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】
本专利技术涉及计算机图像处理领域,具体地说是一种基于深度学习的颞下颌关节核磁影像定位方法、系统、设备及介质。
技术介绍
1、在口腔医疗领域中,一个重要的病症就是颞下颌关节紊乱症,该病症具有隐匿性,不易被发现,同时具有发病率高的特点,直接影响青少年的健康发育。
2、关节内紊乱病是因关节盘-髁突关系受损,致使关节无法行使正常功能的机械性运动障碍,占所有关节疾病的80%;最为常见的是关节盘前移位造成髁突运动受阻,导致张口受限,疼痛,咬合痛,时间长会出现髁突的破坏吸收及骨关节病。
3、关节盘的前移位也是一个逐步发展的过程,大多数患者首先出现关节区的张口弹响此时为关节盘可复性前移位。就是关节盘移位不是很远,在张口时髁突前下方的运动,关节盘可以回到正确的位置。
4、若上述疾病能及时、快速地进行筛查,则可以尽早发现、尽早治疗。然而目前核磁影像的读片需要一个有数十年临床经验的专业医生才能完成,并且读片的速度较低;在大规模的青少年健康筛查中会影响工作效率。
技术实现思路
1、本专利技术为解决现有的问题,旨在提供一种基于深度学习的颞下颌关节核磁影像定位方法、系统、设备及介质。
2、为了达到上述目的,本专利技术采用的技术方案的第一部分提供一种基于深度学习的颞下颌关节核磁影像定位方法,包含如下步骤:
3、s1,提取影像的高层语义特征,得到全尺寸特征图;
4、s2,对全尺寸特征图进行全局特征提取,得到目标区域和背景区域;
5
6、s4,对目标区域进行检测和定位,得到关节盘和髁突的位置信息;同时对目标区域进行再次分割,得到关节盘和髁突的形状和组织信息。
7、在一些实施例中还包括s5,计算关节盘和髁突的重心,并判断两者的相对位置关系。
8、在一些实施例的s5中,利用关节盘和髁突的分割出来的区域的像素点坐标,分别加和求平均,得到重心点。
9、在一些实施例的s1中,先对整套头部核磁影像做筛选,选取若干连续且有输出结果的影像。
10、在一些实施例的s1中,取其中最中间部分五张作为待处理的影像。
11、在一些实施例的s1中,通过fpn网络提取影像的高层语义特征。
12、在一些实施例的s2中,采用语义分割技术对全尺寸特征图进行像素级别的分类,分割得到目标区域和背景区域。
13、在一些实施例的s4中,采用卷积神经网络以回归的方式预测目标区域的矩形框和类别,即判断是髁突还是关节盘,并得到髁突和关节盘在影像中的位置。在一些实施例的s4中,将矩形框内的区域单独抽取出来进行像素级别的分类,得到目标区域的二值分割结果;正例表示前景,即关节盘或髁突,负例表示背景区域。
14、在一些实施例的s4中,选择髁突分割结果大而清晰的影像图片。
15、本专利技术的第二部分提供一种核磁影像分割定位系统,包括:
16、特征提取模块,用于提取影像的高层语义特征;
17、掩码特征提取模块和特征融合模块,掩码特征提取模块用于全局特征提取,即对全尺寸特征图进行分割,得到目标区域和背景区域;再进行局部特征提取,提取目标区域中的主体特征和边缘特征,并由特征融合模块将两者与全局特征进行融合检测定位模块,用于预测目标所在区域的矩形框和类别,并得到髁突和关节盘在影像中的位置;
18、区域分割模块,用于将矩形框内的区域进行像素级别的分类,得到目标区域的二值分割结果。
19、在一些实施例中,还包括计算判断模块,用于计算关节盘和髁突的重心,并判断两者的相对位置关系。
20、本专利技术的第三部分提供一种核磁影像分割定位设备,包括处理器、以及用于存储处理器的可执行指令的存储器,所述处理器运行时执行任一上述的方法。
21、本专利技术的第四部分提供一种计算机可读介质,其上存储有计算机程序指令,所述计算机程序指令被处理执行时,实现任一上述的方法。
22、和现有技术相比,本专利技术通过基于深度学习模型从颞下颌关节的核磁影像中快速定位到关节盘和髁突,进而分割出关节盘和髁突的区域,进一步地判断关键盘和髁突的相对位置关系;可以帮助医生从相对位置关系中快速地给出初步诊断结果,减少病人的看病时间,利于大规模的筛查。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的颞下颌关节核磁影像分割定位方法,其特征在于包含如下步骤:
2.根据权利要求1所述的方法,其特征在于:还包括S5,计算关节盘和髁突的重心,并判断两者的相对位置关系;和/或利用关节盘和髁突的分割出来的区域的像素点坐标,分别加和求平均,得到重心点。
3.根据权利要求1所述的方法,其特征在于:S1中,先对整套头部核磁影像做筛选,选取若干连续且有输出结果的影像;和/或取其中最中间部分五张作为待处理的影像。
4.根据权利要求1所述的方法,其特征在于:S2中,采用语义分割技术对全尺寸特征图进行像素级别的分类,分割得到目标区域和背景区域。
5.根据权利要求1所述的方法,其特征在于:S4中,采用卷积神经网络以回归的方式预测目标区域的矩形框和类别,即判断是髁突还是关节盘,并得到髁突和关节盘在影像中的位置。
6.根据权利要求5所述的方法,其特征在于:S4中,将矩形框内的区域单独抽取出来进行像素级别的分类,得到目标区域的二值分割结果;正例表示前景,即关节盘或髁突,负例表示背景区域。
7.一种核磁影像分割定位系统
8.根据权利要求7所述的系统,其特征在于:还包括计算判断模块,用于计算关节盘和髁突的重心,并判断两者的相对位置关系。
9.一种核磁影像分割定位设备,其特征在于:包括处理器、以及用于存储处理器的可执行指令的存储器,所述处理器运行时执行权利要求1-6中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序指令,其特征在于:所述计算机程序指令被处理执行时,实现权利要求1-6中任一所述的方法。
...【技术特征摘要】
1.一种基于深度学习的颞下颌关节核磁影像分割定位方法,其特征在于包含如下步骤:
2.根据权利要求1所述的方法,其特征在于:还包括s5,计算关节盘和髁突的重心,并判断两者的相对位置关系;和/或利用关节盘和髁突的分割出来的区域的像素点坐标,分别加和求平均,得到重心点。
3.根据权利要求1所述的方法,其特征在于:s1中,先对整套头部核磁影像做筛选,选取若干连续且有输出结果的影像;和/或取其中最中间部分五张作为待处理的影像。
4.根据权利要求1所述的方法,其特征在于:s2中,采用语义分割技术对全尺寸特征图进行像素级别的分类,分割得到目标区域和背景区域。
5.根据权利要求1所述的方法,其特征在于:s4中,采用卷积神经网络以回归的方式预测目标区域的矩形框和类别,即判断是髁突还是关...
【专利技术属性】
技术研发人员:吴晓鹏,王立峰,冯渊,韩良杰,
申请(专利权)人:上海哈珥斯智能科技有限公司,
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。