关节检测方法，其特征在于，获取髋关节相对应的骨盆X射线图像数据的步骤之后，包括如下步骤：
5.根据权利要求4所述的髋关节检测方法，其特征在于，训练所述髋关节检测模型的步骤，包括如下步骤：
6.根据权利要求1所述的髋关节检测方法，其特征在于，基于训练好的髋关节检测模型检测所述骨盆X射线图像数据，确定所述骨盆X射线图像数据中所述髋关节相对应的关键点坐标，根据所述关键点坐标确定所述骨盆X射线图像数据中的股骨头中心的步骤，包括如下步骤：
7.根据权利要求1至6任意一项所述的髋关节
8.一种髋关节检测装置，其特征在于，包括:
9.一种电子设备，包括中央处理器和存储器，其特征在于，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，其以计算机可读指令的形式存储有依据权利要求1至7中任意一项所述的方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。
...【技术特征摘要】
1.一种髋关节检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的髋关节检测方法，其特征在于，根据所述股骨头中心相对于hilgenreiner线、perkin线的位置确定髋关节的髋臼指数，根据所述髋臼指数、年龄以及性别信息确定所述髋关节的健康状态，以完成所述髋关节的检测的步骤,包括如下步骤：
3.根据权利要求1所述的髋关节检测方法，其特征在于，获取髋关节相对应的骨盆x射线图像数据的步骤之前，包括如下步骤：
4.根据权利要求1所述的髋关节检测方法，其特征在于，获取髋关节相对应的骨盆x射线图像数据的步骤之后，包括如下步骤：
5.根据权利要求4所述的髋关节检测方法，其特征在于，训练所述髋关节检测模型的步骤，包括如下步骤：
6.根据权利要求1所述的髋关节检测方法，其特征在于，基...
【专利技术属性】
技术研发人员：陈静，范洨铕，刘扬帆，苏成悦，
申请(专利权)人：广东工业大学，
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。