一种解剖驱动的膝关节骨骺病变定位诊断方法及装置

摘要: 本发明涉及医学影像处理,具体而言,涉及一种解剖驱动的膝关节骨骺病变定位诊断方法及装置。背景技术:1、膝关节骨骺病变,尤其是胫骨结节骨软骨炎(osgood-sch...
一种解剖驱动的膝关节骨骺病变定位诊断方法及装置

本发明涉及医学影像处理,具体而言,涉及一种解剖驱动的膝关节骨骺病变定位诊断方法及装置。

背景技术:

1、膝关节骨骺病变,尤其是胫骨结节骨软骨炎(osgood-schlatter,osd病),是儿童及青少年骨骼快速生长期常见的运动损伤性疾病。其病理机制主要源于髌腱在胫骨结节附着处反复遭受牵拉微创伤,导致局部骨髓水肿、软组织肿胀及髌腱增厚等特征性改变。磁共振成像(magnetic resonance imaging,简称mri)凭借多序列软组织分辨优势,已成为osd早期诊断与鉴别诊断的关键影像学手段。然而,由于早期osd的影像征象较为隐匿且局限,临床判读高度依赖医师经验,易受正常骨骼发育变异干扰,存在显著的观察者间差异。

2、近年来,深度学习技术在医学影像分析领域取得长足进展,但在膝关节骨骺病变定位诊断中仍面临瓶颈。现有的端到端分类模型虽能实现自动化诊断,但普遍缺乏空间可解释性,无法提供病灶精确定位信息,难以满足临床诊疗规划需求;而基于像素级分割的方法虽具备定位能力,却严重依赖大量精细的病灶标注数据,对于边界模糊、信号微弱的早期骨骺病变而言,此类标注获取成本极高且主观性强。尽管基于感兴趣区域(region ofinterest,简称roi)的方法试图在定位精度与标注效率之间寻求平衡,但现有roi引导策略多采用固定几何模板或通用解剖约束,未能针对特定疾病的病理分布特性进行自适应建模。因此,在膝关节多序列mri影像中,缺乏一种能够利用稳定解剖标志点作为几何先验、自动推导并空间对齐跨序列疾病相关区域的非对称自适应roi定位机制。具体而言,现有方法无法根据髌腱和胫骨连接处的固有解剖几何关系,动态构建涵盖前侧软组织肿胀区、髌腱增厚区、胫骨结节骨髓水肿区及肌腱止点区的非对称椭圆形感兴趣区域,导致在无需病灶级标注的前提下,难以实现对早期osd多模态互补病理特征的精准靶向提取与跨扫描协议的鲁棒定位,进而制约了骨骺病变早期诊断的灵敏度与临床可解释性。综上,现有技术中的膝关节骨骺病变诊断存在诊断准确度和灵敏度较差的技术问题。

3、针对上述的问题,目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种解剖驱动的膝关节骨骺病变定位诊断方法及装置,以至少解决现有技术中的膝关节骨骺病变诊断存在的诊断准确度和灵敏度较差的技术问题。

2、根据本发明实施例的一个方面,提供了一种解剖驱动的膝关节骨骺病变定位诊断方法,该方法包括:获取待检测对象的膝关节多序列磁共振成像数据,上述多序列磁共振成像数据至少包括t1加权序列图像和stir序列图像;对上述t1加权序列图像进行解剖结构分割处理,获得胫骨分割掩膜和髌腱分割掩膜;基于上述胫骨分割掩膜和上述髌腱分割掩膜,通过几何先验推导算法构建解剖驱动的感兴趣区域,其中,上述解剖驱动的感兴趣区域为以髌腱和胫骨连接处为中心的非对称椭圆形区域;将上述t1加权序列图像、上述stir序列图像以及上述解剖驱动的感兴趣区域对应的二值掩膜进行通道级拼接,生成多模态融合输入张量;将上述多模态融合输入张量输入至预训练的分阶段可变形分类网络中,输出针对上述解剖驱动的感兴趣区域的病灶识别结果。

3、进一步地,上述基于上述胫骨分割掩膜和上述髌腱分割掩膜,通过几何先验推导算法构建解剖驱动的感兴趣区域包括:基于上述胫骨分割掩膜的轮廓点集,在预设旋转矩阵下计算距离旋转原点最近的切点,并基于上述切点及其沿胫骨边缘的邻近点拟合得到胫骨切线;提取上述髌腱分割掩膜的所有轮廓点并计算质心,构建所有轮廓点相对于上述质心的协方差矩阵,对上述协方差矩阵进行奇异值分解以获得对应于最大特征值的特征向量作为髌腱主方向向量,并基于上述质心和上述髌腱主方向向量拟合得到髌腱中心线;求解上述胫骨切线与上述髌腱中心线的第一交点作为感兴趣区域坐标系原点,并将上述髌腱中心线的近端方向定义为上述感兴趣区域坐标系的纵轴正方向,将与上述纵轴正方向正交且指向右侧的方向定义为横轴正方向;在上述感兴趣区域坐标系下,分别确定上边界点、左边界点、右边界点和下边界点,并基于上述上边界点、上述左边界点、上述右边界点和上述下边界点到上述感兴趣区域坐标系原点的距离,结合自适应缩放因子计算得到四个非对称半轴半径,进而生成上述非对称椭圆形区域。

4、进一步地,上述在上述感兴趣区域坐标系下,分别确定上边界点、左边界点、右边界点和下边界点包括:将上述纵轴与通过上述胫骨分割掩膜最高轮廓点的水平线的第二交点作为上述上边界点;将从上述髌腱分割掩膜最左侧轮廓点沿上述横轴向负方向延伸第一自适应偏移量后的位置点作为上述左边界点;定位上述胫骨分割掩膜的最左侧轮廓点,过上述胫骨分割掩膜的最左侧轮廓点作垂直于上述横轴的垂线获得与上述横轴的第三交点,并从上述第三交点沿上述横轴向正方向延伸上述第一自适应偏移量后得到上述右边界点,其中,上述第一自适应偏移量为固定像素值与第一缩放因子的乘积;从上述胫骨分割掩膜的最左侧轮廓点作垂直于上述纵轴的垂线获得与上述纵轴的第四交点,并从上述第四交点沿上述纵轴向负方向延伸第二自适应偏移量后得到上述下边界点,其中,上述第二自适应偏移量为上述胫骨分割掩膜最左侧轮廓点的横坐标绝对值与第二缩放因子的乘积。

5、进一步地,上述基于上述上边界点、上述左边界点、上述右边界点和上述下边界点到上述感兴趣区域坐标系原点的距离,结合自适应缩放因子计算得到四个非对称半轴半径包括:分别计算上述上边界点、上述左边界点、上述右边界点和上述下边界点在上述感兴趣区域坐标系下的坐标值与上述感兴趣区域坐标系原点之间的欧氏距离,对应获得上基准半径、左基准半径、右基准半径和下基准半径;获取上述胫骨分割掩膜在上述纵轴正方向上的投影长度作为纵向解剖尺度参考值,并获取上述髌腱分割掩膜在上述横轴方向上的投影宽度作为横向解剖尺度参考值;将上述纵向解剖尺度参考值与预设标准纵向尺度的比值确定为纵向个体化校正系数,并将上述横向解剖尺度参考值与预设标准横向尺度的比值确定为横向个体化校正系数;将上述上基准半径和上述下基准半径分别乘以上述纵向个体化校正系数,获得上非对称半轴半径和下非对称半轴半径,并将上述左基准半径和上述右基准半径分别乘以上述横向个体化校正系数,获得左非对称半轴半径和右非对称半轴半径。

6、进一步地,上述将上述t1加权序列图像、上述stir序列图像以及上述解剖驱动的感兴趣区域对应的二值掩膜进行通道级拼接,生成多模态融合输入张量包括:基于上述感兴趣区域坐标系原点、上述纵轴正方向和上述横轴正方向,构建标准化空间配准参数组,上述标准化空间配准参数组包括平移向量和旋转矩阵;利用上述标准化空间配准参数组对上述t1加权序列图像和上述stir序列图像分别执行仿射变换,获得解剖对齐的t1加权序列图像和解剖对齐的stir序列图像,使得不同扫描协议下的上述多序列磁共振成像数据在上述感兴趣区域坐标系下具有统一的解剖朝向和空间尺度;对上述解剖驱动的感兴趣区域对应的二值掩膜施加形态学闭运算处理,获得平滑后的感兴趣区域掩膜,并将上述平滑后的感兴趣区域掩膜作为通道级拼接的空间注意力权重图;将上述解剖对齐的t1加权序列图像、上述解剖对齐的stir序列图像以及上述空间注意力权重图按照预设通道顺序进行拼接,生成上述多模态融合输入张量。

7、根据本发明实施例的另一方面,还提供了一种解剖驱动的膝关节骨骺病变定位诊断装置,该装置包括:获取单元,用于获取待检测对象的膝关节多序列磁共振成像数据,上述多序列磁共振成像数据至少包括t1加权序列图像和stir序列图像;处理单元,用于对上述t1加权序列图像进行解剖结构分割处理,获得胫骨分割掩膜和髌腱分割掩膜;构建单元,用于基于上述胫骨分割掩膜和上述髌腱分割掩膜,通过几何先验推导算法构建解剖驱动的感兴趣区域,其中,上述解剖驱动的感兴趣区域为以髌腱和胫骨连接处为中心的非对称椭圆形区域;生成单元,用于将上述t1加权序列图像、上述stir序列图像以及上述解剖驱动的感兴趣区域对应的二值掩膜进行通道级拼接,生成多模态融合输入张量;输出单元,用于将上述多模态融合输入张量输入至预训练的分阶段可变形分类网络中,输出针对上述解剖驱动的感兴趣区域的病灶识别结果。

8、进一步地,上述构建单元包括:第一处理子单元,用于基于上述胫骨分割掩膜的轮廓点集,在预设旋转矩阵下计算距离旋转原点最近的切点,并基于上述切点及其沿胫骨边缘的邻近点拟合得到胫骨切线;提取子单元,用于提取上述髌腱分割掩膜的所有轮廓点并计算质心,构建所有轮廓点相对于上述质心的协方差矩阵,对上述协方差矩阵进行奇异值分解以获得对应于最大特征值的特征向量作为髌腱主方向向量,并基于上述质心和上述髌腱主方向向量拟合得到髌腱中心线;求解子单元,用于求解上述胫骨切线与上述髌腱中心线的第一交点作为感兴趣区域坐标系原点,并将上述髌腱中心线的近端方向定义为上述感兴趣区域坐标系的纵轴正方向,将与上述纵轴正方向正交且指向右侧的方向定义为横轴正方向;第一生成子单元,用于在上述感兴趣区域坐标系下,分别确定上边界点、左边界点、右边界点和下边界点,并基于上述上边界点、上述左边界点、上述右边界点和上述下边界点到上述感兴趣区域坐标系原点的距离,结合自适应缩放因子计算得到四个非对称半轴半径,进而生成上述非对称椭圆形区域。

9、进一步地,上述生成子单元包括:第一处理模块,用于将上述纵轴与通过上述胫骨分割掩膜最高轮廓点的水平线的第二交点作为上述上边界点;第二处理模块,用于将从上述髌腱分割掩膜最左侧轮廓点沿上述横轴向负方向延伸第一自适应偏移量后的位置点作为上述左边界点;第三处理模块,用于定位上述胫骨分割掩膜的最左侧轮廓点,过上述胫骨分割掩膜的最左侧轮廓点作垂直于上述横轴的垂线获得与上述横轴的第三交点,并从上述第三交点沿上述横轴向正方向延伸上述第一自适应偏移量后得到上述右边界点,其中,上述第一自适应偏移量为固定像素值与第一缩放因子的乘积;第四处理模块,用于从上述胫骨分割掩膜的最左侧轮廓点作垂直于上述纵轴的垂线获得与上述纵轴的第四交点,并从上述第四交点沿上述纵轴向负方向延伸第二自适应偏移量后得到上述下边界点,其中,上述第二自适应偏移量为上述胫骨分割掩膜最左侧轮廓点的横坐标绝对值与第二缩放因子的乘积。

10、进一步地,上述生成子单元还包括:第一计算模块,用于分别计算上述上边界点、上述左边界点、上述右边界点和上述下边界点在上述感兴趣区域坐标系下的坐标值与上述感兴趣区域坐标系原点之间的欧氏距离,对应获得上基准半径、左基准半径、右基准半径和下基准半径;获取模块,用于获取上述胫骨分割掩膜在上述纵轴正方向上的投影长度作为纵向解剖尺度参考值,并获取上述髌腱分割掩膜在上述横轴方向上的投影宽度作为横向解剖尺度参考值;确定模块,用于将上述纵向解剖尺度参考值与预设标准纵向尺度的比值确定为纵向个体化校正系数,并将上述横向解剖尺度参考值与预设标准横向尺度的比值确定为横向个体化校正系数;第二计算模块,用于将上述上基准半径和上述下基准半径分别乘以上述纵向个体化校正系数,获得上非对称半轴半径和下非对称半轴半径,并将上述左基准半径和上述右基准半径分别乘以上述横向个体化校正系数,获得左非对称半轴半径和右非对称半轴半径。

11、进一步地,上述生成单元包括:构建子单元,用于基于上述感兴趣区域坐标系原点、上述纵轴正方向和上述横轴正方向,构建标准化空间配准参数组,上述标准化空间配准参数组包括平移向量和旋转矩阵;第二处理子单元,用于利用上述标准化空间配准参数组对上述t1加权序列图像和上述stir序列图像分别执行仿射变换,获得解剖对齐的t1加权序列图像和解剖对齐的stir序列图像,使得不同扫描协议下的上述多序列磁共振成像数据在上述感兴趣区域坐标系下具有统一的解剖朝向和空间尺度;第三处理子单元,用于对上述解剖驱动的感兴趣区域对应的二值掩膜施加形态学闭运算处理,获得平滑后的感兴趣区域掩膜,并将上述平滑后的感兴趣区域掩膜作为通道级拼接的空间注意力权重图;第二生成子单元,用于将上述解剖对齐的t1加权序列图像、上述解剖对齐的stir序列图像以及上述空间注意力权重图按照预设通道顺序进行拼接,生成上述多模态融合输入张量。

12、在本发明实施例中,采用解剖驱动的多模态融合与分阶段可变形分类相结合的方式,通过获取待检测对象的膝关节多序列磁共振成像数据,对t1加权序列图像进行解剖结构分割处理以获得胫骨分割掩膜和髌腱分割掩膜,进而基于这两种分割掩膜通过几何先验推导算法构建以髌腱和胫骨连接处为中心的非对称椭圆形感兴趣区域,随后将t1加权序列图像、stir序列图像以及该感兴趣区域对应的二值掩膜进行通道级拼接生成多模态融合输入张量,最终将该融合张量输入至预训练的分阶段可变形分类网络中输出病灶识别结果,达到了在无需依赖大量精细病灶级标注数据的前提下,利用稳定的解剖标志点作为几何先验,自动推导并精准定位跨序列疾病相关区域,同时实现多模态影像特征互补融合与空间注意力增强的目的,从而实现了针对早期膝关节骨骺病变的隐匿性影像征象进行自适应靶向提取,有效克服不同扫描协议下的空间尺度差异,显著提升模型对边界模糊、信号微弱病灶的特征捕捉能力与空间可解释性的技术效果,进而解决了现有技术中的膝关节骨骺病变诊断存在的诊断准确度和灵敏度较差的技术问题。