一种基于脊柱DR图像的骨折识别模型的构建方法及装置

技术特征：
1.一种基于脊柱dr图像的骨折识别模型的构建方法，其特征在于，包括：获取原始数据集，所述原始数据集中包括骨折患者的脊柱dr影像和正常人体的脊柱dr影像；对所述原始数据集进行预处理；对预处理后的原始数据集进行重采样，获得待训练数据；根据所述待训练数据构建骨折识别模型。2.根据权利要求1所述的方法，其特征在于，所述获取原始数据集包括：获取若干个骨折患者的脊柱dr影像，并对各所述骨折患者的脊柱dr影像标注标签为阳性，同时在骨折区域标注矩形框；获取若干个正常人体的脊柱dr影像，并对各所述正常人体的脊柱dr影像标注标签为阴性。3.根据权利要求1所述的方法，其特征在于，对所述原始数据集进行预处理，包括：对所述原始数据集进行降噪处理；对降噪后的原始数据集进行图像增强处理。4.根据权利要求3所述的方法，其特征在于，对所述原始数据集进行降噪处理，包括：采用导向滤波对所述原始数据集中的各脊柱dr影像进行降噪处理。5.根据权利要求4所述的方法，其特征在于，对降噪后的原始数据集进行图像增强处理，包括：采用伽马变换对降噪后的各脊柱dr影像进行图像增强，获得各脊柱dr增强影像。6.根据权利要求5所述的方法，其特征在于，对预处理后的原始数据集进行重采样，获得待训练数据，包括：将各所述脊柱dr增强影像在x、y维度上放大一倍，获得各脊柱dr放大影像；将各所述脊柱dr增强影像在x、y维度上缩小一倍，获得各脊柱dr缩小影像；分别对各所述脊柱dr放大影像和各所述脊柱dr缩小影像进行采样；将各所述脊柱dr增强影像、采样的各脊柱dr放大影像和各脊柱dr缩小影像确定为待训练数据。7.根据权利要求1所述的方法，其特征在于，根据所述待训练数据构建骨折识别模型，包括：对yolov5网络进行改进；利用所述待训练数据对改进后的yolov5网络进行训练，获得骨折识别模型。8.根据权利要求7所述的方法，其特征在于，所述对yolov5网络进行改进，包括：将所述yolov5网络中backbone模块的最后两层中的普通卷积改为膨胀卷积，且dilate＝2；将所述yolov5网络中neck模块的三个输出的csp2_1中的普通卷积改为膨胀卷积，且dilate＝2。9.一种基于脊柱dr图像的骨折识别模型的构建装置，其特征在于，包括：原始数据集获取模块，被配置为获取原始数据集，所述原始数据集中包括骨折患者的脊柱dr影像和正常人体的脊柱dr影像；预处理模块，被配置为对所述原始数据集进行预处理；
待训练数据获取模块，被配置为对预处理后的原始数据集进行重采样，获得待训练数据；骨折识别模型构建模块，被配置为根据所述待训练数据构建骨折识别模型。

技术总结
本发明涉及胸部DR医学图像处理技术领域，具体涉及一种基于脊柱DR图像的骨折识别模型的构建方法，包括：获取原始数据集，原始数据集中包括骨折患者的脊柱DR影像和正常人体的脊柱DR影像；对原始数据集进行预处理；对预处理后的原始数据集进行重采样，获得待训练数据；根据待训练数据构建骨折识别模型。通过获取包括骨折患者的脊柱DR影像和正常人体的脊柱DR影像的原始数据集，对原始数据集进行预处理和重采样来获得待训练数据，根据待训练数据构建骨折识别模型，从而建立了针对DR影像的脊柱部分的骨折识别模型，提高了DR影像中脊柱部分的骨折诊断准确性。本发明还提供了一种基于脊柱DR图像的骨折识别模型的构建装置。DR图像的骨折识别模型的构建装置。DR图像的骨折识别模型的构建装置。


技术研发人员：刘晨 李晓明 陈凤喜 温茹 谢艳玲
受保护的技术使用者：中国人民解放军陆军军医大学第一附属医院
技术研发日：2022.07.28
技术公布日：2022/11/11