发明内容
本发明实施例提供特征骨异常检测方法及装置,用以准确识别出手腕部影像中发育异常的特征骨。
本发明实施例提供的特征骨异常检测方法,包括:
基于手腕部影像确定各特征骨的评级;
基于所述各特征骨的评级获得与所述各特征骨对应的第一N维向量;N为自然数,且N小于等于手腕部影像的特征骨的数量;
获取多个N维样本向量,所述N维样本向量通过对多个手腕部影像样本的特征骨评级对应的多个N维向量聚合获得,其中每一个手腕部影像样本的特征骨评级对应一个N维向量;
获取第二N维样本向量,所述第二N维样本向量为与所述第一N维向量最相似的N维样本向量;
基于所述第一N维向量和所述第二N维样本向量确定与所述第一N维向量相关的特征骨是否异常。
可选的,所述获取第二N维样本向量,包括:
获取各个N维样本向量中各维度对应的评级与所述第一N维向量中对应的各个维度对应的评级之差;
确定各个N维样本向量中各维度对应的评级之差大于第一预设值的维度个数n,以获得各个N维样本向量对应的维度个数n;n大于等于0小于等于N;
以各个N维样本向量对应的维度个数n最小的N维样本向量作为第三N维样本向量;
以与所述第一N维向量最相似的第三N维样本向量作为第二N维样本向量。
可选的,所述基于所述第一N维向量和所述第二N维样本向量确定与所述第一N维向量相关的特征骨是否异常,包括:
判断所述第一N维向量中各维度对应的评级与所述第二N维样本向量中对应的各个维度对应的评级之差中,是否存在大于第二预设值的评级之差;
若存在,则将所述第一N维向量中维度对应的评级与第二N维样本向量中对应维度对应的评级之差大于第二预设值的维度所对应特征骨确定为发育异常的特征骨。
可选的,所述特征骨异常检测方法还包括:
基于手腕部影像各特征骨的评级,确定所述手腕部影像的骨龄值;
基于所述手腕部影像的骨龄值和所述手腕部影像对应的受检者的日历年龄确定所述受检者是否发育异常。
上述技术方案中,基于手腕部影像确定各特征骨的评级,并基于各特征骨的评级确定各特征骨对应的第一N维向量,获取多个N维样本向量,从多个N维样本向量中确定与第一N维向量最相似的第二N维样本向量,并将该第二N维样本向量作为第一N维向量对比的基准,用于确定第一N维向量相关的特征骨中是否存在异常,通过上述方式,无需人工查看,避免了人工主观因素的影响,且对大量手腕部影像样本的特征骨评级对应的多个N维向量执行聚类运算后生成多个N维样本向量,该多个N维样本向量是根据当前发育正常的手腕部影像样本所确定的,可以对受检者的手腕部特征骨的异常检测提供有效的对比依据。
相应的,本发明实施例还提供了特征骨异常检测装置,包括:
第一处理单元、第二处理单元和检测单元;
所述第一处理单元,用于基于手腕部影像确定各特征骨的评级;以及基于所述各特征骨的评级获得与所述各特征骨对应的第一N维向量;N为自然数,且N小于等于手腕部影像的特征骨的数量;
所述第二处理单元,用于获取多个N维样本向量和第二N维样本向量,所述N维样本向量通过对多个手腕部影像样本的特征骨评级对应的多个N维向量聚合获得,其中每一个手腕部影像样本的特征骨评级对应一个N维向量;所述第二N维样本向量为与所述第一N维向量最相似的N维样本向量;
所述检测单元,用于基于所述第一N维向量和所述第二N维样本向量确定与所述第一N维向量相关的特征骨是否异常。
可选的,所述第二处理单元包括获取单元、第一确定单元和第二确定单元;
所述获取单元,用于获取各个N维样本向量中各维度对应的评级与所述第一N维向量中对应的各个维度对应的评级之差;
所述第一确定单元,用于确定各个N维样本向量中各维度对应的评级之差大于第一预设值的维度个数n,以获得各个N维样本向量对应的维度个数n;以各个N维样本向量对应的维度个数n最小的N维样本向量作为第三N维样本向量;n大于等于0小于等于N;
所述第二确定单元,用于以与所述第一N维向量最相似的第三N维样本向量作为第二N维样本向量。
可选的,所述检测单元包括判断单元和第三处理单元;
所述判断单元,用于判断所述第一N维向量中各维度对应的评级与所述第二N维样本向量中对应的各个维度对应的评级之差中,是否存在大于第二预设值的评级之差;
所述第三处理单元,用于在所述判断单元确定所述第一N维向量中各维度对应的评级与所述第二N维样本向量中对应的各个维度对应的评级之差中存在所述大于第二预设值的评级之差时,将所述第一N维向量中维度对应的评级与第二N维样本向量中对应维度对应的评级之差大于第二预设值的维度所对应特征骨确定为发育异常的特征骨。
可选的,所述特征骨异常检测装置还包括第三确定单元和第四处理单元;
所述第三确定单元,用于基于手腕部影像各特征骨的评级,确定所述手腕部影像的骨龄值;
所述第四处理单元,用于基于所述手腕部影像的骨龄值和所述手腕部影像对应的受检者的日历年龄确定所述受检者是否发育异常。
相应的,本发明实施例还提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述特征骨异常检测方法。
相应的,本发明实施例还提供了一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述特征骨异常检测方法。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例提供的特征骨异常检测方法的流程,该流程可以由特征骨异常检测装置执行。
如图1所示,该流程具体包括:
步骤101,基于手腕部影像确定各特征骨的评级。
手腕部影像指采用X射线摄影设备拍摄的特定图像,通常将拍摄受检者左手的X光片作为手腕部影像,示例性地,如图2所示。
在拍摄到受检者的手腕部影像后,可以先对该手腕部影像进行预处理。具体的,可以结合图3示出的处理过程的示意图进行说明。
如图3(a)为获取到的受检者的手腕部影像;对该手腕部影像进行二值化处理,该二值化处理可以是采用自适应直方图二值化算法对手腕部影像进行处理,随后将经过二值化处理后的手腕部影像进行闭操作,具体为将二值化处理后的手腕部影像中的第一区域(即高亮区域,本实施例中为受检者的手腕部区域)进行膨胀腐蚀操作,可以如图3(b)、3(c)所示;然后通过漫水法(flood fill)从膨胀腐蚀操作后的第一区域中提取多个连通块,可以如图3(d)所示;并将多个连通块中除面积最大的连通块以外的连通块删除,以该面积最大的连通块为手腕部影像中的第二区域,如图3(e);再次对手腕部影像中的第二区域进行膨胀操作,如图3(f);将此时的手腕部影像与二值化处理之前的手腕部影像做点乘操作,即将图3(f)与图3(a)做点乘操作,则得到如图3(j)所示的手腕部影像。
在对手腕部影像进行预处理之后,可以基于该预处理之后的手腕部影像确定各特征骨的评级,其中,手腕部的特征骨可以包括指骨、尺骨、桡骨等。
本实施例中,可以根据预先训练好的定位模型从手腕部影像中确定出各特征骨,即将该手腕部影像输入至定位模型后,输出该各特征骨的位置。进而根据各特征骨的特征、各特征骨的位置以及骨龄评分标准确定各特征骨评级。
在确定各特征骨评级时,不同的骨龄评级标准确定的特征骨评级也会不一样,骨龄评级标准包括但不限于CHN05-RUS、TW3-RUS、Carpal。
步骤102,基于所述各特征骨的评级获得与所述各特征骨对应的第一N维向量。
需要说明的是,可以基于手腕部影像中所有或者部分的特征骨的评级获取第一N维向量,也即N可以等于手腕部影像的特征骨的数量或者小于手腕部影像的特征骨的数量;且N为自然数。举例来说,确定出手腕部影像中有13个特征骨,且该13个特征骨分别对应各自的评级,可以根据该13个特征骨各自的评级确定出一个13维向量,即第一N维向量。
步骤103,获取多个N维样本向量。
其中,该N维样本向量是通过对多个手腕部影像样本的特征骨评级对应的多个N维向量聚合获得,其中每一个手腕部影像样本的特征骨评级对应一个N维向量。具体的,可以是收集大量手腕部影像样本,且该大量手腕部影像样本中的特征骨都标记有特征骨评级;基于每个手腕部影像样本中特征骨评级确定对应的N维向量,并将该N维向量视为高维空间中的一个点;将获取到的所有N维向量对应的点进行聚类,并将多个聚类中心分别确定为中心样本,即作为N维样本向量,该聚类方法可以是K-Means算法、KNN算法等。
在具体实现中,可以根据大量手腕部影像样本确定出具有代表性的多个N维样本向量,例如,获取了M个手腕部影像样本,然后对该M个手腕部影像样本进行上述处理后确定出m个N维样本向量,其中,M远远大于m,且任一个N维样本向量均代表了一些手腕部影像样本的普遍特性。M、m均为正整数。
步骤104,获取第二N维样本向量。
第二N维样本向量为多个N维样本向量中与第一N维向量最相似的N维样本向量。可以针对多个N维样本向量中的任一个N维样本向量,计算第一N维向量与该N维样本向量的相似度,并从中确定出相似度最高的N维样本向量。
本发明实施例中,先对多个N维样本向量进行初步过滤,将与第一N维向量相似度较低的N维样本向量过滤掉,得到初步过滤后的至少一个N维样本向量,进而计算过滤后得到的N维样本向量与第一N维向量的相似度,从而确定出与第一N维向量相似度最高的第二N维样本向量。
一种可选的初步过滤方式中,获取各个N维样本向量中各维度对应的评级与第一N维向量中对应的各个维度对应的评级之差,从而确定出各个N维样本向量中各维度对应的评级之差大于第一预设值的维度个数n,以获得各个N维样本向量对应的维度个数n,其中,n大于等于0小于等于N;以各个N维样本向量对应的维度个数n最小的N维样本向量作为第三N维样本向量,第三N维样本向量至少为一个。
本发明实施例中,若第三N维样本向量为一个,则可以将该第三N维样本向量直接确定为与该第一N维向量最相似的N维样本向量,也即该第三N维样本向量为第二N维样本向量。若第三N维样本向量为多个,则需要从该多个第三N维样本向量中确定与该第一N维向量最相似的N维样本向量,具体可以采用余弦相似度算法、欧式距离算法等确定第一N维向量与第三N维样本向量的相似度。
以欧式距离算法为例,公式为:
其中,X为第一N维向量;Y为第三N维样本向量;D(X,Y)为第一N维向量与第三N维样本向量间的欧式几何距离;xi为第一N维向量的第i个维度对应的评级;yi为第三N维样本向量的第i个维度对应的评级。
举个例子,设N=13,则受检者的手腕部影像对应的第一N维向量为第一13维向量。获取多个13维样本向量,将受检者的手腕部影像对应的第一13维向量与该多个13维样本向量中的每一个13维样本向量作对比。针对任一个13维样本向量来说,将第一13维向量的第1个维度对应的评级和该13维样本向量的第1个维度对应的评级做对比,确定第1个维度对应的评级的评级之差,将第一13维向量的第2个维度对应的评级和该13维样本向量的第2个维度对应的评级做对比,确定第2个维度对应的评级的评级之差,……,直至将第一13维向量的第13个维度对应的评级和该13维样本向量的第13个维度对应的评级做对比,确定第13个维度对应的评级的评级之差,统计评级之差大于2的维度个数。假设,多个13维样本向量中,共有3个13维样本向量存在最少的维度个数,且维度个数均为1个,则将该3个13维样本向量确定为3个第三13维样本向量,针对该3个第三13维样本向量中的任一个,确定第一13维向量与该第三13维样本向量的欧式距离,并将欧式距离最小的第三13维样本向量确定为第二13维样本向量。
步骤105,基于所述第一N维向量和所述第二N维样本向量确定与所述第一N维向量相关的特征骨是否异常。
具体的,判断第一N维向量中各维度对应的评级与第二N维样本向量中对应的各个维度对应的评级之差中,是否存在大于第二预设值的评级之差;若存在,则将所述第一N维向量中维度对应的评级与第二N维样本向量中对应维度对应的评级之差大于第二预设值的维度所对应特征骨确定为发育异常的特征骨;若不存在,则确定该受检者的各特征骨为发育正常。第二预设值可以等于第一预设值,也可以不等于。
举个例子,设N=5,第二预设值为2,第一5维向量对应的评级分别为1、2、3、2、2,若确定出的第二5维样本向量对应的评级分别为4、2、4、2、2,则第一5维向量对应的评级和第二5维样本向量对应的评级的评级之差分别为3、0、1、0、0,存在评级之差大于2的维度,则可以确定该受检者的各特征骨中存在发育异常的特征骨,该发育异常的特征骨具体为第一个维度对应的特征骨。若确定出的第二5维样本向量对应的评级分别为2、2、4、2、2,则第一5维向量对应的评级和第二5维样本向量对应的评级的评级之差分别为1、0、1、0、0,则不存在评级之差大于2的维度,则可以确定该受检者的各特征骨为发育正常。
此外,本发明实施例还可以用于评估受检者是否发育异常,即根据受检者的手腕部影像确定生物学年龄,将该确定出的生物学年龄与受检者的日历年龄(实际年龄)做对比。一种可实现方式中,基于受检者的手腕部影像各特征骨的评级,确定手腕部影像的骨龄值,然后基于手腕部影像的骨龄值和受检者的日历年龄确定受检者是否发育异常。
可以判断受检者的手腕部影像的骨龄值与受检者的日历年龄的年龄差值是否大于第三预设值,若是,则在确定受检者的手腕部影像的骨龄值大于受检者的日历年龄之后,确定受检者为发育提前;在确定受检者的手腕部影像的骨龄值小于受检者的日历年龄之后,确定受检者为发育迟缓。该第三预设值可以是1,即受检者的手腕部影像的骨龄值和日历年龄相差大于1岁,则代表该受检者发育异常。
将上述发育异常信息报告给医生,如将具体哪块特征骨发育异常以及发育异常特征骨的异常等级报告给医生,或者是将受检者为发育迟缓或发育提前报告给医生,即可以使得医生根据该异常信息为受检者采取适应性的措施。
上述技术方案中,基于手腕部影像确定各特征骨的评级,并基于各特征骨的评级确定各特征骨对应的第一N维向量,获取多个N维样本向量,从多个N维样本向量中确定与第一N维向量最相似的第二N维样本向量,并将该第二N维样本向量作为第一N维向量对比的基准,用于确定第一N维向量相关的特征骨中是否存在异常,通过上述方式,无需人工查看,避免了人工主观因素的影响,且对大量手腕部影像样本的特征骨评级对应的多个N维向量执行聚类运算后生成多个N维样本向量,该多个N维样本向量是根据当前发育正常的手腕部影像样本所确定的,可以对受检者的手腕部特征骨的异常检测提供有效的对比依据。
此外,通过对受检者的手腕部影像中各特征骨分级,并确定第一N维向量,以及确定与第一N维向量最相似的第二N维样本向量,根据第一N维向量和第二N维样本向量,不仅可以确定出受检者的各特征骨是否发育异常,还可以用于测试上述特征骨评级算法是否正常,以及用于对人工给出的特征骨评级进行评估,判断人工给出的特征骨评级是否正确。
基于同一发明构思,图4示例性的示出了本发明实施例提供的一种特征骨异常检测装置的结构,该装置可以执行特征骨异常检测方法的流程。
该装置包括:
第一处理单元401、第二处理单元402和检测单元403;
所述第一处理单元401,用于基于手腕部影像确定各特征骨的评级;以及基于所述各特征骨的评级获得与所述各特征骨对应的第一N维向量;N为自然数,且N小于等于手腕部影像的特征骨的数量;
所述第二处理单元402,用于获取多个N维样本向量和第二N维样本向量,所述N维样本向量通过对多个手腕部影像样本的特征骨评级对应的多个N维向量聚合获得,其中每一个手腕部影像样本的特征骨评级对应一个N维向量;所述第二N维样本向量为与所述第一N维向量最相似的N维样本向量;
所述检测单元403,用于基于所述第一N维向量和所述第二N维样本向量确定与所述第一N维向量相关的特征骨是否异常。
可选的,所述第二处理单元402包括获取单元4021、第一确定单元4022和第二确定单元4023;
所述获取单元4021,用于获取各个N维样本向量中各维度对应的评级与所述第一N维向量中对应的各个维度对应的评级之差;
所述第一确定单元4022,用于确定各个N维样本向量中各维度对应的评级之差大于第一预设值的维度个数n,以获得各个N维样本向量对应的维度个数n;以各个N维样本向量对应的维度个数n最小的N维样本向量作为第三N维样本向量;n大于等于0小于等于N;
所述第二确定单元4023,用于以与所述第一N维向量最相似的第三N维样本向量作为第二N维样本向量。
可选的,所述检测单元403包括判断单元4031和第三处理单元4032;
所述判断单元4031,用于判断所述第一N维向量中各维度对应的评级与所述第二N维样本向量中对应的各个维度对应的评级之差中,是否存在大于第二预设值的评级之差;
所述第三处理单元4032,用于在所述判断单元4031确定所述第一N维向量中各维度对应的评级与所述第二N维样本向量中对应的各个维度对应的评级之差中存在所述大于第二预设值的评级之差时,将所述第一N维向量中维度对应的评级与第二N维样本向量中对应维度对应的评级之差大于第二预设值的维度所对应特征骨确定为发育异常的特征骨。
可选的,所述特征骨异常检测装置还包括第三确定单元404和第四处理单元405;
所述第三确定单元404,用于基于手腕部影像各特征骨的评级,确定所述手腕部影像的骨龄值;
所述第四处理单元405,用于基于所述手腕部影像的骨龄值和所述手腕部影像对应的受检者的日历年龄确定所述受检者是否发育异常。
基于同一发明构思,本发明实施例还提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述特征骨异常检测方法。
基于同一发明构思,本发明实施例还提供了一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述特征骨异常检测方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。