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】
本专利技术涉及医学图像处理,尤其涉及一种医学图像处理系统、模型训练方法、装置及存储介质。
技术介绍
1、dr图像、ct图像已被广泛地应用于骨折检查领域。在临床上,有些患者的骨折比较明显,医生可以很容易的确定;也有一些患者的骨折不是很明显,临床经验不足的医生可能会漏诊。
2、因此有必要提供一种能够准确地确定骨折检测结果的图像处理系统。
技术实现思路
1、本专利技术提供了一种医学图像处理系统、模型训练方法、装置及存储介质,以准确地确定患者的骨折检测结果。
2、根据本专利技术的一方面,提供了一种医学图像处理系统,包括,处理器,所述处理器被配置为执行以下方法:
3、将医学图像输入已训练的骨折检测模型以得到骨折概率图以及与所述骨折概率图对应的目标骨骼部位标识,所述骨折概率图中各像素的像素值与骨折程度正相关或负相关;
4、将所述医学图像输入已训练的骨骼分割模型以得到至少一个部位类别的骨骼分割结果;
5、从所有骨骼分割结果中筛选出与所述目标骨骼部位标识对应的目标骨骼分割结果;
6、根据所述骨折概率图与所述目标骨骼分割结果确定骨折检测结果。
7、根据本专利技术的另一方面,提供了一种骨折检测模型训练方法,包括:
8、基于第一训练样本集合对骨折检测模型进行训练得到训练后的骨折检测模型,所述第一训练样本集合中的样本包括标签,所述标签包括骨折概率;
9、采用第二训练样本集合对训练后的骨折检测模型进行
10、如果所述骨折概率准确度小于设定准确率阈值,则修正所述第二训练样本集合中标签有误的训练样本的标签,以更新所述第二训练样本集合,并将更新后的所述第二训练样本集合作为当前第一训练样本集合;
11、采用所述当前第一训练样本集合对所述训练后的骨折检测模型再次进行训练以更新所述训练后的骨折检测模型,并返回采用第二训练样本集合对训练后的骨折检测模型进行验证,得到骨折概率准确度的步骤,直至所述骨折概率准确度大于或等于设定准确率阈值。
12、根据本专利技术的另一方面,提供了一种医学图像处理装置,包括:
13、概率图模块,用于将医学图像输入已训练的骨折检测模型以得到骨折概率图以及与所述骨折概率图对应的目标骨骼部位标识,所述骨折概率图中各像素的像素值与骨折程度正相关或负相关;
14、骨骼分割模块,用于将所述医学图像输入已训练的骨骼分割模型以得到至少一个部位类别的骨骼分割结果;
15、筛选模块,用于从所有骨骼分割结果中筛选出与所述目标骨骼部位标识对应的目标骨骼分割结果;
16、结果模块,用于根据所述骨折概率图与所述目标骨骼分割结果确定骨折检测结果。
17、根据本专利技术的另一方面,提供了一种骨折检测模型训练装置,包括:
18、训练模块,用于基于第一训练样本集合对骨折检测模型进行训练得到训练后的骨折检测模型,所述第一训练样本集合中的样本包括标签,所述标签包括骨折概率;
19、验证模块,用于采用第二训练样本集合对训练后的骨折检测模型进行验证,得到骨折概率准确度;
20、标签修正模块,用于如果所述骨折概率准确度小于设定准确率阈值,则修正所述第二训练样本集合中标签有误的训练样本的标签,以更新所述第二训练样本集合,并将更新后的所述第二训练样本集合作为当前第一训练样本集合;
21、迭代模块,用于采用所述当前第一训练样本集合对所述训练后的骨折检测模型再次进行训练以更新所述训练后的骨折检测模型,并返回采用第二训练样本集合对训练后的骨折检测模型进行验证,得到骨折概率准确度的步骤,直至所述骨折概率准确度大于或等于设定准确率阈值。
22、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的骨折检测模型训练方法,或者实现以下医学图像处理方法:
23、将医学图像输入已训练的骨折检测模型以得到骨折概率图以及与所述骨折概率图对应的目标骨骼部位标识,所述骨折概率图中各像素的像素值与骨折程度正相关或负相关;
24、将所述医学图像输入已训练的骨骼分割模型以得到至少一个部位类别的骨骼分割结果;
25、从所有骨骼分割结果中筛选出与所述目标骨骼部位标识对应的目标骨骼分割结果;
26、根据所述骨折概率图与所述目标骨骼分割结果确定骨折检测结果。
27、本专利技术实施例提供的医学图像处理方法的技术方案,通过已训练的骨折检测模型对医学图像进行分析得到骨折概率图以及骨折概率图对应的目标骨骼部位标识,通过已训练的骨骼分割模型对医学图像进行处理得到至少一个部位类别的骨骼分割结果,最后根据目标骨骼部位标识从至少一个部位类别的骨骼分割结果中筛选出目标部位骨骼分割结果,通过骨折概率图与目标骨骼分割结果确定骨折检测结果。由于骨折概率图中各像素的像素值与骨折程度正相关或负相关,因此骨折概率图可以反映对应骨骼的骨折程度,因此用户可以根据骨折检测结果确定骨折分布范围以及骨折分布范围内各位置的骨折程度,便于用户直观地确定目标对象的骨折情况。
28、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种医学图像处理系统,其特征在于,所述系统包括处理器,所述处理器被配置为执行以下医学图像处理方法:
2.根据权利要求1所述的系统,其特征在于,所述将医学图像输入已训练的骨折检测模型以得到骨折概率图,包括:
3.根据权利要求1所述的系统,其特征在于,所述根据所述骨折概率图与所述目标骨骼分割结果确定骨折检测结果,包括:
4.根据权利要求3所述的系统,其特征在于,所述基于预先创建的骨骼部位标识与无效连通域尺寸的对应关系,确定与所述目标骨骼部位标识对应的无效连通域尺寸之前,还包括:
5.根据权利要求1所述的系统,其特征在于,
6.根据权利要求1所述的系统,其特征在于,还包括:
7.一种骨折检测模型训练系统,其特征在于,包括:
8.一种医学图像处理装置,其特征在于,包括:
9.一种骨折检测模型训练装置,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求7所述的骨折检测模型训练方法,或者
...【技术特征摘要】
1.一种医学图像处理系统,其特征在于,所述系统包括处理器,所述处理器被配置为执行以下医学图像处理方法:
2.根据权利要求1所述的系统,其特征在于,所述将医学图像输入已训练的骨折检测模型以得到骨折概率图,包括:
3.根据权利要求1所述的系统,其特征在于,所述根据所述骨折概率图与所述目标骨骼分割结果确定骨折检测结果,包括:
4.根据权利要求3所述的系统,其特征在于,所述基于预先创建的骨骼部位标识与无效连通域尺寸的对应关系,确定与所述目标骨骼部位标识对应的无效连通域尺寸之前,...
【专利技术属性】
技术研发人员:孙岩峰,尹思源,张欢,王少康,陈宽,
申请(专利权)人:推想医疗科技股份有限公司,
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。