System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及腰椎中横断超声视图分割和分类,具体为一个两阶段模型用于分割和分类目标腰椎骨结构的方法。
技术介绍
1、近年来,超声引导已经成为腰椎区域麻醉和慢性疼痛管理的一种重要工具,包括腰丛阻滞、神经根阻滞、中枢分支阻滞、椎间关节注射和硬膜外类固醇注射等;相对于传统的解剖标志和放射学可视化技术,超声引导具有无辐射、便携性以及实时可视化的优势。对于腰椎注射,有两个重要的超声视图,即椎体横突水平的经中线横断面视图和经中线横断孔视图,它们在不同的临床应用中发挥着关键作用。然而,腰椎超声视图的复杂解剖结构和目标结构的深度位置对医生的要求较高,特别是初学者;因此,自动检测这两个超声视图可以显著帮助医生,特别是初学者,更好地进行临床工作。
技术实现思路
1、本专利技术的目的在于提供一个两阶段模型用于分割和分类目标腰椎骨结构的方法,以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题,本专利技术提供如下技术方案:一个两阶段模型用于分割和分类目标腰椎骨结构的方法,所述方法包括以下步骤:
3、步骤s100:将椎间孔f和横突t设定为同一个类别,采用一种视神经鞘定位方法识别和定位超声图像;
4、本专利技术提出了一种基于卷积神经网络的分割模型,采用两阶段方法,可以自动勾画出目标腰椎骨结构并对两个重要的腰椎横断面超声图像视图进行分类;提出的方法可以提高临床医生在识别和定位ptv-tp和ptfv方面的效率和准确性;ptv-tp是用于腰块丛阻滞的常用超声图像视图,还用于
5、步骤s200:基于u-net训练一个语义分割模型,对超声图像进行语义分割得到语义分割结果;
6、步骤s300:对语义分割结果进行坐标统计,创建一个包含语义分割结果坐标的新数据集;
7、步骤s400:根据新数据集训练一个用于椎间孔f和横突t的svm分类器,给语义分割结果分配标签并进行分类。
8、进一步的,所述步骤s100包括以下步骤:
9、步骤s101:对超声图像进行预处理;从预处理后的超声图像中,提取与视神经鞘相关的包括形状和纹理的特征;对超声图像进行预处理,包括去噪、增强对比度等操作,以提高图像质量和清晰度;
10、步骤s102:根据提取的特征,使用图像分割方法将视神经鞘所在的区域从预处理后的超声图像中提取出来得到视神经鞘区域;可以使用传统的图像处理技术,如边缘检测、形态学操作等,或者使用深度学习模型,如卷积神经网络(cnn)来实现;
11、步骤s103:根据提取的视神经鞘区域,通过几何计算方法计算视神经鞘区域的位置和大小,并对视神经鞘区域进行定位得到定位结果;
12、步骤s104:对定位结构进行去除噪声和填补空洞的后处理,可以提高定位的准确性和鲁棒性。
13、进一步的,所述步骤s200包括以下步骤:
14、步骤s201:收集包含超声图像和与所述超声图像相关的解剖结构标签的原始数据;
15、步骤s202:利用深度学习模型对所述超声图像进行语义分割得到语义分割结果;
16、本专利技术采用了u-net,它具有对称的编码器-解码器架构和跳跃连接,有助于同时整合图像的低级和高级特征进行分割。编码器部分包括卷积和池化层,有助于从图像中提取特征表示。相反,解码器部分通过上采样和卷积操作逐渐恢复原始分辨率,同时将来自相应编码器层级的特征合并在一起,从而产生精确的分割结果。
17、进一步的,所述步骤s202包括以下步骤:
18、步骤s202.1:设第i个超声图像对应的掩模为mi,构建一个掩模mi的特征集合fi,fi=[c0,c1,c2,c3,...,cl],其中,cl为掩模mi分割后的第l个子区域;
19、步骤s202.2:将椎间孔f的像素值设为0,横突t的像素值设为1;设掩模mi分割后的第j个子区域为cj,当子区域cj中存在像素值为1时,则cj=1;否则,cj=0;得到一个预期分割结果:
20、步骤s202.3:设定分割过程中掩模mi的特征集合fi的预期分割结果与第i个超声图像相关的解剖结构标签之间的重叠程度为iou;根据公式:
21、
22、其中,intersection表示掩模mi的特征集合fi的预期分割结果与第i个超声图像相关的解剖结构标签之间的交集面积;union表示掩模mi的特征集合fi的预期分割结果与第i个超声图像相关的解剖结构标签之间的并集面积;
23、步骤s202.4:设定一个阈值τ,当iou<τ时,则重新进行分割掩膜,直至iou≥τ时停止操作;
24、本专利技术的算法提供了可靠和精确的分割结果,这对于后续的分析和临床决策至关重要;可以提高临床医生在识别和定位ptv-tp和ptfv方面的效率和准确性。
25、进一步的,所述步骤s300包括以下步骤:
26、步骤s301:遍历语义分割结果中的每一个像素,记录每一个像素的像素坐标,并根据解剖结构标签对每一个像素的像素坐标进行统计得到统计结果;
27、步骤s302:根据统计结果为每个解剖结构标签创建一个包含对应像素的像素坐标的新数据集;
28、步骤s303:对新数据集进行标注,检查新数据集中是否存在缺失值、异常值或错误标签的问题,当新数据集中存在所述问题时,对新数据集进行数据清洗和修正;利用新数据集训练分割模型;
29、该模型可用于辅助医生进行准确定位和导航手术或治疗过程,提高医疗诊断和治疗效果。
30、进一步的,所述步骤s400包括以下步骤:
31、步骤s401:获取包含超声图像的数据集以及与所述超声图像相关联的语义分割结果;
32、步骤s402:对超声图像进行预处理,采用均值方差标准化将预处理后的超声图像进行标准化和归一化;
33、步骤s403:将包含超声图像的数据集划分为训练集和测试集,并采用交叉验证法评估svm分类器的性能;
34、步骤s404:使用径向基核和训练集的数据训练svm分类器,通过绘制超平面对测试集中椎间孔f和横突t进行分类,根据二维混淆矩阵对预测结果进行统计;设定一个二维混淆矩阵
35、
36、其中,tf为椎间孔f类判定为椎间孔f类数量,ft为横突t类判定为椎间孔f类数量,ff为椎间孔f类判定为横突t类数量,tt为横突t类判定为横突t类数量;根据公式:
37、
38、计算得到svm分类器的准确率accuracy;
39、常见的f形状呈山羊峰状,具有两个峰和一个谷,整体轮廓稳定,拐点较少;相反,t的形状更加扭曲,包含多个拐点;因此,本专利技术利用拐点的存在作为形状的独特特征来对f和t进行二元分类。
40、进一步的,所述步骤s402包括以下步骤:
41、步骤s本文档来自技高网...
【技术保护点】
1.一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述方法包括以下步骤:
2.根据权利要求1所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤S100包括以下步骤:
3.根据权利要求1所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤S200包括以下步骤:
4.根据权利要求2所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤S202包括以下步骤:
5.根据权利要求1所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤S300包括以下步骤:
6.根据权利要求1所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤S400包括以下步骤:
7.根据权利要求6所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤S402包括以下步骤:
【技术特征摘要】
1.一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述方法包括以下步骤:
2.根据权利要求1所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤s100包括以下步骤:
3.根据权利要求1所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法,其特征在于:所述步骤s200包括以下步骤:
4.根据权利要求2所述的一个两阶段模型用于分割和分类目标腰椎骨结构的方法...
【专利技术属性】
技术研发人员:崔旭蕾,陈建刚,袁青,徐艺岩,黄麒铭,徐径舟,刘子琦,周昌,季和宇,
申请(专利权)人:中国医学科学院北京协和医院,
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。