一种膝骨关节炎影像智能识别与分类系统的制作方法

本发明涉及图像处理，具体涉及一种膝骨关节炎影像智能识别与分类系统。

背景技术：

1、在膝骨关节炎的数字医学影像分析中，为了训练医疗大模型或者数据集分类等，需要对膝骨关节炎影像进行分类。通常依赖受试者的负重位x线影像来提取关节退变特征。现有的医学影像自动处理算法通常是提取股骨远端与胫骨近端的边缘轮廓线，并在同一垂直坐标线上计算两点间的高度差，以此代表关节间隙宽度，进而对影像进行退变等级分类。

2、然而，这种常规的垂直测距算法默认上下骨面维持着平行的几何分布状态。当影像中存在关节局部软骨剥脱或异常磨损时，真实的骨面投影会产生斜向滑移和坑洼错位。在二维投影影像中，常规的垂直测距算法会将这种由于水平错位造成的斜向窄间隙，误判为正常宽间隙。这种算法层面的特征提取遗漏，导致系统无法准确捕捉关节局部存在的凹陷畸变。因此，现有的影像识别系统未能有效区分平行变窄与错位变窄的几何差异，导致退变特征量化失真，进而严重降低了数字影像分类标签输出的准确率。

技术实现思路

1、为了解决现有技术采用垂直测距法会将水平错位造成的斜向窄间隙误判，从而无法对膝骨关节炎影像进行准确分类的技术问题，本发明的目的在于提供一种膝骨关节炎影像智能识别与分类系统，所采用的技术方案具体如下：

2、本发明提出了一种膝骨关节炎影像智能识别与分类系统，所述系统包括：

3、膝骨关节x线图像定位模块，用于获得膝骨关节x线图像中的股骨边缘点集与胫骨边缘点集；在股骨边缘点集与胫骨边缘点集的横向重叠区域中设置参考点，获得股骨远端轮廓坐标序列以及胫骨近端轮廓坐标序列；

4、图结构构建模块，用于在股骨远端轮廓坐标序列以及胫骨近端轮廓坐标序列中，逐点计算股骨远端轮廓点与胫骨近端轮廓点之间的距离，并构建距离矩阵；将距离矩阵中每个元素作为图结构节点，基于节点指向右侧、下侧、右下侧的方向构建边，边权值为一条边指向的节点对应的元素值；

5、图结构特征分析模块，用于对所述图结构进行路径寻优，获得最优路径；统计最优路径中节点在距离矩阵中对应的平均距离以及距离分布波动性；

6、标签赋予模块，用于依次基于所述平均距离以及距离分布波动性进行二级评判，根据评判结果赋予膝骨关节x线图像标签；所述标签包括正常标签以及异常标签。

7、进一步地，所述获得膝骨关节x线图像中的股骨边缘点集与胫骨边缘点集，包括：

8、提取所述膝骨关节x线图像中的边缘像素点，获得每个边缘像素点沿纵向坐标轴自上而下方向的灰度梯度值；将灰度梯度值为负数的边缘像素点归为股骨边缘点集；将灰度梯度值为正数的边缘像素点归为胫骨边缘点集。

9、进一步地，所述在股骨边缘点集与胫骨边缘点集的横向重叠区域中设置参考点，包括：

10、若横向重叠区域中的横向跨度长度小于预设正常跨度阈值，则不执行后续步骤，并反馈重新拍照指令；

11、若横向重叠区域中的横向跨度长度大于等于预设正常跨度阈值，则在所述横向重叠区域中的横向方向上均匀设置预设数量个参考点；获取参考点的横坐标局部区域内的股骨边缘点纵坐标集合以及胫骨边缘点纵坐标集合，通过插值处理算法获得每个参考点对应的股骨边缘点纵坐标以及胫骨边缘点纵坐标。

12、进一步地，所述构建距离矩阵，包括：

13、以股骨远端轮廓坐标序列中的股骨远端轮廓点数量作为行，以胫骨近端轮廓坐标序列中的胫骨近端轮廓点数量作为列，构建一个空矩阵；若股骨远端轮廓点与胫骨近端轮廓点之间的横坐标差异大于预设正常跨度阈值，则将空矩阵中对应位置元素置为无限大；将空矩阵中其他位置元素置为对应股骨远端轮廓点与胫骨近端轮廓点之间的距离，获得所述距离矩阵。

14、进一步地，路径寻优算法选择dijkstra最短路径搜索算法，以矩阵左上角为起点，右下角为终点进行寻优；若无法输出连通路径，则按照预设步长扩增所述正常跨度阈值并重新构建距离矩阵，直至输出所述最优路径。

15、进一步地，所述距离分布波动性的获取方法包括：

16、将最优路径中节点在距离矩阵中对应的元素值组成距离序列；

17、统计距离序列中的第一元素波动性；

18、统计最优路径中每个节点对应的股骨远端轮廓点与胫骨近端轮廓点之间的横坐标差异，构成横坐标偏移量序列；统计横坐标偏移量序列中相邻两个元素之间的差异，获得横坐标偏移变化量序列；

19、统计横坐标偏移变化量序列中的第二元素波动性；

20、根据所述第一元素波动性和第二元素波动性获得所述距离分布波动性。

21、进一步地，所述第一元素波动性为距离序列的方差，第二元素波动性为横坐标偏移变化量序列的信息熵。

22、进一步地，所述二级评判包括：

23、第一级评判：若所述平均距离大于等于预设退变临界间隙数值，则赋予膝骨关节x线图像正常标签；否则进入第二级评判；

24、第二级评判：若所述距离分布波动性小于等于预设磨损参考限度阈值，则赋予膝骨关节x线图像正常标签；否则赋予异常标签。

25、进一步地，磨损参考限度阈值的设置方法包括：

26、获取膝骨关节健康状态下的历史临床基准数据，统计历史临床基准数据中的距离分布波动性并从小到大排序，在排序结果中将预设百分位数位置下的数值作为所述磨损参考限度阈值。

27、进一步地，所述根据所述第一元素波动性和第二元素波动性获得所述距离分布波动性，包括：

28、统计历史临床基准数据中的平均第一元素波动性和平均第二元素波动性，将平均第一元素波动性作为分子，平均第二元素波动性作为分母，获得标定系数；

29、将所述标定系数与所述第二元素波动性的乘积结果与所述第一元素波动性相加，获得所述距离分布波动性。

30、本发明具有如下有益效果：

31、本发明通过在股骨与胫骨边缘点集的横向重叠区域中设置参考点生成轮廓坐标序列，统一了上下骨面的横向分析基准。本发明摒弃了传统垂直测距算法固有的平行假设。通过逐点计算交叉距离构建距离矩阵，并将该距离矩阵转化为具备右侧、下侧、右下侧特定连通方向的图结构，系统能够有效捕捉影像中因骨面水平错位产生的斜向空间关联。对上述图结构进行路径寻优获取最优路径，并统计该最优路径对应的平均距离与距离分布波动性。该机制从斜向错位的几何数据中精准提取出了骨面的整体间隙大小与局部起伏畸变程度，基于上述平均距离与距离分布波动性执行二级评判，并根据评判结果赋予图像正常或异常标签，该处理方式有效区分了平行变窄与错位变窄的几何差异。本发明通过图结构寻优与多维度波动特征统计精确量化了骨面几何畸变，显著提升了膝骨关节x线图像智能分类的准确率。

1.一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述系统包括：

2.根据权利要求1所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述获得膝骨关节x线图像中的股骨边缘点集与胫骨边缘点集，包括：

3.根据权利要求1所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述在股骨边缘点集与胫骨边缘点集的横向重叠区域中设置参考点，包括：

4.根据权利要求1所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述构建距离矩阵，包括：

5.根据权利要求4所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，路径寻优算法选择dijkstra最短路径搜索算法，以矩阵左上角为起点，右下角为终点进行寻优；若无法输出连通路径，则按照预设步长扩增所述正常跨度阈值并重新构建距离矩阵，直至输出所述最优路径。

6.根据权利要求1所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述距离分布波动性的获取方法包括：

7.根据权利要求6所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述第一元素波动性为距离序列的方差，第二元素波动性为横坐标偏移变化量序列的信息熵。

8.根据权利要求7所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述二级评判包括：

9.根据权利要求8所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，磨损参考限度阈值的设置方法包括：

10.根据权利要求9所述的一种膝骨关节炎影像智能识别与分类系统，其特征在于，所述根据所述第一元素波动性和第二元素波动性获得所述距离分布波动性，包括：