【技術實現(xiàn)步驟摘要】
本專利技術涉及骨折檢測，尤其涉及一種骨折檢測方法、裝置、電子設備及存儲介質(zhì)。
技術介紹
1、隨著醫(yī)學技術的飛速發(fā)展，骨折作為骨骼系統(tǒng)常見的損傷，其準確、及時的診斷對于制定治療方案、評估預后具有重要意義。因此，各種影像技術被廣泛應用于骨折的檢測中，以提高診斷的準確性和效率。
2、現(xiàn)有技術中，多種深度學習方法已被用于骨折檢測當中，大大提高了骨折的臨床診斷效率。這些技術為臨床醫(yī)生在診斷和確定骨折情況時提供了不可或缺的視覺依據(jù)，包括骨折的具體位置、損傷嚴重性以及骨折線的形態(tài)等關鍵信息。但由于骨折特征的細微性和骨骼結(jié)構的復雜性，如骨折碎片的分散、形狀不規(guī)則，以及可能出現(xiàn)的重疊、旋轉(zhuǎn)等復雜情況，給骨科醫(yī)生在診斷骨折類型、評估損傷程度時帶來了挑戰(zhàn)。需要臨床醫(yī)生具備較長時間的臨床診斷經(jīng)驗和豐富的知識學習。同時，醫(yī)生在分析影像時承擔巨大的工作量，即使是經(jīng)驗豐富的醫(yī)生，也容易受到疲勞和主觀判斷的影響，這增加了漏檢和誤檢的風險。
3、因此，急需一種骨折檢測方法，能夠通過對醫(yī)學影像進行特征提取和邊界框預測，實現(xiàn)對醫(yī)學影像高度自適應性、高準確率和高效率地檢測。
技術實現(xiàn)思路
1、有鑒于此，有必要提供一種骨折檢測方法、裝置、電子設備及存儲介質(zhì)，能夠通過對醫(yī)學影像進行特征提取和邊界框預測，實現(xiàn)對醫(yī)學影像高度自適應性、高準確率和高效率的檢測。
2、為了解決上述技術問題，一方面，本專利技術提供了一種骨折檢測方法，包括：
3、根據(jù)骨骼影像的預測邊界框與實際邊界框的角點坐
4、確定訓練樣本影像數(shù)據(jù)中骨骼影像相鄰特征的連貫值和位置編碼信息；
5、根據(jù)所述相鄰特征的連貫值和位置編碼信息生成骨骼預測結(jié)果；
6、根據(jù)所述骨骼損失函數(shù)、骨骼預測結(jié)果以及訓練樣本影像數(shù)據(jù)，訓練骨折檢測模型，基于訓練后的骨折檢測模型對待檢測骨骼影像進行骨折檢測。
7、在一種可能實現(xiàn)的方式中，根據(jù)骨骼影像的預測邊界框與實際邊界框的角點坐標及其重疊區(qū)域和非重疊區(qū)域、骨骼影像的寬度和高度以及尺寸因子構建骨骼損失函數(shù)，包括：
8、根據(jù)所述骨骼影像的預測邊界框與實際邊界框的重疊區(qū)域和非重疊區(qū)域構建iou損失函數(shù)；
9、根據(jù)mpdiou損失函數(shù)確定尺寸因子，根據(jù)所述iou損失函數(shù)、尺寸因子、預測邊界框的角點坐標與實際邊界框?qū)慕屈c坐標、骨骼影像的高度和寬度以及尺寸因子構建骨骼損失函數(shù)。
10、在一種可能實現(xiàn)的方式中，所述角點坐標包括左上角坐標和右下角坐標，所述骨骼損失函數(shù)的表達式為：
11、，
12、，
13、其中，為iou損失函數(shù)值，為預測邊界框，為實際邊界框，為預測邊界框左上角坐標與實際邊界框左上角坐標的距離，為預測邊界框右下角坐標與實際邊界框右下角坐標的距離，為骨骼影像的高度，為骨骼影像的寬度，為尺寸因子。
14、在一種可能實現(xiàn)的方式中，確定骨骼影像相鄰特征的連貫值和位置編碼信息，包括：
15、獲取骨骼影像；
16、對所述骨骼影像進行離線數(shù)據(jù)增強處理，生成訓練樣本影像數(shù)據(jù)；
17、提取所述訓練樣本影像數(shù)據(jù)的特征信息，確定相鄰特征的連貫值；
18、對所述特征信息進行位置編碼，生成位置編碼信息。
19、在一種可能實現(xiàn)的方式中，提取所述訓練樣本影像數(shù)據(jù)的特征信息，確定相鄰特征的連貫值，包括：
20、基于動態(tài)蛇形卷積，提取所述訓練樣本影像數(shù)據(jù)的特征信息；
21、基于雙線性插值，依次計算相鄰特征間的變形偏移量，確定相鄰特征的連貫值。
22、在一種可能實現(xiàn)的方式中，對所述特征信息進行位置編碼，生成位置編碼信息，包括：
23、基于convs2s模型，提取所述訓練樣本影像數(shù)據(jù)的序列動態(tài)特征；
24、基于可學習位置編碼模型，為所述序列動態(tài)特征添加可學習的位置編碼，生成位置編碼信息。
25、在一種可能實現(xiàn)的方式中，根據(jù)所述骨骼損失函數(shù)、骨骼預測結(jié)果以及訓練樣本影像數(shù)據(jù)，訓練骨折檢測模型，包括：
26、基于rt-detr大模型、動態(tài)蛇形卷積、可學習位置編碼模型以及骨骼損失函數(shù)，構建初始骨折檢測模型；
27、根據(jù)所述訓練樣本影像數(shù)據(jù)迭代訓練骨折檢測模型，生成骨骼預測結(jié)果；
28、基于所述骨骼損失函數(shù)，計算骨骼預測結(jié)果與訓練樣本影像數(shù)據(jù)中骨骼實際結(jié)果的骨骼損失函數(shù)值；
29、將所述骨骼損失函數(shù)值與預設閾值比較，確定最優(yōu)模型參數(shù)，生成最終的骨折檢測模型。
30、第二方面，本專利技術還提供了一種骨折檢測裝置，包括：
31、損失函數(shù)構建模塊，用于根據(jù)骨骼影像的預測邊界框與實際邊界框的角點坐標及其重疊區(qū)域和非重疊區(qū)域、骨骼影像的寬度和高度以及尺寸因子構建骨骼損失函數(shù)；
32、特征信息模塊，用于確定訓練樣本影像數(shù)據(jù)中骨骼影像相鄰特征的連貫值和位置編碼信息；
33、骨骼預測模塊，用于根據(jù)所述相鄰特征的連貫值和位置編碼信息生成骨骼預測結(jié)果；
34、骨折檢測模塊，用于根據(jù)所述骨骼損失函數(shù)、骨骼預測結(jié)果以及訓練樣本影像數(shù)據(jù)，訓練骨折檢測模型，基于訓練后的骨折檢測模型對待檢測骨骼影像進行骨折檢測。
35、第三方面，本專利技術還提供一種電子設備，包括存儲器和處理器，其中，所述存儲器，用于存儲程序和數(shù)據(jù)；所述處理器，與所述存儲器耦合，用于執(zhí)行所述存儲器中存儲的所述程序，實現(xiàn)如上文所述的骨折檢測方法，和/或，實現(xiàn)如上文所述的骨折檢測。
36、第四方面，本專利技術還提供一種計算機存儲介質(zhì)，用于存儲計算機可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時，能夠?qū)崿F(xiàn)如上文所述的骨折檢測方法。
37、本專利技術的有益效果是：首先，根據(jù)骨骼影像的預測邊界框與實際邊界框的角點坐標及其重疊區(qū)域和非重疊區(qū)域、骨骼影像的寬度和高度以及尺寸因子構建骨骼損失函數(shù)；然后，確定訓練樣本影像數(shù)據(jù)中骨骼影像相鄰特征的連貫值和位置編碼信息；然后，根據(jù)相鄰特征的連貫值和位置編碼信息生成骨骼預測結(jié)果；最后，根據(jù)骨骼損失函數(shù)、骨骼預測結(jié)果以及訓練樣本影像數(shù)據(jù)，訓練骨折檢測模型，基于訓練后的骨折檢測模型對待檢測骨骼影像進行骨折檢測。本專利技術采用尺寸因子優(yōu)化損失函數(shù)，通過預測邊界框與實際邊界框的重疊區(qū)域和非重疊區(qū)域、骨骼影像的寬度和高度以及尺寸因子構建骨骼損失函數(shù)，根據(jù)骨骼影像相鄰特征的連貫值和位置編碼信息預測骨骼的邊界框，根據(jù)預測邊界框、實際邊界框以及骨骼影像的高度和寬度，結(jié)合尺寸因子計算預測結(jié)果與實際影像之間的損失函數(shù)值，根據(jù)損失函數(shù)對骨折檢測模型進行迭代訓練，根據(jù)訓練后的骨折檢測模型對待檢測骨骼影像進行骨折檢測。本專利技術通過預測邊界框與實際邊界框的重疊區(qū)域和非重疊區(qū)域、骨骼影像的寬度和高度以及尺寸因子來評估骨折狀態(tài)，提高模型在不同數(shù)據(jù)集和任務上的適應檢測能力，提高了骨骼檢測本文檔來自技高網(wǎng)...
【技術保護點】
1.一種骨折檢測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的骨折檢測方法，其特征在于，根據(jù)骨骼影像的預測邊界框與實際邊界框的角點坐標及其重疊區(qū)域和非重疊區(qū)域、骨骼影像的寬度和高度以及尺寸因子構建骨骼損失函數(shù)，包括：
3.根據(jù)權利要求2所述的骨折檢測方法，其特征在于，所述角點坐標包括左上角坐標和右下角坐標，所述骨骼損失函數(shù)的計算公式為：
4.根據(jù)權利要求1所述的骨折檢測方法，其特征在于，確定訓練樣本影像數(shù)據(jù)中骨骼影像相鄰特征的連貫值和位置編碼信息，包括：
5.根據(jù)權利要求4所述的骨折檢測方法，其特征在于，提取所述訓練樣本影像數(shù)據(jù)的特征信息，確定相鄰特征的連貫值，包括：
6.根據(jù)權利要求5所述的骨折檢測方法，其特征在于，對所述特征信息進行位置編碼，生成位置編碼信息，包括：
7.根據(jù)權利要求1所述的骨折檢測方法，其特征在于，根據(jù)所述骨骼損失函數(shù)、骨骼預測結(jié)果以及訓練樣本影像數(shù)據(jù)，訓練骨折檢測模型，包括：
8.一種骨折檢測裝置，其特征在于，包括：
9.一種骨折檢測電子設備，其特征在于，包
10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有計算機程序指令，當所述計算機程序指令被計算機執(zhí)行時，使計算機執(zhí)行根據(jù)權利要求1至7中任一所述的骨折檢測方法。
...【技術特征摘要】
1.一種骨折檢測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的骨折檢測方法，其特征在于，根據(jù)骨骼影像的預測邊界框與實際邊界框的角點坐標及其重疊區(qū)域和非重疊區(qū)域、骨骼影像的寬度和高度以及尺寸因子構建骨骼損失函數(shù)，包括：
3.根據(jù)權利要求2所述的骨折檢測方法，其特征在于，所述角點坐標包括左上角坐標和右下角坐標，所述骨骼損失函數(shù)的計算公式為：
4.根據(jù)權利要求1所述的骨折檢測方法，其特征在于，確定訓練樣本影像數(shù)據(jù)中骨骼影像相鄰特征的連貫值和位置編碼信息，包括：
5.根據(jù)權利要求4所述的骨折檢測方法，其特征在于，提取所述訓練樣本影像數(shù)據(jù)的特征信息，確定相鄰特征的連貫值，包括：
6.根據(jù)權利...
【專利技術屬性】
技術研發(fā)人員：曾山，羅堯燚，李皞，康鎮(zhèn)，鄧太勇，楊國松，楊華，
申請(專利權)人：武漢輕工大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。